《财务大数据基础》课件 项目4-财务大数据建模

财务大数据基础引入数据建模项目四

财务大数据建模任务一数据建模认知任务二多表数据合并任务三度量值与DAX函数任务四项目实训（PowerBI数据建模）任务一数据建模认知数据打通=数据关联=模型=数据建模数据建模概念

PowerBI的数据建模就是识别表之间的关系，并将表之间的共同字段进行关联，建立多维数据模型，为后续数据可视化指标设计作好数据基础。为什么要进行数据建模？任务一数据建模认知讨论：如何将产品表中的产品具体信息加载显示到销售数据表中？

任务一数据建模认知数据表的分类（1）事实表事实表描述企业发生业务的实际数据或详细记录，一般数据量较大，并且行数会随着时间的推移不断增长，例如企业销售业务表。任务一数据建模认知（2）维度表维度表储存与事实表的众多属性，用于描述业务过程中的有关属性。维度表通常行数较少，变动频率较低。常见的维度表有产品表、科目表等。任务一数据建模认知分组讨论：以下几张表格分别属于哪种类型的表格？任务一数据建模认知数据关系分类

数据建模常见的关系有以下三种：（1）一对一

指一个表与另一个表中的记录是一一对应关系，即列中的每个值在两个表中都是唯一的。（2）一对多（或多对一）

一对多是指一个表（维度表）中的列具有一个值的一个实例对应与其关联的另一个表（事实表）中的列具有一个值的多个实例。（3）多对多多对多关系是指两个表格相互对应多个关系，PowerBI支持多对多关系的建立，不建议使用。任务一数据建模认知数据模型创建

（1）自动创建

在PowerBI中，点击【主页】→【管理关系】→【自动检测】，可以实现关系自动检测。注意：因为有时自动识别的关系不准确，建议采用手动创建关系。任务一数据建模认知数据模型创建

（2）手动创建

手动创建关系的方式有两种，一种是点击【主页】→【管理关系】→【新建】，选择要创建的表和相同的字段，还可以设置基数、交叉筛选器方向。

另外一种方式，是在模型视图采用拖曳的方式，将一个字段与另外一个字段相连。任务一数据建模认知交叉筛选方向

表格与表格数据之间的流向。每个模型关系都要定义交叉筛选方向。交叉筛选方向有“单向”和“双向”之分，单一方向进行筛选的是单向，两个方向进行筛选的关系通常称为双向。

基数类型交叉筛选选项一对多(或多对一)单向/双向一对一双向多对多单向/双向任务一数据建模认知数据模型创建

（3）聚合分析

建立模型之后，就可以实现多个数据表的聚合分析，而无需使用Vlookup函数。课前回顾

数据建模=识别表关系+关联共同字段+建立多维度模型事实表维度表一对一

一对多

多对多多表合并:将多个表格的数据合并到一个表格之中。按照合并方式的不同，通常分为纵向合并与横向合并。任务二多表数据合并任务二多表数据合并

纵向合并（追加查询）纵向合并是指将几个数据表中的数据纵向相加，形成一个新的数据集。注意：追加查询需要满足追加表的表结构必须一致。任务二多表数据合并多个表格采集进PQ：纵向合并（追加查询）实现任务二多表数据合并使用“追加查询”实现纵向合并：纵向合并（追加查询）实现任务二多表数据合并纵向合并的结果：纵向合并（追加查询）实现任务二多表数据合并

横向合并（合并查询）横向合并是指将几个数据表中的数据横向相加，形成一个新的数据集。（列加总，行不变）任务二多表数据合并

横向合并（合并查询）任务三度量值与DAX函数

度量值认知数据通常由两个构成部分，一个是类别（非数值），另一个是度量值（数值）。度量值是用户重点关注的一些数值和指标，它取决于使用者的分析需求。度量值可以是对事实数据表中某个列或某些列的值的聚合分析，例如形成求和、最大值、平均值等。任务三度量值与DAX函数

DAX表达式认知DAX(DataAnalysisExpression)即数据分析表达式，它是一种公式语言，类似Excel函数的使用规则，允许用户在进行自定义计算。其特点在于数据处理灵活，适合复杂的计算逻辑以及大量的数据运算。DAX函数语法如下：任务三度量值与DAX函数

DAX表达式认知DAX函数语法如下：A:度量值名称:如“销售额”，是计算度量值的名称B:运算符:“=”和“*”分别是等于号和乘号C:函数名称:“SUM”用来计算某列的数字之和D:表名:‘销售表’为表名，引入时可以选择添加【列名】E:列名：【销售单价】，【销售量】

求和函数：SUM()本月金额合计=SUM('利润表'[本月金额])筛选函数：CALCULATE(<表达式>,<筛选条件1>,<筛2>…)CALCULATE-在特定筛选条件下，执行引用计算，常常与聚合函数组合，常用聚合函数SUM,AVE