powerbi商业数据分析实战(powerbi数据分析)

本文节选自《PowerBI商业数据分析》电子版：

图3-3-11添加城市维度如果还是觉得上面的分析并不是很强大，用Excel依然能很快做出来，那么如果是10年的数据并且数据还在不断更新呢?如果产品销往全国数百个城市，是不是觉得开始力不从心了?而在刚才建立的模型里，无论有多少个维度，无论按哪个维度比较，都是点点鼠标的事。这就是度量值的魅力，只是简单建立了四个度量值，就可以神奇地实现了多维度的比较，这要归功于度量值的最重要的特征:上下文。上下文就是度量值所处的环境，和矩阵表的行列标签、切片器都是度量值的上下文，这些上下文组成的筛选器会同时作用在这个度量值上。比如本节开头的问题:销往北京2018年截至8月的硬盘销售同比增长率247%，它的上下文就是下面这4个科选器，如图3-3-12所示。[城市]=\"北京市\"[产品名称]=\"硬盘\"[年度]=\"2018年\"[月份]=8月广州市杭州市南昌市南京市上海市石豪庄市赤津市”>5月份”销售全额”本年票计销售额上年累计销售额票计同比增长挛画201515.4575.4571.583245

商业数据分析.pdf

962249679531.940310%3519713,15022234925645.42318.5733.57841956ne57.50626.0795.694358965所67832.7577.9173149世这814440.90110.7782799%89.4155031614.508247双各这过974495776518.0945510849966,26420,.9942165611897075,23427,64917296121071385.94735;67561415总计”85,94785,94735,676141%图3-3-12”计算结果247%的上下文理解了上下文，就理解了度量值的最重要的特征，因此上度量值被称为移动的公式，随着上下文环境的不同而展示不同的数据。上度量值另外还有如下两个主要特征。\\1)度量值不滔费内存，只有被拖到图表上才执行运算，如果数据量非常大的时候这点非常有利。\\2)度量值可以循环使用。比如上面的建立的度量值:本年累计销售额=_

powerbi商业数据分析心得报告

TOTALYTD([销售金额]，\'日期表\'[日期])上年累计销售额=TOoTALYTD([销售金额],SAMEPERIODLRASTYERAR(\"日期表\'[日期]))累计同比增长率=DIVIDE([本年累计销售额]，[上年累计销售额])-1度量值可以直接调用之前建立好的度量值，所以在模型中新建度量值的时候，推荐从最简单的度量值开始分级建立。度量值并不属于某个表，如果要基于模型中的不同维度执行同样的运算，度量值就非常合适。比如计算每个客户的销售额，计算每个产品的销售额，或者每个门店的销售额，可以使用同一个度量值，而不必分别在每个表中分别添加一个计算列。看到这里是不是对度量值的认识更清晰一点了，如果动手做一遍会更加理解它以及上下文。建立民好的数据模型，加上灵活运用度量值，就可以使用PowerBI灵活处理各种数据分析问题。度量值的创建离不开DAX，3.4节将重点介绍，第6章将通过DAX实例来加深读者对度量值和数据建模的理解。3.4PowerBI数据分析语言:DAX

数据挖掘商业数据分析pdf

综上：powerbi数据分析值得推荐阅读