在这一讲中，我们深入理解了Power BI的核心——表关系（Relationship），并通过“日期表与订单报表”的实际演示，掌握了数据模型中最关键的底层逻辑。
🧩 一、从日期表到订单表：一对多关系的建立
首先，我们通过 拖拽字段创建关系：
按住鼠标左键，将「日期表」中的日期字段拖到「订单报表」中的日期字段。
此时，系统自动生成了一条表关系。但我们要特别注意两个细节：
基数设置为“一对多（1:*）”
因为在订单表中，同一个日期会出现多次（不同客户、不同产品在同一天都有订单），
而在日期表中，每个日期只会出现一次。
因此，它们之间的逻辑是“一对多”的关系。关系方向设置为单向（Single）
我们的筛选方向是从日期表 → 订单表。
即日期表作为维度表，通过时间筛选影响订单表中的数据。
不需要双向，否则会带来逻辑混乱和性能问题。
⚙️ 二、关系建立后的联动逻辑
当我们建立好这层关系后，数据就可以“对话”了。
例如，当我们在日期表中选择 2023 年 3 月时，订单表中的毛利润、销售额等数值会 自动联动更新。
💬 举例：
在有关系时，选择 2023 年 → 毛利润随之变化；
删除关系后，无论怎么筛选日期，毛利润都保持不变。
这说明表关系是 Power BI 数据筛选联动的根基。
没有关系，所有度量值都只是一个静态汇总值。
📊 三、度量值与关系的结合：让指标“活起来”
本节中，我们还学习了第二个核心概念——度量值（Measure）。
通过 CALCULATE 函数，我们编写了“毛利润”和“去年毛利润”的度量值。
毛利润 = [销售金额] - [销售成本]去年毛利润 = CALCULATE([毛利润], SAMEPERIODLASTYEAR('日期表'[日期]))
CALCULATE 在这里的作用，就是让表达式在筛选上下文中重新计算。
而筛选上下文的传递，正是依赖于我们刚刚建立的“表关系”！
也就是说：
“关系”定义了谁能影响谁，
“度量值”决定了如何被计算。
两者结合，才让我们的报表具备交互性和分析能力。
🎯 四、从静态汇总到动态分析：Power BI 的逻辑闭环
最后，我们通过卡片图（KPI）可视化展示了毛利润的动态变化。
从日期选择 → 关系传递 → 度量值计算 → 可视化展示，
形成了 Power BI 最核心的逻辑闭环：
字段 → 关系 → 筛选上下文 → 计算 → 可视化
✅ 总结关键词
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
📘总结一句话：
Power BI 的灵魂是「关系」与「度量值」。
没有关系，度量值无法联动；没有度量值，关系无法体现。
理解这两者的交互，你就真正走进了 Power BI 的核心世界。
产品如下链接
