안녕하세요
이번 시간에는 Power BI에서 가장 핵심 개념 중 하나인, 의미체계모델(Semantic Model)에 대해 설명드리고자 합니다
This Image is made by ChatGPT
의미체계모델(Semantic Model)?
의미체계모델(Semantic Model)은 데이터를 효과적으로 구조화하고 분석할 수 있도록 도와주는 핵심 개념입니다
해당 모델은 일반적으로 "Fact Table", "Dimension Table"으로 구성되고
해당 테이블이 모여 "Star Schema"가 구성됩니다
의미체계모델 - Fact Table
"Fact Table"은, 수치 데이터(측정값)을 저장하는 테이블로서, 비즈니스 성과를 분석할 수 있도록
도와주는 중심 테이블입니다
시간, 제품, 고객 등 다양한 "Dimension Table"과 연결되어 있습니다
1) 측정 값
- 비즈니스 이벤트의 결과를 저장합니다(판매, 주문, 생산)
2) Key(Foreign Key)
- 시간, 제품, 고객 등과 연결되는 외래 키를 포함합니다
3) 데이터 양
- 매우 방대한 데이터를 보유합니다
EX) Fact Table : Sales_Fact(판매)
| 판매ID | 날짜 키 | 고객 키 | 제품 키 | 판매 수량 | 매출액 |
| 1001 | 20240701 | C001 | P001 | 2 | 1,200,000 |
| 1002 | 20240701 | C002 | P002 | 1 | 80,000 |
| 1003 | 20240702 | C001 | P002 | 3 | 2,400,000 |
의미체계모델 - Dimension Table
"Dimension Table"은, "Fact Table"을 설명하는 메타 정보를 포함한 테이블 분석에서 자주 사용되는
필터, 그룹화, 계층 정보가 여기에 포함됩니다
1) 설명적 데이터
- 예를 들어, 고객의 이름, 주소, 제품의 분류 등의 값이 포함됩니다
2) Key(Primary Key)
- Fact Table의 Foreign Key와 연결되는 기본 키를 포함합니다
3) 계층 구조 지원
- 상위 -> 하위로 이어지는 관계를 가지는 차원 데이터를 지원합니다
- 날짜 : 연도 → 분기 → 월 → 일
- 지역 : 국가 → 도시 → 구/군
EX) Dimension Table : Date_Dim(날짜)
| 날짜 키 | 연도 | 월 | 일 | 요일 |
| 20240701 | 2024 | 7 | 1 | 월요일 |
| 20240702 | 2024 | 7 | 2 | 화요일 |
EX) Dimension Table : Customer_Dim(고객)
| 고객 키 | 고객 명 | 지역 | 성별 |
| C001 | 김철수 | 서울 | 남 |
| C002 | 이영희 | 부산 | 여 |
EX) Dimension Table : Product_Dim(제품)
| 제품 키 | 제품 명 | 카테고리 | 브랜드 |
| P001 | 냉장고 | 가전 | LG |
| P002 | TV | 가전 | SAMSUNG |
의미체계모델 결과물
예시의 "Fact Table"과 "Dimension Table"의 의미체계모델을 구성하면 아래와 같이 구현이 가능합니다
KEY
"KEY"는 테이블 내의 데이터를 고유하게 식별하거나, 데이블 간의 관계를 설정하기 위해 사용하는
하나 또는 여러 개의 컬럼(열)을 의미합니다
Power BI에서 의미체계모델을 구축하기 위해 가장 기본적이고 중요한 개념입니다
This Image is made by ChatGPT
KEY 종류
Power BI에서 사용하는 KEY의 개념은 데이터베이스 KEY 기본 개념과 동일합니다
