掃一掃
關(guān)注中圖網(wǎng)
官方微博
>
>
Microsoft Power BI商業(yè)數(shù)據(jù)分析與案例實(shí)戰(zhàn)
包郵 Microsoft Power BI商業(yè)數(shù)據(jù)分析與案例實(shí)戰(zhàn)
作者：王國(guó)平
開(kāi)本：
其他
頁(yè)數(shù)：
304
本類(lèi)榜單：計(jì)算機(jī)/網(wǎng)絡(luò)銷(xiāo)量榜
本類(lèi)五星書(shū)更多>
-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(shū)(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥50.8
加入購(gòu)物車(chē)
Microsoft Power BI商業(yè)數(shù)據(jù)分析與案例實(shí)戰(zhàn) 版權(quán)信息
- ISBN：9787302568049
- 條形碼：9787302568049 ; 978-7-302-56804-9
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類(lèi)：>
Microsoft Power BI商業(yè)數(shù)據(jù)分析與案例實(shí)戰(zhàn) 本書(shū)特色
本書(shū)的顯著特色是各部分功能基本都結(jié)合案例進(jìn)行講解，可幫助讀者快速掌握利用Microsoft Power BI進(jìn)行商業(yè)數(shù)據(jù)分析的專(zhuān)業(yè)方法與實(shí)戰(zhàn)技能。 從零開(kāi)始，案例教學(xué)，和資深數(shù)據(jù)分析師學(xué)習(xí)專(zhuān)業(yè)方法與實(shí)戰(zhàn)技巧
Microsoft Power BI商業(yè)數(shù)據(jù)分析與案例實(shí)戰(zhàn) 內(nèi)容簡(jiǎn)介
本書(shū)由資深數(shù)據(jù)分析師結(jié)合多年實(shí)際工作經(jīng)驗(yàn)精心編撰，結(jié)合豐富案例循序漸進(jìn)地介紹Power BI在商業(yè)數(shù)據(jù)分析中的應(yīng)用技巧。全書(shū)共15章，主要內(nèi)容包括：商業(yè)數(shù)據(jù)分析的思維與流程，Power BI的三種視圖、視圖編輯器的窗格，連接數(shù)據(jù)源的方法，Power BI查詢(xún)編輯器、數(shù)據(jù)分析表達(dá)式DAX、創(chuàng)建和管理表之間的關(guān)系，Power BI自帶可視化視圖，Power BI自定義可視化視圖，如何制作Power BI數(shù)據(jù)報(bào)表，Power BI連接Cloudera Hadoop Hive、MapR Hadoop Hive集群，如何使用Spark SQL連接Apache Spark，如何通過(guò)DBeaver、Oracle SQL Developer等客戶(hù)端工具連接Hadoop集群，很后通過(guò)某企業(yè)商品結(jié)構(gòu)及銷(xiāo)售業(yè)績(jī)、銷(xiāo)售經(jīng)理的銷(xiāo)售業(yè)績(jī)、客戶(hù)價(jià)值和流失率、商品的配送準(zhǔn)時(shí)性情況和商品的退貨情況5個(gè)案例介紹Power BI在實(shí)際業(yè)務(wù)中的操作技巧。 為了方便讀者使用本書(shū)，本書(shū)還錄制了全程教學(xué)視頻，提供了案例練習(xí)素材以及PPT教學(xué)課件。 本書(shū)可作為初學(xué)者或從業(yè)者學(xué)習(xí)Microsoft Power BI軟件進(jìn)行數(shù)據(jù)可視化分析的用書(shū)，也可以作為大專(zhuān)院校管理、經(jīng)濟(jì)、社會(huì)人文等專(zhuān)業(yè)的教學(xué)用書(shū)。
Microsoft Power BI商業(yè)數(shù)據(jù)分析與案例實(shí)戰(zhàn) 目錄
目 錄
**部分 ·Microsoft Power BI之新手入門(mén)篇
第1章 商業(yè)數(shù)據(jù)分析及可視化概述 2
1.1 商業(yè)數(shù)據(jù)分析及其思維 2
