How does this course differ from Power BI Desktop for Business Analytics and the DAX courses?

This course builds on Power BI Desktop for Business Analytics, which teaches report building from data import to visuals. This course focuses only on data model design: star schemas, relationships, date tables, storage modes, aggregations and RLS. Basic DAX and Advanced DAX in Power BI focus on writing formulas. With a correct model, DAX becomes much shorter and easier to follow, so the courses complement each other.

Do I need to be good at DAX before joining?

No. You only need to write basic measures such as SUM and CALCULATE. The course uses DAX only where modelling needs it, such as USERELATIONSHIP, calculation groups and RLS, and explains every formula used in the labs.

Do I need a Power BI licence, and does the institute provide one?

The institute does not provide accounts or licences. Most labs use Power BI Desktop, which is free. Testing RLS in the Power BI service and publishing to a workspace shared with others needs your own or your organisation's Power BI account, usually Power BI Pro or higher. If you do not have one, you can test RLS with View as in Desktop instead.

Power BI Desktop, DAX Studio and Tabular Editor run only on Windows. Mac users need a Windows machine or a Windows virtual machine that can install the software, and should test it before the training day.

Can I bring my organisation's model to discuss in class?

Yes, during the workshop and Q&A, but remove confidential and personal data first or use sample data with the same structure. All main labs use a fictional company's data so everyone can follow along together.

Does the course cover Microsoft Fabric?

The course focuses on Power BI semantic models, which follow the same principles in Power BI and Fabric. Direct Lake is covered as an overview so you know when it fits, but building lakehouses or warehouses in Fabric is not taught. For that, continue with Microsoft Fabric Essentials.

ຖານຂໍ້ມູນ · DBC-55

Power BI Data Modeling

หลักสูตร Power BI Data Modeling เป็นการอบรมการออกแบบ Data Model ใน Power BI ตั้งแต่ Star Schema, Relationship, Date Table และ Bridge Table จนถึง Calculation Group, Storage Mode การลดขนาด Model และ Row-Level Security เหมาะกับนักวิเคราะห์ข้อมูลและผู้สร้างรายงาน Power BI ที่ต้องการตัวเลขถูกต้องและรายงานเร็วขึ้น

ອັບເດດລ່າສຸດ 30 ຕ.ລ. 2026

ລາຄາເລີ່ມຕົ້ນ 5,850 ບາດ / ທ່ານ 6,500 −10% ຍັງບໍ່ລວມ VAT 7% · ມີລາຄາໝູ່ຄະນະ

ຂໍໃບສະເໜີລາຄາຝຶກອົບຮົມອົງກອນ ລົງຊື່ຈອງໄວ້

PDFດາວໂຫຼດ Course Outline

ໄລຍະເວລາ12 ຊົ່ວໂມງ · 2 ມື້
ຮູບແບບຢູ່ສະຖາບັນ / ອອນລາຍສົດ
ຮອບຕໍ່ໄປເປີດຕາມຄຳຂໍ
ໃບຢັ້ງຢືນມີໃບຢັ້ງຢືນ

ພາບລວມຫຼັກສູດ

รายงาน Power BI จำนวนมากเริ่มต้นได้เร็ว แต่พอข้อมูลเพิ่มขึ้นกลับเจอตัวเลขรวมไม่ตรง Slicer กรองไม่ได้ Measure ซ้ำกันหลายสิบตัว และไฟล์ใหญ่จน Refresh ช้า ต้นเหตุส่วนใหญ่ไม่ได้อยู่ที่สูตร DAX แต่อยู่ที่ Data Model ที่ออกแบบโดยไม่ได้คิดเรื่อง Grain, Relationship และโครงสร้างตารางตั้งแต่แรก

