商業智能數據分析：從零開始學Power BI和Tableau自助式BI ( 簡體 字) |
| 作者：雷元 | 類別：1. -> Office -> PowerBI
2. -> 程式設計 -> Tableau |
| 譯者： |
| 出版社：電子工業出版社 |  3dWoo書號： 51440
詢問書籍請說出此書號！【缺書】
NT售價： 350 元 |
| 出版日：7/1/2019 |
| 頁數：284 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787121362057 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：序言
第一次聽雷元（Benny）講他要寫一本關于Power BI和Tableau的技術書時，也是我們微軟全渠道事業部（One Commercial Partner，OCP）和其他技術團隊的一些同事們組成了一個虛擬團隊，與合作伙伴一道大力推進云數據（Cloud Data）、Power BI、人工智能（Artifical Intelligence）這三個重要數據技術綜合運用的時候。為了便于大家了解和掌握，這里就把它們簡稱為“ABC”，好聽好記。而在“ABC”三個技術中，Power BI的熱度應該是最高的，很多客戶和合作伙伴都非常熱切地想搭建自己的數字化業務儀表板，深入、實時洞察業務的發展，他們甚至考慮在業務大廳的大屏幕上展示，方便領導、業務團隊、客戶查看數據。直到今天，這個趨勢仍在呈井噴式增長，熱度持續高漲，非常期待這本書能夠給廣大技術和開發人員提供幫助。
另外，也不得不提到，在技術應用迅猛發展的背后，是云計算日益成熟、被廣泛接受的現實，我們看到越來越多的客戶，正把他們的業務系統、業務數據遷移到云端，通過云服務的方式提供給他們的最終用戶。當然，這也對云計算提出了更高的要求，能夠更高效、更安全、更開放、更全面地支持各種相關的應用。對于微軟提供的Azure云平臺，這些都是重中之重，需要優先保證的。在Azure云平臺上，除了Power BI，客戶也可以選擇和部署Tableau的服務器及解決方案，而本書非常全面地對Power BI和Tableau分別進行了詳細的介紹，也提供了相關的應用實踐和對比，對于要在云上部署Power BI和Tableau服務的讀者而言，應該是大有裨益的。另外，Power BI也是開放的，可以支持非常豐富而廣泛的數據源，包括不同廠商的數據庫、數據倉庫、大數據（Hadoop）等，這非常有利于用戶打造全面的業務數字化儀表板。
作者在這本書中深入淺出地提供了大量的實戰內容，通過結合豐富的項目案例將Power BI的特性以新穎的方式淋漓盡致地展現，獨樹一幟。在讀這本書時，你會深刻感受到作者在內容編排方面的良苦用心。相信你無論是初學者還是進階者，都會從中有所收獲。
技術只有在不斷實踐中，才能不斷豐富、不斷創新、不斷發展。在微軟有一種“狗（Dogfood）”文化，新的產品、工具被開發出來，內部員工要先測試使用，即吃“狗糧”。這既是搶先體驗新技術，也是為了發現其中的問題和待改進的方面，可以讓產品組更好、更早地改進產品和工具。對于Power BI這個成熟的產品，早就過了吃“狗糧”的階段，在實際工作中，我們已經廣泛使用Power BI。在市場和銷售業務分析會上，在產品組的開發和客戶分析會上，在和北京辦公室大樓的智能樓宇監控大屏上，在部門例會上等，Power BI都是大家非常熟悉也樂于使用的工具。
對我而言，我會在下午或夜晚空閑的時間里，泡上一杯烏龍茶，打開Power BI網站，靜靜地瀏覽一下個人列表里的那些項目，挨個“品嘗”儀表板上那些豐富多彩而又有趣的圖表。這不是“狗糧”，而是悠閑的“下午茶點”時光。
Nevin Dong（董乃文）
微軟全渠道事業部首席技術顧問
序二
如今，數據的重要性已無人不知。無論是《經濟學人》把數據比喻成新時代的石油，還是馬云經常提及的DT（Data Technology）時代，說的都是同一件事——數據將對我們的生活產生深刻的影響。這個影響是全方位的，這幾年我們看到，無論是企業層面還是個人層面，都在積極地適應這種變化。
對于個人層面，在這個數據化時代，我們是否也要認真思考一下這個問題：怎么樣才能在數據化時代中繼續扮演中堅力量的角色？我想這個答案是很明確的，那就是主動擁抱。數據分析思維和數據分析技能將成為未來職場人必須具備的職業素養。
對于企業層面，很多有前瞻性的企業都在推進數據分析文化的建設。以我從業十幾年的經驗來看，幾乎所有數據分析文化推廣得好的企業，都非常重視數據分析文化的建設。只有讓員工真正愛上數據分析，真正從數據分析中獲得價值，企業的數據資產才能真正被盤活，數據文化才能生根發芽。然而，我見過太多企業員工把數據分析當作負擔，覺得費時，投入產出比也低。究其原因，很大程度上是因為現有工具的學習成本高，或者由于太多環節需要IT技術的協助而使得溝通成本太大。幸運的是，得益于各種數據分析方法論的逐步完善和軟硬件技術的發展，以前很多只有IT行業或統計行業從業者才能完成的數據分析工作，現在也變得更加“平民化”。也就是說，數據分析對專業性的依賴已經逐步弱化，更懂業務的員工可以發揮業務上的優勢，產生更有價值的分析內容。2018年10月，Gartner在其發布的《2019年十大戰略性技術趨勢》中指出，到2020年，平民數據科學家數量的增長速度會比專家級數據科學家快5倍，正是對這一觀點的佐證。總之，如果沒有辦法實現企業內部的數據“平民化”，那么企業內的數據分析文化就難以普及。
而數據分析“平民化”正和Tableau的理念不謀而合。早在2003年Tableau誕生時，這家從斯坦福校園走出來的西雅圖公司就以“We help people see and understand data（幫助所有人看到并理解自己的數據）”為使命來開發產品。這里的“所有人”，不單包括專業的分析師，還包括缺乏統計背景或IT技術背景的“非專業”人士，Tableau希望他們能夠享受數據分析帶來的收益，甚至從中獲得樂趣！你沒有看錯，數據分析也可以很好玩！所以，我們看到許許多多的Tableau愛好者，他們除了把Tableau用在工作上面，回家以后也把Tableau用于分析自己的買房策略，分析下一個假期應該去哪里玩等，讓個人的決策更加理性。還有人將Tableau用于分析瀕危動物的出沒規律，以此制定保護措施；或者分析貧困地區對不同物資的依賴程度，以此作為資源調配的依據，他們用數據分析讓世界變得更美好。還有一些“數據藝術家”用Tableau進行“創作”，你可曾想象過，有人曾用Tableau把凡?高的《星空》畫出來？我經常被問到Tableau的最特別之處在哪里，如果只能有一個答案，那我的答案就是Tableau有大量的真愛粉絲。從Tableau社區回答問題的活躍程度，從Tableau的粉絲們對數據文化推廣的熱情程度，從Tableau Public上作品發布的踴躍程度（至今已有超過150萬個作品，是全球最大的BI社區），都可以看到這一點。2018年10月結束的“2018 Tableau
全球用戶大會”，更是吸引了17 000名Tableau用戶和合作伙伴參加。如果你知道這個會議的門票是1795美元一張，你會不會被Tableau粉絲的熱情所感動？這絕對是真愛啊！也正因為Tableau所具有的獨特魅力，讓很多人愛上了數據分析，而他們所在的企業，數據分析文化的推廣往往更加順利。
雷元（Benny）所在的公司就是在全球范圍使用Tableau非常成功的公司，雷元也是一個熱心的數據分析文化推廣者。他結合自己的項目心得寫的這本書，不同于一些功能性介紹的書籍，沒有故意繞開一些技術障礙，而是把項目中會遇到的問題點出來，并提供了自己的思路和解法。雖然這些解法可能并不唯一，但相信書中的內容肯定能給讀者帶來一些有益的思路。
同時祝愿大家走出適合自己或企業的數據分析“康莊大道”。
（本文僅代表個人意見，不代表Tableau公司觀點。）
Terence Zhang（張騰）
Tableau公司高級顧問
自序：寫給數據時代的讀者
如今，數據是第一生產力。無論是職場小白，還是高層管理者，每個人都可能會感受到這場數據變革所帶來的沖擊，每個人都在思考如何迎接數據時代的來臨。對于不愿主動順應時代的人，往往會被時代拋棄。在數據時代，我們需要主動敲開數據之門，自助式BI正是數據時代的敲門磚。
自助式BI并不是什么新鮮事物，時至今日，大多數人使用的自助式BI工具是Excel。在20年前，Excel的確是自助式BI工具中的利器。但是在今天，即使是再好的計算機及最新版本的Excel，也不足以應付海量級的數據增長。
慶幸的是，如今有了非常成熟的自助式BI工具可以彌補Excel的不足。此書的目的在于為讀者打開數據分析之門，這是你與數據分析，與Power BI和Tableau的緣分。Power BI和Tableau工具的精髓在于自助和探索兩方面，本書從自助和探索的角度分析數據，分享筆者使用Power BI和Tableau創建商務智能報表的歷程。
如果將數據價值比喻成財富（這種財富往往埋藏在冗雜數據的深處，不為人所知），那么Power BI和Tableau就像是強大的挖掘機，你將和筆者一道參與到學習使用挖掘機掘寶的有趣游戲中。但這并非說這是一本“輕松”的書，即使書中內容由淺入深展開，其過程也必然是一趟充滿挑戰的旅程。
如果你希望買到一本全面、深入介紹Power BI 和 Tableau功能且按套路出牌的教科書，那么很抱歉，本書也許不是最優選擇。全面鋪開的教科書，表面上看似乎涵蓋了豐富的知識點，然而其碎片化的結構，令讀者最終真正掌握的實用知識甚少。除工具知識外，書中內容還涵蓋一系列關于數據分析的方法論與思想，相當于用一條線將散落的珍珠串成一條美麗的項鏈。
君子不器，縱使Power BI 和 Tableau是數據挖掘的利器，但最終的商業價值是由挖掘者的智慧所決定的。本書教你如何像商業分析師一樣思考，并能設計出最終成型的作品。所謂知其然，更知其所以然也。報表設計沒有正確的答案，呈現出不同結果都來自于商業分析師們的智慧與獨特的創造力。這就是自助式BI的精華之處。當你合上本書的那一刻，希望你掌握了數據分析與收集、建模、評估和部署商業分析的
全過程，并使用BI工具將商業智能報表成型落地。學習自助式BI絕不僅僅是學習一種技能，
而更是一種思維模式。至于為何要將Power BI 和 Tableau的學習過程編寫為一本書？ 筆者在了解、欣賞、使用Power BI 和 Tableau的過程中，漸漸癡迷于二者的魅力，這是筆者與Power BI和Tableau結下的緣分。身邊的很多分析師總在討論工具間的區別與孰優孰劣。縱然網上已有許多參考
資料解答此問題，但是筆者總覺得那些評論沒有完全到位。實踐是檢驗真理的唯一標準，既然如此，何不通過實在的商業案例讓二者真刀真槍地“華山論劍”呢？自助者天助也，希望讀者通過此書的知識，加上個人的天賦與努力，創建商業智能報表。你的時間十分寶貴，讓我們去完成一個充滿智力快感的游戲吧！衷心祝你學得用心，玩得開心。愿此書為你的數據時代加持。Capre Diem！
作 者 |
內容簡介：本書以實際業務為背景，介紹市面上最流行的兩種自助型商業分析工具—— Power BI 和 Tableau的功能和特色。全書主要內容包括基本的商業數據分析基礎、BI基礎知識、數據庫的搭建、數據建模、發布 Power BI 和 Tableau報表，并重點介紹智能商業分析工具Power BI 和 Tableau。同時通過使用兩種工具所做的商業分析案例，讓讀者快速掌握商業數據分析的基本要領。 |
