Microsoft Power BI数据建模与可视化快速上手

《Microsoft Power BI数据建模与可视化快速上手》由资深数据分析师精心编写，循序渐进地介绍了Microsoft Power BI在数据建模和数据可视化中的应用。《Microsoft Power BI数据建模与可视化快速上手》主要内容包括：Microsoft Power BI数据建模与数据可视化、相关分析及其视图、回归分析及其视图、聚类分析及其视图、时间序列及其视图、决策树及其视图、神经网络及其视图、社交网络及其视图、文本分析及其视图。全书以案例为主线，既包括软件应用与操作的方法和技巧，又融入了可视化的基础知识，使读者通过学习《Microsoft Power BI数据建模与可视化快速上手》，能够轻松快速地掌握数据建模与可视化的方法与技巧。
　　《Microsoft Power BI数据建模与可视化快速上手》可作为管理、经济、社会人文等人员学习Microsoft Power BI软件进行数据可视化和数据分析的参考书，也可以作为大专院校相关专业本科生、研究生的教学用书。

王国平,毕业于上海海洋大学，硕士，主要从事数据可视化、数据挖掘和大数据分析与研究等工作。精通Tableau、SPSS、SPSS Modeler、Power BI等软件，已出版《IBM SPSS Modeler数据与文本挖掘实战》《Microsoft Power BI数据可视化与数据分析》《Tableau数据可视化从入门到精通》《SPSS统计分析与行业应用实战》等图书。

前 言

“让每个人都成为数据分析师”是大数据时代的要求，数据可视化技术的出现恰恰从侧面缓解了专业数据分析人才的缺乏。Microsoft、Tableau、IBM等IT厂商纷纷加入数据可视化的阵营，在降低数据分析门槛的同时，为分析结果提供绚丽的展现效果。

在大数据研究热潮中，各种数据可视化视图层出不穷，如何让大数据生动地呈现成了一个具有挑战性的任务，随之也出现了品类繁多的数据可视化软件。Microsoft Power BI是一套专业的商业数据分析工具，可以连接数百个数据源、简化数据准备并提供即席查询。它是微软公司发布的最新可视化工具，整合了Power Query、Power Pivot、Power View和Power Map等一系列工具的运用成果，使用过Excel做报表和BI分析的从业人员可以快速使用Microsoft Power BI，甚至可以直接使用以前的模型。此外，Excel 2016及其以后的版本也提供了Microsoft Power BI插件。

本书由浅入深、详细地介绍了基于Microsoft Power BI的数据可视化与建模技术，并结合实际案例详细阐述其在数据可视化与建模方面的具体应用。全书以案例为主线，既包括软件应用与操作的方法和技巧，又融入了案例实战，使读者通过对本书的学习，能够轻松快速地掌握数据可视化与建模方法。本书配套资源中包含案例采用的数据源文件，供读者在阅读本书时进行操作练习。

本书可以作为管理、经济、社会人文等人员学习大数据建模与可视化技术的参考图书，也可作为高校计算机相关专业本科生、研究生的教材或教学参考书。

截至2020年1月，Microsoft Power BI的最新版本是2.76.5678.782，发布日期是2019年12月17日，建议读者使用该版本进行学习，本书正是基于该版本编写的，详细介绍了其在数据建模和数据可视化中的实际应用。

本书的内容

本书共包括12章，各章内容概述如下：

第1章介绍数据建模和数据可视化的基础知识，以及常用的数据可视化软件。

第2章介绍Microsoft Power BI的软件基础、报表编辑器以及连接各种常用数据源等。

第3章介绍数据建模基础，包括创建和管理关系、数据分析表达式、如何与R协同。

第4章结合实际案例介绍常用的基础可视化视图、自定义可视化视图、数据报表等。

第5章介绍相关分析及其视图，并通过实际案例介绍如何使用相关视图进行相关分析。

第6章介绍回归分析及其视图，并通过实际案例介绍如何使用相关视图进行回归分析。

第7章介绍聚类分析及其视图，并通过实际案例介绍如何使用相关视图进行聚类分析。

第8章介绍时间序列及其视图，并通过实际案例介绍如何使用相关视图进行时间序列分析。

第9章介绍决策树及其视图，并通过实际案例介绍如何使用相关视图建立决策树模型。

第10章介绍神经网络及其视图，并通过实际案例介绍如何使用相关视图进行相应的预测。

第11章介绍社交网络及其视图，并通过实际案例介绍如何使用相关视图进行社交分析。

第12章介绍文本分析及其视图，并通过实际案例介绍如何使用相关视图进行文本分析。

本书配套视频与资源

本书资源与PPT可以扫描下面的二维码下载。

如果下载有问题，请发送电子邮件至[email protected]，邮件主题为“Microsoft Power BI数据建模与可视化快速上手”。

读者扫描本书各章二维码可直接观看视频教学。

本书技术支持QQ群可查阅下载资源中的相关文件。

本书的读者对象

本书的内容和案例适用于互联网、咨询、能源等行业数据可视化分析用户，可供高等院校相关专业的学生以及从事大数据可视化的研究者参考使用，也可作为Microsoft Power BI软件培训和自学的教材。

由于编者水平所限，书中难免存在不妥之处，请广大读者批评指正。

编 者

2020年8月

第1章 数据建模与数据可视化概述
1．1 数据建模的类型及过程
1．1．1 按照应用目的划分
1．1．2 按照数据结构划分
1．1．3 数据建模的基本过程
1．2 数据可视化常用软件简介
1．2．1 Microsoft Power BI
1．2．2 Tableau
1．2．3 FineBI
1．3 案例数据集介绍
1．4 练习题

第2章 快速认识Microsoft Power BI软件
2．1 Microsoft Power BI软件简介
2．1．1 软件的界面组成
2．1．2 软件的3种视图
2．1．3 软件的下载和安装
2．2 Microsoft Power BI报表编辑器
2．2．1 “可视化”窗格
2．2．2 “筛选器”窗格
2．2．3 “字段”窗格
2．3 Microsoft Power BI连接数据源
2．3．1 连接Excel文件
2．3．2 连接文本/CSV文件
2．3．3 连接JSON文件
2．3．4 连接PDF文件
2．3．5 连接SQL Server
2．3．6 连接MySQL
2．3．7 连接Oracle
2．3．8 连接Hadoop Hive
2．4 练习题

第3章 Microsoft Power BI数据建模初涉
3．1 创建和管理关系
3．1．1 创建数据表的关系
3．1．2 管理数据表的关系
3．2 数据分析表达式
3．2．1 DAX函数简介及类型
3．2．2 省份和城市字段的合成
3．3 Microsoft Power BI与R的协同
3．3．1 安装R 3．6．2开发环境
3．3．2 配置R 3．6．2开发环境
3．4 练习题

第4章 Microsoft Power BI数据可视化视图及报表
4．1 基础可视化视图
4．1．1 基础可视化视图概述
4．1．2 设置可视化视图对象
4．1．3 常用基础可视化视图
4．2 自定义可视化视图
4．2．1 自定义可视化视图概述
4．2．2 导入自定义可视化视图
4．2．3 重要自定义可视化视图
4．3 Microsoft Power BI数据报表
4．3．1 数据报表及其特点
4．3．2 如何制作数据报表
4．3．3 报表开发注意事项
4．4 练习题

第5章 相关分析及其视图
5．1 相关分析概述
5．1．1 相关分析简介
5．1．2 相关分析的应用
5．1．3 Pearson相关系数
5．1．4 Spearman相关系数
5．1．5 Kendall相关系数
5．1．6 三类相关系数的比较
5．2 Microsoft Power BI视图及案例
5．2．1 相关分析视图及源码解析
5．2．2 企业销售额影响因素分析
5．2．3 销售额相关分析的可视化
5．3 练习题

第6章 回归分析及其视图
6．1 回归分析概述
6．1．1 回归分析简介
6．1．2 回归分析的应用
6．1．3 回归分析的建模
6．1．4 回归之线性回归
6．1．5 回归之逻辑回归
6．1．6 回归之岭回归
6．2 回归分析视图及案例-企业销售额分析
6．2．1 线性回归视图及源码解析
6．2．2 企业销售额线性回归预测
6．2．3 销售额回归分析的可视化
6．3 练习题

第7章 聚类分析及其视图
7．1 聚类分析概述
7．1．1 聚类分析简介
7．1．2 聚类的应用场景
7．1．3 聚类的建模步骤
7．1．4 K-Means聚类
7．1．5 期望最大化聚类
7．1．6 基于密度的聚类
7．2 聚类分析视图及案例-客户群类型分析
7．2．1 聚类分析视图及源码解析
7．2．2 企业客户群类型聚类分析
7．2．3 客户群聚类分析的可视化
7．3 练习题

第8章 时间序列及其视图
8．1 时间序列概述
8．1．1 时间序列简介
8．1．2 时间序列的应用
8．1．3 时间序列的建模
8．1．4 ARIMA模型
8．1．5 指数平滑法
8．1．6 TBATS模型
8．2 时间序列视图及案例-商城月度订单量分析
8．2．1 时间序列视图及源码解析
8．2．2 月度订单量时间序列预测
8．2．3 企业月度订单量的可视化
8．3 练习题

第9章 决策树及其视图
9．1 决策树概述
9．1．1 决策树模型简介
9．1．2 决策树模型的应用
9．1．3 决策树模型的建模
9．1．4 决策树之ID3算法
9．1．5 决策树之C4．5算法
9．1．6 决策树之CART算法
9．2 决策树视图及案例-客户退单分析
9．2．1 决策树视图及源码解析
9．2．2 企业退单影响因素分析
9．2．3 退单影响因素的可视化
9．3 练习题

第10章 神经网络及其视图
10．1 神经网络概述
10．1．1 神经网络简介
10．1．2 神经网络的应用
10．1．3 神经网络的建模
10．1．4 多层感知器模型
10．1．5 径向基函数模型
10．1．6 循环神经网络模型
10．2 神经网络视图及案例-企业股票价格预测
10．2．1 神经网络视图及源码解析
10．2．2 基于神经网络的股价预测
10．2．3 股票收盘月均价的可视化
10．3 练习题

第11章 社交网络及其视图
11．1 社交网络概述
11．1．1 社交网络简介
11．1．2 社交网络的应用
11．1．3 社交网络的建模
11．1．4 社交网络建模软件
11．1．5 社交物联网简介
11．1．6 社交网络的弊端
11．2 社交网络视图及案例-社交圈价值分析
11．2．1 社交网络视图及源码解析
11．2．2 企业社交网络的价值分析
11．2．3 企业员工社交圈的可视化
11．3 练习题

第12章 文本分析及其视图
12．1 文本分析概述
12．1．1 文本分析简介
12．1．2 文本分析的步骤
12．1．3 文本分析的软件
12．1．4 文本主题模型
12．1．5 文本情感分析
12．1．6 自然语言处理
12．2 文本分析视图及案例-商品销售状况分析
12．2．1 文本分析视图及源码解析
12．2．2 如何了解企业商品的现状
12．2．3 企业热销商品数据可视化
12．3 练习题
参考文献