- 第2部分00.PowerBI界面認識與矩陣表操作
- 第2部分01.運算符與新建列
- 第2部分02.建模與關系函數
- 第2部分03.多表建模是針對數據庫的,數據分析必須懂數據庫
- 第2部分04.度量值、Calculate引擎、Calculatetable篩選表
- 第2部分05.高級篩選器Filter與Values人工造表
- 第2部分06.被翻譯耽誤的上下文
- 第2部分07.ALL函數、Allexcept函數、ALLSELECTED函數
- 第2部分08.ALLNOBLANKROW核對數據
- 第2部分09.聚合函數與迭代函數
- 第2部分10.Earlier函數【當前行
- 第2部分11.Values與Distinct區別
- 第2部分12.條件判斷函數[基礎]
- 第2部分13.安全除法DIVIDE與按層級計算ISINSCOPE函數
- 第2部分14.ISCROSSFILTERED函數和ISFILTERED函數的區別
- 第2部分15.FIRSTNONBLANK與LASTNONBLANK函數
- 第2部分16.001.HASONEFILTER函數
- 第2部分16.002.HASONEVALUE函數
- 第2部分16.003.SELECTEDVALUE函數
- 第2部分16.【擴展知識】DATATABLE人工建表
- 第2部分17.轉換函數
- 第2部分18.FORMAT函數 【格式化】
- 第2部分19.日期時間函數【非智能函數】
- 第2部分20.文本函數
- 第2部分21.替換函數
- 第2部分22.三角、數學、信息函數
- 第2部分23.001.ADDMISSINGITEMS與SUMMARIZECOLUMNS
- 第2部分23.002.分組連接函數
- 第2部分24.001.CONTAINS 【多條件查找】
- 第2部分24.002.TREATAS 函數【無關系情況下查找匹配】
- 第2部分24.003.Row函數【返回一個單行表】
- 第2部分24.004.綜合案例:自由切換坐標軸
- 第2部分24.005.VAR函數
- 第2部分24.006.檢查字符串是否被包含
- 第2部分24.【實戰案例】
- 第2部分25.001.RankX排名函數
- 第2部分25.002.TOPN提取滿足條件的前N條記錄
- 第2部分25.003.CONCATENATEX多字符串連接到一起再排名
- 第2部分25.004.【案例】CONCATENATEX綜合案例
- 第2部分26.人工造表最終方案
- 第2部分27.001.時間標記作用
- 第2部分27.002.DATESYTD年初至今
- 第2部分27.003.TOTALYTD年初至今
- 第2部分27.004.同比推薦SAMEPERIODLASTYEAR
- 第2部分27.005.DATEADD環比
- 第2部分27.006.利用時間計算累積值 PARALLELPERIOD
- 第2部分27.007.移動總計DATESINPERIOD
- 第2部分27.008.【拓展知識】LastDate與max的區別
- 第2部分27.009.返回最后一天與第一天
- 第2部分27.010.區間日期Datesbetween
- 第2部分27.011.下一個與上一個
- 第2部分27.012.期初庫存
- 第2部分27.【補充】動態日期表
- 第2部分28.001.篩選函數REMOVEFILTERS
- 第2部分28.002.篩選函數KEEPFILTERS
- 第2部分28.003.篩選函數CROSSFILTER
- 第2部分28.004.篩選函數USERELATIONSHIP
- 第2部分28.005.【案例】USERELATIONSHIP案例
- 第3部分01.堆積條形圖與柱形圖
- 第3部分02.簇狀條形圖與柱形圖
- 第3部分03.百分比堆積條形圖與柱形圖
- 第3部分04.折線圖
- 第3部分05.分區圖 【標準面積圖】與堆積面積圖
- 第3部分06.折線和堆積柱形圖與折線和簇狀柱形圖
- 第3部分07.功能區圖表
- 第3部分08.瀑布圖
- 第3部分09.散點圖
- 第3部分10.餅圖和環形圖