目錄：第1章 商業智能的基礎知識 / 2
1.1 什么是商業智能 / 2
1.2 從零開始學習商業智能知識 / 4
1.2.1 第一階段：積累基礎知識 / 4
1.2.2 第二階段：從小處著手，改變現狀 / 4
1.2.3 第三階段：堅持不懈，持之以恒地提升自我 / 5
1.2.4 第四階段：充分發揮你的實力 / 5
1.3 數據挖掘流程CRISP-DM / 6
1.3.1 第一階段：商業理解 / 6
1.3.2 第二階段：數據理解 / 6
1.3.3 第三階段：數據準備 / 7
1.3.4 第四階段：建立模型 / 7
1.3.5 第五階段：模型評估 / 8
1.3.6 第六階段：結果部署 / 8
1.4 商業智能的成熟度 / 8
1.5 商業智能基礎術語 / 11
1.5.1 數據庫概念 / 11
1.5.2 數據表關系 / 13
1.5.3 數據庫瀏覽 / 16
1.5.4 BI工具 / 17
1.6 數據源：Adventure Works數據庫簡介 / 18
XII 1.7 安裝SQL產品及數據庫指南 / 21
第2章 商業智能視覺呈現理論 / 25
2.1 視覺構圖的基本理念 / 25
2.1.1 視覺構圖元素 / 25
2.1.2 視覺構圖原則 / 27
2.1.3 視覺草圖工具 / 29
2.2 視覺圖形的基本介紹 / 30
2.2.1 圖表分類 / 31
2.2.2 圖表的功能 / 34
Power BI和Tableau建模篇
第3章 Power BI建模基礎 / 36
3.1 工具安裝：Power BI Desktop / 36
3.1.1 Power BI的版本、許可介紹 / 36
3.1.2 Power BI Desktop界面簡介 / 38
3.2 數據準備：獲取SQL或Excel數據源 / 39
3.2.1 獲取SQL數據源 / 39
3.2.2 獲取Excel數據源 / 42
3.3 數據準備：優化數據模型 / 43
3.3.1 集中放置度量 / 43
3.3.2 重命名字段 / 44
3.3.3 刪除冗余列 / 44
3.3.4 篩選表行 / 45
3.3.5 調整字段屬性 / 45
3.3.6 創建層級 / 46
3.4 數據建模：建立表關聯 / 47
3.4.1 SQL表關聯 / 47
3.4.2 Excel表關聯 / 51
3.5 數據建模：創建度量 / 54
3.6 數據建模：創建進階度量 / 56 3.7 數據建模：DAX基礎知識 / 59
3.7.1 DAX的重要概念 / 59
3.7.2 DAX函數簡介 / 61
第4章 Power BI建模進階 / 70
4.1 銷售分析——創建銷售趨勢報表頁 / 70
4.1.1 創建銷售度量 / 70
4.1.2 創建銷售趨勢圖 / 72
4.1.3 創建銷售地圖 / 73
4.1.4 創建產品類別占比與銷售渠道占比餅圖 / 74
4.1.5 創建同比、環比卡片圖 / 76
4.2 銷售分析——增加銷售渠道維度、優化地理表 / 78
4.2.1 增加銷售渠道維度 / 78
4.2.2 優化地理表信息 / 82
4.3 產品銷售分析 / 84
4.3.1 創建產品度量與草圖 / 85
4.3.2 創建簇狀條形圖 / 86
4.3.3 創建銷售利潤率箱形圖 / 87
4.3.4 創建產品分布散點圖 / 88
4.3.5 創建層級篩選器 / 90
4.4 客戶分析 / 92
4.4.1 創建客戶度量和草圖 / 92
4.4.2 創建客戶消費排名 / 94
4.4.3 計算客戶滲透率 / 95
4.4.4 創建客戶消費TreeViz圖 / 97
4.5 銷售業績分析 / 98
4.5.1 查詢、編輯銷售任務元數據 / 99
4.5.2 創建折線和簇狀柱形圖 / 102
4.5.3 理解隱性上下文轉換 / 103
4.5.4 創建銷售人員排名表 / 105
4.5.5 創建銷售利潤貢獻率瀑布圖 / 106
4.5.6 創建排名彩虹圖 / 107
4.5.7 創建KPI儀表板 / 107
4.6 ABC分析 / 108
4.6.1 用EARLIER函數創建ABC分類 / 109
4.6.2 創建ABC分類矩陣圖 / 111
4.6.3 創建Top銷售金額排名樹狀圖 / 111
4.6.4 創建銷售利潤率漏斗圖 / 113
4.6.5 創建銷售金額分布光圈圖 / 113
4.6.6 創建ABC分類產品數 / 114
4.7 銷售預測分析 / 115
4.7.1 方法一： Power BI 自帶回歸預測分析 / 115
4.7.2 方法二： 用戶自定回歸分析 / 117
4.8 財務報表分析 / 121
4.8.1 用DAX建立層級財務賬目 / 122
4.8.2 修正賬目表元數據 / 126
4.8.3 財務表賬目的同比、等比分析 / 129
4.9 鉆取明細數據 / 131
4.9.1 報表鉆取設置 / 131
4.9.2 書簽功能 / 133
第5章 發布Power BI報表 / 135
5.1 Power BI Online菜單介紹與發布工作簿 / 135
5.1.1 Power BI Online菜單介紹 / 135
5.1.2 發布報表內容 / 137
5.1.3 內容類型簡介 / 139
5.1.4 Power BI Desktop讀取Power BI Online數據源 / 140
5.2 Power BI Online的特色功能介紹 / 141
5.2.1 自然語言查詢 / 141
5.2.2 快速見解 / 143
5.2.3 創建儀表板 / 143
5.3 共享儀表板和OneDrive數據源 / 145
5.3.1 共享儀表板 / 145
5.3.2 分享數據源 / 147
5.3.3 Power BI Mobile / 149
5.4 數據刷新設置 / 151
第6章 Tableau建模基礎 / 153
6.1 工具安裝：Tableau Desktop / 153
6.1.1 Tableau Desktop 界面簡介 / 154
6.1.2 Tableau Prep 界面簡介 / 155
6.2 數據準備：Tableau Prep / 156
6.3 數據建模：聯合事實表 / 162
6.4 數據建模：聯接多數據源 / 164
6.4.1 左側聯接 / 164
6.4.2 1表多次添加 / 165
6.4.3 手動調整聯接字段 / 167
6.4.4 保存文件類型和連接 / 169
6.5 數據準備：優化數據模型 / 170
6.5.1 創建銷售渠道維度 / 170
6.5.2 字段隱藏、名稱改動、層級創建 / 171
6.5.3 創建文件夾 / 172
6.6 數據建模：創建基礎公式 / 173
6.7 數據建模：創建進階公式 / 178
6.7.1 Tableau的判斷函數 / 178
6.7.2 Tableau的表函數 / 180
6.7.3 LOD公式 / 181
6.7.4 Tableau 篩選順序 / 185
第7章 Tableau建模進階 / 188
7.1 銷售分析 / 188
7.1.1 創建銷售趨勢柱形圖（A1） / 188
7.1.2 創建銷售金額與銷售利潤雙軸圖（A1） / 189
7.1.3 創建銷售環比、同比表（A2） / 190
7.1.4 創建線上/線下銷售金額占比、產品類銷售金額占比餅圖（A3、A4） / 190
