Power BI建模权威指南

如何使用Excel和Power BI高效发现数字背后的信息？在数据分析时如何准确写出所需的公式?如何快速响应各方需求，提升自己的价值……答案是使用“数据模型”。

在《Power BI建模权威指南》中，著名的Excel、Power BI专家Alberto Ferrari和Marco Russo将会告诉你关于数据模型的基础知识，并通过多个实例帮助你构建、展示报表，教你通过设计数据模型以快速得到想要的答案，并提升效率。通过阅读，你会发现：找到正确的答案原来如此简单！

本书不仅适合在校学生、初入职场的白领，也适合那些希望了解数据建模的数据分析师。如果你希望获得资深专家的丰富经验，相信本书也会带给你启发。

Marco Russo和Alberto Ferrari是SQLBI.COM的创始人。 他们定期发布关于微软Power BI、PowerPivot、DAX和SQL Server的文章。自2009年测试版的Power Pivot发布以来，SQLBI.COM成了DAX相关文章和教程的主要来源之一。他们都为商业智能（Business Intelligence，BI）解决方案提供咨询和指导，并精通与BI相关的微软技术。他们编写了很多关于Power Pivot、DAX和Analysis Services的文章、图书。

他们是Power BI领域知名的培训师，是微软官方认证的SQL Server分析服务(SSAS)大师，并在MicrosoftIgnite、PASS Summit和SQLBits等大型国际会议上发表演讲，你可以通过[email protected]、[email protected]来联系他们。

刘钰，网名：天昕。ExcelHome 论坛Power BI 版块版主；“中国电子表格应用大会”讲师；“PowerPivot工坊”BI顾问；拥有超过10年的零售行业数据分析从业经历。

潘丽萍，20余年财务工作经验；苏黎世交易所上市公司中国区财务总监，主管兼、并购业务及供应链整合。全球特许管理会计师公会资深会员(FCMA)，全球特许公认会计师公会会员(ACCA)。

付大伟，先后就职于西门子、霍尼韦尔、三星等多家世界500强企业，从事质量管理工作。Power BI和Python数据分析的爱好者和使用者。

Excel/Power BI数据建模、分析领域开山之作。

两位微软SSAS大师（意大利人）力作；

微软出版社官方出版；

ExcelHome版主刘钰（天昕）精心翻译；

不仅翻译文字，更对内容进行本土化改进；

内容贴合国内版软件的实际情况；

案例式讲解，内容全面、系统，语言简洁、活泼；

随书附赠全部源文件，帮你轻松上手Power BI；

赵文超、宗萌、采悟、王豫翔、刘晓月、赵保恒、法立明、小妖同学、杨彬、李品、龚燕玲等众多MVP及大咖一致推荐。

距离《Power BI权威指南》出版已经过去了一年多，这本出自Power BI领域顶级大师的《Power BI建模权威指南》（Analyzing Data With Microsoft Power BI and Power Pivot or Excel）终于也出版上市了。看到这本封面、名字与第一本都很相似的新书，很多读者也许会有一些疑问，甚至混淆了二者，它们之间到底有什么关系呢？事实上，它们之间是相互递进的关系。

《Power BI权威指南》注重带领读者入门，体系化地介绍了Power BI这款分析工具的入门知识。而《Power BI建模权威指南》则希望大家反思一个问题：在使用Power BI进行数据分析的时候是不是只要导入数据，然后坐等结果就好了？准备工作是不是只要进行数据整理之类的操作就够了……答案是否定的。事实上，如果想做出一份好的Power BI报告，制作者需要了解Power BI数据建模的相关知识，而本书就是帮助各位读者了解数据建模思想的一个开端。

为了便于读者学习，译者团队在翻译原作者所述内容的基础上，还完成了一些配套工作。比如，在随书示例中提供中文标题，但同时保留原有的英文字段，以便熟悉Power Query的读者可以很方便地将案例文件还原到初始状态；再如，原始示例基本都是链接到数据库的，为了更方便读者练习，我们把数据缓存到了每一章对应的数据源Excel里（在动手尝试每一个案例之前，记得重新调整一下数据源文件的指向哦）。

不得不说，原作者在设计本书结构时，确实特别强调了数据建模的典型案例，很多示例非常有代表性，读者练习之后甚至可以将其作为自己解决工作问题的范本。

时代在变化，微软的Power BI也在不断更新和进步。我们在翻译过程中深刻感受到了Power BI在易用性和功能性上增加的内容。比如，微软在2020年将Power Platform体系也正式投放到了市场，这是一个不仅包含Power BI，还包含Power Apps、Power Automate、Power Virtual Agent等产品的组合，相信这会让Power BI的未来更加精彩。如果各位想学习如何将Power BI和其他产品联合，打造更好的业务生产力工具，可以关注“Teams+Power Platform中文社区”，社区聚集了丰富的学习资料与实用的资源。

最后，在新书出版之际，感谢所有关心我的人，谢谢你们的鼓励和支持，特别要感谢对本书提供支持和付出的小伙伴：潘丽萍和付大伟。

“Teams+Power Platform 中文社区”创始人 刘钰

第1章 数据建模介绍 1
使用单张表构建模型 2
数据模型的介绍 9
关于星形模型 17
理解命名规则的重要性 22
本章小结 24
第2章 处理汇总表/明细表 26
关于汇总表/明细表 26
从汇总表聚合值 28
扁平化汇总表/明细表 35
本章小结 38
第3章 处理多维事实表 39
处理规范化的事实表 39
维度表的交叉筛选 45
理解模型中的不确定因素 48
案例：订单表/发票表 51
计算客户的开票总额 56
计算包含指定客户与指定订单的发票金额 56
计算已经开具发票的订单的金额 57
本章小结 59
第4章 处理日期和时间 61
创建一张日期维度表 61
使用时间维度自动分组 65
Excel中的按时间自动分组 66
Power BI Desktop中的按时间自动分组 67
处理多个日期维度 68
处理日期和时间 74
实现时间智能的计算 76
处理财年日历 78
计算工作日 80
针对单个国家或地区的工作日模型 81
多个国家或地区的工作日模型 84
处理年度特定的时间段 88
处理非重叠日期区间 88
截至今天的相对周期 90
处理重叠的日期区间 92
按照周日历计算 94
本章小结 100
第5章 跟踪历史属性 101
渐变维度简介 101
使用渐变维度 106
加载渐变维度表 109
确定维度表中的颗粒度 113
在事实表中固定颗粒度 116
快变维度 118
选择正确的建模技巧 121
本章小结 122
第6章 使用快照表 123
处理不能随时间累积的数据 123
快照表的聚合方式 124
理解派生的快照表 130
理解转换矩阵 132
本章小结 138
第7章 日期和时间间隔分析 140
处理时态数据 140
简单间隔的聚合 142
跨天的间隔 145
基于工作轮班与时间偏移的建模 150
分析活动事件 151
混合不同的持续时间 162
本章小结 168
第8章 多对多关系 169
关于多对多关系 169
理解双向模式 171
理解非累加性 174
级联多对多 175
时间多对多关系 178
重新分配因子和百分比 182
多对多关系的物化 184
使用事实表作为桥表 185
考虑性能因素 187
本章小结 189
第9章 不同颗粒度的使用 190
关于颗粒度 190
不同颗粒度之间的联系 192
分析预算数据 192
使用DAX代码移动筛选器 195
通过关系来筛选 197
在错误的颗粒度上隐藏值 199
在更细的颗粒度上分配值 203
本章小结 205
第10章 数据模型的切片 206
计算多列关系 206
计算静态切片 209
使用动态切片 211
理解计算列的威力：ABC分析 214
本章小结 218
第11章 处理多币种模型 219
理解不同的场景 219
使用多种原始货币，一种报告货币 220
使用一种来源货币，多种报告货币 225
使用多种来源货币，多种报告货币 229
本章小结 232