Microsoft SQL Server Analysis Service เป็นผลิตภัณฑ์สำหรับจัดการ Data Model ระดับ Enterprise ซึ่งแบ่งได้เป็น 2 ประเภทดังนี้

โดยต้องเลือกประเภทตั้งแต่ตอนติดตั้ง
(หากผู้อ่านติดตั้ง Microsoft SQL Server แล้วเลือกติดตั้ง Microsoft SQL Server Analysis Service จะมีประเภท Power Pivot มาให้เลือกเป็นประเภทที่ 3
แต่ความจริงแล้วเป็น Tabular Data Model เช่นกัน เพียงแต่เป็นตัวเลือกเพื่อเปิดให้ Power Pivot for Excel ใช้งานได้บน Microsoft SharePoint)

การสร้าง Data Model ในที่นี้ เราจะนำ Data Warehouse  ซึ่งได้แก่ AdventureWorksDW  
(สามารถ download ไฟล์ AdventureWorksDW2017.bak  มาจาก https://github.com/Microsoft/sql-server-samples/releases)
ทั้งนี้ ฐานข้อมูลดังกล่าวที่มีโครงสร้าง (schema) แบบ Dimensional Model มาสร้าง Data Model ด้วย Microsoft SQL Server Analysis Service

โครงสร้างแบบ Dimensional Model นั้น เป็นการรวบรวมข้อมูลเอาไว้ให้ Queries ได้ง่ายขึ้น
แต่ยังไม่ได้หาผลรวมจาก measures ที่เตรียมไว้เลย

หากจะออกรายงานจาก Dimensional Model ก็สามารถทำได้ แต่ต้องทำการ Group by เพื่อหาผลรวมนำไปออกรายงานเป็นครั้ง ๆ
ซึ่งหากจำนวนครั้ง และความหลากหลายของรายงานมีไม่มาก ก็ยังไม่ส่งผลประทบต่อประสิทธิภาพของ Database Engine เท่าไหร่
แต่ถ้าจำนวนครั้ง และความหลากหลายของรายงานมีมาก เราควรพิจารณาใช้ Data Model ระดับ Enterprise มาทดแทนดีกว่า

การสร้าง Data Model ระดับ Enterprise คือการคำนวณหาผลรวมของบรรดา measures ใน Fact Table ตามบรรดา Attributes ที่อยู่ใน Dimension Tables เอาไว้ล่วงหน้าแล้ว
ระบบรายงานเพียงแต่นำเอาผลรวมไปแสดงผลได้เลย ไม่ต้องส่งคำสั่งมาหาผลรวมอีก

ผู้เขียนจะทดลองสร้าง Data Model ชนิด Multidimensional ผ่าน Visual Studio ที่ลง SSDT (SQL Server Data Tools) เรียบร้อย
เมื่อเลือกสร้าง Project จะปรากฏ Template ของงาน Business Intelligence
เราสามารถเลือกสร้าง Project ชนิด Analysis Services  Multidimensional and Data Mining Project ได้ดังรูป
 

จากรูป ผู้เขียนเลือกตาราง

จากฐานข้อมูล AdventureworksDW มาสร้างสิ่งที่เรียกว่า Data Source View 

 

การสร้าง Data Source View 

โดยผู้เขียนเลือกบางคอลัมน์ไปสร้างเป็น Attributes
(การสร้าง Dimension Table ให้มีคอลัมน์ที่จะนำมาสร้าง Attributes ไว้ครบถ้วนเป็นสิ่งควรทำ แต่อาจถูกเลือกใช้หรือไม่ ขึ้นอยู่กับความต้องการของรายงานแต่ละอัน)

จากนั้นผู้เขียนได้นำ Attributes ที่ถูกเลือกและตั้งค่าเหมาะสมดีแล้ว ไปสร้างเป็น Hierarchy
แล้วตั้งค่าของ Hierarchy และ Attribute Relationships ตามความเหมาะสม
แล้วเลือกแท็บ Browser เพื่อเรียกดู Dimension ที่สร้างขึ้น
 

เมื่อได้ Dimensions ตามต้องการแล้ว ผู้เขียนจะสร้าง Cube จากตาราง FactResellerSales ที่มีบรรดา Measures ต่าง ๆ เก็บไว้

การสร้าง Cube
การสร้าง Cube จะเป็นการนำเอา measures ต่าง ๆ มาหาผลรวม
โดย Aggregate Function ที่เหมาะสมตาม Dimension Attributes และ Dimension Hierarchies ที่ได้สร้างไว้ก่อนหน้า
หลังจากนั้นเก็บผลลัพธ์ของผลรวมเอาไว้ในโครงสร้าง OLAP ซึ่งจัดการโดย Microsoft SQL Server Analysis Service

บรรดาคอลัมน์ที่เป็น Foreign Key (Dimension Key) ที่มาจากบรรดา Dimension Tables จะไม่ถูกเลือก

 

ผู้เขียนลดคอลัมน์ที่ Wizard เลือกให้เหลือเท่าที่จำเป็นต้องใช้ จากนั้นตั้งค่าตามความเหมาะสมจนเสร็จ 

เมื่อได้ Cube ตามต้องการแล้ว ผู้เขียนทำการ Process Cube และ Deploy ไปยัง Microsoft SQL Server Analysis Service จะปรากฏผลของการ Process ดังรูป
 

 

ทำการ browse ไปที่ Cube ชื่อ Reseller Sales แล้วนำ Measures ชื่อ Sales Amount ไปแสดงพร้อมกับ Dimension Attributes ชื่อ Calendar Year และ Sales Territory Country ตามรูป
จะพบว่าเห็นผลรวมของยอดขายตาม ปี และประเทศที่ขาย ซึ่งถูกคำนวนเก็บเอาไว้ใน Cube หมดแล้ว
 

ข้อสังเกตจากการแสดงผลที่เปลี่ยนไปหลังจากเชื่อมต่อในโหมด Connect Live ไปยัง Microsoft SQL Server Analysis Service
คือ มุมมอง Data View และ Relationship View จะหายไป เหลือเพียง Report View เพียงแค่นั้น

เพราะเราไม่สามารถเข้าไปปรับปรุงโครงสร้างข้อมูล ความสัมพันธ์ของข้อมูล อีกทั้งยังไม่สามารถสร้าง Measures และ Hierarchies ขึ้นมาได้เองใน Power BI
แต่จะใช้จาก Data Model ที่อยู่บน Microsoft SQL Server Analysis Service
ซึ่งจัดเตรียมและคำนวณผลรวมของ Measures ตาม Dimensions ไว้ล่วงหน้าหมดแล้ว

Power BI จึงทำหน้าที่เพียงการแสดงผลรายงานเท่านั้น
 

ผู้เขียนให้ความเห็นว่านี่คือ Solution ที่เหมาะสมที่สุด ที่จะใช้ Power BI ในองค์กร

แม้ว่า Power BI สามารถสร้าง Data Model ใช้เองภายในตัวของมัน
แต่ก็เป็นการ Import ข้อมูลเข้าไปในตัวมัน ซึ่งใช้ทรัพยากรบนเครื่อง Desktop (หรือบน Cloud) ไปคำนวณผลรวมบน Measures ต่าง ๆ ที่เลือกไว้
ซึ่งเป็นการทำบนเครื่องใครเครื่องมัน ผลรวมใครผลรวมมัน ไม่รวมศูนย์ และไม่ได้ใช้ทรัพยากรจากส่วนกลาง