另一个也可以的工具是：Tableau

还有一个是：神策，主要是用于互联网的app的数据埋点

数据分析的过程：

数据源--数据清洗（power query）-构建指标 新建度量值（power pivot）-可视化（power view）-报表完成

---

我使用的PowerBI版本

一 获取数据

法1.连接MySQL数据库

如果要连接MySQL,那么在MySQL安装路径下要安装mysql-connect-net，（我是本地电脑，如果数据库在服务端，那么需要放在服务端）下载地址MySQL :: Download MySQL Connector/NET (Archived Versions)

双击安装后

powerBI主页--获取数据--更多--数据库--MySQL数据库

 

输入数据库和用户后，就可以获取数据库的数据了

法2.导入execl数据

导入后，可以查看表之间的关系

二 操作数据（数据清洗）

主页--转换数据--转换数据

打开的是Power Query编辑器

可以编辑数据的类型，行列转换，增删列，提取，分组等操作

设置完即可“关闭并应用”

三 数据可视化

下面的新建列操作是数据建模的一部分：

在数据页面，新建一个某几列数据合在一起计算的列

选择表，右键--新建列--输入公式--确认

1. 地图

比如：查看门店分布及销售情况

1）插入--新建视觉对象

2）对象可以拉到合适的位置。然后，选择对象 --选择“可视化”的“地图”

3）将数据表中的门店的国家字段拉入地图中

 把销售额也拉入地图中，最后效果如下：

然后点击上图的“焦点模式”模式 

2.着色地图

1.新建视觉对象

2.选择“着色地图”

3）拉入国家和销售额

3. 柱形图、饼状图

美化

4. 矩阵（透视表）

不同产品在不同国家的销售额 

设置视觉对象格式，可以优化透视表

美化后效果：（若设置字体大小，搜索“大小”，然后进行设置）

5.词云

获取更多视觉对象--word cloud

根据自己的需要进行优化

上面中文的分词不大好用，可以用Python进行分词，再导入词云显示 

6.雷达图

获取更多视觉对象--Radar Chart

7.卡片图

显示某个度量值（具体看下面的“四 数据建模”的“新建度量值”部分） 

8.文本

9.筛选器

9.1视觉筛选器

选中视觉对象，进行筛选

9.2页面级筛选器

不选中任何视觉对象，将要筛选的字段拖入页面级筛选器中，那么每一个报表都会被筛选 

10.帕累托图

10.1 先建个表（我命名为“省销量表”）对分组进行统计

省销量表 = SUMMARIZE('xx2024_info - 副本','xx2024_info - 副本'[province],"销售额",SUM('xx2024_info - 副本'[price]))

 

10.2 计算累计百分比

有关EARLIER（）详解

累计百分比 = SUMX(FILTER('省销量表',EARLIER('省销量表'[销售额])<='省销量表'[销售额]),'省销量表'[销售额]/SUM('省销量表'[销售额]))

10.3 折线和堆积柱形图

 

11.切片器

切片器其实就是另一种筛选器

11.1 创建切片器

方式：点击画布空白位置--“可视化”选择“切片器”

11.2 切片器效果

勾选不同的选项（按住 Ctrl 键选择多个名称），对应模块会跟着改变

11.3 选择不受切片器影响的视图

选择切片器--格式--编辑交互：不受切片器影响的视图右上角选择“无” 

画布

纯色画布背景的选择

美化视图

共享

先发布到power bi 工作区，然后共享（需要账号升级才可以共享）

权限编辑

四 数据建模

（1）管理关系

可以删掉默认的关系，新建自己的关系

a.不同表之间的字段匹配

产品名称 = LOOKUPVALUE('product'[product_name],'product'[product_id],'sales_fact_1997'[product_id])

结果

b. 关联表

多端找一端：RELATED函数

一端找多端：RELATEDTABLE函数 

列1 = RELATED('product'[product_name])

（2）新建表

如果要新建表，不要直接用“新建表”的功能，而是通过空白查询的方式（主页--获取数据--空白查询--输入数据--添加表名--确定）

以下是新建一张名称为“度量值表”的表（为了方便下面第（4）步的操作，所以取名“度量值表”，也可以根据自己的需要命名）

 创建完记得“关闭并应用”

然后，在数据中可查看到新建的表 

（3）新建列

最好是用新建度量值，而不用新建列（列会占内存，度量值不会）

（4）新建度量值

DAX函数大全

• 常用函数

a. 迭代函数

函数	作用
SUMX('表'，算术表达式)	求和
AVERAGE('表'，算术表达式)	平均值
AVERAGEX('表'，算术表达式)	算术平均值
MAXX('表'，算术表达式)	最大值
MINX('表’，算术表达式)	最小值
COUNTX('表'，算术表达式)	记录数
COUNTAX函数('表'，算术表达式)	计算列中单元格不为空的数目
PRODUCTX('表'，算术表达式)	PRODUCTX('表'，算术表达式)

b. 计算函数

FILTER 的表，必须是维度表，唯一表。

Filter 常用方法:
1.搭配Calculate

Calculate(表达式(度量值),Filter('表名'，筛选条件))

在Calculate函数中的直接筛选条件里，我们只能输入:

‘表'[列]= 固定值    或 ‘表列1<>固定值    
‘表'[列]>= 固定值 或 ‘表’[列]<=固定值

‘表[列]>固定值 或 ‘表[列]<固定值

但是遇到如下情况，就要使用Filter函数

[列]=[度量值]、[列]=公式、[列]=[列]
[度量值]=[度量值]、[度量值]=公式、[度量值]=固定值

c. 日期函数

函数	作用
YEAR(日期)	返回年（四位数）
MONTH(日期)	返回月
DAY(日期)	返回日
QUARTER(日期)	返回季度
WEEKDAY(日期)	返回星期几(一周的第几天)
WEEKNUM(日期)	返回第几周
EDATE（日期,num）	返回num月后的日期
EOMONTH(日期,num)	返回往后推num月的月底的日期
DATEDIFF(data1,data2,interval)	返回两个日期之间的间隔
DATESYTD(Dates)	返回此年中截止当前日期的一组日期
DATESMTD(Dates)	返回此月份中截止当前日期的一组日期
DATESQTD(Dates)	返回此季度中截止当前日期的一组日期
DATEADD(Dates,NumberOfIntervals,Interval)	按指定的间隔移到给定的一组日期

计算累加值：

计算累计有两类常用的时间智能函数:
1. DATESYTD 为代表的返回日期值的表函数(不推荐)
DATESYTD (<Dates>，[<YearEndDate>])
2. TOTALYTD 为代表的返回标量值的函数(推荐)
总销售= sum('表'[销售])
年初至今=TOTALYTD([总销量],'表'[日期])

 TOTALYTD (<表达式>，<日期列>，[<筛选器>]，[截止日期])

参数	属性	描述
TOTALYTD (<表达式>，<日期列>，[<筛选器>]，[截止日期])		返回标量值的表达式
日期列		包含日期的列
筛选器	可选	应用于当前上下文的筛选器参数，可以是布尔表达式或表表达式
截止日期	可选	带有日期的文本字符串，用于定义年末日期，默认值为12月31日

 计算本年的年初至今(YTD)、季初至今(QTD)和月初至今(MTD)

总销售= sum('表'[销售])
年初至今=TOTALYTD([总销售],'表'[日期])
年初至今1= TOTALYTD([总销售],'表'[日期],FILTER('表','表'[销售]<50))
年初至今1=TOTALYTD([总销售],'表'[日期],FILTER('表','表'[销售]<50),"03/31")
 

DATEDIFF 

• 函数运用

<1> 新建度量表

为了统一管理度量值，可以新建一张“度量值表”，根据上面（2）操作中的方法

比如要计算store_cost的平均值，那么就新建一个度量值（表工具--新建度量值）。

<2>  使用AVERAGE函数（平均值）

点击“度量值表”，右键“新建度量值”

 

store_cost平均值 = AVERAGE('mayfood sales_fact_1998'[store_cost])

注意：这时候查看度量值时，页面不会有任何的显示

 在报表试图中，新建视觉对象，选择“表格”，拉入度量值，就可以看出结果

增加门店Id维度

<3>  使用Calculate函数（条件语句）

比如筛选store_cost大于其平均值的数据，并对其进行平均值计算

同样使用度量值

步骤一：筛选store_cost大于其平均值的数据

Filter('表名'，筛选条件)

FILTER('mayfood sales_fact_1998','mayfood sales_fact_1998'[store_cost]>=AVERAGE('mayfood sales_fact_1998'[store_cost]))

步骤二： 使用Calculate函数

Calculate(表达式(度量值),Filter('表名'，筛选条件))

store_cost大于平均值 = CALCULATE(AVERAGE('mayfood sales_fact_1998'[store_cost]),FILTER('mayfood sales_fact_1998','mayfood sales_fact_1998'[store_cost]>=AVERAGE('mayfood sales_fact_1998'[store_cost])))

增加城市维度

更多筛选条件

A.

多个筛选条件 = CALCULATE(AVERAGE('mayfood sales_fact_1998'[store_cost]),FILTER('mayfood sales_fact_1998','mayfood sales_fact_1998'[store_cost]>=AVERAGE('mayfood sales_fact_1998'[store_cost])),'mayfood sales_fact_1998'[store_id] = "1")

 B.

CALCULATE(AVERAGE('mayfood sales_fact_1998'[store_cost]),FILTER('mayfood sales_fact_1998','mayfood sales_fact_1998'[store_cost]>=AVERAGE('mayfood sales_fact_1998'[store_cost])),'mayfood sales_fact_1998'[store_id] in {1,12})

 如果in{}里面是文本，那么应该加双引号" "

C. 如果是排除某几个，则用not

 

<4>时间函数

• 年

first_opened时间筛选 = YEAR('mayfood store'[first_opened_date])

• 季度

first_opened时间筛选 = QUARTER('mayfood store'[first_opened_date])

• 第几周

• 返回往后推num月的月底的日期

• 两个日期之间的间隔

DATEDIFF('mayfood store'[first_opened_date],'mayfood store'[last_remodel_date],YEAR)

•  按指定的间隔移到给定的一组日期

= CALCULATE(SUM('order'[sales]),DATEADD('order'[year],-1,YEAR))

 

• 计算同比、环比（DIVIDE函数）

同步增长率：(今年第N月-去年第N月)/去年第N月

环比增长率：连续两个单位周期的比较，比如 N月-[N-1月]/[N-1月]

同比增长率 = DIVIDE('度量值表'[总sale]-'度量值表'[上一年sale],'度量值表'[上一年sale])

（5）分组

 

结果：