หลักสูตรนี้พาผู้เรียนออกแบบ Data Model ใน Power BI อย่างเป็นระบบ เริ่มจากวิเคราะห์โจทย์ธุรกิจและ Grain แปลงข้อมูลเป็น Star Schema ตั้ง Relationship ให้ถูกทั้ง Cardinality และทิศทาง Filter ใช้ Inactive Relationship กับ USERELATIONSHIP สร้าง Date Table ขององค์กร จัดการ Role-playing Dimension และ Bridge Table จากนั้นต่อด้วย Calculation Group, Storage Mode แบบ Import, DirectQuery และ Composite, Aggregation การลดขนาด Model ด้วย DAX Studio และ VertiPaq Analyzer และ Row-Level Security แล้วปิดท้ายด้วย Workshop ออกแบบ Semantic Model ทั้งชุดตั้งแต่ต้น (อบรม 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง ระดับ Intermediate)

ສິ່ງທີ່ທ່ານຈະໄດ້ຮັບ

วิเคราะห์โจทย์ธุรกิจ กำหนด Grain และออกแบบ Star Schema จากข้อมูลจริงได้
ตั้งค่า Relationship ทั้ง Cardinality ทิศทาง Filter และ Inactive Relationship ได้ถูกต้อง
สร้าง Date Table ที่รองรับปีงบประมาณและวันหยุดขององค์กร
จัดการ Role-playing Dimension, Many-to-many และ Fact ที่ Grain ต่างกันได้
ใช้ Calculation Group และ Field Parameter ลด Measure ที่ซ้ำซ้อน
เลือก Storage Mode และใช้ Aggregation ให้เหมาะกับขนาดข้อมูล
วัดและลดขนาด Model ด้วย DAX Studio และ VertiPaq Analyzer
กำหนด Row-Level Security แบบ Static และ Dynamic ได้

ຫຼັກສູດນີ້ເໝາະສຳລັບ

นักวิเคราะห์ข้อมูลและผู้สร้างรายงาน Power BI ที่เจอปัญหาตัวเลขไม่ตรงหรือรายงานช้า
ผู้ที่ผ่านหลักสูตร Power BI Desktop พื้นฐานแล้วและต้องการออกแบบ Model ให้ถูกหลัก
ทีม BI ที่ต้องสร้าง Semantic Model กลางให้หลายรายงานใช้ร่วมกัน
นักพัฒนาฐานข้อมูลที่ต้องเตรียมข้อมูลให้ทีมรายงาน Power BI
ผู้ที่ต้องการปูพื้น Model ให้แน่นก่อนเรียน DAX ขั้นสูง

ພື້ນຖານຂອງຜູ້ເຂົ້າຝຶກອົບຮົມ

ใช้ Power BI Desktop นำเข้าข้อมูล ทำ Visual และ Publish รายงานได้
ใช้ Power Query แปลงข้อมูลเบื้องต้น และเขียน Measure ด้วย DAX พื้นฐานอย่าง SUM หรือ CALCULATE ได้
เข้าใจตารางข้อมูลและแนวคิด Key ระหว่างตารางในระดับพื้นฐาน
โน้ตบุ๊ก Windows ที่ติดตั้ง Power BI Desktop และโปรแกรมเสริมได้ พร้อมบัญชี Power BI ของตนเองหรือขององค์กร

ຫົວຂໍ້ການຝຶກອົບຮົມ

รายละเอียดหลักสูตร

หลักสูตรนี้ต่อยอดจาก Power BI Desktop for Business Analytics โดยเจาะเรื่องการออกแบบ Data Model โดยเฉพาะ และเป็นพื้นฐานที่ช่วยให้เรียน Basic DAX และ Advanced DAX in Power BI ได้ง่ายขึ้น อบรม 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง (09:00-16:00 น.) รูปแบบบรรยายพร้อม Lab บนข้อมูลของบริษัทจำลองชุดเดียวตลอดหลักสูตร ระดับ Intermediate ผู้เรียนใช้ Power BI

