Power BI 商业智能成长之道电子书

内容简介

推荐语

前言

第1章 转行经历及心路历程

1.1 转行经历

1.2 学习Power BI的心路历程

1.3 数据时代的背景

1.4 总结

1.5 作业

第2章 数据理论基础

2.1 关系映射反演原则及应用

2.2 DIKW模型

2.3 数据遗传学定律

2.4 总结

2.5 作业

第3章 对数据的思考

3.1 什么数据能分析

3.2 什么是“表”

3.3 什么是标准表

3.4 数据是“变”出来的

3.5 业务用户心目中的IT人员

3.6 数据访问权限

3.7 数据的成本

3.8 数据是一个任人打扮的小姑娘

3.9 “养”数据

3.10 数据管理

3.11 总结

3.12 作业

第4章 商业智能及其背后的设计

4.1 什么是商业智能

4.2 商业智能工具应具备的能力

4.3 如何在企业内部推广Power BI

4.4 数据分析师的新定位

4.5 关于商业智能架构的思考

4.5.1 病因（问题）

4.5.2 药方（方案）

4.5.3 药性（执行）

4.6 以商业智能为中心设计数据仓库

4.7 以IT为主导的商业智能项目必将失败

4.8 商业智能的价值导向

4.9 不要“神话”Power BI

4.10 不在于技术，而在于管理和认知

4.11 商业分析中的算法

4.12 如何处理需求

4.12.1 如何提需求

4.12.2 如何接需求

4.12.3 如何安排会议

4.13 如何汇报工作

4.14 从会吵架开始

4.15 总结

4.16 作业

第5章 了解Power BI并掌握使用方法

5.1 什么是Power BI

5.2 下载Power BI Desktop

5.3 了解Power BI的结构

5.4 Excel商业智能或Power BI Desktop

5.5 Power BI的常见部署方式

5.5.1 个人使用

5.5.2 Power BI Service部署

5.5.3 本地部署

5.6 解决Power BI问题的10个方法

5.6.1 使用搜索引擎或AI

5.6.2 查阅官方文档

5.6.3 了解行业最新资讯

5.6.4 参加培训

5.6.5 使用Power BI官方论坛

5.6.6 加入学习小组或群

5.6.7 付费咨询

5.6.8 阅读专业书籍

5.6.9 掌握学习方法

5.6.10 不断地思考、实践和总结

5.7 Power BI的学习路线

5.7.1 是学习一点点，而不是精通

5.7.2 第一阶段

5.7.3 第二阶段

5.7.4 第三阶段

5.8 是否需要学习SQL或Python

5.9 Power BI的通用化设计理念

5.10 总结

5.11 作业

第6章 Power Query的使用

6.1 什么是Power Query

6.2 Power Query和Excel操作数据的不同

6.3 使用Power Query获取数据

6.3.1 从Excel文件中获取数据

6.3.2 从CSV/TXT文件中获取数据

6.3.3 从PDF文件中获取数据

6.3.4 从文件夹中获取数据

6.3.5 从SQL Server数据库中获取数据

6.3.6 从MySQL数据库中获取数据

6.3.7 输入数据

6.4 Power Query常用基础操作

6.4.1 数据类型

6.4.2 将第一行用作标题

6.4.3 自定义列

6.4.4 追加查询

6.4.5 合并查询

6.4.6 逆透视列

6.4.7 删除重复项

6.4.8 填充

6.4.9 合并列

6.4.10 格式

6.4.11 拆分列

6.4.12 提取

6.4.13 分组依据

6.4.14 转置

6.4.15 其他功能

6.5 Power Query实战

6.6 Power Query的其他功能

6.6.1 查询依赖项

6.6.2 管理参数

6.6.3 查询管理

6.6.4 数据源设置

6.7 Power Query中的M函数

6.7.1 什么是M函数

6.7.2 高级编辑器

6.8 总结

6.9 作业

第7章 数据模型

7.1 什么是数据模型

7.2 单表模型

7.3 多表模型

7.4 维度表和事实表

7.5 维度建模的必要规则

7.6 维度建模的三种模型

