- 第2部分00.PowerBI界面认识与矩阵表操作
- 第2部分01.运算符与新建列
- 第2部分02.建模与关系函数
- 第2部分03.多表建模是针对数据库的,数据分析必须懂数据库
- 第2部分04.度量值、Calculate引擎、Calculatetable筛选表
- 第2部分05.高级筛选器Filter与Values人工造表
- 第2部分06.被翻译耽误的上下文
- 第2部分07.ALL函数、Allexcept函数、ALLSELECTED函数
- 第2部分08.ALLNOBLANKROW核对数据
- 第2部分09.聚合函数与迭代函数
- 第2部分10.Earlier函数【当前行
- 第2部分11.Values与Distinct区别
- 第2部分12.条件判断函数[基础]
- 第2部分13.安全除法DIVIDE与按层级计算ISINSCOPE函数
- 第2部分14.ISCROSSFILTERED函数和ISFILTERED函数的区别
- 第2部分15.FIRSTNONBLANK与LASTNONBLANK函数
- 第2部分16.001.HASONEFILTER函数
- 第2部分16.002.HASONEVALUE函数
- 第2部分16.003.SELECTEDVALUE函数
- 第2部分16.【扩展知识】DATATABLE人工建表
- 第2部分17.转换函数
- 第2部分18.FORMAT函数 【格式化】
- 第2部分19.日期时间函数【非智能函数】
- 第2部分20.文本函数
- 第2部分21.替换函数
- 第2部分22.三角、数学、信息函数
- 第2部分23.001.ADDMISSINGITEMS与SUMMARIZECOLUMNS
- 第2部分23.002.分组连接函数
- 第2部分24.001.CONTAINS 【多条件查找】
- 第2部分24.002.TREATAS 函数【无关系情况下查找匹配】
- 第2部分24.003.Row函数【返回一个单行表】
- 第2部分24.004.综合案例:自由切换坐标轴
- 第2部分24.005.VAR函数
- 第2部分24.006.检查字符串是否被包含
- 第2部分24.【实战案例】
- 第2部分25.001.RankX排名函数
- 第2部分25.002.TOPN提取满足条件的前N条记录
- 第2部分25.003.CONCATENATEX多字符串连接到一起再排名
- 第2部分25.004.【案例】CONCATENATEX综合案例
- 第2部分26.人工造表最终方案
- 第2部分27.001.时间标记作用
- 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.同比推荐SAMEPERIODLASTYEAR
- 第2部分27.005.DATEADD环比
- 第2部分27.006.利用时间计算累积值 PARALLELPERIOD
- 第2部分27.007.移动总计DATESINPERIOD
- 第2部分27.008.【拓展知识】LastDate与max的区别
- 第2部分27.009.返回最后一天与第一天
- 第2部分27.010.区间日期Datesbetween
- 第2部分27.011.下一个与上一个
- 第2部分27.012.期初库存
- 第2部分27.【补充】动态日期表
- 第2部分28.001.筛选函数REMOVEFILTERS
- 第2部分28.002.筛选函数KEEPFILTERS
- 第2部分28.003.筛选函数CROSSFILTER
- 第2部分28.004.筛选函数USERELATIONSHIP
- 第2部分28.005.【案例】USERELATIONSHIP案例
- 第3部分01.堆积条形图与柱形图
- 第3部分02.簇状条形图与柱形图
- 第3部分03.百分比堆积条形图与柱形图
- 第3部分04.折线图
- 第3部分05.分区图 【标准面积图】与堆积面积图
- 第3部分06.折线和堆积柱形图与折线和簇状柱形图
- 第3部分07.功能区图表
- 第3部分08.瀑布图
- 第3部分09.散点图
- 第3部分10.饼图和环形图
- 第3部分11.树状图