※ Power BI에서 많이 사용하는 KEY는 "기본 키", "외래 키", "복합 키" 입니다(개인적인 의견)
| 종류 | 의미 |
| Primary Key(기본 키) | 테이블 내의 각 행을 고유하게 식별하는 데 사용
중복 값이 없고, null 값 불가능 |
| Foreign Key(외래 키) | 다른 테이블의 기본 키를 참조
두 테이블 간 관계(연결) 설정 |
| Candidate Key(후보 키) | 기본 키로 사용할 수 있는 |
| Alternate Key(대체 키) | 후보 키 중, 기본 키로 선택되지 않으 나머지 키 |
| Composite Key(복합 키) | 둘 이상의 컬럼을 조합해서 고유성을 보장하는 키 |
| Unique Key(유니크 키) | 중복을 허용하지 않는 키
null 값은 허용되기도 함 |
| Super Key(슈퍼 키) | 유일성을 만족하는 모든 컬럼 조합
후보 키 보다 범위가 넓음 |
앞서 살펴 본 "의미체계모델" 예시에서 기본 키, 외래 키는 아래와 같습니다
기본 키 : 하늘색 배경
외래 키 : 주황색 배경
복합 키
복합 키는 아래 예제 처럼 사용이 가능합니다
Star Schema
"Star Schema"는 하나의 중심 테이블(Fact Table)을 기준으로
여러 설명 테이블(Dimension Table)이 별(Star) 모양처럼 연결된 구조입니다
이 구조는 데이터를 분석하기 쉽고, 빠르게 만들어주는 데이터 웨어하우징의 대표적인 설계 방식입니다
This Image is made by ChatGPT
Star Schema의 장점
1. 이해가 쉽고 직관적이다
- 역할이 명확하게 구분 된다(Fact, Dimension)
- 분석가, 비즈니스 사용자, 개발자 모두 쉽게 이해가 가능하다
- EX) 매출(Fact)는 고객, 제품, 날짜(Dimension)에 따라 나뉜다
2. 빠른 성능, 쿼리 최적화
- Fact Table, Dimension Table은 단순환 간계(N:1)를 가진다
- 복잡한 Join 없이 빠른 쿼리가 가능하다
3. 측정값 계산 명확, 효율적
- 매출액(SUM), 수량(COUNT), 이익률 등 DAX에서 단순한 계산으로 분석이 가능하다
- 모든 측정값은 Fact Table에만 위치시키고, 필터 조건은 Dimension Table을 활용
4. 드릴다운 계층 구조 적합
- Power BI의 계층 기능과 호환성이 매우 높음
- 날짜 : 연도 → 분기 → 월 → 일
- 지역 : 국가 → 시/도 → 군/구
5. 재사용성, 확장성 上
- Dimension Table은 여러 개의 Fact Table과 공유가 가능하다
- EX) Date_Dim 테이블은 매출, 비용, 인력의 Fact Table과 연결 가능
- 새로운 분석 항목이 생길 시 Fact Table만 추가해도 확장 용이
6. 데이터 정합성, 품질 유지 上
- 정규화 된 차원 테이블로 인해 중복 제거
- 제품 명, 고객정보, 날짜 정보 등을 한 곳에서 관리
- Fact Table에서는 외래 키만 유지하면 되기에 무결성 유지가 쉬움
Star Schema 설계 시 주의 사항
1. 중복 제거
- Dimension Table은 중복을 제거한 마스터 테이블이여야 함
2. 고유 Primary Key
- 모든 Dimension Table은 고유 Primary Key을 가져야 함
3. Key 일치성
- Fact Table의 Foreign Key는 반드시 해당 Dimension Table의 Primary Key와 일치해야 함
4. 필터 흐름
- 기능한 한 방향 필터 흐름을 유지 해야 함
- Power BI에서는 일반적으로 1대 다 방향
이상으로 설명을 마치겠습니다.
