変更要約: PL-300 第2章を新規作成（ドメイン: データのモデリング）。データモデルの設計（スタースキーマ・テーブル/列プロパティ・ロールプレイングディメンション・カーディナリティ/クロスフィルター方向・日付テーブル・計算列/計算テーブル）、DAX による計算（メジャーvs計算列・CALCULATE・タイムインテリジェンス・準加法・クイックメジャー・計算グループ）、モデル性能の最適化（不要な行/列の削除・Performance Analyzer/DAX query view・粒度の低減）。
2.3モデル性能の最適化
不要な行/列の削除、Performance Analyzer と DAX query view による遅い要素の特定、粒度の低減によるモデル最適化を理解します。
大きく遅いモデルは体験を損ねます。不要を削り、遅い要素を特定し、粒度を下げる のが最適化の王道です。
2.3.1不要な行/列の削除と粒度
Power BI の Import（VertiPaq）は 列指向 で圧縮するため、不要な列の削除 がサイズと性能に最も効きます（特に 高カーディナリティ列＝一意値が多い列）。使わない行も削ります。さらに 粒度を下げる（例: 明細を日次集計へ）と、行数が激減してモデルが軽くなります。必要な分析の粒度を見極めて事前集計します。
2.3.2遅い要素の特定
Performance Analyzer はレポートページ上の各ビジュアルの DAX クエリ時間/視覚化時間 を計測し、遅いビジュアルやメジャーを特定します。DAX query view では実際の DAX クエリを実行/調整して原因を切り分けられます。これらで 遅いメジャー/リレーションシップ/ビジュアル を見つけ、書き換えやモデル改善につなげます。
決め手：「サイズ/性能に最も効く」＝不要な(特に高カーディナリティ)列の削除。「行数を減らす」＝粒度の低減/事前集計。「どのビジュアル/メジャーが遅いか計測」＝Performance Analyzer。「DAX を実行して調整」＝DAX query view。
混同に注意：
①列の削除が行の削除よりサイズ削減に効く（列指向圧縮）。
②高カーディナリティ列が圧縮を妨げる。
③Performance Analyzer は計測ツールで自動修正はしない。
④粒度を下げすぎると必要な分析ができなくなる。
2.3.3この節のまとめ
- 列指向圧縮ゆえ不要な(高カーディナリティ)列の削除が最も効く
- 粒度の低減/事前集計で行数を減らしモデルを軽くする
- Performance Analyzer/DAX query view で遅いビジュアル/メジャーを特定
進捗の記録にはログインが必要です。
理解度チェック
（軽い確認用）Q1. Import モデルのサイズ削減に最も効果的なのはどれですか？
Q2. 明細レベルの巨大ファクトを、必要なのは日次集計だけと判明した。最適な最適化はどれですか？
Q3. レポートページ上でどのビジュアルとメジャーが遅いかを計測したい。最適なツールはどれですか？
Q4. 遅いメジャーの原因を、実際の DAX クエリを実行/調整して切り分けたい。最適なのはどれですか？
Q5. VertiPaq の圧縮を最も妨げ、モデルを大きくしやすい列の特徴はどれですか？