数据可视化:手把手打造BI
本文是 如何七周成为数据分析师 的第六篇教程,如果想要了解写作初衷,可以先行阅读七周指南。温馨提示:如果您已经熟悉BI,大可不必再看这篇文章,或只挑选部分。 我们上一篇数据可视化:教你打造升职加薪的报表教大家如何制作清晰美观的报表以及相应技巧,但是报表是结果的呈现,并不是数据分析的过程。 数据分析师更多用到的报表是BI。 BI全称商业智能(Business Intelligence),在传统企业中,它是一套完整的解决方案。将企业的数据有效整合,快速制作出报表以作出决策。涉及数据仓库,ETL,OLAP,权限控制等模块。 今天的学习我们只着重于数据分析过程,使用Power BI打造数据分析师Dashboard报表。为了更好的学习和实践,我们依旧会使用数据分析:手把手教你Excel实战的数据进行操作。这是做出的简单作品。 如果你还没有数据,请在会话页发送关键词「练习数据」获取下载地址。 Power BI在微软官网有下载(注不注册无所谓的),只需要下载Desktop桌面操作版,大小约120MB。暂时只推出Win版本。 大家如果在下载过程中出现CAB文件损坏错误,大概是某软哪方面又出错了,可以换浏览器下载,也可以下载中文繁体版。反正我是一直报错。 为了方便大家偷懒,可以在会话页发送关键词「BI下载」获取官网下载地址。 什么是Power BIBI工具主要有两种用途。一种是利用BI制作自动化报表,数据类工作每天都会接触大量数据,并且需要整理汇总,这是一块很大的工作量。这部分工作可以交给BI自动化完成,从数据规整、建模到下载。 另外一种是使用其可视化功能进行分析,BI的优点在于它提供比Excel更丰富的可视化功能,操作简单上手,而且美观,如果大家每天作图需要两小时,BI会缩短一半时间。 BI作为企业级应用,可以通过它连接公司数据库,实现企业级报表的制作。这块涉及数据架构,就不深入讲了。 Power BI是微软家的。如果大家熟悉Excel,应该会知道微软推出的Power Query、Power Pivot、Power View和Power Map,是Excel上非常强大的四个插件。Power BI则是微软将它们作为集合推出。 Power Query是用于数据提取、整合、搜索的插件。它偏向数据模型的建立,而不是单元格的使用。 Power Pivot是数据透视表的高级应用,使用DAX能进行大量的科学计算。性能方面,比Excel函数要快两个量级,百万级的处理不成问题。 Power View是图表的高级应用,实现了过滤、联动、拖拽等功能。 Power Map是可视化地图。 如果大家熟练掌握以上四个插件,那么在Excel上也能实现部分BI。毕竟Excel是企业中人手一款的工具,和BI相比有轻量级的好处,虽然数据分析师需要掌握的工具更多。 BI的步骤市面上有很多丰富的BI工具,Tableau,QlikView,BDP等,各有侧重,也各有价格。但是操作过程都是相似的,大体分为五个步骤:数据源读取、数据清洗、数据关联、图表制作、Dashboard整合。熟悉了其中一个,再学会另外的就不难。 因为我工作用的BI是私有化部署到服务器,直接连接生产环境的,演示不方便。所以才用Power BI演示,实际我也说不上熟练。 数据源读取 我们打开Power BI,它会让我们登录,不用管它。 界面和Office软件比较接近。上面是操作工具项,左侧栏是导航栏。 Power BI 的左侧导航栏对应三个模块:仪表板、报表和数据集。仪表板或报表需要数据才能操作,我们先读取数据集。 点击工具栏的取得资料(奇怪的翻译)。 Power BI支持各类丰富数据源(市面上绝大部分BI都支持,只是读取方式略有差异),除了Excel和CSV 文件,它还支持Acess、SQL数据库、Hadoop/HDFS、Spark、第三方API等。 这是新手教程,连接CSV即可,选择载入练习数据DataAnalyst。 这里可以针对数据编辑,先略过,选择载入。 自动跳转到数据报表页,数据报表(Report)是数据规整和清洗过程。 大家还记得实战篇中演示的数据清洗吗?之前我们体验了一遍Excel函数清洗的过程。这次需要用BI再进行一遍清洗。数据清洗是分析师最蛋疼且耗时持久的工作,没有之一。 数据清洗 Power BI有一个高级功能叫DAX(Data Analysis Expressions),它是整个 Power BI 使用的公式语言。 DAX近似Excel函数(大多数第三方BI,函数均接近Excel),故它针对新手非常友好。如果大家已经熟悉Excel函数,上手速度会很快。基本上函数名字都一样,如果不熟悉,可以查阅官网提供的文档。 我们先清洗报表中的薪水salery,和实战篇过程一样,需要将其拆分成两个新列,并且计算平均值。 点击模型项的新建资料行(这里的翻译应该不对,应是column列,后文我都用列表示),此时新增加的列没有任何内容。我们需要做的操作就是以salery生成两列。 这里需要用到DAX。当成函数使用它就行,不过Excel是单元格级别的引用,而DAX中的任何引用、计算、汇总等,都是以列为单位的。 ='Table Name'[ColumnName] 这是最简单的引用,Table Name是我们这张报表的名字,我载入的csv叫DataAnalyst,那么报表就叫做DataAnalyst,ColumnName是我们需要引用的列,名字叫做salary。下图公式就是范例。 如果表名中有空格,需要加引号,如果没有则不需要。如果是跨表引用,TableName是必须的,否则只需要ColumnName。DAX支持自动填充,可以通过模糊输入+回车快速输入。 我说过它近似Excel,那么Excel加减乘除的习惯可以直接使用在上面。 ='Table Name'[ColumnName1]+'Table Name'[ColumnName2]*3 接下来继续清洗步骤,我们查找k所在的字符串位置。 =search("k",DataAnalyst[salary],1) 利用left函数截取工资下限。 =left(DataAnalyst[salary],search("k",1)-1) 搞定。资料行重命名为bottomSalery。接下来是工资上限topSalery,使用"-"截取的时候报错了。 =search("-",1) 检查一下发现原来是有“10K以上”这类字符串。DAX查找不到“-”,这时需要返回一个出错时表达的值。因为10k以上的描述无法确定工资上限,那么我们就把返回的值限定为bottomSalery。 在这里请记住,DAX的容错性比Excel低,只要DAX中有一行返回Error,那么整列都是Error。我们需要用Iferror函数保证容错性。 这里给出topSalary的计算,比较繁琐。 topSalery = IFERROR(mid(DataAnalyst[salary],SEARCH("-",1)+1,LEN(DataAnalyst[salary])-SEARCH("-",1)-1),DataAnalyst[bottomSalery]) 之后新建一列使用(DataAnalyst[bottomSalery]+DataAnalyst[topSalery])/2 计算该岗位的平均工资。 大家看到这里,是不是觉得DAX公式非常长?新手可以多增加辅助列来进行计算。 Excel中有比较方便的分列功能,那么Power BI中是否拥有呢?答案是肯定的,右键点击列,选择编辑查询选项。 【免责声明】本站内容转载自互联网,其相关言论仅代表作者个人观点绝非权威,不代表本站立场。如您发现内容存在版权问题,请提交相关链接至邮箱:bqsm@foxmail.com,我们将及时予以处理。 |