使用的数据透视表的都知道，透视表只能从单个表中取数，如果想把其他表中的数据也放进来，只能先利用Vlookup把其他表的数据合并过来，然后再把这个字段放到透视表中。这只适用于数据非常简单的情况，如果数据量大或者维度很多，用透视表就无法满足需求了。
Power BI突破了这个限制，可以从多个表格、多种来源的数据中，根据不同的维度、不同的逻辑来聚合分析数据；而提取数据的前提是要将这些数据表建立关系，这个建立关系的过程就是数据建模。
以一个实例来理解数据建模。
比如有个电子产品专卖店，销售产品有三类：手机、电脑、平板，每一类又分别来自三个品牌：小米、苹果、三星，那么这个店销售的产品共计9个，其销售明细也是记录这些产品每天的销售数据，
为了能分析每个品牌的销售金额，或者分析每个产品类别的销售情况，其实还应该设计个产品明细表以及对应的品牌表和种类表，像这样的：
从这四个表中很容易就能想到它们之间的关系，品牌表和产品类别表分别和产品明细表中的品牌与产品种类相对应，而产品明细表中的产品编号和销售明细表中的产品编号相对应。
下面就演示一下在Power BI Desktop中建立一个模型，导入以后点击关系，出现这4张表，
可以看出产品明细表和销售明细表之间已经有一条线，这是由于表格导入后，PowerBI会自动检测关系并联接，没有检测到的表，可以点击一个表中的字段托到另一个表的对应字段上，就可以建立关系了，把类别表、品牌表和产品明细表建立关系后，关系图如下：
一个简单的数据模型就建立好了，可以点进去看看建立模型的相关参数。
点击关系连接线，两边的表对应的连接字段会框选，双击关系线，进入编辑关系窗口：
编辑关系窗口可以看出关联的两个表和对应的字段，也可以更改联结的字段；下面还有两个可选项，基数和交叉筛选方向。
基数
基数就是两个连接字段的对应关系，分为多对一、一对一和一对多，一对多和多对一其实是一样的，实际上就是两种关系：
多对一（*：1）：这是最常见的类型，代表一个表中的关系列有重复值，而在另一个表中是单一值
一对一（1：1）：两个表是一对一的关系，列中的每个值在两个表中都是唯一的
具有唯一值的表通常称为“查找表”，而具有多个值的表称为“引用表”。在上述的关系图上，产品明细表上类别手机、平板、电脑都不是唯一的，每个品牌都有这种类型，是个引用表；但类别表上，几种类别都是唯一值，因此这两个表是多对一的关系，类别表也就是查找表。
交叉筛选方向
表示数据筛选的流向，有两种类型：
双向：两个表可以互相筛选
单向：一个表只能对另一个表筛选，而不能反向
这个稍微有点抽象，以后可以根据实例来理解。
根据刚才建立的数据模型，可以做一下分析，比如统计各品牌产品的销售额：
在销售明细表中并不能直接统计出按品牌的销售额，可以先建一个度量值，在建模选项卡下，点击新建度量值，公式栏输入：
销售额 = sum('销售明细表'[金额])
然后[销售额]这个度量值就建立了，在右边字段区可以看到。
为了在画布上直观的看到各品牌销售额，在可视化里添加“卡片图”，把度量值字段放进去，可以看到卡片图的数字出来了，
这个数字是整体销售金额，因为还没有做任何筛选，为了看出各品牌的销售金额，现在添加一个品牌的切片器，
点击不同的品牌，数值跟着变化，通过这个例子，可以看出：
展现的数字并不是一个表得出的，根据之前建立的关系模型，销售明细表中的数据被品牌表中的[品牌名称]字段所筛选，展现出来不同品牌的销售额，这就是数据模型的威力。
品牌销售额是通过[销售额]这个度量值，加入到卡片图中，并可与切片器交互，展现不同的数据。
通过这个实例，还看到了以前从未见过的的概念：度量值，这可以说是PowerBI数据建模的灵魂，创建度量值的公式称为DAX公式（看起来和Excel公式非常相似），刚才创建的这个度量值只是一个简单的sum函数，并没有任何的过滤条件，但是却可以根据切片器的筛选而展现不同的数值，所以度量值被称为移动的公式，这里只是简单介绍，有个印象即可。
学习数据建模的更多知识，可以说都是依据度量值的逻辑以及建立度量值的DAX公式来展开，是下一步学习Power BI的重点。
