Power BI 데이터 모델링 가이드가 SQL Join부터 Star/Snowflake Schema까지 실무 패턴을 체계화

Context

Power BI 보고서는 기저에 있는 데이터 모델의 설계 품질에 따라 성능과 정확성이 크게 달라진다. 설계가 잘못되면 다대다 관계의 모호성, 순환 종속성, 쿼리 성능 저하 같은 문제가 발생한다.

Technical Solution

• SQL Join 유형별 특성 정의: INNER(일치하는 행만), LEFT/RIGHT OUTER(한쪽 전체 행 + NULL), FULL OUTER(양쪽 전체 행), ANTI(불일치 행 찾기) 분류
• Power BI 관계 설정 원칙 수립: 1:M 관계 우선, 단방향 교차 필터링, 활성/비활성 관계 구분을 통한 모호성 제거
• 데이터 모델 구조 선택: Star Schema(중앙 Fact 테이블 + 비정규화 Dimension 테이블)를 Power BI의 최적 설계로 제시, Snowflake Schema는 저장소 효율성이 있으나 Power Query에서 평탄화 필요
• Fact와 Dimension 테이블 역할 분리: Fact 테이블은 숫자 이벤트 저장, Dimension 테이블은 설명 컨텍스트 제공으로 중복 제거
• Role-Playing Dimension 구현: 한 Dimension을 비활성 관계와 USERELATIONSHIP() DAX 함수로 여러 역할에 재사용

Key Takeaway

Power BI의 성능과 DAX 수식의 단순성은 데이터 모델의 구조적 설계에 좌우되므로, Join과 관계의 방향성을 명확히 정의하고 Star Schema 패턴을 따르는 것이 핵심이다.