감사합니다 :)
티스토리 블로그 : https://datasrep.tistory.com/48
안녕하세요
이번 시간에는 Power BI에서 가장 핵심 개념 중 하나인, 의미체계모델(Semantic Model)에 대해 설명드리고자 합니다
의미체계모델(Semantic Model)은 데이터를 효과적으로 구조화하고 분석할 수 있도록 도와주는 핵심 개념입니다
해당 모델은 일반적으로 "Fact Table", "Dimension Table"으로 구성되고
해당 테이블이 모여 "Star Schema"가 구성됩니다
"Fact Table"은, 수치 데이터(측정값)을 저장하는 테이블로서, 비즈니스 성과를 분석할 수 있도록
도와주는 중심 테이블입니다
시간, 제품, 고객 등 다양한 "Dimension Table"과 연결되어 있습니다
1) 측정 값
- 비즈니스 이벤트의 결과를 저장합니다(판매, 주문, 생산)
2) Key(Foreign Key)
- 시간, 제품, 고객 등과 연결되는 외래 키를 포함합니다
3) 데이터 양
- 매우 방대한 데이터를 보유합니다
EX) Fact Table : Sales_Fact(판매)
"Dimension Table"은, "Fact Table"을 설명하는 메타 정보를 포함한 테이블 분석에서 자주 사용되는
필터, 그룹화, 계층 정보가 여기에 포함됩니다
1) 설명적 데이터
- 예를 들어, 고객의 이름, 주소, 제품의 분류 등의 값이 포함됩니다
2) Key(Primary Key)
- Fact Table의 Foreign Key와 연결되는 기본 키를 포함합니다
3) 계층 구조 지원
- 상위 -> 하위로 이어지는 관계를 가지는 차원 데이터를 지원합니다
- 날짜 : 연도 → 분기 → 월 → 일
- 지역 : 국가 → 도시 → 구/군
EX) Dimension Table : Date_Dim(날짜)
EX) Dimension Table : Customer_Dim(고객)
EX) Dimension Table : Product_Dim(제품)
예시의 "Fact Table"과 "Dimension Table"의 의미체계모델을 구성하면 아래와 같이 구현이 가능합니다
"KEY"는 테이블 내의 데이터를 고유하게 식별하거나, 데이블 간의 관계를 설정하기 위해 사용하는
하나 또는 여러 개의 컬럼(열)을 의미합니다
Power BI에서 의미체계모델을 구축하기 위해 가장 기본적이고 중요한 개념입니다
Power BI에서 사용하는 KEY의 개념은 데이터베이스 KEY 기본 개념과 동일합니다
※ Power BI에서 많이 사용하는 KEY는 "기본 키", "외래 키", "복합 키" 입니다(개인적인 의견)
중복 값이 없고, null 값 불가능
두 테이블 간 관계(연결) 설정
null 값은 허용되기도 함
후보 키 보다 범위가 넓음
앞서 살펴 본 "의미체계모델" 예시에서 기본 키, 외래 키는 아래와 같습니다
기본 키 : 하늘색 배경
외래 키 : 주황색 배경
복합 키는 아래 예제 처럼 사용이 가능합니다
"Star Schema"는 하나의 중심 테이블(Fact Table)을 기준으로
여러 설명 테이블(Dimension Table)이 별(Star) 모양처럼 연결된 구조입니다
이 구조는 데이터를 분석하기 쉽고, 빠르게 만들어주는 데이터 웨어하우징의 대표적인 설계 방식입니다
1. 이해가 쉽고 직관적이다
- 역할이 명확하게 구분 된다(Fact, Dimension)
- 분석가, 비즈니스 사용자, 개발자 모두 쉽게 이해가 가능하다
- EX) 매출(Fact)는 고객, 제품, 날짜(Dimension)에 따라 나뉜다
2. 빠른 성능, 쿼리 최적화
- Fact Table, Dimension Table은 단순환 간계(N:1)를 가진다
- 복잡한 Join 없이 빠른 쿼리가 가능하다
3. 측정값 계산 명확, 효율적
- 매출액(SUM), 수량(COUNT), 이익률 등 DAX에서 단순한 계산으로 분석이 가능하다
- 모든 측정값은 Fact Table에만 위치시키고, 필터 조건은 Dimension Table을 활용
4. 드릴다운 계층 구조 적합
- Power BI의 계층 기능과 호환성이 매우 높음
- 날짜 : 연도 → 분기 → 월 → 일
- 지역 : 국가 → 시/도 → 군/구
5. 재사용성, 확장성 上
- Dimension Table은 여러 개의 Fact Table과 공유가 가능하다
- EX) Date_Dim 테이블은 매출, 비용, 인력의 Fact Table과 연결 가능
- 새로운 분석 항목이 생길 시 Fact Table만 추가해도 확장 용이
6. 데이터 정합성, 품질 유지 上
- 정규화 된 차원 테이블로 인해 중복 제거
- 제품 명, 고객정보, 날짜 정보 등을 한 곳에서 관리
- Fact Table에서는 외래 키만 유지하면 되기에 무결성 유지가 쉬움
1. 중복 제거
- Dimension Table은 중복을 제거한 마스터 테이블이여야 함
2. 고유 Primary Key
- 모든 Dimension Table은 고유 Primary Key을 가져야 함
3. Key 일치성
- Fact Table의 Foreign Key는 반드시 해당 Dimension Table의 Primary Key와 일치해야 함
4. 필터 흐름
- 기능한 한 방향 필터 흐름을 유지 해야 함
- Power BI에서는 일반적으로 1대 다 방향
이상으로 설명을 마치겠습니다.
감사합니다 :)