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”。在本书中，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。

Excel的用户十分偏爱数字，或许也可以说那些喜欢数字的人喜欢用Excel。无论是前者还是后者，如果你对从不同的数据集里获取各种分析与见解有兴趣，那你很有可能已经花费了大量的时间在Excel（包括数据透视表和公式）上。 自2015年Power BI发布以来，我们认为喜欢数字的人们也会爱上Power BI和Excel里的Power Pivot 。这两个工具有许多相似的特性，如VertiPaq数据库引擎和继承自SQL Server Analysis Services服务的DAX语言。 在Excel的早期版本中，从数字中获取见解的主要方式是：首先加载一些数据集；然后设计一些辅助计算列；最后设计图表、编写公式。这其中有一些限制：如工作簿的大小很重要，Excel函数与公式不是处理大量数字的最佳选择等。Power BI和Power Pivot的新引擎则是一个巨大的飞跃——使你现在拥有了数据库的全部能力和一种出色的语言（DAX）。但是，能力越强，责任越大。如果你想真正用好这个新工具，你需要学习数据建模的基础知识。 数据建模并不是高深的学问，而是任何对“从数据中收集见解”感兴趣的人都应该掌握的一项基本技能。如果你喜欢探索数字，那么你也会喜欢上数据建模。所以这不仅是一项容易获得的技能，而且是具有难以置信的乐趣的活动。 本书的目的是通过你在日常生活中可能遇到的实际案例来介绍数据建模的基本概念。我们不想写一本关于数据建模的深度专著，因此不会详细解释面对构建复杂解决方案时应该给出的方法，我们专注于咨询师日常工作中的案例。我们把自己认为很常见的客户问题进行收集和整理。针对这个常见问题集，根据数据建模培训的要求来组织、整理示例，并为每个示例提供了一个解决方案。 虽然当你读完本书的时候，你可能仍不是一名数据建模专家，但你会对数据建模有更直观的认识。我们在本书中的目标是：在你阅读完本书以后，查看你的数据库或者报表时，开始认为更改和优化模型可能会有助于计算你需要的值。自此，你将走上成为成功的数据建模师的道路。你的最终目标应该是成为一名伟大的数据建模师，但是你只有在经历了多次失败之后才会获得经验。不幸的是，经验不是你能从书中学到的东西。 本书为谁而写 本书广泛针对不同类型的人。你可能是在Excel里使用Power Pivot的用户，也可能是使用Power BI的数据科学家，还可能需要以商业智能分析师的身份开启职业生涯、希望阅读关于数据建模相关介绍的人。无论你属于上述哪种情况，这本书都适合你。 请注意，我们没有提到希望阅读有关数据建模专业知识的人员。事实上，我们在写这本书的时候认为我们的读者可能根本不知道他们需要数据建模。我们的目标是让你了解你为什么需要学习数据建模，然后让你对这门优美的学科的基础有一些了解。因此，如果你对什么是数据建模以及为什么它是一种有用的技能感到好奇，那么本书非常适合你。 对读者的建议 我们希望读者对Excel数据透视表有基本的了解，并且打算或正在使用Power BI作为构建报告和分析的工具，如果你有一些数字分析的经验，那就更好了。本书不涉及讨论Excel或Power BI的UI界面的任何方面，我们只关注数据模型：如何构建它们及如何修改它们以便更容易地编写代码。因此，我们只讨论“你需要做什么”，而将“如何做”完全留给你。我们不想写一本按部就班的书，我们只想写一本用一种简单的方式讲解复杂主题的书。 本书有意不涉及的另一个主题是DAX语言，因为将数据建模和DAX放在同一本书中是不科学的。如果你已经熟悉DAX语言，那么你将会从本书使用的众多DAX代码中受益。如果你需要学习DAX，可以阅读与本书主题联系紧密的《DAX权威指南》（The Definitive Guide to DAX: Business intelligence for Microsoft Power BI, SQL Server Analysis Services, and Excel）（译者注：业内也称其为“DAX圣经”，英文版已经发布第二版），此书是针对DAX语言最全面的指南。

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