商業智能:Power BI數據分析

恆盛傑資訊 編著

  • 出版商: 機械工業
  • 出版日期: 2019-09-01
  • 定價: $359
  • 售價: 8.5$305
  • 語言: 簡體中文
  • ISBN: 7111636163
  • ISBN-13: 9787111636168
  • 相關分類: Power BIData Science
  • 立即出貨 (庫存 < 3)

買這商品的人也買了...

相關主題

商品描述

邁好第一步:Power BI 基礎知識
數據分析必經之路:Power BI 報表製作全流程
整理不規範的數據:Power Query 基本操作
為數據分析做準備:Power Query 高級應用
學習DAX 的正確姿勢:DAX 語言入門
最常用也是最好用的:DAX 進階函數
進擊之路從這里開始:DAX 高階函數
令人矚目的數據表現形式:數據可視化

目錄大綱

前言
如何獲取學習資源
第1章邁好第一步—Power BI基礎知識
1.1Power BI:微軟新神器10
1.2為什麼選擇Power BI 12
1.3學習Power BI可能會遇到的問題17
1.4Power BI Desktop的安裝和介紹22
第2章數據分析必經之路—Power BI報表製作全流程
2.1連接數據源:邁出Power BI的第一步30
2.1.1導入Excel工作簿:最佳的數據搭檔30
2.1.2獲取數據:突破數據來源的限制33
2.2整理數據:修正數據中的明顯錯誤40
2.3數據建模:釐清數據的內在聯繫42
2.4可視化:酷炫的數據表達方式47
2.5報表發布:與他人共享數據50
第3章整理不規範的數據—Power Query基本操作
3.1知己知彼:初識Power Query編輯器54
3.2穩紮穩打:數據的簡單處理55
3.3事半功倍:行列數據的轉換63
3.4錦上添花:數據整理的進階工具70
第4章為數據分析做準備—Power Query高級應用
4.1添加列:增加輔助數據78
4.1.1添加重複列78
4.1.2添加條件列78
4.1.3添加自定義列80
4.2分組依據:分類匯總行列數據82
4.3合併與追加:匯總多個表的數據83
4.3.1合併查詢83
4.3.2追加查詢85
4.4列分析:輕鬆發現數據質量問題88
4.5M語言:數據處理的高級玩法90
第5章學習DAX的正確姿勢—DAX語言入門
5.1DAX語言:數據建模的核心和靈魂97
5.2度量值:移動的公式103
5.3新建列:為多個表建立關係107
5.4新表:利用DAX函數構建新表111
5.4.1UNION函數:合併多個表112
5.4.2NATURALINNERJOIN函數:合併聯結兩個表113
5.4.3DISTINCT函數:提取維度表116
5.4.4ADDCOLUMNS/CALENDAR/FORMAT函數:生成日期表117
5.4.5ROW/BLANK函數:新增空表120
第6章最常用也是最好用的—DAX進階函數
6.1CALCULATE函數:實現DAX功能的引擎123
案例列出不同篩選條件下的產品銷售數量123
6.2SUMX函數:完成列數據的逐行求和129
案例創建度量值統計銷售額129
6.3SUMMARIZE函數:建立匯總表132
案例匯總產品在各城市的銷售額132
6.4IF/SWITCH函數:分組數據137
案例將銷售額分為優、良、差三個等級138
6.5RELATED/RELATEDTABLE函數:單條件數據匹配139
案例為建有關係的兩個表匹配數據140
6.6LOOKUPVALUE函數:多條件數據匹配142
案例將銷售單價從一個表匹配到另一個表143
6.7ALL/ALLSELECTED函數:計算佔比144
案例計算產品佔總體或類別的比例145
第7章進擊之路從這裡開始— DAX高階函數
7.1FILTER函數:高級篩選器157
案例篩選超過2000萬的城市銷售金額157
7.2VALUES/HASONEVALUE函數:刪除重複值/判斷唯一性162
案例轉換“商舖城市”列為表/禁止計算總計值162
7.3TOTALYTD函數:年初至今的累計數據計算166
案例計算銷售總額的累計同 比增長率167
7.4EARLIER函數:獲取當前行信息170
案例計算產品的累計銷售額和累計銷售數量171
7.5RANKX函數:排名統計175
案例查看商舖城市和產品的銷售總額排名情況175
7.6TOPN函數:實現前幾名或後幾名的可視化展現180
案例查看前5名城市銷售總額佔比的趨勢180
第8章令人矚目的數據表現形式—數據可視化
8.1自定義視覺對象:突破想像力的可視化效果185
8.2標註最大值、最小值:關注走勢圖的特定數據188
8.3篩選器:篩掉無關數據,保留關注信息189
8.4編輯交互:體驗更靈活的數據可視化196
8.5鑽取:深入了解更詳細的信息198
8.6工具提示:滿足不同層次的用戶需求201