如果将数据的价值比喻成财富（这种财富往往被埋藏在冗杂的数据的深处，不为人所知），那么Power BI 和Tableau 就像是强大的挖掘机。本书将为你打开商业数据分析之门，你将和笔者一道参与使用挖掘机掘宝的有趣游戏。本书介绍了商业数据分析中常用的34 种方法，包括趋势分析、排名分析、分类分析、差异分析、分布分析、占比分析、相关性分析，及其在Power BI 和Tableau 中的实现。其中不仅涉及PowerBI和Tableau 的工具特色及对比，还涉及数据分析的方法与思想，相当于用一条线将散落的珍珠串成一条美丽的项链。君子不器，纵使Power BI 和Tableau 是商业数据分析的利器，最终的商业价值也是由挖掘者的智慧所决定的。本书教你如何像商业分析师一样思考，挖掘商业数据背后的价值。本书适合数据分析初学者、需要了解Power BI 或者Tableau 工具的读者阅读，也可作为商业数据分析师的参考用书。

前言：写给“滚雪球”前的你 学习就是“滚雪球” 巴菲特有一个非常著名的“滚雪球”理论，大意为：投资其实就是挖一条足够深的坑道，把自己的“雪球”（资金）坚持不懈地朝着有价值的方向滚动，你所拥有的财富就会越来越多。 在作者看来，财富的外在价值只是其内在价值的一种外延，“滚雪球”理论是一种投资理念，也是一种人生哲学。将之拓展到学习上，只要保持耐心与信心，任何人在任何学科的研究中都能滚出体积惊人的“雪球”。 作者认为数据分析这门学科是一条足够长的坑道。你最终的成就取决于你打算为自己挖多深的坑道，打算在坑道里滚动多久。本书并不是一本“10天帮你搞定Power BI”或是“快速成为Tableau 专家”的书。说实话，作者写出的都是一些工作经验总结，不能保证每一位读者都能快速成为商业智能数据分析高手。但是，作者有一个信念：个人通过潜心修炼数据分析技能，必有所收获。 商业智能数据分析利器：Power BI 和Tableau 爱因斯坦说过：“凡事应力求简单，但不可过于简单”。作者见过许多人将 Power BI 认作Excel的升级版，认为它没有什么复杂的。其实这只看到了硬币的一面。 Power BI中的计算列的确与Excel 公式几乎完全相通。但Power BI 中的DAX 语言远比Excel 公式简洁，如何用优美的DAX语言搭建出完备的数据模型逻辑才是Power BI学习的重中之重。作者见过不少Power BI模型，从表面上看，其可视化效果尚能一看，但细看其内部模型，都是密密麻麻的嵌套计算列。一旦模型内部的公式的规模达到一定程度，让计算机性能崩溃是预料之中的事情。这样的Power BI 模型徒有其表。仅是单纯地用Excel 思维去揣度Power BI，会忽视了DAX的“灵气”。 诚然，学习Power BI和Tableau之路不会是一马平川的，为此你必将付出一定的努力和时间。但讲究学习套路和效率，仍能为你节省下宝贵时间。好的教材会让不平坦的学习坑道变得“既宽且深”。所谓的“宽”和“深”特指系统、全面地掌握数据分析情景的广度和学习知识时超越平均水平的深度。恰当的“宽”和“深”能够让你享受数据分析所带来的畅快淋漓。对作者来说，这种感觉妙不可言。 为此，作者总结了不同类别的商业数据分析模板及其背后的思维逻辑，并展示该模板和逻辑下的最佳实践内容，为你在实战中提供“模板化”的公式及思维。你可以将模板“嵌套”到自己的分析场景中“加速”（不是快速）解决各种形形色色的商业数据分析要求，迅速升级你的“数据分析武器库”中的装备，成为“招之即来，来之能战，战之能胜”的商业数据分析“战狼”。 本书内容 本书的架构围绕三个关键词展开：传道、授业、解惑。 第1章传道：主要是从高层次的角度分析自助式BI崛起的原因，以及Power BI和Tableau各自的一些特点及对比。 第2 章授业：主要介绍二者的理论知识，虽然本书的核心内容为商业数据分析实战，但在正式开始介绍案例之前，非常有必要花一些时间梳理本书案例中涉及的工具的理论知识。 当然，如果你想详细学习Power BI或Tableau的基础知识，可阅读笔者的第一本书《商业智能数据分析：从零开始学Power BI与Tableau自助式BI》。 第3～10 章解惑：主要围绕不同的主题，介绍具体的商业数据分析案例。内容涉及案例的分析场景、分析目的、实现思路、具体的实现方式，以及其中的疑难点与分析总结。 最后衷心希望此书的知识能让你学得开心、用得愉快。欢迎你和书中的彼得（作者）一起“入坑”，滚动商业智能数据分析的“雪球”。Carpe diem（抓住机遇）！ 作 者

第1章 自助式BI的特点 / 1 1.1 自助式BI的崛起 / 1 1.2 派生维度的概念 / 3 1.3 Power BI 与Tableau的诞生 / 5 1.4 Power BI和Tableau 的对比 / 7 1.5 数据可视化的技、术与道 / 15 第2章 基础知识 / 18 2.1 Tableau计算精要 / 18 2.2 Power BI 计算精要 / 21 2.3 时间函数 / 26 2.4 参数 / 32 2.5 度量单位 / 36 2.6 透视与逆透视 / 39 2.7 组的应用 / 43 2.8 数据桶的应用 / 45 2.9 移动平均值、中位数、众数与百分位数统计 / 46 第3章 趋势分析 / 57 3.1 第1招：季节性同比分析 / 57 3.2 第2招：非季节性环比分析 / 62 3.3 第3招：YTD（年初至今）日期同比分析 / 66 3.4 第4招：平均值与期末值分析 / 74 3.5 第5招：个体趋势变化分析 / 79 3.6 第6招：累积增长分析 / 83 第4章 排名分析 / 88 4.1 第7招：静态排名分析 / 88 4.2 第8招：动态排名分析 / 94 4.3 第9招：排名变动分析 / 98 第5章 分类分析 / 104 5.1 第10招：静态分类分析 / 104 5.2 第11招：动态分类分析I / 107 5.3 第12招：动态分类（分类重叠）分析II / 111 第6章 差异分析 / 115 6.1 第13招：异常值检测分析 / 115 6.2 第14招：差异分析 / 120 6.3 第15招：总体与个体分析 / 126 6.4 第16招：单值与平均值差异分析 / 133 第7章 分布分析 / 139 7.1 第17招：次数分布分析 / 139 7.2 第18招：时间分布分析 / 142 7.3 第19招：合计百分比分布分析 / 145 7.4 第20招：静态象限图分析 / 150 7.5 第21招：动态象限图分析 / 155 7.6 第22招：帕累托分析 / 166 第8章 占比分析 / 175 8.1 第23招：群体占比分析 / 175 8.2 第24招：地理位置占比分析 / 178 8.3 第25招：堆积百分比分析 / 183 8.4 第26招：占比统计分析 / 187 第9章 相关性分析 / 192 9.1 第27招：交叉分析 / 192 9.2 第28招：篮子分析 / 198 第10章 综合示例 / 209 10.1 第29招：客户最大消费额与平均消费额分析 / 209 10.2 第30招：动态历史变化趋势分析 / 213 10.3 第31招：返回客户分析 / 225 10.4 第32招：流失客户分析 / 232 10.5 第33招：复活客户分析 / 239 10.6 第34招：客户群年度购买频次分析 / 242