7.7 数据模型的关系

7.7.1 表关系

7.7.2 交叉筛选器方向

7.7.3 管理关系

7.8 DAX是什么

7.8.1 新建列

7.8.2 度量值

7.8.3 计算表

7.8.4 如何选择新建列、度量值、计算表

7.8.5 如何学习DAX

7.8.6 DAX常用函数

7.8.7 在DAX编辑器中使用快捷键

7.9 表和度量值的命名规则及度量值管理

7.9.1 表命名规则

7.9.2 度量值命名规则

7.9.3 度量值管理

7.10 数据模型管理规范

7.10.1 调整字段汇总方式

7.10.2 隐藏非必要字段

7.10.3 关闭“自动日期/时间”功能

7.11 在DAX表达式中使用变量

7.11.1 变量的语法

7.11.2 变量的特性

7.12 DAX表达式的格式化

7.13 日期表

7.13.1 如何正确使用日期表

7.13.2 如何构建日期表

7.14 按列排序

7.15 循环依赖

7.16 新建参数

7.17 总结

7.18 作业

第8章 数据可视化及Power BI Service管理

8.1 可视化基本功能

8.1.1 使用可视化视觉对象

8.1.2 主题

8.1.3 页面视图

8.1.4 筛选器

8.1.5 选择

8.1.6 书签

8.1.7 性能分析器

8.1.8 页面导航器

8.2 报告、仪表板和数据大屏的区别

8.3 Power BI Service管理

8.4 总结

8.5 作业

第9章 Power BI优化最佳实践

9.1 Power Query优化

9.1.1 使用合适的数据源

9.1.2 只加载所需的数据

9.1.3 优先使用SQL查询语句加载数据

9.1.4 使用参数

9.1.5 使用部分数据做预转换

9.1.6 尽量不在Power Query中进行复杂处理

9.1.7 尝试将数据源规范为标准表

9.1.8 使用Table.Buffer函数提高计算效率

9.1.9 使用合适的数据类型

9.1.10 设置并行加载表

9.2 数据模型优化

9.2.1 使用一对多关系

9.2.2 反结构化设计

9.2.3 减少维度表的行数

9.2.4 关闭部分设置选项

9.2.5 减少列基数

9.2.6 使用增量刷新功能

9.2.7 引用已有的度量值

9.2.8 DAX优化

9.2.9 表和度量值的命名规则

9.2.10 度量值分层设计

9.2.11 使用合适的数据粒度

9.2.12 减少使用或不使用“新建列”功能

9.2.13 尽量不使用大宽表

9.2.14 数据模型中字母的大写和小写

9.2.15 为字段添加特殊前缀

9.3 可视化优化

9.3.1 减少视觉对象的数量

9.3.2 使用背景来管理布局

9.3.3 尽量使用默认的视觉对象

9.3.4 特殊的可视化呈现

9.3.5 使用SVG辅助画图

9.3.6 打开所有的预览功能

9.3.7 报告细节优化

9.4 硬件优化

9.4.1 CPU

9.4.2 内存

9.4.3 硬盘

9.4.4 显卡

9.4.5 网卡/带宽

9.4.6 屏幕

9.4.7 小结

9.5 其他优化

9.5.1 使用较新版本的Power BI Desktop

9.5.2 Power BI Desktop提示内存不足

9.5.3 异常排查及排错技巧

9.5.4 使用性能分析器巧妙排查异常

9.6 总结

9.7 作业

第10章 在Excel中使用Cube

10.1 什么是Cube

10.2 为什么要使用Cube

10.3 如何在Excel中连接Cube

10.4 数据透视表

10.5 Cube函数

10.5.1 CUBEVALUE

10.5.2 CUBEMEMBER

10.5.3 CUBESET

10.5.4 CUBESETCOUNT

10.5.5 CUBERANKEDMEMBER

10.5.6 CUBEKPIMEMBER

10.5.7 CUBEMEMBERPROPERTY

10.5.8 Cube函数与切片器搭配使用

10.6 表查询

10.7 Cube函数优化

10.7.1 缩短公式的长度

10.7.2 提高函数计算效率

10.7.3 获取所有成员作为维度

10.7.4 实战应用建议

10.8 个人商业智能

10.9 总结

10.10 作业

参考文献