Desktop ที่ใช้ฟรีบนโน้ตบุ๊ก Windows ของตนเอง พร้อม DAX Studio และ Tabular Editor 2 และใช้บัญชี Power BI ของตนเองหรือขององค์กรสำหรับหัวข้อที่ต้องใช้ Power BI Service สถาบันไม่ได้จัดเตรียมบัญชีหรือ License ให้ หลักสูตรไม่สอนการเขียน DAX เชิงลึกและการออกแบบ Visual ซึ่งมีในหลักสูตรอื่นแล้ว หน้าจอของ Power BI อัปเดตบ่อย เนื้อหาจะอิงเวอร์ชันล่าสุดในวันอบรม

Day 1 โครงสร้าง Model ที่ถูกต้องตั้งแต่ต้น

Section 1: Lab: Data Model ที่ดีเริ่มจากโจทย์ธุรกิจ

ทำไม Model ที่ดีสำคัญกว่าการเขียน DAX ซับซ้อน ทั้งความถูกต้อง ความเร็ว และการดูแลต่อ
ระบุ Business Process, Grain และตัวเลขที่ต้องรายงานก่อนนำเข้าข้อมูล
ใช้ Model View, Properties Pane และ Model Explorer ใน Power BI Desktop
ปัญหาที่ตามมาจากการนำตารางแบน (Flat Table) ตารางเดียวเข้า Power BI
Lab: วิเคราะห์ไฟล์รายงานที่ช้าและตัวเลขผิดเพื่อหาต้นเหตุจาก Model

Section 2: Lab: Star Schema, Fact และ Dimension

แยก Fact Table กับ Dimension Table และเลือก Grain ของ Fact ให้ชัด
Surrogate Key, Business Key และการจัดการแถวที่ไม่พบข้อมูลอ้างอิง
ยุบ Snowflake ให้เป็น Star ด้วย Power Query และจุดที่ควรยอม Denormalize
Fact หลายตารางที่ใช้ Dimension ร่วมกัน (Conformed Dimension)
Lab: แปลงตารางยอดขายแบนให้เป็น Star Schema

Section 3: Relationship: Cardinality และทิศทาง Filter

One-to-many, One-to-one และ Many-to-many ทำงานต่างกันอย่างไร
Single เทียบ Both Direction และความเสี่ยงของเส้นทาง Filter ที่กำกวม
Inactive Relationship และการเรียกใช้ด้วย USERELATIONSHIP ใน Measure
CROSSFILTER และ TREATAS สำหรับกรณีที่ไม่มี Relationship ตรง
Lab: แก้ตัวเลขผิดที่เกิดจาก Relationship ตั้งค่าไม่ถูก

Section 4: Lab: Date Table ที่ใช้ได้ทั้งองค์กร

ทำไมควรปิด Auto date/time และสร้าง Date Table เอง
สร้าง Date Table ด้วย Power Query หรือ DAX พร้อมปีงบประมาณและสัปดาห์
Mark as Date Table, Sort by Column และลำดับชั้นปี ไตรมาส เดือน
คอลัมน์ช่วยสำหรับวันทำงาน วันหยุด และปี พ.ศ.
Lab: Date Table ที่รองรับปีงบประมาณและวันหยุดของบริษัท

Section 5: Lab: Role-playing Dimension และ Bridge Table

วันที่สั่งซื้อ วันที่ส่ง และวันที่ชำระ: ใช้ Inactive Relationship หรือทำ Dimension แยก
Slowly Changing Dimension Type 1 และ Type 2 ในมุมของรายงาน
Bridge Table สำหรับ Many-to-many เช่น ลูกค้าอยู่หลายกลุ่ม เทียบกับ Relationship แบบ Many-to-many
Fact ที่ Grain ต่างกัน เช่น งบประมาณรายเดือนเทียบยอดขายรายวัน
Lab: เทียบงบประมาณกับยอดขายจริง และยอดตามวันที่สั่งกับวันที่ส่ง

Day 2 ประสิทธิภาพ ความปลอดภัย และการดูแล Model

Section 6: Lab: Calculation Group และ Field Parameter

Explicit Measure เทียบ Implicit Measure และการซ่อนคอลัมน์ที่ไม่ควรถูกสรุปผล
จัด Measure ในตาราง Measure แยกและ Display Folder
สร้าง Calculation Group สำหรับ Time Intelligence เช่น YTD และ YoY ใน Model View
Field Parameter ให้ผู้ใช้สลับ Measure และมิติในรายงานได้เอง
Lab: ลด Measure ที่ซ้ำซ้อนด้วย Calculation Group

Section 7: Storage Mode, Composite Model และ Aggregation

Import, DirectQuery และ Dual: ข้อดี ข้อจำกัด และผลต่อความสดของข้อมูล
Composite Model: ผสมหลายแหล่งข้อมูลและหลาย Storage Mode ในรายงานเดียว
User-defined Aggregation ตอบ Query ระดับสรุปจาก Fact ขนาดใหญ่ได้เร็วขึ้น
ภาพรวม Direct Lake ใน Microsoft Fabric เพื่อให้รู้ว่าเหมาะกับกรณีใด
Lab: Composite Model และ Aggregation รายเดือนบนข้อมูลจาก SQL Server

Section 8: Lab: ลดขนาด Model ด้วย VertiPaq Analyzer

VertiPaq เก็บข้อมูลแบบ Columnar และบีบอัดอย่างไร
ใช้ DAX Studio และ VertiPaq Analyzer ดูขนาดตาราง คอลัมน์ และ Cardinality
ตัดคอลัมน์และแถวที่ไม่ใช้ แยกวันที่กับเวลา และลดความละเอียดของตัวเลข
Calculated Column เทียบการคำนวณใน Power Query และผลต่อขนาดไฟล์
ใช้ Performance Analyzer หา Visual ที่ช้า
Lab: ลดขนาดไฟล์ตัวอย่างแล้ววัดผลก่อนและหลัง

Section 9: Lab: Row-Level Security

Static RLS ด้วย Role และ DAX Filter
Dynamic RLS ด้วย USERPRINCIPALNAME และตารางสิทธิ์
ให้ Filter ของ RLS ส่งผ่าน Relationship และ Bridge Table ได้ถูกทาง
ทดสอบด้วย View as และกำหนดสมาชิกของ Role ใน Power BI Service
ภาพรวม Object-Level Security เพื่อซ่อนตารางหรือคอลัมน์
Lab: Dynamic RLS ให้ผู้จัดการเห็นเฉพาะข้อมูลสาขาของตน

Section 10: Workshop: ออกแบบ Semantic Model ทั้งชุด

ตั้งชื่อ ใส่คำอธิบาย และตรวจ Model ด้วย Best Practice Analyzer ใน Tabular Editor
ภาพรวมการบันทึกเป็น Power BI Project (PBIP) เพื่อเก็บใน Git
Workshop: ออกแบบ Model ข้อมูลขาย สต็อก และงบประมาณตั้งแต่ต้น
ตรวจด้วย Checklist ทั้ง Grain, Relationship, ขนาดไฟล์ และ RLS
นำเสนอและรีวิว Model ร่วมกัน

ຮອບຝຶກອົບຮົມ ແລະ ຮູບແບບການຝຶກອົບຮົມ

ສຳລັບບຸກຄົນ — ຮອບຝຶກອົບຮົມທົ່ວໄປ

ຂະນະນີ້ຍັງບໍ່ມີຮອບຝຶກອົບຮົມເປີດຮັບສະໝັກ ລົງຊື່ຈອງໄວ້ໄດ້ເລີຍ ທີມງານຈະຕິດຕໍ່ກັບເປັນກຸ່ມທຳອິດເມື່ອເປີດຮອບຕໍ່ໄປ ຫຼື ສອບຖາມທາງ LINE ຫຼື ໂທ 02-570-8449 ຫຼື 088-807-9770

ລົງຊື່ຈອງໄວ້ ສອບຖາມຮອບຝຶກອົບຮົມ

ສຳລັບອົງກອນ — In-house / Private Training

ປັບເນື້ອໃນໃຫ້ກົງກັບເຄື່ອງມື ແລະ ວຽກຈິງຂອງທີມ
ເລືອກວັນເອງ ຝຶກອົບຮົມທີ່ບໍລິສັດ ຫຼື ອອນລາຍສົດ
ອອກໃບສະເໜີລາຄາໃນນາມນິຕິບຸກຄົນໃຫ້ຝ່າຍຈັດຊື້