1.2 商業(yè)數(shù)據(jù)分析基本流程 4
1.3 商業(yè)數(shù)據(jù)分析注意事項(xiàng) 6
1.4 商業(yè)數(shù)據(jù)可視化分析工具 7
1.4.1 Microsoft Power BI 7
1.4.2 Tableau Desktop 7
1.4.3 Smartbi Insight 8
1.4.4 Wyn Enterprise 8
1.4.5 QlikView 8
1.4.6 阿里DataV 9
1.4.7 騰訊TCV 9
1.4.8 百度Sugar 9
1.4.9 FineBI 9
1.5 Microsoft Excel數(shù)據(jù)可視化插件 10
1.5.1 Power Pivot 10
1.5.2 Power Query 11
1.5.3 Power View 12
1.5.4 Power Map 13
1.5.5 Plotly D3.js Charts 14
1.5.6 Office Apps Fiddle 15
1.6 案例數(shù)據(jù)集介紹 16
1.6.1 某客服中心數(shù)據(jù)集 16
1.6.2 某電商企業(yè)數(shù)據(jù)集 17
1.7 練習(xí)題 19
第2章 Microsoft Power BI軟件初識(shí) 20
2.1 Microsoft Power BI軟件概況 20
2.1.1 Microsoft Power BI Desktop 20
2.1.2 Microsoft Power BI服務(wù) 22
2.1.3 Microsoft Power BI報(bào)表服務(wù)器 22
2.1.4 Microsoft Power BI數(shù)據(jù)網(wǎng)關(guān) 22
2.2 Microsoft Power BI的下載與安裝 23
2.2.1 安裝前的注意事項(xiàng) 23
2.2.2 Microsoft Power BI的下載 23
2.2.3 Microsoft Power BI的安裝 25
2.3 Microsoft Power BI軟件簡(jiǎn)介 27
2.3.1 Microsoft Power BI主要界面 27
2.3.2 Microsoft Power BI三種視圖 29
2.3.3 Microsoft Power BI數(shù)據(jù)類(lèi)型 33
2.4 Microsoft Power BI報(bào)表編輯器 34
2.4.1 Microsoft Power BI“可視化”窗格 35
2.4.2 Microsoft Power BI“篩選器”窗格 36
2.4.3 Microsoft Power BI“字段”窗格 37
2.5 練習(xí)題 37
第3章 Microsoft Power BI連接各類(lèi)數(shù)據(jù)源 38
3.1 連接單個(gè)數(shù)據(jù)文件 38
3.1.1 連接Excel文件 40
3.1.2 連接文本/CSV文件 42
3.1.3 連接X(jué)ML文件 44
3.1.4 連接JSON文件 45
3.1.5 連接PDF文件 48
3.1.6 連接數(shù)據(jù)文件夾 49
3.2 連接到關(guān)系型數(shù)據(jù)庫(kù) 53
3.2.1 連接Access數(shù)據(jù)庫(kù) 53
3.2.2 連接SQL Server數(shù)據(jù)庫(kù) 55
3.2.3 連接MySQL數(shù)據(jù)庫(kù) 59
3.2.4 連接PostgreSQL數(shù)據(jù)庫(kù) 64
3.2.5 連接Oracle數(shù)據(jù)庫(kù) 68
3.3 連接到非關(guān)系型數(shù)據(jù)庫(kù) 77
3.3.1 MongoDB簡(jiǎn)介 77
3.3.2 MongoDB的安裝與配置 78
3.3.3 連接MongoDB的步驟 80
3.4 連接Web網(wǎng)頁(yè)數(shù)據(jù) 84
3.5 練習(xí)題 86
第4章 Microsoft Power BI基礎(chǔ)操作 87
4.1 數(shù)據(jù)可視化分析的基礎(chǔ)操作 87
4.1.1 數(shù)據(jù)屬性的操作 87
4.1.2 數(shù)據(jù)視圖的操作 92
4.2 查詢(xún)編輯器及其重要操作 95
4.2.1 查詢(xún)編輯器簡(jiǎn)介 95
4.2.2 查詢(xún)編輯器頁(yè)面 97
4.2.3 調(diào)整數(shù)據(jù)類(lèi)型 100
4.2.4 追加與合并數(shù)據(jù) 101
4.2.5 數(shù)據(jù)分類(lèi)匯總 108
4.3 數(shù)據(jù)分析表達(dá)式DAX及其案例 109
4.3.1 DAX及其語(yǔ)法簡(jiǎn)介 109
4.3.2 DAX函數(shù)的主要類(lèi)型 110
4.3.3 省份和城市的合成 112
4.4 創(chuàng)建和管理表之間的關(guān)系 114
4.4.1 表與表之間的關(guān)系類(lèi)型 114
4.4.2 創(chuàng)建表之間的數(shù)據(jù)關(guān)系 114
4.4.3 管理表之間的數(shù)據(jù)關(guān)系 117
4.5 案例：統(tǒng)計(jì)局Web數(shù)據(jù)可視化分析 118
4.5.1 連接到Web數(shù)據(jù)源 119
4.5.2 調(diào)整和清理源數(shù)據(jù) 120
4.5.3 創(chuàng)建和發(fā)布可視化視圖 127
4.6 練習(xí)題 128
第二部分 ·Microsoft Power BI之可視化篇
第5章 Microsoft Power BI自帶可視化視圖 130
5.1 自帶可視化視圖概述 130
5.2 調(diào)整可視化對(duì)象元素 130
5.3 創(chuàng)建自帶的可視化視圖 135
5.3.1 堆積條形圖：區(qū)域銷(xiāo)售額的比較分析 135
5.3.2 簇狀柱形圖：客戶(hù)不同支付渠道分析 137
5.3.3 分區(qū)圖：不同類(lèi)型客戶(hù)的購(gòu)買(mǎi)額分析 138
5.3.4 堆積面積圖：不同區(qū)域的利潤(rùn)額分析 139
5.3.5 折線(xiàn)和堆積柱形圖：月度銷(xiāo)售業(yè)績(jī)分析 140
5.3.6 瀑布圖：不同區(qū)域銷(xiāo)售額的比較分析 141
5.3.7 散點(diǎn)圖：銷(xiāo)售額和利潤(rùn)額的相關(guān)分析 142
5.3.8 餅圖：不同區(qū)域銷(xiāo)售額的占比分析 143
5.3.9 環(huán)形圖：銷(xiāo)售經(jīng)理的銷(xiāo)售業(yè)績(jī)分析 144
5.3.10 樹(shù)形圖：不同省市的利潤(rùn)額分析 145
5.3.11 漏斗圖：不同省市的銷(xiāo)售額分析 146
5.3.12 儀表：訂單商品的到貨時(shí)間分析 147
5.3.13 卡片圖：客戶(hù)訂單總金額的卡片圖 149
5.3.14 KPI：客戶(hù)每日客單價(jià)的走勢(shì)分析 150
5.3.15 R視覺(jué)對(duì)象：訂單金額的頻數(shù)分析 151
5.3.16 Python視覺(jué)對(duì)象：指標(biāo)相關(guān)分析 153
5.4 數(shù)據(jù)可視化的注意事項(xiàng) 156
5.4.1 選擇合適的視覺(jué)對(duì)象 156
5.4.2 驗(yàn)證與事實(shí)是否一致 156
5.4.3 圖表簡(jiǎn)單、充實(shí)、高效、美觀(guān) 158
5.5 練習(xí)題 158
第6章 Microsoft Power BI自定義可視化視圖 159
6.1 如何自定義可視化視圖 159
6.2 下載可視化視圖模板 160
6.3 導(dǎo)入可視化視圖模板 162
6.4 固定可視化視圖模板 165
6.5 創(chuàng)建自定義可視化視圖 166
6.5.1 相關(guān)圖：訂貨量、銷(xiāo)售額、利潤(rùn)額的相關(guān)分析 166
6.5.2 聚類(lèi)圖：客戶(hù)訂單銷(xiāo)售額與利潤(rùn)額的聚類(lèi)分析 167
6.5.3 決策樹(shù)：商品到貨時(shí)間和折扣與退貨的分析 167
6.5.4 方差圖：實(shí)際到貨時(shí)間與計(jì)劃到貨時(shí)間的分析 168
6.5.5 多折線(xiàn)圖：不同類(lèi)型商品銷(xiāo)售額的折線(xiàn)圖分析 169
6.5.6 點(diǎn)線(xiàn)圖：企業(yè)每日銷(xiāo)售額的走勢(shì)分析 170
6.5.7 詞云：企業(yè)熱銷(xiāo)商品類(lèi)型的可視化分析 171
6.5.8 博彥日歷：企業(yè)每日銷(xiāo)售額總和日歷圖 172
6.5.9 阿斯特圖：不同地區(qū)銷(xiāo)售額的占比分析 173
6.5.10 陽(yáng)光圖：不同地區(qū)和商品類(lèi)型的銷(xiāo)售額分析 174
6.5.11 和弦圖：不同區(qū)域的銷(xiāo)售額比較分析 175
6.5.12 雷達(dá)圖：實(shí)際到貨時(shí)間與計(jì)劃到貨時(shí)間分析 176
6.5.13 直方圖：商品訂單金額的頻數(shù)分布情況 177
6.5.14 子彈圖：訂單商品到貨時(shí)間準(zhǔn)時(shí)性分析 178
6.5.15 桑基圖：不同地區(qū)的支付方式比較分析 179
6.5.16 龍卷風(fēng)圖：不同地區(qū)歷史銷(xiāo)售額的分析 180
6.6 練習(xí)題 181
第7章 Microsoft Power BI數(shù)據(jù)報(bào)表 182
7.1 Microsoft Power BI報(bào)表 182
7.1.1 Microsoft Power BI報(bào)表簡(jiǎn)介 182
7.1.2 Microsoft Power BI報(bào)表的特點(diǎn) 183
7.1.3 Microsoft Power BI報(bào)表與儀表板的差異 183
7.2 創(chuàng)建與發(fā)布Microsoft Power BI報(bào)表 184
7.2.1 為報(bào)表添加新的視圖頁(yè)面 184
7.2.2 為報(bào)表添加“篩選器”字段 186
7.2.3 發(fā)布與共享制作好的報(bào)表 188
7.3 報(bào)表設(shè)計(jì)的注意事項(xiàng) 190
7.3.1 合理布局報(bào)表視圖頁(yè)面 190
7.3.2 清楚準(zhǔn)確地表達(dá)數(shù)據(jù)信息 192
7.3.3 報(bào)表外觀(guān)舒適美觀(guān)大方 194
7.4 練習(xí)題 194
第三部分 ·Microsoft Power BI之大數(shù)據(jù)篇
第8章 連接Hadoop Hive 196
8.1 Hadoop簡(jiǎn)介 196
8.1.1 Hadoop分布式文件系統(tǒng) 197
8.1.2 MapReduce計(jì)算框架 197
8.1.3 Apache Hadoop發(fā)行版 198
8.2 連接基本條件 200
8.2.1 Hive版本：連接的**條件 200
8.2.2 驅(qū)動(dòng)程序：安裝ODBC驅(qū)動(dòng) 200
8.2.3 啟動(dòng)服務(wù)：運(yùn)行Hive的服務(wù) 201
8.3 連接步驟：連接集群Hive 201
8.3.1 Cloudera Hadoop Hive 201
8.3.2 MapR Hadoop Hive 204
8.4 案例：不同地區(qū)銷(xiāo)售額的比較分析 206
8.5 練習(xí)題 208
第9章 連接Apache Spark 209
9.1 Hadoop與Spark的比較 209
9.2 連接Hadoop Spark集群 211
9.2.1 安裝Spark SQL的ODBC驅(qū)動(dòng) 211
9.2.2 啟動(dòng)集群和Spark相關(guān)進(jìn)程 212
9.2.3 配置Spark ODBC數(shù)據(jù)源 212
9.2.4 測(cè)試Spark ODBC數(shù)據(jù)連接 213
9.3 案例：比較企業(yè)各地區(qū)的銷(xiāo)售業(yè)績(jī) 214
9.4 練習(xí)題 217
第10章 連接Hadoop集群工具 218
10.1 DBeaver 218
10.1.1 安裝和配置連接環(huán)境 218
10.1.2 不同職業(yè)客戶(hù)平均年齡分布 223
10.2 Oracle SQL Developer 224
10.2.1 安裝和配置連接環(huán)境 224
10.2.2 不同教育背景客戶(hù)平均年齡分布 227
10.3 DbVisualizer 228
10.3.1 安裝和配置連接環(huán)境 228
10.3.2 不同性別客戶(hù)平均年齡分布 232
10.4 SQuirrel SQL Client 233
10.4.1 安裝和配置連接環(huán)境 233
10.4.2 不同類(lèi)型客戶(hù)平均年齡分布 238
10.5 練習(xí)題 239
第四部分 ·Microsoft Power BI之案例實(shí)戰(zhàn)篇
第11章 案例實(shí)戰(zhàn)——銷(xiāo)售商品主題分析 242
11.1 準(zhǔn)確了解電商商品現(xiàn)狀 242
11.1.1 如何了解商品的現(xiàn)狀 242
11.1.2 商品現(xiàn)狀可視化分析 243
11.2 如何分析商品銷(xiāo)售業(yè)績(jī) 246
11.2.1 正確分析商品銷(xiāo)售額 246
11.2.2 商品銷(xiāo)售額可視化分析 247
11.3 練習(xí)題 250
第12章 案例實(shí)戰(zhàn)——銷(xiāo)售經(jīng)理主題分析 251
12.1 銷(xiāo)售經(jīng)理銷(xiāo)售業(yè)績(jī)分析 251
12.1.1 如何考核銷(xiāo)售經(jīng)理 251
12.1.2 銷(xiāo)售業(yè)績(jī)可視化分析 251
12.2 銷(xiāo)售經(jīng)理服務(wù)滿(mǎn)意度分析 254
12.2.1 影響服務(wù)滿(mǎn)意度的因素 254
12.2.2 服務(wù)滿(mǎn)意度可視化分析 254
12.3 練習(xí)題 257
第13章 案例實(shí)戰(zhàn)——客戶(hù)價(jià)值主題分析 258
13.1 電商商品有效客戶(hù)分析 258
13.1.1 如何衡量客戶(hù)價(jià)值 258
13.1.2 有效客戶(hù)可視化分析 259
13.2 如何降低電商客戶(hù)流失率 264
13.2.1 降低客戶(hù)流失策略 264
13.2.2 客戶(hù)流失率可視化分析 265
13.3 練習(xí)題 270
第14章 案例實(shí)戰(zhàn)——配送準(zhǔn)時(shí)性主題分析 271
14.1 電商商品配送準(zhǔn)時(shí)性現(xiàn)狀 271
14.1.1 商品配送流程與模式 271
14.1.2 配送準(zhǔn)時(shí)性可視化分析 271
14.2 商品配送準(zhǔn)時(shí)性與退單關(guān)系 277
14.2.1 影響配送準(zhǔn)時(shí)性的因素 277
14.2.2 配送準(zhǔn)時(shí)性與退單關(guān)系分析 277
14.3 練習(xí)題 281
第15章 案例實(shí)戰(zhàn)——商品退貨主題分析 282
15.1 電商商品退貨現(xiàn)狀分析 282
15.1.1 如何規(guī)避退單的發(fā)生 282
15.1.2 商品退貨可視化分析 283
15.2 電商訂單退貨率分析 287
15.2.1 解讀電商退貨法規(guī) 287
15.2.2 商品退貨率可視化分析 287
15.3 練習(xí)題 290
附錄A 集群節(jié)點(diǎn)參數(shù)配置 291
A.1 Hadoop的參數(shù)配置 291
A.2 Hive的參數(shù)配置 293
A.3 Spark的參數(shù)配置 295
A.4 Zeppelin的參數(shù)配置 296
A.5 集群的啟動(dòng)與關(guān)閉 297
附錄B 安裝MongoDB 299
參考文獻(xiàn) 303
展開(kāi)全部
Microsoft Power BI商業(yè)數(shù)據(jù)分析與案例實(shí)戰(zhàn) 作者簡(jiǎn)介
王國(guó)平,畢業(yè)于上海海洋大學(xué)，碩士，主要從事數(shù)據(jù)可視化、數(shù)據(jù)挖掘和大數(shù)據(jù)分析與研究等工作。精通Tableau、SPSS、SPSS Modeler、Power BI等軟件，已出版《IBM SPSS Modeler數(shù)據(jù)與文本挖掘?qū)崙?zhàn)》《Microsoft Power BI數(shù)據(jù)可視化與數(shù)據(jù)分析》《Tableau數(shù)據(jù)可視化從入門(mén)到精通》《SPSS統(tǒng)計(jì)分析與行業(yè)應(yīng)用實(shí)戰(zhàn)》等圖書(shū)。
書(shū)友推薦
- >
有舍有得是人生
- >
羅庸西南聯(lián)大授課錄
- >
月亮虎
- >
苦雨齋序跋文-周作人自編集
- >
【精裝繪本】畫(huà)給孩子的中國(guó)神話(huà)
- >
姑媽的寶刀
- >
伊索寓言-世界文學(xué)名著典藏-全譯本
- >
小考拉的故事-套裝共3冊(cè)
本類(lèi)暢銷(xiāo)