- 第3部分11.樹狀圖
- 第3部分12.漏斗圖
- 第3部分13.儀表盤
- 第3部分14.卡片圖與多行卡
- 第3部分15.KPI
- 第3部分16.分解樹
- 第3部分17.關鍵者影響
- 第3部分18.問答
- 第3部分19.地圖
- 第3部分20.著色地圖
- 第3部分21.阿斯特圖(Aster plot)
- 第3部分22.博彥日歷(Beyondsoft Calendar)
- 第3部分23.子彈圖(Bullet Chart)
- 第3部分24.和弦圖(Chord)
- 第3部分25.PowerKPI
- 第3部分26.甘特圖(Gantt)
- 第3部分27.直方圖(Histogram Chart)
- 第3部分28.點線圖(LineDot Chart)
- 第3部分29.脈沖圖(pulse chart)
- 第3部分30.雷達圖(Radar Chart)
- 第3部分31.;鶊D(Sankey Chart)
- 第3部分32.流線圖&河流圖【Stream Graph】
- 第3部分33.旭日圖&陽光圖【Sunburst by MAQ Software】
- 第3部分34.百變星君圖 【Infographic Designer】
- 第3部分35.詞云圖【Word Cloud】
- 第3部分36.動畫條形圖 【Animated Bar Chart Race】
- 第3部分37.蝴蝶結圖 Bowtie chart
- 第3部分38.占比小人圖 Walkers Animated Pictogram
- 第3部分39.評分圖表 Ratings by MAQ Software
- 第3部分40.SVG地圖 Synoptic Panel
- 第3部分41.圖表交互-工具提示
- 第3部分42.跨頁鉆取
- 第4部分DAX原理.S01E01.數據模型(表關系)
- 第4部分DAX原理.S01E02.避免使用雙向箭頭
- 第4部分DAX原理.S01E03.表名規范與表構造函數
- 第4部分DAX原理.S01E04.常見錯誤與處理方法
- 第4部分DAX原理.S01E05.聚合函數與迭代函數介紹
- 第4部分DAX原理.S01E06.DAX常用函數
- 第4部分DAX原理.S01E07.基礎表函數之Filter函數
- 第4部分DAX原理.S01E08.基礎表函數之ALL與ALLEXCEPT函數
- 第4部分DAX原理.S01E09.基礎表函數之VALUES與DISTINCT函數
- 第4部分DAX原理.S01E10.將表用做標量值
- 第4部分DAX原理.S01E11.基礎表函數之ALLSELECTED
- 第4部分DAX原理.答網友問01.關于AllExcep函數
- 第4部分DAX原理.S01E12.理解上下文
- 第4部分DAX原理.答網友問02.if函數如何用到度量值中
- 第4部分DAX原理.S01E13.嵌套多個表的行上下文
- 第4部分DAX原理.S01E14.同一表上的多層嵌套上下文EARLIER當前行與VAR變量
- 第4部分DAX原理.S01E15.在篩選上下文中使用DISTINCT和SUMMARIZE
- 第4部分DAX原理.S01E16.創建篩選上下文與Filter+ALL應用
- 第4部分DAX原理.S01E17.KEEPFILTERS函數調節器與Values做篩選器
- 第4部分DAX原理.S01E18.Calculate復雜的篩選條件
- 第4部分DAX原理.S01E19.上下文轉換你還不知道的秘密
- 第4部分DAX原理.S01E20.循環依賴什么鬼?
- 第4部分DAX原理.S01E21.Calculate調節器USERELATIONSHIP函數
- 第4部分DAX原理.S01E22.Calculate調節器之CROSSFILTER函數
- 第4部分DAX原理.S02E01.VAR變量
- 第4部分DAX原理.答網友問03.VAR變量與惰性計算
- 第4部分DAX原理.S02E02.理解度量值中迭代函數的行數
- 第4部分DAX原理.答網友問04 懶惰計算與迭代函數轉換上下文
- 第4部分DAX原理.答網友問05 返回表的迭代函數你應該注意什么?