ຂໍໃບສະເໜີລາຄາຝຶກອົບຮົມອົງກອນ

ວິທະຍາກອນຜູ້ສອນ

สามิตร โกยมCEO ที่สถาบันไอทีจีเนียส

ຄຳຖາມທີ່ພົບເລື້ອຍ

หลักสูตรนี้ต่างจาก Power BI Desktop for Business Analytics และหลักสูตร DAX อย่างไร

หลักสูตรนี้ต่อยอดจาก Power BI Desktop for Business Analytics ซึ่งสอนการสร้างรายงานตั้งแต่นำเข้าข้อมูลจนถึง Visual โดยหลักสูตรนี้เจาะเรื่องการออกแบบ Data Model อย่างเดียว ทั้ง Star Schema, Relationship, Date Table, Storage Mode, Aggregation และ RLS ส่วน Basic DAX และ Advanced DAX in Power BI เน้นการเขียนสูตร เมื่อ Model ถูกต้อง สูตร DAX จะสั้นและเข้าใจง่ายขึ้นมาก จึงเรียนเสริมกันได้ดี

ต้องเขียน DAX เก่งก่อนเรียนหรือไม่

ไม่จำเป็น ขอเพียงเขียน Measure พื้นฐานอย่าง SUM และ CALCULATE ได้ หลักสูตรใช้ DAX เท่าที่จำเป็นกับการออกแบบ Model เช่น USERELATIONSHIP, Calculation Group และ RLS และอธิบายทุกสูตรที่ใช้ใน Lab

ต้องมี License Power BI หรือไม่ และสถาบันจัดเตรียมให้หรือไม่

สถาบันไม่ได้จัดเตรียมบัญชีหรือ License ให้ Lab ส่วนใหญ่ทำใน Power BI Desktop ซึ่งใช้ฟรี ส่วนการทดสอบ RLS บน Power BI Service และการ Publish ไปยัง Workspace ที่แชร์กับผู้อื่นต้องใช้บัญชี Power BI ของผู้เรียนหรือองค์กร โดยทั่วไปคือ Power BI Pro หรือสูงกว่า ผู้ที่ไม่มีสามารถทดสอบ RLS ด้วย View as ใน Desktop แทนได้

ใช้ MacBook เรียนได้หรือไม่

Power BI Desktop, DAX Studio และ Tabular Editor ทำงานบน Windows เท่านั้น ผู้ใช้ Mac ต้องมีเครื่อง Windows หรือ Windows แบบ Virtual Machine ที่ติดตั้งโปรแกรมได้ และควรทดสอบให้เรียบร้อยก่อนวันอบรม

นำ Model ขององค์กรมาปรึกษาในคลาสได้หรือไม่

ได้ในช่วง Workshop และถามตอบ แต่ควรตัดข้อมูลลับหรือข้อมูลส่วนบุคคลออก หรือใช้ข้อมูลตัวอย่างที่มีโครงสร้างเหมือนกัน Lab หลักทั้งหมดใช้ข้อมูลของบริษัทจำลองเพื่อให้ทุกคนทำตามได้พร้อมกัน

หลักสูตรนี้ครอบคลุม Microsoft Fabric หรือไม่

หลักสูตรเน้น Semantic Model ใน Power BI ซึ่งเป็นหลักเดียวกันทั้งใน Power BI และ Fabric โดยพูดถึง Direct Lake ในภาพรวมเพื่อให้รู้ว่าเหมาะกับกรณีใด แต่ไม่ได้สอนการสร้าง Lakehouse หรือ Warehouse ใน Fabric ผู้ที่สนใจด้านนั้นเรียนต่อได้ที่หลักสูตร Microsoft Fabric Essentials