34招精通商业智能数据分析：Power BI和Tableau进阶实战

如果将数据的价值比喻成财富（这种财富往往被埋藏在冗杂的数据的深处，不为人所知），那么Power BI 和Tableau 就像是强大的挖掘机。本书将为你打开商业数据分析之门，你将和笔者一道参与使用挖掘机掘宝的有趣游戏。本书介绍了商业数据分析中常用的34 种方法，包括趋势分析、排名分析、分类分析、差异分析、分布分析、占比分析、相关性分析，及其在Power BI 和Tableau 中的实现。其中不仅涉及PowerBI和Tableau 的工具特色及对比，还涉及数据分析的方法与思想，相当于用一条线将散落的珍珠串成一条美丽的项链。君子不器，纵使Power BI 和Tableau 是商业数据分析的利器，最终的商业价值也是由挖掘者的智慧所决定的。本书教你如何像商业分析师一样思考，挖掘商业数据背后的价值。本书适合数据分析初学者、需要了解Power BI 或者Tableau 工具的读者阅读，也可作为商业数据分析师的参考用书。

雷元：微软BI认证专家、微软认证讲师；曾任职于多家IT企业，如微软、惠普、希捷。在玛氏公司从事数据分析工作已经6年，熟悉Power BI与Tableau敏捷BI的应用，负责公司用户培训服务，热心于BI知识创作与传播。

通过本书，你将学会34种商业智能数据分析方法，68种实现方法

轻松成为商业智能数据分析高手！

　　前言：写给“滚雪球”前的你
　　学习就是“滚雪球”
　　

巴菲特有一个非常著名的“滚雪球”理论，大意为：投资其实就是挖一条足够深的坑道，把自己的“雪球”（资金）坚持不懈地朝着有价值的方向滚动，你所拥有的财富就会越来越多。
　　

在作者看来，财富的外在价值只是其内在价值的一种外延，“滚雪球”理论是一种投资理念，也是一种人生哲学。将之拓展到学习上，只要保持耐心与信心，任何人在任何学科的研究中都能滚出体积惊人的“雪球”。
　　

作者认为数据分析这门学科是一条足够长的坑道。你最终的成就取决于你打算为自己挖多深的坑道，打算在坑道里滚动多久。本书并不是一本“10天帮你搞定Power BI”或是“快速成为Tableau专家”的书。说实话，本书内容都是作者的一些工作经验总结，不能保证每一位读者都能快速成为商业智能数据分析高手。但是，作者希望每一位读者通过本书都能有所收获。
　

商业智能数据分析利器：Power BI和Tableau
　

爱因斯坦说过：“凡事应力求简单，但不可过于简单”。作者见过许多人将 Power BI认作Excel的升级版，认为它没有什么复杂的。其实这只看到了硬币的一面。 Power BI中的计算列的确与Excel公式几乎完全相通。但Power BI中的DAX语言远比Excel公式简洁，如何用优美的DAX语言搭建出完备的数据模型逻辑才是Power BI学习的重中之重。作者见过不少Power BI模型，从表面上看，其可视化效果尚能一看，但细看其内部模型，都是密密麻麻的嵌套计算列。一旦模型内部的公式的规模达到一定程度，让计算机性能崩溃是预料之中的事情。这样的Power BI模型徒有其表。仅是单纯地用Excel思维去揣度Power BI，会忽视了DAX的“灵气”。
　　

诚然，学习Power BI和Tableau之路不会是一马平川的，为此你必将付出一定的努力和时间。但讲究学习套路和效率，仍能为你节省下宝贵时间。好的教材会让不平坦的学习坑道变得“既宽且深”。所谓的“宽”和“深”特指系统、全面地掌握数据分析情景的广度和学习知识时超越平均水平的深度。恰当的“宽”和“深”能够让你享受数据分析所带来的畅快淋漓。对作者来说，这种感觉妙不可言。
　　

为此，作者总结了不同类别的商业数据分析模板及其背后的思维逻辑，并展示该模板和逻辑下的最佳实践内容，为你在实战中提供“模板化”的公式及思维。你可以将模板“嵌套”到自己的分析场景中“加速”（不是快速）解决各种形形色色的商业数据分析要求，迅速升级你的“数据分析武器库”中的装备，成为“招之即来，来之能战，战之能胜”的商业数据分析“战狼”。
　　