- 第4部分DAX原理.S02E03.計算移動平均值再次理解Filter+ALL
- DAX神功.S02E04.不連續日期情況下計算移動平均值
- 第4部分DAX原理.S02E05.RankX函數前兩個參數的秘密
- 第4部分DAX原理.S02E06.RankX神秘的第三參數
- 第4部分DAX原理.S02E07.RankX排名優化與相對排名
- 第4部分DAX原理.答網友問06.RankX多字段分層級的排名問題
- 第4部分DAX原理.S02E08.RankX在行上下文中的應用
- 第4部分DAX原理.S02E09.多張表建立關系時RankX的應用
- 第4部分DAX原理.答網友問07.什么是改變計算顆粒度
- 第4部分DAX原理.S02E10.初步理解時間智能計算過程
- 第4部分DAX神功.S02E11.年初至今,季度初至今,月初至今
- 第4部分DAX神功.S02E12.計算平移后的周期:同比與環比
- 第4部分DAX神功.S02E13.計算平移后的周期PARALLELPERIOD詳解
- 第4部分DAX神功.答網友問08.嵌套使用時間智能日期函數
- 第4部分DAX神功.答網友問09.計算周期之間的差異
- 第4部分DAX神功.答網友問10 計算移動總計必先理解日期區間
- 第4部分DAX神功.S02E14.半累加計算就是日期維度最大日期對應的值
- 第4部分DAX神功.答網友問11.使用期初和期末余額
- 第4部分DAX神功.S02E15.理解高級時間智能計算
- 第4部分DAX神功.S02E16.為何要學習時間智能函數因為有時它不易替代
- 第4部分DAX神功.答網友問12.為什么LastDate與Max結果不同
- 第4部分DAX神功.S02E17.基于周的時間智能
- 第4部分DAX神功.S02E18.自定義年初至今,季初至今和月初至今
- 第4部分DAX神功.S02E19.HASONEVALUE和SELECTEDVALUE函數
- 第4部分DAX神功.S02E20.ISCROSSFILTERED和ISFILTERED函數
- 第4部分DAX神功.答網友問13.Values與Filters的區別
- 第4部分DAX神功.答網友問14 HASONEFILTER與HASONEVALUE的區別,你問錯了!
- 第4部分DAX神功.答網友問15 Allexcept和ALL與VALUES的區別 刪除與添加篩選器
- 第4部分DAX神功.答網友問16 使用ALL函數避免上下文轉換與ISEMPTY函數
- 第4部分DAX神功.S02E21.數據沿襲和TREATAS函數
- 第4部分DAX神功.S02E22.簡單篩選器與固化篩選器
- 第4部分DAX神功.S03E01.計算層級占比
- 第4部分DAX神功.S03E02.處理父子層級結構
- 第4部分DAX神功.S03E03.CALCULATETABLE與FILTER函數的區別
- 第4部分DAX神功.S03E04.ADDCOLUMNS函數 你不一定會用
- 第4部分DAX神功.S03E05.多張表使用SUMMARIZE函數
幾乎每家企業都會產生和面對大量的數據,這些數據本身是沒有任何價值的。要讓這些數據的意義得以顯現,需要對這些數據進行整合、分析和洞察。Power BI是由微軟推出的一整套商業智能解決方案,其中的數據分析模塊是Power BI的核心,本套課程將從零開始講解,如何學習Power BI的數據分析語言DAX?學習完成本課程后,將能夠挖掘數據中的信息,快速準確地生成可以交互的可視化報表,從而幫助企業做出明智的業務經營決策。
一、認識Power BI
Power BI并非是單一的一款應用軟件,而是一套由軟件服務、應用和連接器所組成的完整的商業智能解決方案。在Power BI各組成部分的協同工作下,來自本地或者云端的數據將能夠迅速地被轉化為可以交互的可視化見解。
二、Power BI的關鍵組成部分
Power BI由適用于桌面PC的Power BI Desktop、基于SaaS的在線服務,以及適用于Windows 10 Mobile、Android和iOS平臺的移動應用共三個關鍵部分組成,它們分別適用于企業中不同的角色。