7.1.5 創建銷售地圖（A5） / 191
7.2 銷售分析：創建儀表板 / 193
7.2.1 儀表板篩選器設置 / 193
7.2.2 圖表位置空間調整 / 194
7.2.3 字體格式調整 / 194
7.2.4 數字格式調整 / 194
7.2.5 動態標題 / 195
7.2.6 設置圖表為篩選器 / 195
7.2.7 添加篩選器 / 196
7.2.8 調整篩選器樣式 / 197
7.2.9 設置浮動圖例 / 197
7.2.10 下鉆銷售趨勢 / 198
7.3 銷售分析——完善地圖 / 198
7.3.1 添加州地圖及LOD計算字段 / 198
7.3.2 設置地圖篩選器 / 200
7.3.3 制作VIZ in Tooltip / 202
7.4 產品銷售分析 / 204
7.4.1 創建產品訂單數量趨勢圖（B1） / 204
7.4.2 創建產品銷售數量散點圖（B2） / 205
7.5 客戶分析 / 209
7.5.1 創建統計排名（C1） / 209
7.5.2 控制排序內容 / 210
7.5.3 創建顯示排名參數 / 212
7.5.4 計算客戶滲透率 / 213
7.6 銷售業績分析 / 218
7.6.1 運用數據混合模式 / 218
7.6.2 計算銷售任務達成率 / 219
7.6.3 創建銷售排名表 / 222
7.6.4 員工銷售金額和利潤貢獻率 / 227
7.7 ABC分析 / 230
7.7.1 計算產品銷售累加和占比 / 230
7.7.2 創建帕累托圖 / 232
7.7.3 用帕累托圖驗證“二八法則” / 233
7.7.4 色階與詞云應用 / 235
7.8 銷售預測分析 / 237
7.8.1 預測方法一：Tableau自帶回歸預測分析 / 238
7.8.2 預測方法二： 定制化分析 / 241
7.9 財務報表分析 / 245
7.9.1 創建財務明細條行圖 / 245
7.9.2 子類賬目的合計百分比 / 248
7.9.3 創建財務報表趨勢區域圖 / 249
7.9.4 設置突出顯示效果 / 251
7.10 鉆取銷售記錄明細 / 253
7.10.1 創建篩選器菜單 / 253
7.10.2 快速填充空白重復區 / 255
第8章 發布Tableau報表 / 260
8.1 Tableau Online簡介與發布工作簿 / 260
8.1.1 Tableau Online簡介與注冊方法 / 260
8.1.2 發布工作簿 / 262
8.2 發布數據源 / 264
8.2.1 Tableau Bridge客戶端簡介 / 264
8.2.2 發布共享數據源 / 265
8.2.3 替換數據源 / 268
8.3 Tableau Online服務功能 / 269
8.3.1 Tableau 項目菜單 / 269
8.3.2 Tableau視圖菜單 / 273
8.3.3 Tableau移動端視圖 / 274
企業級應用篇
第9章 IT與商業的新型合作模式 / 277
9.1 IT與業務共同管理 / 277
9.2 創建SSAS項目 / 279
9.3 搭建SSAS數據模型 / 282
9.3.1 創建關聯 / 282
9.3.2 創建度量 / 284
9.3.3 建立動態表 / 286
9.3.4 創建層級 / 286
9.3.5 部署數據模型 / 287
9.4 SSAS模式中的Power BI和Tableau應用 / 287
9.4.1 創建Power BI應用 / 287
9.4.2 創建Tableau應用 / 289
9.4.3 SSAS模式自動處理模型 / 291
9.4.4 Power BI網關的設置 / 295
9.5 未來SSBI之展望 / 295
后記 / 298 |
| 序： |
