1. Τι Είναι το Data Model

Data Model (Μοντέλο Δεδομένων) = η δομή που ορίζει πώς συνδέονται οι πίνακες μεταξύ τους.

Απλά: Αντί να έχεις έναν τεράστιο πίνακα, έχεις πολλούς μικρούς που "μιλάνε" μεταξύ τους.

Παράδειγμα:

demo_customers  ←→  demo_orders
   (Πελάτες)          (Παραγγελίες)

Γιατί χρειάζεται:

  • ✅ Καθαρότερα δεδομένα

  • ✅ Λιγότερος χώρος

  • ✅ Πιο γρήγορα queries

  • ✅ Καλύτερα reports

💡 Αναλογία: Σαν να έχεις βιβλιοθήκη. Αντί να αντιγράφεις το ίδιο βιβλίο σε κάθε ράφι, έχεις ένα και παραπέμπεις σε αυτό.


2. Γιατί Όχι Ένας Πίνακας

Φαντάσου έναν πίνακα με όλα τα δεδομένα:

order_id customer_name customer_city product price
1001 Γιώργος Αθήνα Laptop 1200
1002 Γιώργος Αθήνα Mouse 25
1003 Μαρία Θεσσαλονίκη Keyboard 80
1004 Γιώργος Αθήνα Monitor 300

Προβλήματα:

  • ⚠️ Επανάληψη: «Γιώργος» 3 φορές

  • ⚠️ Λάθη: Αν αλλάξει πόλη, πρέπει να αλλάξεις παντού

  • ⚠️ Χώρος: Ίδια δεδομένα πολλές φορές

  • ⚠️ Δύσκολο update

Λύση: Χώρισε σε 2 πίνακες:

  • demo_customers: Πελάτες (μία φορά)

  • demo_orders: Παραγγελίες (με customer_id)


3. Σχέσεις (Relationships)

Σχέση = σύνδεση μεταξύ 2 πινάκων μέσω κοινής στήλης.

Παράδειγμα:

  • demo_customers.customer_id

  • demo_orders.customer_id

Ίδια στήλη → σχέση ✅

Πώς:

  1. Model View (αριστερά)

  2. Σύρε το customer_id από τον ένα πίνακα στον άλλο

  3. Επιβεβαίωσε τη σχέση

  4. Έτοιμο


4. Τύποι Σχέσεων

Τύπος Τι Σημαίνει Παράδειγμα
One-to-Many (1:πολλά) Ένας πελάτης → πολλές παραγγελίες demo_customers → demo_orders
Many-to-One (πολλά:1) Πολλές παραγγελίες → ένας πελάτης demo_orders → demo_customers
One-to-One (1:1) Ένας πελάτης → ένα προφίλ Σπάνιο
Many-to-Many (πολλά:πολλά) Πολλά → πολλά Αποφεύγεται

Η πιο συνηθισμένη: One-to-Many

Στο Model View:

  • 1 = πλευρά «ένα»

  • * = πλευρά «πολλά»


5. Star Schema — Το Ιδανικό Μοντέλο

Star Schema = κεντρικός πίνακας (Fact) + γύρω πίνακες (Dimensions).

Δομή:

           dim_customers
                 ↑
                 |
dim_products ← fact_sales → dim_dates
                 ↓
           dim_regions

Fact Table (Fact):

  • Κεντρικός πίνακας

  • Πολλές γραμμές

  • Αριθμητικά δεδομένα (Sales, Quantity, Price)

  • Ξένα κλειδιά (customer_id, product_id, date_id)

Dimension Tables (Dimensions):

  • Γύρω πίνακες

  • Περιγραφικά δεδομένα (Name, City, Category)

  • Λιγότερες γραμμές

Παράδειγμα:

  • fact_sales: order_id, customer_id, product_id, date_id, quantity, price

  • dim_customers: customer_id, name, city, region

  • dim_products: product_id, product_name, category

  • dim_dates: date_id, date, month, quarter, year

Γιατί:

  • ✅ Καθαρό μοντέλο

  • ✅ Γρήγορα queries

  • ✅ Εύκολο να προσθέσεις νέα dimensions

  • ✅ Standard στην αγορά


6. Πώς να Φτιάξεις Σχέσεις στο Power BI

Βήματα:

  1. Model View (αριστερά)

  2. Βλέπεις τους πίνακες σου

  3. Σύρε το πεδίο από τον ένα πίνακα στον άλλο

  4. Επιβεβαίωσε τη σχέση:

    • Cardinality: One-to-Many

    • Cross-filter direction: Single

    • Active: Yes

  5. Save

Tip: Καθάρισε πρώτα τους πίνακες (Power Query), μετά φτιάξε σχέσεις.


7. Παράδειγμα — demo_customers + demo_orders

Πριν:

  • 2 ξεχωριστοί πίνακες

  • Δεν συνδέονται

Μετά:

  1. Model View

  2. Σύρε customer_id από demo_customers σε demo_orders

  3. Δημιουργήθηκε σχέση 1:πολλά

Αποτέλεσμα:

  • Μπορείς να φιλτράρεις παραγγελίες ανά πόλη πελάτη

  • Μπορείς να δεις όνομα πελάτη σε κάθε παραγγελία

  • Μπορείς να φτιάξεις visuals που συνδυάζουν και τα δύο


8. Σύνοψη

Έννοια Τι Κάνει
Data Model Δομή πινάκων
Relationship Σύνδεση πινάκων
One-to-Many Πιο συνηθισμένη
Fact Table Κεντρικός πίνακας
Dimension Table Περιγραφικοί πίνακες
Star Schema Fact + Dimensions
Model View Πού φτιάχνεις σχέσεις

9. Καλές Πρακτικές

✅ Κάνε ❌ Μην Κάνεις
Καθάρισε πριν φτιάξεις σχέσεις Φτιάχνεις σχέσεις σε βρώμικα
Ονόμασε πίνακες σωστά Table1, Table2
Χρησιμοποίησε star schema Όλα σε έναν πίνακα
Έλεγξε τις σχέσεις Αφήνεις λάθος καρδινάλιτες
Απόφυγε many-to-many Δημιουργεί προβλήματα