本书内容
　　

本书的架构围绕三个关键词展开：传道、授业、解惑。
　　

第1章传道：主要是从高层次的角度分析自助式BI崛起的原因，以及Power BI和Tableau各自的一些特点及对比。
　　

第2章授业：主要介绍二者的理论知识，虽然本书的核心内容为商业数据分析实战，但在正式开始介绍案例之前，非常有必要花一些时间梳理本书案例中涉及的工具的理论知识。当然，如果你想详细学习Power BI或Tableau的基础知识，可阅读作者的第一本书《商业智能数据分析：从零开始学Power BI与Tableau自助式BI》。
　　

第3

～10章解惑：主要围绕不同的主题，介绍具体的商业数据分析案例。内容涉及案例的分析场景、分析目的、实现思路、具体的实现方式，以及其中的疑难点与分析总结。
　　最后衷心希望此书的知识能让你学得开心、用得愉快。欢迎你和书中的彼得（作者）一起“入坑”，滚动商业智能数据分析的“雪球”。Carpe diem（抓住机遇）！
　　作 者
　　

序一
　　承蒙雷元抬爱，通过朋友找到我，让我为他的大作写一篇序。对此我诚惶诚恐，因为我已经很久不专注在技术上，对于本书提到的专业点，尤其是Tableau，我知之不多。不过谈到自助型商业智能，这是我们一直以来所倡导和推进的。对此，我或者可以抛砖引玉一下。
　　

2019年8月29日，在上海举行的WAIC2019世界人工智能大会以“智联世界无限可能”为主题，向业界展示了当今人工智能的进展和对未来的展望。对此，虽然绝大部分人和公司都在热烈地讨论人工智能的发展，不过我想向大家说明，目前在业界，人工智能的发展还在非常初期的阶段。在我所能触及的客户中，真正开始尝试将人工智能融入日常业务的不及5%，而这5%只限于这些公司中的部分业务单元。剩下95%的公司还没有尝试人工智能，甚至还未触碰我们本书提及的商业智能（BI）。如果用一句话来描述当下局势，就是“路漫漫其修远兮，吾将上下而求索”。
　

　取势、明道、优术，为中国古代哲学指导做事的三个不同层级。在所有的商业公司苦苦追寻最佳商业决策时，他们都需要将重点放在这三个层面上。在取势层面，雷元在文中提及了巴菲特的“滚雪球”理论。其中最重要的一点就是选定正确的“价值”方向，从而顺势而上，达到事半功倍的效果。这个观点诚然离不开公司领导人的高瞻远瞩和独特眼光，同时也需要以他们从所能触及的信息中做出的判断作为基础。在明道层面，公司就是要依据“势”，明确自己的战略和方向。这里面涉及大量的对业态、竞争、研发、人力资源等方方面面的信息的收集，与之后的专业判断和处理。优术，则是让战略变成战术，变成日复一日的决策的积累。而这一项就落到了公司具体操作层面。而处于这个层面的人员，他们如何理解战略，如何理解数据背后的洞察，则成了企业是否能够高效运作，甚至快速转型为“数字化，智能化”企业的关键。

根据我的经验，目前行业的实际情况是：40%以上的企业还未开始在数据层面下功夫。大部分企业内部的数据整合还竖着一根根“烟囱”，“部门墙”现象严重，数据孤岛林立。作为部门的领导人，他们往往从不同的系统，不同的人得到不同的数据或者洞见。由此可得，若是想要从这些报告中做出判断，非常具有挑战性。随着商业环境的发展愈加快速，客户的需求变化更不容易被捕获。越来越多的企业下定决心打通企业的数据孤岛，打开“商业智能化”的大门。
　　

要实现这个目的公司需要花大价钱，购买不菲的软件，并且聘请实施公司来实施一套优化的商业智能解决方案。但是，并不是每个项目都能成功。在“这些不幸的案例中”，都有一个非常一致的失败点：未充分地使商业智能深入企业的日常运用（员工层次）中。具体来讲，咨询公司的知识转移仅仅涉及了公司的IT部门，却遗漏了业务部门。如果一家企业的IT部门不能对业务有充分的理解或者这家企业的IT部门对业务的知识转化不够成熟，那么这家企业的商业智能也就不幸地只能到此为止了。所以，自助型BI应运而生。在实施商业智能项目时，如何让参与企业日常运营的同事，能够掌握尽可能简单的IT语言和工具，在搭建的商业智能平台上，从大量的数据中搜寻洞见，成为各家商业智能厂商的重中之重。
　　

