商业智能Power BI数据分析
作者：恒盛杰资讯 著
出版时间：2019年版
内容简介
　　随着大数据的兴起，各种数据工具以及可视化软件层出不穷，但Power BI却凭借着令人赞叹的视觉对象以及能够在任何设备上与同事共享等优势在多个数据工具中脱颖而出。本书开门见山地介绍了数据分析之前所要了解的知识，如为什么选择Power BI、学习Powerbi可能会遇到的问题等；而后通过报表制作的全流程让读者体验到Power BI的魅力，让读者了解通过Power BI能够玩转数据的获取、整理、建模、可视化以及发布的全过程。随后对数据整理、DAX语言以及可视化进行了详细的介绍，逐步深入到Power BI进阶实战。*会，以业务案例为导向，以Power BI桌面版操作为基础进行讲解，深入讲述Power BI在销售和财务两个行业的应用。
目录
前言
如何获取学习资源
第1章 迈好步—Power BI基础知识
1.1Power BI：微软新神器10
1.2为什么选择Power BI12
1.3学习Power BI可能会遇到的问题17
1.4Power BI Desktop的安装和介绍22
第2章 数据分析必经之路—Power BI报表制作全流程
2.1连接数据源：迈出Power BI的步30
2.1.1导入Excel工作簿：的数据搭档30
2.1.2获取数据：突破数据来源的限制33
2.2整理数据：修正数据中的明显错误40
2.3数据建模：厘清数据的内在联系42
2.4可视化：酷炫的数据表达方式47
2.5报表发布：与他人共享数据50
第3章 整理不规范的数据—Power Query基本操作
3.1知己知彼：初识Power Query编辑器54
3.2稳扎稳打：数据的简单处理55
3.3事半功倍：行列数据的转换63
3.4锦上添花：数据整理的进阶工具70
第4章 为数据分析做准备—Power Query高级应用
4.1添加列：增加辅助数据78
4.1.1添加重复列78
4.1.2添加条件列78
4.1.3添加自定义列80
4.2分组依据：分类汇总行列数据82
4.3合并与追加：汇总多个表的数据83
4.3.1合并查询83
4.3.2追加查询85
4.4列分析：轻松发现数据质量问题88
4.5M语言：数据处理的高级玩法90
第5章 学习DAX的正确姿势—DAX语言入门
5.1DAX语言：数据建模的核心和灵魂97
5.2度量值：移动的公式103
5.3新建列：为多个表建立关系107
5.4新表：利用DAX函数构建新表111
5.4.1UNION函数：合并多个表112
5.4.2NATURALINNERJOIN函数：合并联结两个表113
5.4.3DISTINCT函数：提取维度表116
5.4.4ADDCOLUMNS/CALENDAR/FORMAT函数：生成日期表117
5.4.5ROW/BLANK函数：新增空表120
第6章 常用也是好用的—DAX进阶函数
6.1CALCULATE函数：实现DAX功能的引擎123
案例列出不同筛选条件下的产品销售数量123
6.2SUMX函数：完成列数据的逐行求和129
案例创建度量值统计销售额129
6.3SUMMARIZE函数：建立汇总表132
案例汇总产品在各城市的销售额132
6.4IF/SWITCH函数：分组数据137
案例将销售额分为优、良、差三个等级 138
6.5RELATED/RELATEDTABLE函数：单条件数据匹配139
案例为建有关系的两个表匹配数据140
6.6LOOKUPVALUE函数：多条件数据匹配142
案例将销售单价从一个表匹配到另一个表143
6.7ALL/ALLSELECTED函数：计算占比144
案例计算产品占总体或类别的比例145
第7章 进击之路从这里开始—DAX高阶函数
7.1FILTER函数：高级筛选器157
案例筛选超过2000万的城市销售金额157
7.2VALUES/HASONEVALUE函数：删除重复值/判断性162
案例转换“商铺城市”列为表/禁止计算总计值162
7.3TOTALYTD函数：年初至今的累计数据计算166
案例计算销售总额的累计同比增长率167
7.4EARLIER函数：获取当前行信息170
案例计算产品的累计销售额和累计销售数量171
7.5RANKX函数：排名统计175
案例查看商铺城市和产品的销售总额排名情况175
7.6TOPN函数：实现前几名或后几名的可视化展现180
案例查看前5名城市销售总额占比的趋势180
第8章 令人瞩目的数据表现形式—数据可视化
8.1自定义视觉对象：突破想象力的可视化效果185
8.2标注值、小值：关注走势图的特定数据188
8.3筛选器：筛掉无关数据，保留关注信息189
8.4编辑交互：体验更灵活的数据可视化196
8.5钻取：深入了解更详细的信息198
8.6工具提示：满足不同层次的用户需求201





上一篇: 区块链技术下”一带一路“数字供应链整合研究 麻黎黎著 2021年版
下一篇: 高等院校数据科学与大数据技术系列规划教材 大数据挖掘 赵志升 2019年版