- 第3部分12.漏斗图
- 第3部分13.仪表盘
- 第3部分14.卡片图与多行卡
- 第3部分15.KPI
- 第3部分16.分解树
- 第3部分17.关键者影响
- 第3部分18.问答
- 第3部分19.地图
- 第3部分20.着色地图
- 第3部分21.阿斯特图(Aster plot)
- 第3部分22.博彦日历(Beyondsoft Calendar)
- 第3部分23.子弹图(Bullet Chart)
- 第3部分24.和弦图(Chord)
- 第3部分25.PowerKPI
- 第3部分26.甘特图(Gantt)
- 第3部分27.直方图(Histogram Chart)
- 第3部分28.点线图(LineDot Chart)
- 第3部分29.脉冲图(pulse chart)
- 第3部分30.雷达图(Radar Chart)
- 第3部分31.桑基图(Sankey Chart)
- 第3部分32.流线图&河流图【Stream Graph】
- 第3部分33.旭日图&阳光图【Sunburst by MAQ Software】
- 第3部分34.百变星君图 【Infographic Designer】
- 第3部分35.词云图【Word Cloud】
- 第3部分36.动画条形图 【Animated Bar Chart Race】
- 第3部分37.蝴蝶结图 Bowtie chart
- 第3部分38.占比小人图 Walkers Animated Pictogram
- 第3部分39.评分图表 Ratings by MAQ Software
- 第3部分40.SVG地图 Synoptic Panel
- 第3部分41.图表交互-工具提示
- 第3部分42.跨页钻取
- 第4部分DAX原理.S01E01.数据模型(表关系)
- 第4部分DAX原理.S01E02.避免使用双向箭头
- 第4部分DAX原理.S01E03.表名规范与表构造函数
- 第4部分DAX原理.S01E04.常见错误与处理方法
- 第4部分DAX原理.S01E05.聚合函数与迭代函数介绍
- 第4部分DAX原理.S01E06.DAX常用函数
- 第4部分DAX原理.S01E07.基础表函数之Filter函数
- 第4部分DAX原理.S01E08.基础表函数之ALL与ALLEXCEPT函数
- 第4部分DAX原理.S01E09.基础表函数之VALUES与DISTINCT函数
- 第4部分DAX原理.S01E10.将表用做标量值
- 第4部分DAX原理.S01E11.基础表函数之ALLSELECTED
- 第4部分DAX原理.答网友问01.关于AllExcep函数
- 第4部分DAX原理.S01E12.理解上下文
- 第4部分DAX原理.答网友问02.if函数如何用到度量值中
- 第4部分DAX原理.S01E13.嵌套多个表的行上下文
- 第4部分DAX原理.S01E14.同一表上的多层嵌套上下文EARLIER当前行与VAR变量
- 第4部分DAX原理.S01E15.在筛选上下文中使用DISTINCT和SUMMARIZE
- 第4部分DAX原理.S01E16.创建筛选上下文与Filter+ALL应用
- 第4部分DAX原理.S01E17.KEEPFILTERS函数调节器与Values做筛选器
- 第4部分DAX原理.S01E18.Calculate复杂的筛选条件
- 第4部分DAX原理.S01E19.上下文转换你还不知道的秘密
- 第4部分DAX原理.S01E20.循环依赖什么鬼?
- 第4部分DAX原理.S01E21.Calculate调节器USERELATIONSHIP函数
- 第4部分DAX原理.S01E22.Calculate调节器之CROSSFILTER函数
- 第4部分DAX原理.S02E01.VAR变量
- 第4部分DAX原理.答网友问03.VAR变量与惰性计算
- 第4部分DAX原理.S02E02.理解度量值中迭代函数的行数
- 第4部分DAX原理.答网友问04 懒惰计算与迭代函数转换上下文
- 第4部分DAX原理.答网友问05 返回表的迭代函数你应该注意什么?
- 第4部分DAX原理.S02E03.计算移动平均值再次理解Filter+ALL
- DAX神功.S02E04.不连续日期情况下计算移动平均值
- 第4部分DAX原理.S02E05.RankX函数前两个参数的秘密
- 第4部分DAX原理.S02E06.RankX神秘的第三参数
- 第4部分DAX原理.S02E07.RankX排名优化与相对排名
- 第4部分DAX原理.答网友问06.RankX多字段分层级的排名问题
- 第4部分DAX原理.S02E08.RankX在行上下文中的应用
- 第4部分DAX原理.S02E09.多张表建立关系时RankX的应用
- 第4部分DAX原理.答网友问07.什么是改变计算颗粒度
- 第4部分DAX原理.S02E10.初步理解时间智能计算过程
- 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.计算平移后的周期:同比与环比
- 第4部分DAX神功.S02E13.计算平移后的周期PARALLELPERIOD详解
- 第4部分DAX神功.答网友问08.嵌套使用时间智能日期函数
- 第4部分DAX神功.答网友问09.计算周期之间的差异
- 第4部分DAX神功.答网友问10 计算移动总计必先理解日期区间
- 第4部分DAX神功.S02E14.半累加计算就是日期维度最大日期对应的值
- 第4部分DAX神功.答网友问11.使用期初和期末余额
- 第4部分DAX神功.S02E15.理解高级时间智能计算
- 第4部分DAX神功.S02E16.为何要学习时间智能函数因为有时它不易替代
- 第4部分DAX神功.答网友问12.为什么LastDate与Max结果不同
- 第4部分DAX神功.S02E17.基于周的时间智能
- 第4部分DAX神功.S02E18.自定义年初至今,季初至今和月初至今
- 第4部分DAX神功.S02E19.HASONEVALUE和SELECTEDVALUE函数
- 第4部分DAX神功.S02E20.ISCROSSFILTERED和ISFILTERED函数
- 第4部分DAX神功.答网友问13.Values与Filters的区别
- 第4部分DAX神功.答网友问14 HASONEFILTER与HASONEVALUE的区别,你问错了!
- 第4部分DAX神功.答网友问15 Allexcept和ALL与VALUES的区别 删除与添加筛选器
- 第4部分DAX神功.答网友问16 使用ALL函数避免上下文转换与ISEMPTY函数
- 第4部分DAX神功.S02E21.数据沿袭和TREATAS函数
- 第4部分DAX神功.S02E22.简单筛选器与固化筛选器
- 第4部分DAX神功.S03E01.计算层级占比
- 第4部分DAX神功.S03E02.处理父子层级结构
- 第4部分DAX神功.S03E03.CALCULATETABLE与FILTER函数的区别
- 第4部分DAX神功.S03E04.ADDCOLUMNS函数 你不一定会用
- 第4部分DAX神功.S03E05.多张表使用SUMMARIZE函数
几乎每家企业都会产生和面对大量的数据,这些数据本身是没有任何价值的。要让这些数据的意义得以显现,需要对这些数据进行整合、分析和洞察。Power BI是由微软推出的一整套商业智能解决方案,其中的数据分析模块是Power BI的核心,本套课程将从零开始讲解,如何学习Power BI的数据分析语言DAX?学习完成本课程后,将能够挖掘数据中的信息,快速准确地生成可以交互的可视化报表,从而帮助企业做出明智的业务经营决策。
一、认识Power BI
Power BI并非是单一的一款应用软件,而是一套由软件服务、应用和连接器所组成的完整的商业智能解决方案。在Power BI各组成部分的协同工作下,来自本地或者云端的数据将能够迅速地被转化为可以交互的可视化见解。
二、Power BI的关键组成部分
Power BI由适用于桌面PC的Power BI Desktop、基于SaaS的在线服务,以及适用于Windows 10 Mobile、Android和iOS平台的移动应用共三个关键部分组成,它们分别适用于企业中不同的角色。
▲Power BI Desktop
▲Power BI在线服务
▲Power BI移动应用
例如,对于需要数据数字和生成报表的团队成员来讲,他们平时接触Power BI Desktop的机会可能更多一些,而对于需要随时从数据中获取信息的团队成员(例如销售人员)来讲,他们主要接触的可能是Power BI移动应用或者Power BI在线服务。
三、试用Power BI
在中国大陆,企业用户有Power BI国内版(由世纪互联运营)和Power BI国际版共两种选择,本文用于演示的Power BI是国际版。
定价方面,适用于共享和协作的Power BI Pro是9.99美元(约合人民币67.04元,汇率按1美元=6.7112人民币计算)每用户每月,适用于缩放大型部署的Power BI Premium的使用成本则需按需估算(立即估算)。
在决定购买Power BI之前,我们可以免费试用60天的Power BI Pro,下面是Power BI Pro试用账户的注册步骤:
1、点击这里访问Power BI官网首页,点击其中的“免费开始试用“按钮;
2、点击页面中段的“免费试用”按钮,我们将会跳转到这个页面:
3、在这个页面中输入企业邮箱的账号(注意不能是个人邮箱),然后点击“注册”链接;
4、接着,注册向导会要求我们做一个简短的验证,这个验证可以通过短信或者电话呼叫来进行;
Power BI简介
1. 什么是Power BI?