▲Power BI Desktop
▲Power BI在線服務
▲Power BI移動應用
例如,對于需要數據數字和生成報表的團隊成員來講,他們平時接觸Power BI Desktop的機會可能更多一些,而對于需要隨時從數據中獲取信息的團隊成員(例如銷售人員)來講,他們主要接觸的可能是Power BI移動應用或者Power BI在線服務。
三、試用Power BI
在中國大陸,企業用戶有Power BI國內版(由世紀互聯運營)和Power BI國際版共兩種選擇,本文用于演示的Power BI是國際版。
定價方面,適用于共享和協作的Power BI Pro是9.99美元(約合人民幣67.04元,匯率按1美元=6.7112人民幣計算)每用戶每月,適用于縮放大型部署的Power BI Premium的使用成本則需按需估算(立即估算)。
在決定購買Power BI之前,我們可以免費試用60天的Power BI Pro,下面是Power BI Pro試用賬戶的注冊步驟:
1、點擊這里訪問Power BI官網首頁,點擊其中的“免費開始試用“按鈕;
2、點擊頁面中段的“免費試用”按鈕,我們將會跳轉到這個頁面:
3、在這個頁面中輸入企業郵箱的賬號(注意不能是個人郵箱),然后點擊“注冊”鏈接;
4、接著,注冊向導會要求我們做一個簡短的驗證,這個驗證可以通過短信或者電話呼叫來進行;
Power BI簡介
1. 什么是Power BI?
以下是Microsoft Power BI官網給的定義:
Power BI是一種業務分析解決方案,可讓您可視化數據并在整個組織中共享洞察,或將其嵌入到您的應用或網站中。連接數百個數據源,通過實時儀表板和報告將數據變為現實。
簡單來說,Power BI就是一個數據分析工具,它能實現數據分析的所有流程,包括對數據的獲取、清洗、建模和可視化展示,從而來幫助個人或企業來對數據進行分析,用數據驅動業務,做出正確的決策。說到這,我們有必要先來了解和理解一下數據分析的整個流程。
首先,我們先來看一下數據分析的一般流程是怎樣的?
在數據分析過程中,有3個“最”我們需要銘記于心:
最關鍵的步驟:明確分析目的。
2. 最耗時的步驟:數據清洗。
3. 最難的步驟:建模分析。
通常,我們可以將數據分析比喻成做菜,做菜的過程其實就類似數據分析的過程。
明確分析目的——明確客人喜歡吃什么菜(比如:辣椒炒肉)。數據分析之后的一切工作都是圍繞著這個目的來展開的,只有明確我們的分析目的,明確我們要解決什么問題,我們才能有針對性的去收集數據,解決問題。
2. 獲取數據——獲取食材(比如:辣椒、肉和其他調料)。
3. 數據清洗——洗菜、切菜(比如:將辣椒切成絲,將肉切成片)。數據清洗是數據分析過程中最為繁瑣和最耗時的一步,它幾乎占用了數據分析的60%~80%的時間,一個優秀的數據分析工具可以幫助我們簡化數據清洗的工作,讓我們更加專注于產生價值的部分,Power BI就是如此。
4. 建模分析——炒菜、調味(比如:是先炒辣椒還是先炒肉呢?)。建模分析是最能考察一個數據分析師的分析能力的步驟,對待同一份數據,不同的分析師會有著不同的見解,得出的結果也不盡相同,這不僅需要我們積累業務經驗提高對數字的敏感度,同時也需要我們提高對工具的熟練度。
5. 數據可視化——調色(比如:一道好看的菜,食欲都會增加幾分)。數據可視化可以幫助我們更加直觀、清楚的理解數據內在的含義,分析出其存在的規律,但我們需要遵循一條原則是:可視化的目的是讓我們能更加容易的理解數據,因此,并不是越復雜的圖形就越好。
6. 發布報告——上菜。當您得出了一份比較有價值的可視化報告,您就可以共享給組織或其他人,讓數據產生其應有的真正價值。
2. 為什么要使用Power BI?
如果您還不清楚為什么要學習Power BI,下面這些回答相信可以解決您的困擾。
十多年的行業領導地位
Gartner連續12年將微軟評為分析和商業智能平臺的魔力象限領導者。下面展示的是2019年最新的評價: