商业数据可视化分析：Excel+Power BI 课件 项目四 Power BI 功能介绍及数据处理

项目四PowerBI功能介绍及数据处理任务一PowerBIDesktop界面全景010302学习目标技能目标1.能够准确找到软件界面各主要功能区域的位置。2.能够准确识别和区分不同类别的数据源，根据数据类型选择高效的数据导入与整合方法。3.能够结合具体案例，通过PowerBI完成各种数据的处理操作。1.熟悉PowerBIDesktop界面的主要功能区域划分，以及相应的用途和基本关系。2.熟悉PowerBIDesktop数据分析流程，并能够认识PowerBI与Excel在功能操作、数据处理规模、可视化能力等方面的差异，明确二者适用的典型业务场景。3.熟悉PowerBI数据清洗与数据整理的常用方法、PowerBI的关系模型及其搭建方法。知识目标素养目标1.提升在数据分析工作中合理选择工具的能力，增强解决实际问题的灵活性和效率意识。2.激发对商业智能工具学习和探索的兴趣，培养持续学习和适应技术发展的能力。3.建立对数据类型的敏感意识，在可视化设计过程中准确识别数据特征，确保数据表达方式与数据类型严格匹配，培养数据源适配决策能力，能结合数据规模、时效性和业务场景做出适配决策。思维导图小丽在了解公司业务需求后，认识到PowerBI在数据整合、动态交互和实时更新方面的优势，以及PowerBI对公司未来发展的重要价值。为了快速提升自身数据可视化能力，她计划从PowerBI基础知识学起，熟悉PowerBIDesktop界面操作与数据可视化流程，掌握数据处理与模型搭建，熟练完成数据可视化设计与制作。知识储备掌握PowerBIDesktop数据可视化的核心要诀在PowerBIDesktop数据可视化中，需要把握4C核心要诀：界面模块协同(Collaboration)、工具场景适配(Compatibility)、数据源类分明(Classification)、清洗建模闭环(Closure)，如图所示。知识储备掌握各类型图表的适用场景4C核心要诀PowerBI与Excel的选用可遵循以下策略：数据量较小、仅需简单分析与基础可视化时，优先使用Excel；数据量较大，需开展深度分析，且追求图表动态交互效果时，PowerBI为更优选择。工具场景适配2界面模块协同1PowerBI界面设计暗含“流程化协作”逻辑：视图模块如同“视角切换器”，可在报表、数据、模型视图间灵活切换，实现从不同维度查看数据；报表编辑器如同“可视化画板”，通过字段拖曳即可快速生成图表，格式面板支持精细化样式美化；PowerQuery编辑器如同“数据清洁工”，一站式完成数据导入与清洗。熟练掌握三大模块分工，可显著提升操作效率。知识储备掌握各类型图表的适用场景数据源的选择需要贴合应用场景：本地小型文件可选用Excel、CSV等文件型数据源，轻便且易获取；企业级海量数据可对接SQLServer等数据库，稳定性强且承载能力突出；远程协作或实时数据需求，则优先选择API、SharePoint等云服务数据源。同时，需要精准识别数据类型:数值型用于指标计算，文本型用于分类汇总，日期型用于趋势分析，布尔型用于状态判断，类型划分清晰，分析方向才不会偏离。数据源类分明34清洗建模闭环数据清洗应牢记“三板斧”：删除重复数据以剔除冗余，填补缺失值以保证完整，统一数据格式以规范结构，干净的数据是精准分析的基础。数据建模需抓住“三要点”：梳理清晰表间关系(一对一精准匹配、一对多高效关联)，灵活运用DAX函数(求和、条件筛选等场景实用性极强)，构建“数据清洗—模型构建—可视化呈现”的完整闭环，让整体分析逻辑更连贯顺畅。4C核心要诀PowerBIDesktop界面全景主界面01基础认知首次打开PowerBIDesktop软件，将显示主页界面，如图所示。在主页界面中，可实现三大核心功能：选择数据源或以空白报表开始、推荐——开始使用、最近打开项目。其中，单击“推荐——开始使用”选项可以跳转至官网，查看PowerBI软件的帮助文档，助力快速熟悉并掌握软件操作方法。基础认知单击“空白报告”，即可进入PowerBIDesktop主界面，主界面由导航栏、报表画布、视图窗格和报表编辑器四部分构成，如图所示。基础认知顶部导航栏包括“文件”菜单，以及“主页”“插入”“建模”“视图”“优化”“帮助”等功能选项卡，用于数据可视化操作。（一）导航栏（二）报表画布报表画布是PowerBIDesktop主界面中面积最大的区域，也是核心的可视化工作区域。我们可借助右侧报表编辑器创建可视化对象，并在该区域呈现最终效果。界面底部的导航栏用于显示各报表页名称，单击即可在不同报表页之间快速切换。视图窗格PowerBIDesktop包含三种核心视图：报表视图、表格视图和模型视图。单击界面左侧的对应图标，即可在这三种视图之间灵活切换，如图所示。（三）视图窗格视图窗格以服饰销售数据为例，导入“销量数据表.xlsx”文件后，通过拖曳数据字段绘制PowerBI报表，可直观呈现企业经营状况、消费者对不同产品或服务的偏好及需求变化，为企业管理层提供决策依据。如图所示，在报表画布中添加堆积条形图和折线图两种可视化对象，通过配置相关字段，可清晰显示各品类销售总量和各门店销售总额。

报

表视图是用于查看和设计报表的核心视图，可实现PowerBI数据分析流程中的数据可视化操作，支持创建任意数量、包含各类可视化内容的报表页。1、报表视图视图窗格表格视图又称数据视图，核心功能是查看数据模型中的所有数据，同时支持对数据进行浏览、检查、编辑等操作。如图所示，表格视图主要由功能区、公式栏、数据网格和字段列表四部分构成布局清晰、操作便捷。2、表格视图视图窗格3、模型视图

模型视图用于展示数据模型中的所有表格、列，以及各表格之间的关联关系，尤其适用于包含多个表格且表间关系复杂的数据模型。如图所示，表格之间的连线代表表间关系，将鼠标指标悬停在关系线上，即可显示两个表格之间用于关联的具体列。通常情况下，若两个表格之间存在关联关系，则系统会自动识别并建立关联。若系统未识别到已有的表间关系，则用户可手动创建，具体方法为：选中其中一个表格的目标字段，按住鼠标左键，将其拖曳至另一个表格的对应关联字段上，即可完成关系创建。报表编辑器报表编辑器主要由“数据”窗格、“可视化”窗格、“筛选器”窗格组成。“数据”窗格用于管理基础数据字段，“可视化”窗格用于控制可视化对象的外观，“筛选器”窗格用于对可视化对象及数据进行筛选。（四）报表编辑器“数据”窗格用于显示当前数据模型中的所有表和字段，是创建可视化对象的核心工具。勾选某个字段前的复选框，即可将其添加到可视化对象中，生成可视化图表，如图所示。1、“数据”窗格报表编辑器单击“生成视觉对象”模块中的对应图标，可在报表页中添加可视化对象，并对具体参数进行编辑。例如，在可视化对象列表中选中“堆积条形图”，然后将“销售数据”表中的“产品品类”字段拖曳至“图例”处，将“销售数据”表中的“数量”的总和拖至“X轴”处，生成的可视化对象效果，如图所示。1“““可视化”窗格包含“生成视觉对象”、“设置视觉对象格式”和“分析”三个模块。2.“可视化”窗格

单击“设置视觉对象格式”模块，可对选中的视觉对象进行格式编辑，可对“X轴”、“Y轴”、图例、网格线、数据标签等元素进行设置，如图所示。2在“分析”窗格中，可对可视化对象进行辅助分析，例如，选中报表页中的堆积条形图，可为其添加恒定线，如图所示。选择不同的可视化对象类型，该窗格中的具体可操作选项将会有所差异。3报表编辑器“筛选器”窗格主要用于查看、设置和修改筛选条件，从而对报表中的数据和可视化对象进行筛选根据所选择的可视化对象类型，具体可设置的选项将会有所差异，如图所示。用户可根据分析需求，对各种筛选器进行灵活设置。3.筛选器PowerBIDesktop界面全景

PowerQuery界面02获取数据在主页功能区，单击“转换数据”，即可进入PowerQuery界面，如图所示。数据清洗和转换在整个数据分析流程中起着至关重要的作用。在PowerBI中，此类操作主要依赖PowerQuery编辑器来实现。PowerQuery界面中的各类操作选项清晰直观，用户仅通过简单易用的界面操作，即可满足大多数的数据整理需求。下面我们将学习PowerQuery界面的功能。界面布局PowerQuery界面主要包含四部分：上侧的功能区、左侧的查询导航窗格、中间的数据预览窗格和右侧的查询设置窗格，如图所示。界面布局功能区位于界面顶部,提供数据连接、转换、加载等核心操作的快捷按钮。1.功能区2.查询导航窗格查询导航窗格位于界面左侧，用于展示与管理查询任务，支持多查询切换与管理。3.数据预览窗格4.查询设置窗格数据预览窗格位于界面中间主区域，实时显示当前查询的数据内容，支持滚动、筛选、排序等交互操作，可直观查看数据清洗和转换后的结果。查询设置窗格位于界面右侧，包含查询属性、应用的步骤等内容。项目四PowerBI功能介绍及数据处理任务二PowerBIDesktop数据分析流程PowerBIDesktop数据分析流程数据分析通用流程01基础认知通用数据分析流程涵盖需求分析、数据获取、数据预处理、数据可视化、数据建模、模型评价与优化、成果部署七大核心环节。该流程具有高度普适性，适用于Excel、PowerBI等工具及Python、R等编程语言，既能通过成熟工具快速完成基础分析任务，也可通过代码实现深度定制化分析，可满足专业数据分析师、科研人员的需求。PowerBIDesktop数据分析流程

PowerBIDesktop数据分析流程02连接数据源PowerBIDesktop聚焦低门槛、可视化驱动的数据分析，流程更为精简，核心包含四大环节，如图所示。定义将数据库、Excel、CSV等内外部数据源与PowerBIDesktop连接，实现数据的集中管理。价值实时获取最新数据，便于统一分析和动态监控，但需注意外部数据源的安全问题。数据预处理与建模通过数据整合(合并关联表格)、数据清洗(处理缺失值与异常值)、数据转换(数据规范化)等操作，将原始数据转化为可用格式。预处理建模说明PowerBI建模侧重建立表间逻辑关系；通过“新建列”“新建表”可生成直接引用计算结果，“度量值”则是筛选条件下的聚合计算结果。数据可视化、数据发布将复杂数据转化为直观图表，便于挖掘数据的商业价值。核心作用包括预安装、应用商店导入、文件导入三类，可通过“数据添加”“格式设置”“深化分析”功能进行自定义配置。视觉对象实现分析成果共享、集中管理、统一访问与实时更新，提升团队协作效率。价值将数据模型和报表发布到PowerBI服务。定义PowerBIDesktop数据分析流程

Excel与PowerBI03Excel与PowerBI对比分析(1)操作智能化：以拖曳式界面替代复杂公式编写，结合DAX语言构建动态计算模型，大幅降低数据分析门槛。Excel电子表格具有直观的表格界面，并内置了丰富的基础函数，适合进行小体量数据(10万行以内)处理或简单数据分析。但随着数据量增长与业务复杂化，多数据源整合烦琐、交互性弱等局限性逐渐凸显，难以满足动态可视化分析与实时决策需求。相比之下，PowerBI具备操作智能化、大数据处理能力强和可视化交互性突出三大优势。(3)可视化交互性突出：依托丰富的动态图表库，通过切片器、筛选器实现数据钻取，制作能实时更新的交互式决策看板。(2)大数据处理能力强：支持数据库、云存储等数十种数据源,利用PowerQuery自动清洗转换百万级及以上数据，且能关联字段间的复杂关系。Excel与PowerBI对比分析Excel和PowerBI工具的典型业务场景对比表Excel与PowerBI协同工作在企业实际数据处理过程中，Excel与PowerBI并非替代关系，而是形成优势互补的协同工作模式，覆盖数据分析和可视化的全流程，如图所示。Excel与PowerBI对比分析3.数据共享与决策

支持阶段人力资源部门利用Excel整理员工信息与绩效数据后，借助PowerBI进行深度挖掘与可视化，生成绩效报告并发布至企业门户；需要详细核对或个性化处理的数据可导出至Excel进行核对，实现数据共享与决策支持双向协同。2.分析与可视化阶段财务人员在Excel完成月度预算表后，将数据同步至PowerBI，利用其可视化组件实现预算执行与历史数据多维度对比，制作动态财务看板；PowerBI图表可导出为Excel格式，便于二次编辑、添加注释，满足多样化需求。1.数据预处理阶段Excel发挥数据清洗与初步处理优势：对格式杂乱的原始数据(如客户调研数据)，通过“删除重复项”“查找替换”快速清洗，借助VLOOKUP、IF等函数完成简单转换整合；处理后通过PowerQuery无缝加载至PowerBI，为深度分析与可视化奠定基础。通过Excel和PowerBI的协同工作，企业能够构建从数据采集、预处理、深度分析到可视化呈现、决策应用的完整数据工作流，提升数据处理效率与决策质量，为企业决策提供有力支撑。职业素养·典型案例

某大型零售企业在使用PowerBI进行市场分析时，不仅关注销售业绩，还通过可视化图表深入分析不同地区、不同年龄段消费者的需求。企业发现，偏远地区老年消费者对产品的售后服务需求较高，但现有服务覆盖不足。基于此，企业制定了专项帮扶计划，增加偏远地区的服务网点，并推出老年客户专属服务通道。这一举措不仅提升了企业的社会责任感,还通过满足特殊群体需求，拓展了市场份额。用数据找需求，用行动担责任

