Power BI医疗数据仓库宽事实表与窄事实表选型咨询

优先选择方案2（窄事实表+指标维度表的星型模型设计），适配性远高于方案1，核心原因如下：

• 存储与性能表现更优
  Power BI底层使用的VertiPaq列存储引擎，对列数少、重复值多的窄表压缩效率极高，对宽表、多稀疏值列的压缩效率极差。你现有2000万行的大指标表如果走方案1转成100多列的宽表，会产生大量空值/重复值列，模型压缩比会骤降，最终模型体积会是方案2的3~10倍，数据刷新、报表打开、DAX计算的速度都会明显变慢。
  方案2的事实表仅包含4个低基数/数值列，VertiPaq压缩后实际占用空间极小，就算后续新增指标，也不会扩大事实表的列数，性能表现长期稳定。
• 后续维护成本极低
  如果后续业务新增指标，方案2仅需要在指标维度表新增一行维度记录即可，完全不需要修改事实表结构、ETL逻辑、Power BI模型关联关系。如果用方案1，每新增一个指标都需要修改源表结构、调整ETL字段映射、同步修改Power BI模型字段，100多个指标的迭代成本会非常高。
• 度量值开发更高效
  你不需要再给每个指标单独写IF判断的度量值，仅需要保留1个基础聚合度量值 SUM('事实表'[Number])，把指标维度表的Description字段拉到报表的行/列/筛选器中，就能自动聚合出对应指标的结果。如果需要单独引用特定指标做复杂计算，也只要写简单的筛选逻辑即可：

床位需求 = CALCULATE(SUM('事实表'[Number]), '指标维度表'[Description] = "Beds Needed")

计算逻辑比原IF写法更清晰，执行效率也更高。

补充说明：只有当你的100+指标属于全稠密数据（每个日期+医院组合下所有指标都有值，无空值），且后续几乎不会新增指标的情况下，才考虑使用方案1。结合你给出的现有数据规模和医疗行业指标迭代频率，方案2是更合适的选择。

内容的提问来源于stack exchange，提问作者haredev