Power BI学习笔记第19篇：面试题汇总 · 第二篇：数据建模与 DAX 篇

Power BI学习笔记第19篇：面试题汇总 · 第二篇：数据建模与 DAX 篇

数据建模和 DAX 是区分"会用 Power BI"和"真正懂 Power BI"的分水岭。面试官问到这两块，眼睛都在放光——因为答不好的人太多了。

---

第 1 题：什么是星型模型（Star Schema）？为什么 Power BI 推荐使用它？

参考答案：

星型模型是维度建模的基础结构，由一个事实表（Fact Table）和多个维度表（Dimension Tables）组成，形状像一颗星星：

         ┌─────────────┐
         │   维度表    │  ← 日期维度
         │  DateKey   │
         └──────┬──────┘
                │
    ┌───────────┼───────────┐
    │           │           │
┌───▼───┐  ┌───▼───┐  ┌───▼───┐
│维度表  │  │维度表  │  │维度表  │
│产品   │  │客户   │  │地区   │
└───┬───┘  └───┬───┘  └───┬───┘
    │          │          │
    └──────────┼──────────┘
               │
        ┌──────▼──────┐
        │   事实表      │
        │ SalesAmount │
        │ Quantity    │
        └─────────────┘

为什么推荐星型模型：

优点	说明
查询性能	维度表通常较小，JOIN 效率高，VertiPaq 压缩效果好
模型清晰	事实表存度量，维度表存描述，职责明确
易于维护	新增维度只需添加新表，不用改事实表结构
DAX 友好	单一路径的relationship，DAX 计算更简单可靠

反例：雪花模型（Snowflake Schema，维度表继续规范化拆分子维度）会增加 JOIN 复杂度，Power BI 中应避免。

---

第 2 题：什么是事实表和维度表？各自有哪些类型？

参考答案：

事实表（Fact Table）：存储业务过程的度量值（Measures），是数据分析的核心。

类型	特点	示例
事务事实表	每行业为一条业务事件	订单明细、交易记录
周期快照事实表	固定周期汇总	月末库存、账户余额
累计快照事实表	全流程状态追踪	订单履约全链路
无事实事实表	只记录事件发生，无度量	考勤打卡、学生上课

维度表（Dimension Table）：存储业务实体的描述信息，提供分析角度。

类型	特点	示例
退化维度（Degenerate）	存在于事实表中，无独立表	订单号、发票号
缓慢变化维度（SCD）	属性随时间变化	客户地址变更、产品分类调整
角色扮演维度	同一物理表在不同角色下使用	日期表同时作为订单日期和发货日期
雪花维度	规范化拆分的维度（不推荐）	省→市→区的层级表

---

第 3 题：Power BI 中的关系（Relationship）有哪些类型？如何选择？

参考答案：

三种基数（Cardinality）类型：

类型	说明	适用场景
一对多（1:N）	维度表1行 ←→ 事实表N行	星型模型的标准配置
多对一（N:1）	与一对多相反，仅视角不同	同上
多对多（M:N）	双向过滤，无需唯一性	多对多业务关系（如学生-课程）
一对一（1:1）	两表行数相同	拆分大表、配置表

两个方向（Cross Filter Direction）：

方向	说明	风险
单向（Single）	维度 → 事实单向传播筛选	✅ 推荐，逻辑清晰
双向（Both）	双向互相影响	⚠️ 可能导致歧义和循环依赖，性能差

最佳实践：99% 的场景用一对多 + 单向即可。双向过滤除非你非常清楚自己在做什么，否则别开。

---

第 4 题：什么是 DAX？它和 Excel 公式有什么区别？

参考答案：

DAX（Data Analysis Expressions）是 Power BI 中的公式语言，用于创建度量值、计算列和角色。

与 Excel 公式的核心区别：

维度	Excel 公式	DAX
上下文	基于单元格	基于行上下文 + 筛选上下文
引用范围	单表为主	全数据模型
迭代函数	无（少数函数支持）	大量存在（X 系列函数）
时间智能	无	内置支持（TOTALYTD、SAMEPERIODLASTYEAR 等）
关系使用	不支持跨表引用	通过 RELATED / RELATEDTABLE 跨表
用途	单元格级计算	聚合级度量值

DAX 的核心概念：上下文（Context）——你的公式在不同行、不同筛选条件下，结果是不同的。理解不了上下文，就理解不了 DAX。

---

第 5 题：解释一下 DAX 中的行上下文（Row Context）和筛选上下文（Filter Context）。

参考答案：

这是 DAX 最核心的概念，没有之一。

行上下文（Row Context）：

• 作用于当前行，逐行迭代
• 在计算列中自动存在；在度量值中需要用迭代函数（如 SUMX）创建
• 例子：FullName = [FirstName] & " " & [LastName] — 对每一行分别执行

筛选上下文（Filter Context）：

• 由视觉对象（图表、切片器、筛选器）创建
• 定义哪些行参与当前计算
• 例子：柱状图选了"华东地区"，DAX 计算时自动只考虑华东的数据

举例对比：

// 计算列 — 有行上下文，无筛选上下文
RevenuePerUnit = 'Sales'[Amount] / 'Sales'[Quantity]

// 度量值 — 由视觉对象提供筛选上下文
Total Revenue = SUM('Sales'[Amount])
// 在华东地区图表中自动筛选，只汇总华东数据

常见陷阱：在度量值中直接引用列（如 SELECTEDVALUE(Product[Category])），而不是在筛选上下文中使用——这是新手最容易犯的错误。

---

第 6 题：什么是 CALCULATE？它为什么是 DAX 中最重要的函数？

参考答案：

CALCULATE 是 DAX 中最强大的函数，没有之一。它在修改筛选上下文的同时执行表达式。

语法：

CALCULATE(<expression>, <filter1>, <filter2>, ...)

核心作用：在已有筛选上下文的基础上，添加、替换或移除筛选器，然后执行表达式。

常用场景示例：

// 例1：计算华东地区总销售额
Revenue_East = CALCULATE(
    SUM(Sales[Amount]),
    Geography[Region] = "华东"
)

// 例2：计算不含增值税的总销售额
Revenue_ExTax = CALCULATE(
    SUM(Sales[Amount]),
    REMOVEFILTERS()  // 移除所有外部筛选
)

// 例3：计算同比
Revenue YoY = 
VAR CurrentYear = SUM(Sales[Amount])
VAR LastYear = CALCULATE(
    SUM(Sales[Amount]),
    SAMEPERIODLASTYEAR('Date'[Date])
)
RETURN
    DIVIDE(CurrentYear - LastYear, LastYear)

为什么重要：Power BI 中几乎所有复杂度量值（同比、环比、排名、动态分段等）都离不开 CALCULATE。不会 CALCULATE，就做不了真正的 BI。

---

第 7 题：什么是度量值（Measure）和计算列（Calculated Column）？何时使用？

参考答案：

	度量值（Measure）	计算列（Calculated Column）
计算时机	查询时动态计算	数据刷新时一次性计算
存储位置	不占用模型存储空间	作为新列存储在表中，占用内存
上下文	受筛选上下文影响	受行上下文影响
性能	懒计算（仅在视觉对象需要时）	预计算（刷新时算好）
适用场景	聚合计算（求和、计数、比值）	需要按行引用的场景（人名拼接、条件分类）

选择原则：

• 能用度量值解决的事，优先用度量值。因为度量值按需计算，不占内存。
• 计算列适用于：需要作为维度使用（如作为切片器筛选项）、或需要参与 ROW CONTEXT 迭代的场景。

反面教材：创建 Total Quantity = SUM(Sales[Quantity]) 这样的计算列——它既不需要行上下文参与，又是纯聚合，直接用度量值即可。

---

第 8 题：什么是时间智能函数？举例说明常用的几种。

参考答案：

时间智能函数是 DAX 专门为日期维度设计的一系列函数，用于处理同比、环比、年初至今等时间分析。

核心函数列表：

// 年初至今（Year-to-Date）
Revenue YTD = TOTALYTD(SUM(Sales[Amount]), 'Date'[Date])

// 季度年初至今
Revenue QTD = TOTALQTD(SUM(Sales[Amount]), 'Date'[Date])

// 月初至今
Revenue MTD = TOTALMTD(SUM(Sales[Amount]), 'Date'[Date])

// 同比（Same Period Last Year）
Revenue LY = CALCULATE(
    SUM(Sales[Amount]),
    SAMEPERIODLASTYEAR('Date'[Date])
)

// 环比（Previous Period）
Revenue PM = CALCULATE(
    SUM(Sales[Amount]),
    PARALLELPERIOD('Date'[Date], -1, MONTH)
)

// 移动平均（过去3个月平均）
Revenue MA3 = AVERAGEX(
    DATESINPERIOD('Date'[Date], LASTDATE('Date'[Date]), -3, MONTH),
    [Revenue]  // 引用的是度量值，不是列
)

前提条件：必须有一个标记为日期表（Mark as Date Table） 的连续日期表，且各行唯一、无空缺。

---

第 9 题：什么是 KEEPFILTERS？它和直接写筛选条件有什么区别？

参考答案：

// 方式1：不使用 KEEPFILTERS
Revenue_East = CALCULATE(
    SUM(Sales[Amount]),
    Product[Category] = "电子产品"  // ← 会覆盖外部筛选中的产品维度
)

// 方式2：使用 KEEPFILTERS
Revenue_East = CALCULATE(
    SUM(Sales[Amount]),
    KEEPFILTERS(Product[Category] = "电子产品")  // ← 保留外部筛选，交集运算
)

区别：

行为	裸筛选条件	KEEPFILTERS
外部已有同类筛选	覆盖（替换）	保留（取交集）
结果	强制只看电子产品	外部筛选了"手机"→结果为0（交集为空）
适用场景	想强制特定值时	想保持外部筛选一致时

使用建议：默认情况下，当你想保留外部筛选时使用 KEEPFILTERS。如果你在 CALCULATE 的第二个参数里写筛选条件，它会覆盖外部同类筛选——这个行为经常让新手困惑。

---

第 10 题：什么是 ALLSELECTED？它和 ALL、ALLEXCEPT 的区别是什么？

参考答案：

三者都用于操作筛选上下文，但作用范围不同：

函数	作用	返回值
ALL()	移除所有筛选（全局）	指定表或列的所有唯一值
ALLEXCEPT()	移除除指定列外的所有筛选	全局去掉特定列的筛选
ALLSELECTED()	移除视觉对象内的筛选，保留 UI 级别的筛选	用户在视觉对象上实际选择的值

实战举例：

// 计算销售总额（移除所有产品筛选）
Total Revenue = CALCULATE(
    SUM(Sales[Amount]),
    ALL(Product[ProductName])  // 不管用户选了哪个产品，都显示总额
)

// ALLSELECTED：只移除视觉对象内切片器的筛选
// 如果用户选了"华东"，但没选任何产品 → 计算华东的总销售额
Revenue_East_Total = CALCULATE(
    SUM(Sales[Amount]),
    Geography[Region] = "华东",
    ALLSELECTED(Product)  // 移除产品切片器筛选，但保留地区筛选
)

// 百分比计算（分母用 ALLSELECTED 实现占比）
% of Total = DIVIDE(
    [Revenue],
    CALCULATE([Revenue], ALLSELECTED())
)

一句话总结：ALL 是全局的，ALLSELECTED 是用户视觉交互层面的。

---

第 11 题：什么是迭代函数（X 系列函数）？为什么需要它们？

参考答案：

迭代函数对表中的每一行执行表达式，然后聚合结果——这是 DAX 中创建行上下文的方式。

语法结构：FunctionX(<table>, <expression>)

常用迭代函数：

// SUMX：逐行求和
Revenue = SUMX(Sales, Sales[Quantity] * Sales[UnitPrice])

// AVERAGEX：逐行求平均
Avg Deal Size = AVERAGEX(Sales, Sales[Amount])

// COUNTX：逐行计数（非空）
Active Deals = COUNTX(Sales, Sales[DealID])

// FILTERX 系列（CALCULATETABLE + FILTER）：
// 筛选后返回表（用于嵌套计算）
HighValueCustomers = CALCULATETABLE(
    Customer,
    FILTER(Customer, Customer[LTV] > 100000)
)

为什么需要：普通聚合函数（SUM、COUNT）在度量值中没有行上下文，无法逐行计算。迭代函数是连接行上下文和聚合计算的桥梁。

---

第 12 题：什么是角色扮演维度（Role-Playing Dimension）？如何在 Power BI 中处理？

参考答案：

角色扮演维度指同一个物理日期表在不同业务场景中扮演不同角色——例如同一张日期表，既是"订单日期"又是"发货日期"。

处理方式：

方式一：DAX 中的 USERELATIONSHIP（推荐）

// 默认关系：订单日期
Revenue = SUM(Sales[Amount])

// 使用发货日期的关系
Revenue_Shipped = CALCULATE(
    SUM(Sales[Amount]),
    USERELATIONSHIP(Sales[ShipDate], 'Date'[Date])
)

方式二：隐藏重复的日期列

在模型视图中建立多个关系（Power BI 允许一个表与同一张表有多个关系，但只有一个 active），用 DAX 的 USERELATIONSHIP 激活非活动关系。

方式三：创建多个日期表副本（不推荐）

在 Power Query 中复制日期表，改为不同名称——但会导致模型膨胀和维护困难。

最佳实践：保持单一日期表，用 USERELATIONSHIP 激活不同关系。同一模型中只维护一份日期表，确保所有时间智能函数行为一致。

---

第二篇 · 数据建模与 DAX 篇 · 共三篇