案例启示:商业数据可视化工具不仅是追求经济利益的手段,更应成为推动社会公平、履行企业社会责任的重要支撑。项目四PowerBI功能介绍及数据处理任务三

数据类型与导入数据类型与导入数据源的分类01数据源的分类在PowerBI中，理解数据类型是构建有效数据模型的基础。数据分散存储于本地文件、数据库、WebAPI及云服务等平台，高效导入与整合多源数据是分析的关键步骤。掌握数据源的分类、特点及数据类型，可提升处理效率并确保分析结果的准确性。数据源是指数据的来源或存储位置，它是数据分析、处理和可视化的基础。在PowerBI中，数据源可以是文件、数据库、云服务、Web接口或其他系统。根据数据的存储形式和连接方式，数据源可以分为文件类、数据库类、Web数据源、云服务类等多种类型。该表展示了PowerBI中常见数据源的分类及特点。数据类型与导入常见数据类型02基础认知在数据处理和分析过程中，正确识别和使用数据类型是确保计算准确、可视化合理的关键。PowerBI主要支持以下4类数据类型：PowerBI支持3种数值类型：十进制64位浮点数、固定小数位(4位)的十进制数和64位整数，主要用于数学计算、统计分析和度量值。如图所示，“单价”对应的数据类型为整数。(一)数值型(二)文本型Power

BI支持Unicode编码字符数据字符串吗，主要用于分类数据、标签或描述性信息。如图所示，“产品品类”对应的数据类型为文本。基础认知(三)日期型PowerBI支持5种日期/时间类型：①日期+时间；②仅日期；③仅时间；④日期+时间+时区；⑤持续时间。日期型主要用于时间序列分析、趋势预测。如图所示，“销售日期”对应的数据类型为日期。(四)布尔型PowerBI支持2种逻辑类型：True/Flase类型和空白/Null类型。布尔型主要用于逻辑判断、条件筛选。如图所示，“订单是否完成”在PowerBI中对应的数据类型为True/False。基础认知(五)数据类型的重要性数据类型的设置贯穿从数据清洗到分析输出的全流程，数据类型的重要性见下表。数据类型与导入数据导入的基本流程03操作步骤Excel是使用最广泛的电子表格软件，也是将数据导入PowerBI最常用的方式，本任务将从“销售数据表.xlsx”导入数据用于可视化分析。步骤二配置链接参数。打开“素材\销售数表.xlsx”文件，单击“打开”按钮。如图所示。步骤一选择数据源。在PowerBIDesktop“主页”选项卡的“数据”组中单击

按钮。操作步骤步骤三选择要导入的数据表或数据范围。连接Excel工作簿后，在弹出的“导航器”窗口中勾选“销售数据”。如图所示。步骤四设置导入选项。单击“转换数据”，可打开PowerQuery查询编辑器窗口，在导入前对数据进行转换和清洗；单击“加载”按钮，可完成数据导入。数据类型与导入不同数据源的导入方法04数据往往以不同的格式存储,且来源于不同平台或系统，需要掌握不同数据源的导入方法。下文将介绍从文件、数据库、Web中导入数据的基本流程与实用技巧。PowerBI支持多种文件格式数据提取，包括Excel、CSV、JSON、XML、PDF等。其中，财务人员在日常工作中最常使用的是从Excel文件获取数据的方式。下面以“销售数据表.xlsx”为例介绍从Excel文件中导入数据的方法。操作步骤从文件中导入打开PowerBIDesktop应用程序，选择“主页”→“数据”→“获取数据”→“Excel”。步骤一步骤二打开“素材”文件夹，选择“销售数据表.xlsx”文件，然后单击“打开”按钮。在“导航器”窗口中选中“销售数据”表，右侧窗口中会预览“销售数据”表中的数据。操作步骤从文件中导入步骤三若单击“转换数据”按钮，则进入“PowerQuery编辑器”窗口，如图所示。单击“关闭并应用”按钮，可将数据加载到PowerBIDesktop中。操作步骤从文件中导入若单击“加载”按钮，数据则被直接加载到PowerBIDesktop模型中。后续可通过“主页”→“查询”→“转换数据”，再次进入“PowerQuery编辑器”窗口对数据进行处理。操作步骤从数据库中导入数据库是最核心的数据存储载体。PowerBI提供了强大的数据库连接能力，支持从SQLServer、MySQL、Oracle、PostgreSQL等主流关系型数据库高效提取数据。01步骤一打开PowerBIDesktop应用程序,选择“主页”→“数据”→“获取数据”，在下拉菜单栏中选择“更多”，打开“获取数据”窗口。选择数据库类别下的“Access数据库”，单击“连接”按钮。02步骤二在“打开”窗口中选择“素材\销售数据表.mdb”文件，然后单击“打开”按钮。操作步骤从数据库中导入03步骤三在“导航器”窗口中选择左侧的数据表，然后单击“加载”或“转换数据”按钮。操作步骤从Web中导入在PowerBIDesktop中，执行“主页”→“获取数据”→“其他”→“Web”命令，打开“从Web”对话框。步骤一万维网(Web)是基于HTTPHTTPS协议的全球分布式信息系统，汇聚海量异构数据资源，主要分为结构化表格数据和非结构化数据。PowerBI支持直接提取网页表格数据用于分析建模；对非表格内容，可通过“通过示例创建表”功能实现结构化转换。下面以从中华人民共和国教育部官网上获取“高等教育学校数”的数据为例，介绍从网页中导入数据的方法。步骤二在URL栏中输入/jyb_sjzl/moe_560/2023/quanguo/202501/t20250120_1176335.html，如图所示。操作步骤从Web中导入单击“确定”按钮，打开“导航器”对话框。PowerBI会自动识别页面中的HTML表格，分别选择不同表格，右侧会显示对应预览视图。步骤三操作步骤从Web中导入勾选“表3”复选框，单击“加载”按钮，将表3加载到PowerBIDesktop中，加载完成后的界面。如图所示。步骤四数据类型与导入数据导入中的常见问题及解决方法05解决方法数据格式不匹配在导入数据时，PowerBI可能无法正确识别数据类型(如将日期识别为文本,数字识别为文本)，导致后续计算和可视化出现错误。例如，导入Excel中的“销售金额”被识别为文本时，就无法进行求和计算。方法一进入PowerQuery编辑器，右击“销售金额”列，在弹出的快捷菜单中单击“更改类型”→“整数”，即可将数据类型更改为“整数”，实现求和。方法二直接更改列类型。将“销售金额”的数据类型从“文本”改为“整数”。解决方法数据缺失数据导入后发现部分行/列丢失，或显示为“null”值，如Excel中隐藏的行未被导入。步骤一01在PowerQuery界面中，右击选择任意一个需要替换值的单元格，在快捷菜单中单击“替换值”，对空值进行替换。如图所示。步骤二02将“null”替换为“0”，单击“确定”按钮完成空值处理。如图所示。职业素养·典型案例

某教育公益机构在使用PowerBI导入学生资助申请数据时，既关注导入效率，也借助字段校验强化信息的合规性与完整性。团队发现，偏远乡村学生的申请数据因表格格式杂乱、家庭隐私信息录入不规范，导入时被批量拦截，导致部分符合条件的学生未纳入资助范围。机构随即优化数据导入流程，通过PowerBI自定义导入规则设置多格式兼容模板及隐私信息自动脱敏模块，同时建立异常数据台账，安排专人指导乡村学校规范填报。此举既保障了数据合规与完整，也让更多偏远乡村学生获资助，提升了公益帮扶的精准度与机构公信力。以规范保合规，以完整筑根基

案例启示:树立数据规范意识，在数据处理与可视化设计全流程中准确识别数据特征，确保数据表达方式与数据类型严格匹配。课堂练习请访问当当网站的好评榜TOP300首页(网址:/books/fivestars/01.00.00.00.00.00recent300011)，并从中提取以下相关信息：图书名称、五星评分次数、作者、出版日期、出版社、折扣价、原价、折扣率，将上述相关数据全部导入到PowerBIDesktop中。项目四PowerBI功能介绍及数据处理任务四

数据处理与模型搭建数据处理与模型搭建数据处理01删除重复行在数据分析过程中，原始数据往往存在缺失值、重复项、格式错乱等问题，这会直接影响分析结果的准确性与可靠性。在本任务中，我们将深入探索如何利用PowerQuery高效完成数据清洗与转换工作，为后续数据分析提供高质量数据。数据录入错误、系统同步问题或多源数据合并等均会产生重复数据，影响数据分析的准确性，导致统计结果偏差或误导决策，因此需要进行删除重复行的操作。加载案例数据后，在“PowerQuery编辑器”窗口中，选中“交易流水号”列，执行“主页→删除行→删除重复项”命令。操作步骤数据类型的转换错误的数据类型可能导致计算异常、聚合偏差或可视化失真等问题。PowerQuery支持将原始数据智能转换为目标类型，确保数据在清洗、整合及建模环节的可用性。“PowerQuery编辑器”窗口中，单击列名左侧的数据类型图标，在弹出的数据类型列表中选择需要转换的目标类型。如图所示。操作步骤数据格式的转换不一致的数据格式会引发分析歧义与协作障碍。PowerQuery通过精准识别与批量转换规则，能够快速实现数据表达标准化。加载案例数据后，在“PowerQuery编辑器”窗口中，选中“产品名称”列，执行“转换→格式→修整”命令，将选中列中每个单元格的前导空格和尾随空格删除，使该列内容排列整齐。操作步骤加载案例数据后，在“PowerQuery编辑器”窗口中，选中“销售日期”列，执行“转换→拆分列→按分隔符”命令，按指定分隔符拆分所选列。步骤一PowerQuery中的拆分功能提供多种拆分方式，需要充分理解各选项的含义，才能对所选列执行合适的拆分操作，提高处理效率与准确性。拆分数据的拆分、提取与合并拆分鼠标左键点击“添加后缀”后，会弹出一个操作框，执行“在选择或输入分隔符内写入‘/’→拆分位置选择‘每次出现分隔符时’→确定”步骤，即可将“销售日期”列按“/”进行拆分。步骤二数据的拆分、提取与合并拆分将拆分后的列分别重命名为“年”“月”“日”。步骤三数据的拆分、提取与合并拆分加载案例数据后，在“PowerQuery编辑器”窗口中，选中“用户ID”列，执行“转换→提取→分隔符之后的文本”步骤，将“用户ID”中的纯数字字符内容提取出来。步骤一PowerQuery的提取功能能够帮助我们从复杂数据中精准提取所需信息。提取数据的拆分、提取与合并提取在弹出的窗口中，执行“在分隔符框内写入‘_’→确定”步骤，即可提取“用户ID”列中分隔符“_”后的数字内容。如图所示。步骤二数据的拆分、提取与合并提取加载案例数据后，在“PowerQuery编辑器”窗口中，同时选中“尺码”和“款式”两列，执行“转换→合并列”命令。步骤一数据的拆分、提取与合并合并在弹出的窗口中，在分隔符框内选择“空格”，在新列名框内输入“尺码款式”，单击确定按钮，即可生成合并列。步骤二数据的拆分、提取与合并合并加载案例数据后，在“PowerQuery编辑器”窗口中，执行“转换→转置”命令，将数据表的行与列互换。步骤一数据的转置与反转转置PowerQuery中的转置操作可以将数据的行和列互换，将纵向数据结构转化为横向布局,特别适用于需要重新组织数据维度的场景。反转操作可以调整数据行的排列顺序，使数据呈现方式符合分析目标，更好地支持后续分析与可视化。数据的转置与反转转置执行“转置”操作后，列名会自动显示为“Column1”“Column2”“Column3”，不符合常规命名规范，还需继续执行“转换→将第一行用作标题”命令，如图所示最终得到规范的表格数据。步骤二加载案例数据后，在“PowerQuery编辑器”窗口中，执行“转换→反转行”命令，将数据表中行的顺序整体反转：原最后一行变为第一行，原倒数第二行变为第二行，依此类推，如图所示。最终得到“反转行”后的表格数据，如图所示。操作步骤数据的转置与反转反转PowerQuery中的透视和逆透视操作是数据重塑的关键工具，能够灵活调整数据结构以适应不同的分析需求。透视操作可以将数据从行转为列，将重复的行数据聚合到列中，适用于将分类数据汇总为列的场景;逆透视操作则相反，可以将数据从列转为行，将分散的多列数据整合为规范的行结构,适用于需要将多列数据统一为标准格式的场景。加载案例数据后，在“PowerQuery编辑器”窗口中，选中“支付方式”列，执行“转换→透视列”命令。步骤一数据的透视和逆透视透视单击“透视列”后，在弹出的对话框中，“值列”选择“产品名称”，高级选项中“聚合值函数”选择“计数(全部)”，单击“确定”按钮，即可完成透视操作，如图所示。最终得到透视后的表格数据。步骤二数据的透视和逆透视透视加载案例数据后，在“PowerQuery编辑器”窗口中，选中“销售员”列，执行“转换→逆透视列→逆透视其他列”命令，如图所示。逆透视后的表格数据如图所示。操作步骤数据的透视和逆透视逆透视职业素养·典型案例

某医疗健康平台用PowerBI处理患者服务反馈数据时，技术团队发现,基层乡镇卫生院患者的反馈因方言表述、格式不规范，在数据清洗阶段被大量过滤，导致这部分群体对基础诊疗设备更新的需求未进入分析视野。团队随即优化数据处理流程，联动乡镇卫生院培训录入人员并建立专属反馈通道。最终基层患者有效反馈纳入率大幅提升，平台还推动部分乡镇卫生院完成设备更新，既提升了医疗服务精准度，也保障了医疗资源分配的公平性。以清洗守真实，以完整护公平

案例启示:商业数据可视化工具不仅是追求经济利益的手段，更应成为推动社会公平、履行企业社会责任的重要支撑。课堂练习练习一：删除重复行———筑牢数据“真实性防线”任务背景:获取某电商平台“用户订单表”，因系统同步问题存在重复订单记录，重复数据会导致订单统计、营收核算等分析结果失真，影响业务决策。实操要求:(1)在PowerBI查询编辑器中，通过“删除行→删除重复项”功能，以“订单ID”为唯一标识定位并删除重复行；(2)删除前先备份重复数据，生成重复数据备查表避免误删有效订单信息。课堂练习练习二：数据类型与格式转换———守住数据“准确性底线”任务背景：“产品销售表”中，“销售金额”字段为文本类型、“销售日期”字段为文本格式，无法进行数值计算、时间序列分析等后续操作，需规范数据类型与格式以适配后续分析需求。实操要求：(1)数据类型转换：先剔除“销售金额”字段中的空格与特殊符号，再将其转换为十进制数类型，完成转换后抽样验证数值计算准确性，确保求和、求平均值等聚合运算正常生效；(2)数据格式转换：将“销售日期”文本格式统一转为PowerBI标准日期格式(YYYYMMDD)，规范日期显示规则，保障时间筛选、同比环比分析功能可用。课堂练习练习三：数据拆分、提取与合并——培养“逻辑缜密”思维任务背景：“客户信息表”中，“联系地址”字段为合并格式(如“北京市—朝阳区—建国路88号”)，字段维度混杂不便于进行地域分析，“客户名称”字段含冗余前缀(如“VIP张三”)，影响客户信息精准统计与分类。实操要求：(1)拆分“联系地址”：以“-”为分隔符，拆分为“省份”“城市”“详细地址”三列，拆分后核对字段的完整性，杜绝数据丢失;(2)提取“客户名称”：移除“VIP”前缀，保留纯姓名文本，实现客户名称标准化；(3)合并“省份+城市”为“所属区域”字段，合并前对齐字段行逻辑，确保每行数据一一对应避免错位遗漏。课堂练习练习四：数据转置、反转与透视——践行“服务实际”导向任务背景：“月度销量表”当前为行格式(行：产品，列：1—12月销量)，维度结构不符合筛选与可视化需求，需调整为列格式便于按月份筛选；“员工业绩表”需按“部门”维度汇总各类业绩数据，便于部门间业绩对比分析。实操要求：(1)转置与反转：将“月度销量表”转置(调整为行：月份，列：产品销量)，实现数据结构适配筛选需求；对“员工入职时间”列按“从新到旧”执行反转行操作，标注排序依据为入职时间倒序；(2)透视与逆透视：以“部门”为行标签、“业绩类型”为列标签，对“员工业绩表”执行透视操作，生成部门业绩汇总表；若出现透视聚合错误、数据失真问题，需通过逆透视操作回溯原始数据修正。数据处理与模型搭建模型搭建02关联关系类型在PowerBI中，数据表分为事实表和维度表两种类型。现实世界中发生的业务事件所产生的可度量数值，存储在事实表中，事实表也称为明细表。当事实表中使用代号或整数键值时，维度成员的名称存放在维度表中。通常，事实表中的每个维度均对应一张维度表。一对一关系及其特点和应用场景一对一关系表示维度表中的记录与事实表中的记录一一对应。一对一关系可将筛选器方向设置为双向交叉筛选，即不仅可以利用维度表筛选事实表，也可以用事实表反向筛选维度表。一对多关系及其特点和应用场景一对多关系是数据模型中最常见的关系类型，表示事实表中的多行记录属性在维度表中均可以找到对应项，是主流数据设计思路，并由此派生出星型模型和雪花模型两种经典的数据仓库建模方式。关联关系类型(1)星型模型星型模型(StarSchema)是经典的数据仓库设计方法，结构形如星形：模型中心为存放业务事务数据的事实表，外围围绕多个关联的维度表。该模型结构简单直观，查询效率高，非常适合快速分析与报表生成，如图所示。(2)雪花模型雪花模型(SnowflakeSchema)是在星型模型基础上演化而来的数据仓库建模方法。与星型模型不同，雪花模型对维度表做进一步规范化处理，将单张维度表拆分为多层级关联的子表，整体结构呈现雪花状多层次形态，如图所示。关联关系类型多对多关系及其特点和应用场景多对多关系通常出现在数据粒度不统一的场景中。例如，事实表的最细粒度包含产品、门店、销售员、地区，而业绩目标仅按门店或地区统计。此时若将事实表与业绩目标在同一个上下文中展示，且包含销售明细粒度，则同一门店/地区的多条销售记录会对应同一个目标值。关系的建立与编辑在PowerBI中，表间关系的创建与编辑并非在PowerQuery中完成，而是通PowerBIDesktop的模型与建模功能实现。PowerBI提供了自动检测、手动创建、编辑及删除关系的完整功能。1.自动检测关系当加载两个或多个数据表时，PowerBI会根据列名与数据类型自动检测潜在关联，并自动创建表间关系。2.手动创建关系若自动检测未生成所需关系，可手动进行创建。在“建模”选项卡中，选择“管理关系”中的“新建”，在“创建关系”对话框中，分别选择两个表及其关联列，单击“确定”按钮。也可在“模型视图”中，直接将一个表的关联列拖放到另一个表的对应列上，快速创建关系。关系的建立与编辑3.编辑关系可通过多种方式编辑现有关系。一种是在模型视图中通过属性窗格编辑：切换至模型视图，单击两个表之间的关系连线，在右侧属性窗格中可直接查看并修改该关系的各项设置；另一种是通过关系编辑器对话框编辑：在报表视图中，切换到建模选项卡，点击管理关系，选中目标关系后单击编辑，或在模型视图中，直接双击两个表之间的关系连线。两种操作均会打开关系编辑器对话框，在其中可对关系进行详细配置与修改。4.删除关系在“模型视图”中选中需要删除的关系线，按Delete键即可删除。删除关系操作不可撤销，系统会弹出确认提示。DAX公式基础DataAnalysisExpressions(数据分析表达式)，简称DAX，允许用户在数据模型中定义自定义计算和度量值。DAX公式与Excel公式语法相似，创建时需以等号开头，后跟函数名、表达式及相应的值或参数。DAX表达式的格式：