所幸的是，雷元，一位令人尊重的布道者，他花了大量的时间在不同的厂商平台上进行学习，比较并尝试技术的实现。在本书中，他将日常工作中常用的场景进行了非常细致的分析，同时也提供了专业的商业术语，仅为大家能掌握自助型BI工具的使用方法。
　　

正如本书所说，Power BI和Tableau在自助型BI领域中处于领先的位置。这与这两家公司的起步和发展理念密切相关。本书可以作为企业选择自助型BI平台的指导。企业的选型项目组可以细细品读此书，再利用书中说到的软件版本，进行第一手的操作体验，依据本企业的特色，判断并选择适合自己的产品。不管如何，选择了这两家中任何一家公司的产品，都可以算是非常具有前瞻性的。
　　

本书同时针对日常工作人员在不同商业场景下，如何解决不同的问题进行了详细的讲解（包括图例和公式）。不论是企业的IT人员，还是业务人员，甚至企业的高层管理者，都可以卷起袖子，跟着书中的执行步骤，并利用企业本身的数据进行专业分析，从而使企业的战略及战术切实落地!
　　最后，预祝还在数据海洋里颠簸和探索的各位读者，能够一步步地探索、理解、判断、总结并形成自己或公司的体系和风格，在商业竞争中拔得头筹!
　　

　　
　　OwenTang，唐安策
　　微软高级销售总监
　　

序二
　　过去的20年里，中国快消品行业经历了几次大规模的IT变革，包括ERP系统的实施、供应链流程的优化、市场分销渠道管理、办公协作自动化，变革结果为企业的发展建立了良好的基础。
　　

最近几年，各传统企业纷纷拥抱新一轮的数字化转型，利用新的商业模式、新的渠道、新的方法，不断将数字化技术与业务充分融合，在创新中求变，为消费者创造多、快、好、省的价值。在此过程中，科技的高速发展起了巨大的作用，接近无限的存储空间、强大的算力及机器学习能力，也给我们带来海量的数据，这也让我们重新审视商业智能的价值所在，这是一个永恒而有意思的话题。
　　

如今，数据变得廉价，但数据分析极为有价值。在与同行交流的过程中，我们经常会谈到一个共同的痛点：数据量级与技术的飞跃是成正比的，这反而有时候令我们更难从中及时提取关键的商业洞察，达到数据变现的目的。以前，我们谈的多是以商业流程为导向，关注数据质量和系统稳定，大量使用固定格式的报表协助商业决策。在快速变化的商业环境下，我们必须主动做出改变，更加贴近业务，以商业价值和商业数据为导向，进行快速迭代更新，从而共同实现“IT业务化，业务IT化”。
　　

为实现此愿景，企业需要做出很多改变，包括企业文化、公司结构、人员能力、系统架构、数据分析工具等的全方位支持。但是在具体执行的过程中，我们经常会陷入“工具万能”的思维误区中，而忽略了业务部门的角色转换，导致无法将工具的价值最大化。举一个例子，由IT团队预先做好的固定格式的报表和仪表盘只能覆盖公司小部分的日常工作，无法应对日新月异的业务诉求，这就需要业务同事从以前的单纯的信息使用者，转变成数据的主人。这更需要IT团队转变思维，从授人以鱼到授人以渔，致力提升业务用户的数据素养和数据分析能力，从数据中发现新的问题和新的商业机会点。同时，充分利用优秀的BI工具（如Power BI和Tableau），通过交互可视化实现自助服务和敏捷交付，可以支持决策人员做出更加符合公司策略和利益的决策。
　　

雷元不仅是数据分析领域的专家，同时也负责玛氏公司的BI培训，包括培训新讲师。在过去的半年里，他和团队一起为超过500位同事提供了共20余场Power BI基础培训和进阶培训。我们相信，每一位业务部门同事的数据素养的提升将是我们拥抱大数据时代的核心竞争力。从个人而言，与雷元的交流经常给我带来新的启发，我更能感受到他分享传播BI知识的热诚，他真正做到了传道、授业、解惑。
　　

我相信当你读完本书后，你可以熟练使用Power BI和Tableau工具，通过书中的案例总结出属于你的商业智慧，更重要的是，你还有了思维上的转变，开始像商业分析师和数据分析师一样思考数据分析的价值，这些让你铺平前方的道路，迈向更高的目标，成为大数据时代的“平民数据科学家”。彼时，你必会感激今日的努力与付出，人生一切皆有可能，你准备好了吗？！
　　
　　
　　郑 鹏
　　玛氏亚太区IT运营总监
　　

