数据可视化：手把手打造BI

本文是 如何七周成为数据分析师 的第六篇教程，如果想要了解写作初衷，可以先行阅读七周指南。温馨提示：如果您已经熟悉BI，大可不必再看这篇文章，或只挑选部分。

我们上一篇数据可视化：教你打造升职加薪的报表教大家如何制作清晰美观的报表以及相应技巧，但是报表是结果的呈现，并不是数据分析的过程。

数据分析师更多用到的报表是BI。

BI全称商业智能（Business Intelligence），在传统企业中，它是一套完整的解决方案。将企业的数据有效整合，快速制作出报表以作出决策。涉及数据仓库，ETL，OLAP，权限控制等模块。

今天的学习我们只着重于数据分析过程，使用Power BI打造数据分析师Dashboard报表。为了更好的学习和实践，我们依旧会使用数据分析：手把手教你Excel实战的数据进行操作。这是做出的简单作品。

如果你还没有数据，请在会话页发送关键词「练习数据」获取下载地址。

Power BI在微软官网有下载（注不注册无所谓的），只需要下载Desktop桌面操作版，大小约120MB。暂时只推出Win版本。

大家如果在下载过程中出现CAB文件损坏错误，大概是某软哪方面又出错了，可以换浏览器下载，也可以下载中文繁体版。反正我是一直报错。

为了方便大家偷懒，可以在会话页发送关键词「BI下载」获取官网下载地址。

什么是Power BI

BI工具主要有两种用途。一种是利用BI制作自动化报表，数据类工作每天都会接触大量数据，并且需要整理汇总，这是一块很大的工作量。这部分工作可以交给BI自动化完成，从数据规整、建模到下载。

另外一种是使用其可视化功能进行分析，BI的优点在于它提供比Excel更丰富的可视化功能，操作简单上手，而且美观，如果大家每天作图需要两小时，BI会缩短一半时间。

BI作为企业级应用，可以通过它连接公司数据库，实现企业级报表的制作。这块涉及数据架构，就不深入讲了。

Power BI是微软家的。如果大家熟悉Excel，应该会知道微软推出的Power Query、Power Pivot、Power View和Power Map，是Excel上非常强大的四个插件。Power BI则是微软将它们作为集合推出。

Power Query是用于数据提取、整合、搜索的插件。它偏向数据模型的建立，而不是单元格的使用。

Power Pivot是数据透视表的高级应用，使用DAX能进行大量的科学计算。性能方面，比Excel函数要快两个量级，百万级的处理不成问题。

Power View是图表的高级应用，实现了过滤、联动、拖拽等功能。

Power Map是可视化地图。

如果大家熟练掌握以上四个插件，那么在Excel上也能实现部分BI。毕竟Excel是企业中人手一款的工具，和BI相比有轻量级的好处，虽然数据分析师需要掌握的工具更多。

BI的步骤

市面上有很多丰富的BI工具，Tableau，QlikView，BDP等，各有侧重，也各有价格。但是操作过程都是相似的，大体分为五个步骤：数据源读取、数据清洗、数据关联、图表制作、Dashboard整合。熟悉了其中一个，再学会另外的就不难。

因为我工作用的BI是私有化部署到服务器，直接连接生产环境的，演示不方便。所以才用Power BI演示，实际我也说不上熟练。

数据源读取

我们打开Power BI，它会让我们登录，不用管它。

界面和Office软件比较接近。上面是操作工具项，左侧栏是导航栏。

Power BI 的左侧导航栏对应三个模块：仪表板、报表和数据集。仪表板或报表需要数据才能操作，我们先读取数据集。

点击工具栏的取得资料（奇怪的翻译）。

Power BI支持各类丰富数据源（市面上绝大部分BI都支持，只是读取方式略有差异），除了Excel和CSV 文件，它还支持Acess、SQL数据库、Hadoop／HDFS、Spark、第三方API等。

这是新手教程，连接CSV即可，选择载入练习数据DataAnalyst。

这里可以针对数据编辑，先略过，选择载入。

自动跳转到数据报表页，数据报表（Report）是数据规整和清洗过程。

大家还记得实战篇中演示的数据清洗吗？之前我们体验了一遍Excel函数清洗的过程。这次需要用BI再进行一遍清洗。数据清洗是分析师最蛋疼且耗时持久的工作，没有之一。

数据清洗

Power BI有一个高级功能叫DAX（Data Analysis Expressions），它是整个 Power BI 使用的公式语言。

DAX近似Excel函数（大多数第三方BI，函数均接近Excel），故它针对新手非常友好。如果大家已经熟悉Excel函数，上手速度会很快。基本上函数名字都一样，如果不熟悉，可以查阅官网提供的文档。

我们先清洗报表中的薪水salery，和实战篇过程一样，需要将其拆分成两个新列，并且计算平均值。

（编辑：ASP站长网）