书名：从Excel到Power BI：商业智能数据分析+Power BI商业数据分析项目实战【2本】
定价：138.8
ISBN：9787121333248
作者：马世权、无
版次：1
出版时间：2018-02

内容提要：

   Microsoft Power BI 是微软发布的一套商业分析工具。其功能整合了Excel 中的Power Query、Power Pivot、Power View、Power Map 插件，并加入了社交分享、云服务等功能。《从Excel到Power BI : 商业智能数据分析》以Excel 基础+Power BI 为方法论，使用*平易近人的语言讲解Power BI 的技术知识，让零基础读者也能快速上手操作Power BI。《从Excel到Power BI : 商业智能数据分析》以读者的兴趣阅读为出发点，首先通过介绍可视化模块让读者全面体验Power BI 的操作，并掌握让数据“飞起来”的秘籍；然后迈上一个大台阶，让读者学习Power Query 数据查询功能，瞬间解决*耗费时间且附加值*低的工作；*后全力攻克Power BI 的核心价值模块Power Pivot（数据建模）和DAX 语言，让读者直达商业智能数据分析的**，站到Excel 的肩膀上。本书适合财务、管理、客服、物流、行政与人力资源、电商等行业人员，也适合零IT 基础的读者。

     本书从Power BI的基础功能讲起，逐步深入到Power BI进阶实战，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在各个业务部门的应用。本书包括7篇共21章内容，分业务场景进行讲解。第1篇用1章内容讲述Power BI基础操作，方便读者快速入门；第2篇用4章内容讲述如何用Power BI爬取天气、电影、销售、股票等数据；第3篇用4章内容讲述销售部门如何用Power BI分解销售目标，分析业绩达成、会员RFM和业绩构成；第4篇用5章内容讲述产品相关应用，包括存货分析、帕累托分析、关联分析、畅销款分析和数据化陈列；第5篇用2章内容讲述在财务方面的应用，包括盈亏平衡分析和上市公司利润表分析；第6篇用3章内容讲述人力资源应用，包括人员结构及离职率分析、新员工分析和考勤分析；第7篇用2章内容讲述简化报告的技巧。

作者简介：

    马世权，CPA Canada 特许专业会计师；具有多年“世界500强”公司财务分析、风险管理经验；现任互联网金融行业运营分析经理；知乎专栏、公众号“PowerBI大师”创始人

    武俊敏，服饰零售业资深从业人士，先后在大型休闲和运动服饰公司多个岗位任职，擅长数据分析以及针对业务问题开发自动化解决方案。曾为多个分公司同事进行Power BI培训，并长期在知乎、微信公众号分享Power BI实战经验。

目录：

第1章 Power BI：让数据飞起来 1 

事物的本质往往没有那么复杂，就好像浩瀚的宇宙，虽然流星稍纵即逝，但我们可以计算它的速度，虽然我们触摸不到银河系，但可以度量它的大小，这是因为我们掌握了天体运动的原理。同样，如果我们掌握了数据分析原理，就会发现那些所谓的高级分析、转化漏斗分析、全面预算，还有*近比较火的增长黑客 AARRR 模型等，不过是浩瀚的知识体系中原理应用的一个场景。本章会剥去数据分析神秘的“外衣”，以浅显的语言来讲述数据分析原理。

1.1 什么是 Power BI：未来已至 2

1.2 从 Excel 到 Power BI 的 5 个理由 9

1.3 数据分析原理：其实很简单 14 

第2章Power BI 初体验及数据可视化 24

“Logic will get you from A to B. Imagination will take you everywhere.”

（逻辑会把你从 A 带到 B，而想象力可以带你去任何地方。）

数据可视化不仅是一门技术，也是一门艺术，同样的数据在不同人的手里，展现的效果会千差万别，掌握这门技能需要我们理解数据并具有想象力。

2.1 什么是数据可视化：视觉盛宴的开始 25 

2.2 数据查询初体验：把数据装到“碗”里 27 

2.3 数据建模和度量值：Excel 在 20 年来做的*好的事情 31 

2.4 可视化及自定义视觉对象：将图表一网打尽 39 

2.5 筛选器、层次、交互和分享：颠覆静态报表 51 

2.6 可视化原则：平衡的艺术 61 

第3章 数据查询：Power Query 69 

大多数数据分析师都是用 80%的时间做基础的数据处理工作，而用不到 20%的时间做数据分析工作。借助强大的 Power Query 工具，可以解决这个工作时间分配失衡的问题，打造一个工作新常态：用 20%的时间做数据处理工作，用 80%的时间做数据分析工作。

3.1 告别“数据搬运工” 70 

3.2 数据清洗 30 招：变形金刚 75 

3.3 获取数据：从网页和数据库 97 

3.4 追加与合并查询：你还在用 Vlookup 函数吗 103 

3.5 多文件合并：复制和粘贴的杀手 109 

3.6 Power Query 与精益管理思想 113 

3.7 Power BI 的 M 语言与 DAX 语言之争 119 

第4章 数据建模：Power Pivot 与 DAX 语言 123 

“如果一件事情，你不能度量它，就不能增长它”。有人说，度量值是 Excel 在 20年来做得*好的一件事。作为一个数据分析工具， Power Pivot 和 DAX 语言才是 Power BI 的核心和灵魂。

4.1 基本概念：度量的力量 124 

4.2 关系模型：建筑设计师 126 

4.3 Power Pivot 与 Pivot：**普通 129 

4.4 度量值：将变革进行到底 133 

4.5 计算列：温故而知新 138 

第5章 DAX 语言入门：真正的颠覆从这里开始 142 

DAX 什么是？DAX，Data Analysis Expression，即数据分析表达式。

本书选取了 DAX 公式中的 24 个核心公式，并且根据它们的使用频率由大到小分成了 3 个阶段。其中入门阶段的函数是*常用、核心的部分，攻克它们便可以制作一些小的数据分析模型。

5.1 DAX 语言：数据分析表达式 143 

5.2 聚合函数：计算器 150 

5.3 Calculate 函数：*强大的引擎 153 

5.4 All 函数 156 

5.5 Allexcept 和 Allselceted 函数兄弟 161 

5.6 Filter 函数：高级筛选器 165 

5.7 理解上下文：DAX 语言学习里程碑 173 

第6章 DAX 语言进阶：*简单也是*好用的 184 

我们可以把 DAX 当作一门语言来学习，也可以把它当作 Excel 公式来看，因为它们非常相似，而且大部分函数都是通用的。这也会让你从传统的 Excel 转到现代的Power BI 更容易，相对学习成本更低。

初阶函数的学习难度较小，与 Excel 函数很像，可以说是 Excel 函数的扩展。

6.1 Divide 函数：安全除法 185 

6.2 If/Switch 函数：逻辑判断 187 

6.3 关系函数：Related、Relatedtable 和 Lookupvalue 188 

6.4 Time Intelligence 函数：时间智能函数 192 

6.5 日历表的使用 200 

6.6 分组的技巧 205 

6.7 度量值的收纳盒 210 

第7章 DAX 语言高阶：进击的数字大厨 213 

高阶函数的学习相对前两个阶段要更难，然而有了前两个阶段的学习基础，它们不过是另一个小山头。当你完成了这 3 个阶段共 24 个函数的学习，就好比掌握了太极拳的 24 个精髓招式，将它们组合起来运用自如后就可以达到以不变应万变的境界。这些函数足以让你应对 80%以上的数据分析需求。

7.1 Values 函数：不重复值 214 

7.2 Hasonevalue 函数：只有一个值 217 

7.3 SumX 函数：掌握 X 类函数 218 

7.4 Earlier 函数：当前行 221 

7.5 RankX 和 TopN 函数：排名 226 

7.6 辅助表：巧妙的助攻 231 

7.7 VAR/Return 函数：录音机 241 

7.8 DAX：用作查询的语言 247 

7.9 取长补短：Excel + Power BI = Better Together 256 

后记 261 

目    录

第1篇  Power BI基础

第1章  Power BI基础操作2

1.1  Power BI的主要组件及功能2

1.1.1  Power Query简介2

1.1.2  Power Pivot简介3

1.1.3  Power BI Desktop简介3

1.1.4  各组件应用场景4

1.2  一个入门案例——搭建动态销售报告4

1.2.1  数据源结构5

1.2.2  导入销售数据6

1.2.3  合并销售数据8

1.2.4  筛选行去除重复表头10

1.2.5  将**行用作标题11

1.2.6  向下填充补充空白内容11

1.2.7  重复列12

1.2.8  按字符数和分隔符拆分列13

1.2.9  重命名列14

1.2.10  添加年、月等形式的日期列15

1.2.11  导入店铺资料及销售目标数据16

1.2.12  合并销售明细与销售目标17

1.2.13  禁用“启用加载”20

1.2.14  建立关系21

1.2.15  新建列22

1.2.16  新建度量值23

1.2.17  制作可视化报告：切片器26

1.2.18  制作可视化报告：卡片图28

1.2.19  制作可视化报告：条形图与柱形图29

1.2.20  制作可视化报告：环形图31

1.2.21  制作可视化报告：散点图32

1.2.22  制作可视化报告：表33

1.2.23  制作可视化报告：编辑交互34

1.2.24  制作可视化报告：典型自定义图表介绍36

1.3  总结37

1.4  延伸阅读：DAX函数索引38

第2篇  爬虫案例

第2章  抓取历史天气数据42

2.1  分析URL结构43

2.1.1  确定城市列表43

2.1.2  确定单月URL44

2.2  构建爬虫主体44

2.2.1  建立城市列表45

2.2.2  建立日期列表46

2.2.3  城市、日期参数引入URL50

2.3  制作可视化报告54

2.3.1  隐藏不需要的字段54

2.3.2  制作城市和月份切片器55

2.3.3  设置*高气温走势两年对比55

2.3.4  设置当月气温走势56

2.3.5  设置气温明细矩阵57

2.4  总结58

2.5  延伸阅读：常用的日期型M函数58

2.5.1  动态提取当前日期59

2.5.2  计算上月月底59

第3章  抓取豆瓣电影数据62

3.1  分析网页结构62

3.1.1  分析URL规律63

3.1.2  分析页面内容64

3.2  创建爬虫主体64

3.2.1  构建爬虫函数64

3.2.2  构建页码列表68

3.2.3  页码列表引入函数70

3.3  制作可视化报告72

3.3.1  区分排名和评分区间72

3.3.2  按列排序74

3.3.3  制作排名区间和评分区间切片器76

3.3.4  建立明细表76

3.4  总结77

第4章  抓取球鞋销售数据78

4.1  分析网页结构79

4.1.1  分析URL规律79

4.1.2  分析JSON数据内容80

4.2  创建爬虫主体82

4.2.1  构建爬虫函数82

4.2.2  构建页码列表85

4.2.3  页码列表引入函数86

4.3  制作可视化报告87

4.3.1  建立度量值87

4.3.2  制作品牌Logo式切片器88

4.3.3  建立关系89

4.3.4  制作品牌环形图90

4.3.5  制作类别折线和簇状柱形图90

4.3.6  建立单品Top10表格91

4.3.7  款式占比瀑布图92

4.4  总结93

第5章  抓取历年股票数据94

5.1  分析网页结构95

5.1.1  寻找真实URL95

5.1.2  分析URL结构97

5.2  数据导入及处理97

5.2.1  数据导入97

5.2.2  数据处理99

5.3  通过参数获取多公司任意时间段数据100

5.3.1  新建参数101

5.3.2  将参数引入URL102

5.3.3  创建函数103

5.3.4  新建需要查询的公司列表104

5.3.5  日期格式变更105

5.4.6  调用函数106

5.3.7  日期分组107

5.4  制作可视化报告110

5.5  总结112

第3篇  销售案例

第6章  销售目标分解116

6.1  制定销售系数表117

6.1.1  汇总销售数据117

6.1.2  构建销售系数119

6.1.3  新建销售系数表121

6.2  分解销售目标121

6.2.1  构建完整日期列表121

6.2.2  建立关系122

6.2.3  引入销售系数和当月销售总目标123

6.2.4  计算当月每天销售占比124

6.2.5  计算每天的销售目标124

6.3  总结125

6.4  延伸阅读：时间进度动态甘特图126

第7章  业绩达成分析128

7.1  创建日期表129

7.1.1  使用Excel文件创建日期表129

7.1.2  使用DAX函数创建日期表130

7.1.3  使用M函数创建日期表132

7.2  计算同比、环比、累计销售133

7.2.1  计算同比134

7.2.2  计算环比135

7.2.3  计算累计销售额136

7.3  制作可视化报告137

7.3.1  设置业绩完成率图表138

7.3.2  设置同比_YTD图表141

7.3.3  制作业绩走势图142

7.3.4  按色阶设置同比背景色143

7.3.5  按度量值设置环比和同比_YTD背景色144

7.4  总结145

7.5  延伸阅读：在PPT中展示Power BI动态图表145

7.5.1  Power BI Tiles插件安装146

7.5.2  Power BI Tiles插件使用146

7.5.3  Power BI Tiles细节调整147

第8章  会员RFM分析150

8.1  DAX函数构建RFM模型151

8.1.1  确定RFM值151

8.1.2  确定会员类型152

8.2  制作可视化报告155

8.2.1  设置会员占比图表155

8.2.2  设置会员数量图表155

8.2.3  设置会员业绩贡献度图表156

8.2.4  设置会员消费明细图表157

8.3  总结158

第9章  业绩杜邦分析法159

9.1  建立各指标度量值161

9.1.1  创建存放度量值的空表161

9.1.2  建立关系162

9.1.3  新建各指标度量值163

9.2  新建变量参数164

9.2.1  新建参数164

9.2.2  设置其他假设度量值166