以下是Microsoft Power BI官网给的定义:
Power BI是一种业务分析解决方案,可让您可视化数据并在整个组织中共享洞察,或将其嵌入到您的应用或网站中。连接数百个数据源,通过实时仪表板和报告将数据变为现实。
简单来说,Power BI就是一个数据分析工具,它能实现数据分析的所有流程,包括对数据的获取、清洗、建模和可视化展示,从而来帮助个人或企业来对数据进行分析,用数据驱动业务,做出正确的决策。说到这,我们有必要先来了解和理解一下数据分析的整个流程。
首先,我们先来看一下数据分析的一般流程是怎样的?
在数据分析过程中,有3个“最”我们需要铭记于心:
最关键的步骤:明确分析目的。
2. 最耗时的步骤:数据清洗。
3. 最难的步骤:建模分析。
通常,我们可以将数据分析比喻成做菜,做菜的过程其实就类似数据分析的过程。
明确分析目的——明确客人喜欢吃什么菜(比如:辣椒炒肉)。数据分析之后的一切工作都是围绕着这个目的来展开的,只有明确我们的分析目的,明确我们要解决什么问题,我们才能有针对性的去收集数据,解决问题。
2. 获取数据——获取食材(比如:辣椒、肉和其他调料)。
3. 数据清洗——洗菜、切菜(比如:将辣椒切成丝,将肉切成片)。数据清洗是数据分析过程中最为繁琐和最耗时的一步,它几乎占用了数据分析的60%~80%的时间,一个优秀的数据分析工具可以帮助我们简化数据清洗的工作,让我们更加专注于产生价值的部分,Power BI就是如此。
4. 建模分析——炒菜、调味(比如:是先炒辣椒还是先炒肉呢?)。建模分析是最能考察一个数据分析师的分析能力的步骤,对待同一份数据,不同的分析师会有着不同的见解,得出的结果也不尽相同,这不仅需要我们积累业务经验提高对数字的敏感度,同时也需要我们提高对工具的熟练度。
5. 数据可视化——调色(比如:一道好看的菜,食欲都会增加几分)。数据可视化可以帮助我们更加直观、清楚的理解数据内在的含义,分析出其存在的规律,但我们需要遵循一条原则是:可视化的目的是让我们能更加容易的理解数据,因此,并不是越复杂的图形就越好。
6. 发布报告——上菜。当您得出了一份比较有价值的可视化报告,您就可以共享给组织或其他人,让数据产生其应有的真正价值。
2. 为什么要使用Power BI?
如果您还不清楚为什么要学习Power BI,下面这些回答相信可以解决您的困扰。
十多年的行业领导地位
Gartner连续12年将微软评为分析和商业智能平台的魔力象限领导者。下面展示的是2019年最新的评价: