PowerBI（上）

醉卧考场君莫笑2026-01-09 9:54

文章目录

前言

  • 明确BI相关的概念
  • 熟悉Power BI的基础操作
  • 可以熟练掌握Power BI三大功能模块的用法
  • 可以简单实现图表的可视化

一、BI概述

1.1 BI案例---电商可视化大屏

1.2 BI案例---某地旅游可视化大屏

1.3 BI案例---新媒体可视化大屏

1.2什么是BI

  • 商业智能（ Business Intelligence ，简称：BI ），简单来说是将数据转化为有用的信息，最终帮助企业做出决策的技术和方法的集合。大部分人对它的认知就是数据可视化，但对企业来说BI是一整套解决方案。
  • 可视化（Visualization），是将数据转换成图形或图像显示出来，从而清晰、有效的传达信息。

1.3常用的BI软件

1.4数据分析和BI之间的关系

  • BI是数据分析当中的一种吗？
  • 如何定义二者之间的关系？
  • BI工具又是怎样的一种存在？
  • 很多人把BI和数据分析混为一谈，很少有人知道二者的区别和联系，甚至更少人可以讲清楚。

1.5商业智能BI≠数据分析

  • 数据分析是一个抽象的工作，是一个动态逻辑解释、判断的过程，是解决方式，对象常常是某个问题，它侧重于"发生了什么"，也就是问题背后的原因；
  • BI实现的是业务分析和解决方案，对象往往是企业的经营情况，侧重于"接下来怎么办"，是基于数据分析结果，为了把业务情况看得更清楚，以便设计具体解决方案，帮公司解决实际问题；
  • BI工具只是可以实现分析的基础工具，而不是一个完整的分析体系，更多做的还是报表工作，大幅提高了企业报表人员的工作效率，所以逐渐成为了企业刚需的数据处理及可视化呈现工具，将分析结果呈现出来，让业务人员快速理解并采取行动；
  • 可以简单理解为数据分析和BI是两种模式，并且工作内容重合度很高，但实现目的和方法不同。

二、BI流程

2.1 BI通用流程

三、认识Power BI

3.1为什么要学习 Power BI ？

  1. 江湖地位高，主流BI工具之一（PowerBI与Excel高度融合,更适合大众学习）
  2. 进大厂必备
  3. 核心优势明显
  • 简单易用
  • 可连接多种数据源
  • 轻松实现数据融合
  • 实现数据实时更新
  • 实现在线共享协作(需要企业邮箱注册账号)

3.2下载和安装Power BI

3.3 Power BI简介

  • 自助式BI（Self-Service Business Intelligence）：允许用户（通常是业务分析师或部门经理）独立于IT部门自行探索、分析和可视化数据。有关工具的设计理念在于"易用性"，使得没有深厚技术背景的用户也能轻松地创建报表、生成图表、进行数据挖掘和分析，从而快速获取有价值的信息，支持企业的决策。
  • Microsoft Power BI 是微软2015年推出的自助式BI工具。可以理解为Excel数据分析的集成版。

3.4版本区分：

  • Power BI Desktop（桌面版），免费，个人学习完全够用，也是企业当中最普遍的选择；
  • Power BI Pro：云端版本，可以将报表上传至云端，共享给团队；
  • Power BI Premium：比Pro更高级的版本，适合较大规模企业使用。

3.5四大功能模块：

  • Power Query：用于数据获取和处理；
  • Power Pivot：用于数据建模和计算；
  • Power View：用于数据可视化；
  • Power Map：用于地理空间数据分析。

3.6 Power BI页面构成

3.7 Power Query------数据处理

  1. 在Power Query编辑器中，用户可以做多种数据处理；
  2. 执行的每一个步骤都被记录下来，可以随时删除，但是需要注意逻辑连贯性。
  3. 源数据发生变动只需要刷新就可以自动执行所有处理步骤。

3.8 Power Pivot------数据建模

  • PowerPivot是一种数据建模技术，用于创建数据模型，建立关系，以及创建计算。 可使用 PowerPivot 处理大型数据集，构建广泛的关系，以及创建复杂（或简单）的计算，这些操作全部在高性能环境内执行。

3.9 Power View------数据可视化

  • Power View 是一种数据可视化技术，用于创建交互式图表图形和其他视觉效果，以便直观呈现数据。在 Power View中，可以快速创建各种可视化效果，从表格和矩阵到饼图、条形图和气泡图，以及多个图表的集合。

3.10 Power Map------地理位置数据

Power Map常用于地理数据可视化分析、市场分析、人口统计、物流规划等领

域，帮助用户快速发现地理数据中的规律和趋势

3.11 Power BI重要特性

3.12 Power BI通用流程

  1. 通过Power BIDesktop桌面应用程序进行数据处理、可视化展示和报表设计-数据分析师
  2. 将Desktop设计的内容发布到Power BI服务进行存储和共享-数据分析师
  3. 通过Power BI Mobile或者Power BI服务使用这些内容-业务方和协作方

四、Power Query

4.1 Power Query数据处理

  • 【项目背景】
    这是一家奶茶连锁企业，他们在全国有多家直营店，每一天都有大量的用户在小程序中下单，企业想要制作一份数据分析报表，用以及时了解企业的经营情况。
  • 【数据源介绍】
    企业为我们提供的数据源包括2023年和2024年的销售明细、用户基础信息表、门店基础信息表、产品基础信息表和2024月度目标。
  • 【项目目的】
    数据驱动业务增长，进行业务监控、业绩跟进和策略制定。
  • 【项目呈现】
    Power BI 制作业绩概览看板，用户画像看板，产品分析看板。

4.2 数据表结构

4.3 数据准备

4.4 数据处理

  1. 查看数据质量
  • 操作步骤
    1、加载数据
    2、进入Query 编辑器
    3、查看产品表数据质量
  • 视图-列质量-列分发-列配置文件

4.5练习

1、查看门店表数据质量

2、查看销售表数据质量

3、查看用户表数据质量

4.6 表头修改

  • 操作
  • 对用户表的user_id 修改为"用户ID"(右键-重命名，或者双击表头）
  • 将reg_time修改为"注册时间"（转换-重命名）

4.7 练习

将age修改为"年龄"

将sex修改为"性别"

将height修改为"身高"

将weight(kg)修改为"体重"

4.8 数据格式转换

• 操作

将用户ID 由数字转为文本

将性别由数字转为文本

4.9 练习

将产品表中的产品分类ID转为文本

将产品表产品ID转为文本

对门店表中的店铺ID转为文本

4.10文本处理------尽量不修改原始数据，重复列之后在新列上操作

  • 操作
  • 对产品表的产品名称进行提取（重复列-转换-拆分列）
  • 对用户表的性别进行替换，1替换为男（主页-替换值，或选中列右键-替换值）

4.11练习

对用户表的性别进行替换，2替换为女

对用户表的注册时间中的注册时间UTC替换为空

4.12缺失|错误值处理

  • 操作
    对用户表体重缺失数据依据性别和身高排序后填充（转换-任意列-填充）


4.13日期修改

• 操作

把用户表注册日期列改为"日期/时间"类型

注册日期提取出年月日（添加列-日期）


4.14数据统计

  • 操作
  • 统计每年注册的用户数
  • 统计男、女生的年龄均值、最大值、最小值(分组）
  • 统计各年龄段的用户数

4.15数据整合（主页-追加查询）

  • 操作
    将销售明细2023和销售明细2024年合并为一个新表，重命名为销售明细


4.16案例1:数据处理

  • 对第8步整合以后的销售明细表检查表头名称、字段类型（ID类型
    建议全部改成文本）
  • 提取订单年月
  • 按年份统计行数
  • 关闭且应用

五、Power Pivot

5.1查看表之间字段的关系（1对1、1对多、多对多），也可创建/删除关系

5.2在此视图中可以创建/修改/删除字段关系

  • 在此视图中可以创建/修改/删除字段关系（连接线），鼠标悬停会显示现有字段关系，虚线代表创建关系没有成功，一定要保证实线。


5.3 4大计算

  1. 销售明细汇总表字段补充

  • 在销售明细表中，通过RELATD函数补充单价，并计算金额。

  • RELATED(字段名)：多端找一端(事实表找维度表,数据表找基础表)，该

    函数的使用，需要建立在数据模型建立好的基础上

  • 单价 = RELATED('产品表'[单价])

  1. 销售明细汇总表字段补充
    在销售明细表中，通过日期函数函数补充年、月、日、星期
    year(日期) 、month(日期) 、 day(日期) 、 weekday(日期，return_type)
  • 年 = YEAR('销售明细'[订单日期])
  • 月 = MONTH('销售明细'[订单日期])
  • 天 = DAY('销售明细'[订单日期])
  • 星期 = WEEKDAY('销售明细'[订单日期],2)
  1. 销售明细汇总表字段补充

