⭐ Lembre-se Curtir 👍 e Inscrever no Canal ❤ 🔗 Material desta Aula: academiabepro.com.br/069m 🚀 [Leve 2 Pague 1] Curso de Excel e Power BI: academiabepro.com.br/u2o1
Estou com um problema na minha modelagem de dados na minha empresa, tenho muitas relacoes many to many, e nas minhas dimensoes tenho menos valores distintos que nas fatos, qual a melhor forma de resolver esse problema, alem dessas tabelas nao possuem index. Qual a maneira mas eficaz de passar os valores distintos da fato p dimensao e depois criar o index na dimensao e apos inserir na fato os index criados
Relações muitos para muitos são comuns em bancos de dados relacionais e podem introduzir complexidades na modelagem dimensional. Quando você observa que o número de valores distintos em suas dimensões é menor do que nas tabelas de fatos, isso pode indicar problemas de granularidade, normalização ou mesmo erros na modelagem. Soluções Possíveis Reavaliar a Granularidade: Consolidar Dimensões: Se duas dimensões tiverem atributos semelhantes, considere consolidá-las em uma única dimensão. Criar Hierarquias: Utilize hierarquias para representar diferentes níveis de granularidade dentro de uma dimensão. Adicionar Atributos: Inclua atributos adicionais nas dimensões para aumentar a granularidade e capturar mais detalhes. Normalizar as Tabelas: Identificar Dimensões Degeneradas: Verifique se há atributos que deveriam ser dimensões independentes. Criar Tabelas de Atributos: Se necessário, crie tabelas de atributos para armazenar valores descritivos que não são chaves primárias.
Bom dia, eu tenho 2 tabela fato, colunas e nomes iguais, a coluna "Marca" eu consegui fazer os relacionamentos via sua aula, porém a coluna "Modelo" Essa já não fez o relacionamento e se tento, da muito pra muito e diz que não é aconselhável, a coluna Modelo é a que tem mais informações sobre os modelos das marcas, e minha pergunta é: Como já relacionei as colunas Marca, será que preciso conectar a coluna Modelo também para que possa fazer futuros análise? Exemplo, agora sei o quanto vendo pela marca, mas quando vendo pelo modelo não sei se consigo saber 🤔
Entendo sua situação. Ter duas tabelas fato com colunas iguais, incluindo "Marca" e "Modelo", pode gerar problemas no relacionamento e análise de dados no Power BI. A relação muitos-para-muitos em "Modelo" não é aconselhável Ambiguidade: Uma relação muitos-para-muitos em "Modelo" significa que um modelo pode estar associado a várias marcas e uma marca pode ter vários modelos. Isso cria ambiguidade na hora de calcular métricas, pois o Power BI não saberia qual combinação marca-modelo usar. Desempenho: Relações muitos-para-muitos podem impactar negativamente o desempenho do modelo, especialmente em tabelas grandes. É necessário conectar a coluna "Modelo"? Depende do tipo de análise que você deseja fazer. Análise por Marca: Se você só precisa analisar as vendas por marca, o relacionamento existente em "Marca" é suficiente. Análise por Modelo: Se você quer analisar as vendas por modelo, precisará de uma forma de conectar as tabelas fato em "Modelo".
Você tem que analisar se a primary key e a foreign key estão sendo relacionados, geralmente usamos id´s e em relação ao tipo de cardinalidade o mais recomendado é o um para muitos e a direção do filtro apenas para um lado.
⭐ Lembre-se Curtir 👍 e Inscrever no Canal ❤
🔗 Material desta Aula: academiabepro.com.br/069m
🚀 [Leve 2 Pague 1] Curso de Excel e Power BI: academiabepro.com.br/u2o1
Excelente video, parabens muito util sua aula !! utilizando bridge table e calculos dax userrelationship e retirando os blank values
Sucesso!
Muito bacana amigo. Me ajudou aqui em um trabalho! Grande abraço
Fico feliz em saber!!
Estou com um problema na minha modelagem de dados na minha empresa, tenho muitas relacoes many to many, e nas minhas dimensoes tenho menos valores distintos que nas fatos, qual a melhor forma de resolver esse problema, alem dessas tabelas nao possuem index. Qual a maneira mas eficaz de passar os valores distintos da fato p dimensao e depois criar o index na dimensao e apos inserir na fato os index criados
Relações muitos para muitos são comuns em bancos de dados relacionais e podem introduzir complexidades na modelagem dimensional. Quando você observa que o número de valores distintos em suas dimensões é menor do que nas tabelas de fatos, isso pode indicar problemas de granularidade, normalização ou mesmo erros na modelagem.
Soluções Possíveis
Reavaliar a Granularidade:
Consolidar Dimensões: Se duas dimensões tiverem atributos semelhantes, considere consolidá-las em uma única dimensão.
Criar Hierarquias: Utilize hierarquias para representar diferentes níveis de granularidade dentro de uma dimensão.
Adicionar Atributos: Inclua atributos adicionais nas dimensões para aumentar a granularidade e capturar mais detalhes.
Normalizar as Tabelas:
Identificar Dimensões Degeneradas: Verifique se há atributos que deveriam ser dimensões independentes.
Criar Tabelas de Atributos: Se necessário, crie tabelas de atributos para armazenar valores descritivos que não são chaves primárias.
@@academiabepro Obrigado pela resposta!!
Bom dia, eu tenho 2 tabela fato, colunas e nomes iguais, a coluna "Marca" eu consegui fazer os relacionamentos via sua aula, porém a coluna "Modelo" Essa já não fez o relacionamento e se tento, da muito pra muito e diz que não é aconselhável, a coluna Modelo é a que tem mais informações sobre os modelos das marcas, e minha pergunta é: Como já relacionei as colunas Marca, será que preciso conectar a coluna Modelo também para que possa fazer futuros análise? Exemplo, agora sei o quanto vendo pela marca, mas quando vendo pelo modelo não sei se consigo saber 🤔
Entendo sua situação. Ter duas tabelas fato com colunas iguais, incluindo "Marca" e "Modelo", pode gerar problemas no relacionamento e análise de dados no Power BI.
A relação muitos-para-muitos em "Modelo" não é aconselhável
Ambiguidade: Uma relação muitos-para-muitos em "Modelo" significa que um modelo pode estar associado a várias marcas e uma marca pode ter vários modelos. Isso cria ambiguidade na hora de calcular métricas, pois o Power BI não saberia qual combinação marca-modelo usar.
Desempenho: Relações muitos-para-muitos podem impactar negativamente o desempenho do modelo, especialmente em tabelas grandes.
É necessário conectar a coluna "Modelo"?
Depende do tipo de análise que você deseja fazer.
Análise por Marca: Se você só precisa analisar as vendas por marca, o relacionamento existente em "Marca" é suficiente.
Análise por Modelo: Se você quer analisar as vendas por modelo, precisará de uma forma de conectar as tabelas fato em "Modelo".
bom dia, não consigo criar um relacionamento entre um tabela calendario e uma fato
Você tem que analisar se a primary key e a foreign key estão sendo relacionados, geralmente usamos id´s e em relação ao tipo de cardinalidade o mais recomendado é o um para muitos e a direção do filtro apenas para um lado.