Power BI自助分析：数据获取与数据建模

课程背景：

今天是数据爆炸的时代，需要的就是从数据中获得商业价值。那如何快速的、用什么技术来实现这一诉求呢？而且我们面对的源数据，往往并不是只有一张表，而这些不同的表，需要协同配合才能更有效的使用。

根据分析的需求，多表的协同配合依靠表与表之间的逻辑关系，在多个表之间建立合适的关系，使之可以像一个表一样灵活使用，这个过程称为数据建模。一个良好的数据模型是数据分析的基础，也是一个良好的可视化报告的基础，可以帮我们更简单的实现分析目的。在当下，数据分析已经进入自助式商业智能时代， Power BI是一套商业智能分析解决方案，涵盖了数据的获取、数据建模、数据钻取分析等功能，同时也是管理者及数据分析人员进行数据分析的神器。

本次课程将由浅入深地讲解Power BI的基础知识，以及从数据获取、数据建模、数据分析到数据展现的全过程。通过学习本课程，您可以快速通过Power BI进行数据建模分析，做出让管理者眼前一亮的企业级分析报告。同时，您还可以学到不同商业应用场景的分析方式和常见问题的处理技巧。

课程目标：

• 了解 Power BI 以数据为中心的功能和工具
• 抓住要领，掌握可以迅速提高业务数据分析能力
• 掌握不同数据文件的获取方法
• 掌握数据的整理及加工方法
• 探索查找数据的方法
• 掌握数据建模的思路与方法

课程收获：

• 快速上手商业智能（Power BI）
• 熟练使用Power Query快速清洗及转换数据
• 能够根据业务诉求快速搭建数据模型
• 会写DAX数据分析表达式
• 快速制作引人注目的精美报告

课程时长：2天

 课程对象：从事业务分析、数据分析，Excel用户，需要提升技能效率的企业人员和决策者

课程方式：理论讲解、实例分析、实战演练、现场辅导

课程大纲：

第一讲：Power BI自助商业智能分析

1. 什么是自助商业智能分析？
2. 传统数据分析与自助商业智能分析的对比
3. 自助商业智能分析的主流程框架
4. Power BI Desktop工具介绍

第二讲：数据建模分析必备专业数养

1、认清数据的本质及标准化

• 什么是数据
• 数据分类与数据类型
• 数据结构和数据结构化
• 数据的维度与层级管理
• 数据格式的标准化

2、数据建模应具备的数据思维

• 什么是数据思维？
• 什么是数建建模？
• 如何通过数据模型挖掘商业价值
• 从事物认知的基本方法构建数据模型
• 数据分析与挖掘的方法

第三讲：数据分析准备——在 Power BI 中获取数据

1、连接到数据源，并从文件中获取数据

2、掌握Power Query工具中的数据处理功能

• 选择与删除行、列
• 拆分列
• 提取字符
• 分组依据
• 替换值与填充
• 转置与反转行
• 透视与逆透视
• 在字段上计算

3、合并来自多个源的数据

• 数据的横向合并：合并查询应用
• 数据的纵向合并：追加查询应用
• 数据文件的合并：合并文件夹中的工作薄

第四讲：数据建模分析——Power BI数据模型中的工作环境

Power BI分析数据的工作流程

Power BI数据分析的业务思维模式

Power BI数据分析的建模思维模式

• 星型架构设计
• 如何管理数据关系
• 使用关系和基数

Power BI 数据模型中的三种计算元素

• 计算列：增加观察的角度
• 度量值：计算复杂的业务指标
• 计算表：不是关注的结果，但是得到结果的前提

Power BI数据模型中的计算环境（计算上下文）

• 筛选上下文
• 计算行上下文
• 行上下文转换

第五讲：使用DAX数据分析表达式创建分析指标

DAX分析表达式的基础操作

• 理解PBI DAX中的数据类型
• 理解PBI DAX中的基本运算规则

常见的DAX数据分析表达式应用

• 利用聚合函数对Power BI模型中的数据进行聚合
• 利用逻辑函数对Power BI模型中的数据进行逻辑判断
• 利用文本函数对Power BI模型中的数据颗粒进一步细化
• 在 Power BI模型中使用迭代器函数
• 利用关系函数获取Power BI模型中关联表的数据

数据模型中返回表的应用

• FILTER函数：筛选Power BI模型中的表
• ALL 函数：返回表和移除Power BI模型中的筛选器
• VALUES函数：返回参数在当前筛选上下文中的所有可见值

1. 安全除法：DIVIDE函数
2. 在Power BI模型计算部分与整体：不同占比的公式创建
3. Power BI模型中计算随时间变化的业务指标

日期表的创建

• 在 Power BI Desktop 模型中使用 DAX 时间智能函数
• 年累计（YTD），季度累计（QTD）和月度累计（MTD）
• 上年同期（PY），上季同期（PQ）和上月同期（PM）
• 上年全部（PYT），上季全部（PQT）和上月全部（PMT）
• 月度环比（MOM%），年度同比（YOY%）
• 去年年度至今（PYTD）
• 年度至今同比差异增长率（YTD YOY%）
• 用移动平均做预测

第六讲：Power BI可视化分析仪表板的创建与发布

1. 可视化分析报表的设计原则
2. 在 Power BI Desktop中使用报表主题
3. 在页面视图中设置报表的大小
4. 使用视觉对象元素增强 Power BI 报表
5. 在 Power BI 报表中使用筛选器来交互报表
6. 在 Power BI 报表中使用工具提示来增强报表的阅读性
7. 在Power BI Desktop中创建报表按钮和导航
8. 保存报表并发布到Power BI在线站点