Melyik a legkorábbi nap, amit képes kezelni a Power BI?

Az adatmodell tervező tanfolyam fizikai adatmodell tervező blokkjában megbeszéljünk majd, hogy kerüljük a DateTime adattípust, hogy nem használunk DateTime oszlopot, hanem szétvágjuk Date és Time típusú oszlopokra.

Az okokat elolvashatja itt is (Miért kerüljük Power BI-ban a DateTime adattípust?), de a lényeget kiemelem ide is:

• Emel az elemzői szabadságon, ha szétvágjuk a DateTime oszlopot két külön Date és Time oszlopra  
• És a Power BI hatékonyságát is növeli, mert a két oszlopot sokkal jobban tudja tömöríteni, mint az egyet
• És ha kötni szeretnénk DateTime oszloppal, akkor a csillagsémás modellezés szerint létre kéne hoznunk egy DateTime típusú dimenzió táblát is, ami ezer sebtől vérzik. Szóval nem használjuk.

Amikor ezt magyarázom, figyelem majd hogy mennyire köti le a téma a résztvevőket. Ha unják, akkor ennél többet nem mondok. Ha csillog a szemük, akkor kicsit jobban kifejtem a külön tárolás előnyeit, vagy megmutatom egy példán, hogy mennyivel kevesebb helyet foglal a két oszlop, mint az egy, stb. Ha pedig azt látom, hogy fáradtak, akkor előhúzok egy sztorit, amivel kicsit felébresztem őket. Mondjuk ezt:

„Nem tudom, hogy tudjátok-e, de a VeriPaq DateTime adattípusának a legkisebb értéke 1899-12-31, de az első, DAX által hivatalosan is támogatott nap a 1900. március elseje. Tehát hiába tudja az adatbázis kezelő 1900 január elsejétől tárolni a dátumokat, a DAX csak március elsejétől tud vele számolni. Illetve számolni korábbi időpontoktól is tud, csak van egy bug, ami miatt DAX kalkulációkban hivatalosan nem támogatottak a március elseje előtti napok. Ez annak köszönhető, hogy anno a Lotus 1-2-3 táblázatkezelő az 1900-as évet szökőévnek tekintette (holott nem volt az), ezt a hibát az Excel kompatibilitási okokból átvette és szintén kompatibilitási okokból a DAX is átvette. Úgyhogy az idősor kalkuláló függvények hibát, vagy pontatlan eredményt adhatnak, ha 1900. március elseje előtti időpontra ugranak :-)”

Persze sosem volt még szükség 1900. március 1. előtti DAX kalkulációkra, de arra jó lesz a sztori, hogy egy kicsit felrázzam a hallgatóságot, és aztán visszasüllyedjünk az adatmodellezés mocsarába :-)