序三
　　

迅易科技作为微软连续10年的金牌合作伙伴，也是Power BI中国区合作伙伴，长期致力于为企业提供定制化的商业BI解决方案。很荣幸我有机会为本书作序。
　

　这是一本难得的可以快速学习商业智能数据分析的书，Power BI 与 Tableau是当今两大商业智能数据分析工具。对于商业智能数据分析的学习，很多读者不知道应该从哪个工具入手。作者直接拿两者一起“开刀”，为我们逐个解疑，层层剖析。整本书的行文中透露国学的幽默，也不乏实战的侠气，让商业智能数据分析实战变得生动有趣，一点也不枯燥。
　

本书用简单、易懂的语言和举例方式介绍相关概念和实例操作流程，从入门的语法、函数到图表应用，都有所涉及，让读者可以更快速上手。同时，书中提供了日常常用的分析思路和案例，可以让读者提高实战能力。
　

作者通过这种独特的“提问—解题思路—Tableau与Power BI实战”的模式让读者能快速抓住实例的精华，在学习的过程中逐步加深对Power BI 与 Tableau的理解。
　　

这不仅仅是一本实战教科书，也是一本非常具有洞察力的读物。本书视角切换灵活，娓娓道来，这都源自作者丰富的工作经验以及对商业智能的热情，我读完本书受益匪浅，诚邀您一起共读。
　　林嘉诚
　　广州迅易科技有限公司 BI项目总监

第1章 自助式BI的特点 / 1
1．1 自助式BI的崛起 / 1
1．2 派生维度的概念 / 3
1．3 Power BI 与Tableau的诞生 / 5
1．4 Power BI和Tableau 的对比 / 7
1．5 数据可视化的技、术与道 / 15

第2章 基础知识 / 18
2．1 Tableau计算精要 / 18
2．2 Power BI 计算精要 / 21
2．3 时间函数 / 26
2．4 参数 / 32
2．5 度量单位 / 36
2．6 透视与逆透视 / 39
2．7 组的应用 / 43
2．8 数据桶的应用 / 45
2．9 移动平均值、中位数、众数与百分位数统计 / 46

第3章 趋势分析 / 57
3．1 第1招：季节性同比分析 / 57
3．2 第2招：非季节性环比分析 / 62
3．3 第3招：YTD（年初至今）日期同比分析 / 66
3．4 第4招：平均值与期末值分析 / 74
3．5 第5招：个体趋势变化分析 / 79
3．6 第6招：累积增长分析 / 83

第4章 排名分析 / 88
4．1 第7招：静态排名分析 / 88
4．2 第8招：动态排名分析 / 94
4．3 第9招：排名变动分析 / 98

第5章 分类分析 / 104
5．1 第10招：静态分类分析 / 104
5．2 第11招：动态分类分析I / 107
5．3 第12招：动态分类（分类重叠）分析II / 111

第6章 差异分析 / 115
6．1 第13招：异常值检测分析 / 115
6．2 第14招：差异分析 / 120
6．3 第15招：总体与个体分析 / 126
6．4 第16招：单值与平均值差异分析 / 133

第7章 分布分析 / 139
7．1 第17招：次数分布分析 / 139
7．2 第18招：时间分布分析 / 142
7．3 第19招：合计百分比分布分析 / 145
7．4 第20招：静态象限图分析 / 150
7．5 第21招：动态象限图分析 / 155
7．6 第22招：帕累托分析 / 166

第8章 占比分析 / 175
8．1 第23招：群体占比分析 / 175
8．2 第24招：地理位置占比分析 / 178
8．3 第25招：堆积百分比分析 / 183
8．4 第26招：占比统计分析 / 187

第9章 相关性分析 / 192
9．1 第27招：交叉分析 / 192
9．2 第28招：篮子分析 / 198

第10章 综合示例 / 209
10．1 第29招：客户最大消费额与平均消费额分析 / 209
10．2 第30招：动态历史变化趋势分析 / 213
10．3 第31招：返回客户分析 / 225
10．4 第32招：流失客户分析 / 232
10．5 第33招：复活客户分析 / 239
10．6 第34招：客户群年度购买频次分析 / 242