  • 在销售明细表中，计算销售金额：

  • 销售金额 = '销售明细'[单价]*'销售明细'[数量]

  • 根据以上操作，对销售明细汇总表补充以下字段

    店铺名称 省份 大区

    产品名称 产品分类名称

六、Power View

6.1 Power BI通用可视化步骤

  1. 决定要展示的图表样式；
  2. 点击可视化对象（具体图表）；
  3. 拖拽数据字段；
  4. 检查数据展示结果是否正确；
  5. 可视化视觉对象优化；
  6. 点击画布空白区域再选择下一个图表，循环执行2-5步
  7. 排版布局；

6.2 Power View可视化对象生成

  1. 选择可视化当中的一个图表，画布区自动生成一个对象；
  2. 拖拽字段放到x轴或y轴；
  3. 可视化效果优化；

6.3 Power View可视化对象效果优化

  • 原则：颜色可取，关键信息展示清楚，根
    据个人审美和理解自由发挥
  • 分别选择视觉对象和常规进行调整
    每一项都可以打开单独优化
  • 常见优化方面：
    标题：图表标题、轴标题、单位、字体大小颜
    色
  • 数据标签：显示位置、单位
  • 图表元素：列颜色、边框、透明度、应用范围

6.4 3大交互

6.4.1 下钻上钻

  • 需要建立层级关系以后才可以实现该功能，层级关系一般分为两
    种，
  • 一种为自然生成的，如日期可以自动生成年、季度、月份、日；
  • 一种为手动常见，需要将具有层级关系意义的两个字段同时拖入，创建层级关系。

6.4.2 切片器

  • 切片器在可视化工具中，展示方式可以多样，如下所示。

6.4.3 图表间

  • 图表之间的交互天然存在，可以手动取消，路径如下:
  • 选中一个图表-格式-编辑交互-在其他图里点击右上角出现的圆形图标，可以取消交互。

6.5 3大筛选器

3大筛选器的作用

  • 视觉对象的筛选器，仅对单个图起作用；
  • 此页上的筛选器，对单个页面上的图起作用；
  • 所有页面的筛选器，对所有页面上的图起作用。

七、总结

  • BI概述、BI流程
  • Power BI介绍
  • Power query数据处理
  1. 添加列
  2. 数据筛选、保留、删除和去重
  3. 确实|错误值处理
  4. 文本处理
  5. 日期时间处理
  6. 数据整合
  7. 查看数据统计信息和数据异常
  • Power Pivot建模
  1. 四大计算
  • Power View可视化
  1. 3大交互
  2. 3大筛选
相关推荐
沐墨染18 小时前
大型数据分析组件前端实践：多维度检索与实时交互设计
前端·elementui·数据挖掘·数据分析·vue·交互
pingao1413781 天前
物联网赋能供暖：插座式室温采集器，数据驱动高效管理
物联网·信息可视化
Zoey的笔记本1 天前
金融行业数据可视化平台：破解数据割裂与决策迟滞的系统性方案
大数据·信息可视化·数据分析
毕设源码-朱学姐1 天前
【开题答辩全过程】以 基于Python语言的疫情数据可视化系统为例，包含答辩的问题和答案
开发语言·python·信息可视化
轩哥Up1 天前
《PowerBI建模权威指南》全书思维导图
powerbi·多维建模
佛祖让我来巡山1 天前
Numpy
机器学习·数据分析·numpy·矢量运算
CS创新实验室2 天前
正态分布的深入学习：从数学发现到自然法则的演变
学习·数据挖掘·数据分析·统计学·正态分布
dear_bi_MyOnly2 天前
数据分析常用操作汇总
大数据·python·数据挖掘·数据分析·学习方法
热门推荐
01GitHub 镜像站点02安娜的档案(Anna’s Archive) 镜像网站/国内最新可访问入口（持续更新）03Linux下V2Ray安装配置指南04Labelme从安装到标注：零基础完整指南05jdk21下载、安装（Windows、Linux、macOS）06【踩坑笔记】50系显卡适配的 PyTorch 安装07手把手教你通过Gemini3 pro 学生认证，白用一年，手慢无！08Opencode CLI 安装成功,但是启动失败09GitLab 零基础入门指南：从安装到项目管理全流程10Claude Code Plan 模式完全指南：从入门到精通