在最近，无论是在和客户还是在培训活动中，都会问到建模的相关问题。什么是建模？建模是指建立数据分析模型的过程，在很多实践当中，不少客户和同学都会忽略这个过程，直接从数据源获取数据后，利用Power BI来去做相关的分析和展现。但是，我想告诉大家，从企业的角度出发，数据分析模型的建立过程必不可少！
所以，仅利用DAX写出复杂的计算公式，并不是建模的全过程。而恰恰相反，DAX应当写的越简单越好。也就是说，DAX并不是建模。
真正的数据分析建模过程，是根据企业的业务逻辑，而创建的数据表之间关联的过程，常用的建模思路通常有雪花型和星型，而在设计数据分析模型的过程中，常常会根据实际情况将雪花型和星型并用。最后，有了这样的模型，再配合DAX进行度量值的计算。一套完整的数据分析模型即可完成。
当然，有同学会仍然会有一些疑问：
问题一：为啥一定要有数据模型？我没做模型不也能用Power BI做出好的仪表板啊。
相信目前很多使用Power BI的用户都会有这样的疑问，在这里，我想分享给大家的是，作为一名好的商业分析师，能做出好的仪表板并不是终点，合理的架构和分析的思维同样重要。
问题二：复杂的业务逻辑也可以通过DAX的计算实现，我只要会写DAX，就不需要做数据建模了。
其实通过DAX来计算复杂的业务逻辑将大大影响性能，甚至有可能是几何倍数的性能延迟和计算工作量。这样的做法可以说完全失去了性能，有可能几万行的数据就让你的Power BI仪表板变成了“死缓”。而一个好的数据分析模型将轻松承载海量数据，再配合迭代的DAX计算方式，才能将Power BI的强大功能发挥到极致。否则，你的Power BI仪表板将毫无意义。
问题三：如果说数据模型是指数据表之间的关联过程，那它和数据仓库有什么区别？
他们最大的区别是业务与技术，数据模型是从业务逻辑出发来设计的，而数据仓库则是从数据的规范定义出发来搭建的。
好了，今天的分享也快结束了。本系列旨在帮助大家在使用Power BI成为商业分析师的道路上少走弯路，而在本篇文章中可能有一些地方或者概念一带而过，并没有详细介绍，如果大家感兴趣，可以留言给我们，大家一起探讨和研究。谢谢大家！