度量值名=函数(表名[列名])DAX表达式的基本结构分为以下几部分：(1)函数：DAX中用于执行计算内置函数。例如，SUM()、IF()和CALCULATE()。(2)参数：函数的输入对象。例如，SUM(Sales[Amount])中的Sales[Amount]是参数。(3)运算符：用于执行数学、比较或逻辑运算的符号。例如，+、-、*、/、=等。(4)表名和列名：DAX中引用模型中的表和列，标准格式为“表名[列名]”。1.DAX公式的语法结构DAX公式基础下面介绍DAX中的常用函数及用途，见下表。2.DAX中的常用函数及使用方法函数类型函数名称用途聚合函数SUM()对指定列中的所有数值求和AVERAGE()计算指定列中所有数值的平均值MIN()返回指定列中的最小值MAX()返回指定列中的最大值COUNT(计算指定列中非空值的个数DISTINCTCOUNT()计算指定列中不同值的个数时间智能函数TOTALYTD()计算从年初到指定日期的累计总和DATEADD()按指定的时间间隔移动日期DATESYTD()返回从年初到指定日期的日期范围过滤函数CALCULATE()更改上下文以计算表达式FILTER()返回满足条件的表ALL()忽略所有筛选器，返回整个表或列ALLEXCEPT()忽略除指定列以外的所有筛选器DAX公式基础下面介绍DAX中的常用函数及用途，见下表。2.DAX中的常用函数及使用方法函数类型函数名称用途逻辑函数IF()根据条件返回不同的值AND()如果所有参数都为真，则返回真OR()如果任一参数为真，则返回真NOT()如果参数为假，则返回真；反之亦然数学和三角函数ABS()返回数值的绝对值ROUND()将数值四舍五入到指定的位数INT()将数值截断为整数文本函数CONCATENATE()将两个文本字符串合并为一个字符串LEFT()返回文本字符串的左边指定数量的字符RIGHT()返回文本字符串的右边指定数量的字符LEN()返回文本字符串的字符数DAX公式能够基于现有数据创建计算列与变量值，从而拓展数据的分析维度与计算深度。步骤一加载案例数据后，选择“数据视图”，在数据查询栏中选择“Sheet1”，执行“表工具→新建列”命令，如右图所示。DAX公式的应用新建列步骤二在公式栏中输入“销售金额='Sheet1'[单价]*'Sheet1'[数量]”，即可创建计算列“销售金额”，如图所