Star Schema là gì? Mô hình dữ liệu chuẩn trong Power BI

Data modeling là gì và vì sao nó quan trọng?

Nhiều người mới dùng Power BI thường làm theo thói quen từ Excel: gộp tất cả vào một bảng phẳng thật lớn (mỗi dòng là một đơn hàng, kèm tên khách, địa chỉ, tên sản phẩm, nhóm hàng, cửa hàng…). Cách này dễ làm lúc đầu nhưng nhanh chóng gây rắc rối:

Giải pháp phổ biến và được Microsoft khuyến nghị cho Power BI là Star Schema.

Star Schema là gì?

FACT

Bảng Fact (bảng sự kiện)

Bảng Fact lưu các sự kiện đo lường được: mỗi dòng là một giao dịch, một lượt bán, một lượt truy cập… Bảng này thường có rất nhiều dòng và chứa hai loại cột:

• Cột khóa ngoại để nối sang các bảng Dimension (MaNgay, MaSanPham, MaKhachHang, MaCuaHang).
• Cột số đo dùng để tính toán (SoLuong, DonGia, ThanhTien, GiamGia).

DIMENSION

Bảng Dimension (bảng chiều)

Bảng Dimension mô tả ngữ cảnh của sự kiện: ai mua, mua gì, mua ở đâu, mua khi nào. Bảng này ít dòng hơn, mỗi dòng là duy nhất theo một khóa chính, và chứa các cột dùng để lọc, nhóm, cắt lát báo cáo (tên sản phẩm, nhóm hàng, thành phố, tháng, quý…).

VÍ DỤ

Ví dụ: mô hình bán lẻ

Giả sử bạn phân tích doanh thu cho một chuỗi cửa hàng bán lẻ. Mô hình Star Schema sẽ gồm:

Trong Power BI, mỗi bảng Dimension nối với Fact_BanHang theo quan hệ 1 – nhiều (1:*), chiều lọc một chiều từ Dimension sang Fact. Nhờ vậy, khi bạn chọn “Quý 3” hay “Hà Nội” trên slicer, mọi con số trong bảng Fact được lọc chính xác.

So sánh bảng phẳng, Star Schema và Snowflake Schema

Ngoài Star Schema, bạn sẽ còn gặp Snowflake Schema (lược đồ bông tuyết): các bảng Dimension được tách nhỏ thêm (ví dụ Dim_SanPham nối tiếp sang Dim_NhomHang, Dim_NhomHang nối sang Dim_NganhHang). Bảng dưới đây giúp bạn so sánh nhanh:

Kết luận: với Power BI, Star Schema là lựa chọn mặc định. Nếu dữ liệu nguồn đang ở dạng Snowflake, bạn nên gộp các bảng Dimension nhiều tầng lại trong Power Query trước khi đưa vào mô hình.

6 bước xây dựng Star Schema trong Power BI

BƯỚC 1

Xác định câu hỏi kinh doanh và “grain” của bảng Fact

Trước khi mở Power BI, hãy trả lời: báo cáo cần đo gì và mỗi dòng trong bảng Fact đại diện cho điều gì (grain). Ví dụ: “mỗi dòng là một sản phẩm trong một đơn hàng”. Grain rõ ràng giúp bạn tránh cộng trùng số liệu về sau.

BƯỚC 2

Tách bảng phẳng thành Fact và Dimension bằng Power Query

Trong Power Query, nhân bản (Reference) bảng gốc, giữ lại các cột mô tả cho từng Dimension, sau đó dùng Remove Duplicates trên cột khóa. Bảng Fact chỉ giữ các cột khóa và cột số đo.

BƯỚC 3

Tạo bảng ngày (Dim_Ngay)

Bảng ngày là Dimension quan trọng nhất, giúp các hàm Time Intelligence hoạt động chính xác. Bạn có thể tạo nhanh bằng DAX (Modeling › New table):

Dim_Ngay =
ADDCOLUMNS (
    CALENDAR ( DATE ( 2024, 1, 1 ), DATE ( 2026, 12, 31 ) ),
    "Nam", YEAR ( [Date] ),
    "Thang", MONTH ( [Date] ),
    "TenThang", FORMAT ( [Date], "MM/yyyy" ),
    "Quy", "Q" & QUARTER ( [Date] )
)

Sau đó vào Table tools › Mark as date table và chọn cột Date.

BƯỚC 4

Tạo relationship 1 – nhiều

Vào Model view, kéo khóa từ mỗi Dimension sang cột tương ứng trong Fact. Kiểm tra: Cardinality là One to many (1:*), Cross filter direction là Single. Sắp xếp Fact ở giữa, các Dimension xung quanh để dễ nhìn.

BƯỚC 5

Viết measure DAX trên bảng Fact

Thay vì kéo thẳng cột số vào biểu đồ, hãy tạo measure để tái sử dụng:

Doanh thu = SUM ( Fact_BanHang[ThanhTien] )

Doanh thu cùng kỳ =
CALCULATE ( [Doanh thu], SAMEPERIODLASTYEAR ( Dim_Ngay[Date] ) )

Tăng trưởng % =
DIVIDE ( [Doanh thu] - [Doanh thu cùng kỳ], [Doanh thu cùng kỳ] )

Nhờ Star Schema, các measure này tự động đúng khi lọc theo sản phẩm, khách hàng hay cửa hàng mà không cần viết thêm.

BƯỚC 6

Dọn dẹp mô hình

• Ẩn các cột khóa trong bảng Fact (Hide in report view) để người dùng chỉ lọc qua Dimension.
• Đặt tên bảng, cột rõ nghĩa, nhất quán (Fact_…, Dim_…).
• Gom measure vào một bảng riêng (ví dụ _Measures) cho gọn.
• Đặt định dạng số, tiền tệ, phần trăm cho từng measure.

Những lỗi thường gặp khi xây Star Schema

• Khóa trong Dimension bị trùng: Power BI không tạo được quan hệ 1 – nhiều. Hãy loại trùng và xử lý khoảng trắng, chữ hoa/thường trong Power Query.
• Dùng quan hệ hai chiều (Both) tràn lan: dễ gây kết quả sai và làm báo cáo chậm. Chỉ dùng khi thực sự cần.
• Không có bảng ngày riêng: các hàm như SAMEPERIODLASTYEAR, TOTALYTD chạy sai hoặc không chạy.
• Nối hai bảng Fact trực tiếp với nhau: hãy nối cả hai qua các Dimension chung (Dim_Ngay, Dim_SanPham).
• Grain không rõ: trộn dòng cấp đơn hàng với dòng cấp sản phẩm trong cùng một Fact khiến số liệu bị cộng trùng.

Checklist kiểm tra mô hình

Câu hỏi thường gặp (FAQ)

Kết luận

Thông tin tác giả