Excel商务智能

《Excel商务智能：Power Query和Power Pivot数据清洗、建模与分析实战》主要介绍Excel商务智能组件Power Query和Power Pivot在数据分析方面的应用。全书共11章：第1章介绍Excel中的Power Query和Power Pivot两大商务智能组件及其功能；第2章至第6章介绍如何使用Power Query来获取数据并进行处理，主要包含Power Query的基本操作、M函数和M公式的基础知识、常用的M函数，以及数据处理的综合案例；第7章至第11章介绍如何使用Power Pivot进行数据建模和分析，主要包含Power Pivot的基本操作、数据模型的建立、DAX表达式的基础知识和进阶知识、常用的DAX函数，以及数据分析的综合案例。

《Excel商务智能：Power Query和Power Pivot数据清洗...

(展开全部)

《Excel商务智能：Power Query和Power Pivot数据清洗、建模与分析实战》主要介绍Excel商务智能组件Power Query和Power Pivot在数据分析方面的应用。全书共11章：第1章介绍Excel中的Power Query和Power Pivot两大商务智能组件及其功能；第2章至第6章介绍如何使用Power Query来获取数据并进行处理，主要包含Power Query的基本操作、M函数和M公式的基础知识、常用的M函数，以及数据处理的综合案例；第7章至第11章介绍如何使用Power Pivot进行数据建模和分析，主要包含Power Pivot的基本操作、数据模型的建立、DAX表达式的基础知识和进阶知识、常用的DAX函数，以及数据分析的综合案例。

《Excel商务智能：Power Query和Power Pivot数据清洗、建模与分析实战》紧贴实际应用场景，深入浅出地介绍了Excel商务智能组件强大的数据处理和建模分析能力。为了方便读者学习，本书针对一些综合性强或难点章节录制了配套视频。通过阅读本书，读者可以更加高效地进行数据分析工作。

《Excel商务智能：Power Query和Power Pivot数据清洗、建模与分析实战》适合有一定基础的Excel用户和Power BI用户阅读，可以作为销售、客服、采购、仓储、物流、人力资源、财务、电商等相关岗位职场人士的参考用书，也适合Excel爱好者、数据“发烧友”、在校大学生及经常和数据打交道的朋友阅读。

第1章 Excel：你的职场生产力工具 / 1
1.1 你所不知道的Excel分析“利器” / 1
1.2 从Excel到Power BI，只需要一步 / 2
第2章 认识Power Query编辑器 / 4
2.1 初识Power Query / 4
2.2 编辑器管理界面介绍 / 5
· · · · · · (更多)

第1章 Excel：你的职场生产力工具 / 1
1.1 你所不知道的Excel分析“利器” / 1
1.2 从Excel到Power BI，只需要一步 / 2
第2章 认识Power Query编辑器 / 4
2.1 初识Power Query / 4
2.2 编辑器管理界面介绍 / 5
2.3 创建查询的方法 / 7
2.4 数据源路径的修改与设置 / 9
2.5 数据上载与刷新 / 11
第3章 Power Query的基本操作实例 / 14
3.1 入门基础知识 / 14
3.1.1 数据类型的设置 / 14
3.1.2 标题的升降设置 / 16
3.1.3 “转换”与“添加列”选项卡中的功能 / 16
3.2 删除行或列操作 / 18
3.2.1 选择列与删除列 / 18
3.2.2 删除行与保留行 / 20
3.2.3 通过筛选器删除行 / 24
3.3 添加列操作 / 25
3.3.1 简单快速地添加条件列 / 25
3.3.2 为行添加自定义序号 / 27
3.3.3 添加自定义列 / 29
3.4 拆分列与合并列操作 / 30
3.4.1 实例1：按分隔符拆分列 / 30
3.4.2 实例2：按字符数拆分列 / 33
3.4.3 实例3：按位置拆分列 / 34
3.4.4 实例4：其他拆分列的方法 / 35
3.4.5 合并列常用的方法 / 36
3.5 透视列与逆透视列操作 / 38
3.5.1 一维表和二维表 / 38
3.5.2 实例1：一维表转二维表 / 39
3.5.3 实例2：二维表转一维表 / 41
3.5.4 实例3：含有多重行/列表头的数据清洗 / 42
3.6 提取文本值中指定字符的操作 / 45
3.6.1 实例1：按指定的长度提取文本值中指定的字符 / 45
3.6.2 实例2：按分隔符的位置提取文本值中指定的字符 / 47
3.7 数学运算和分组统计 / 49
3.7.1 聚合运算的操作 / 49
3.7.2 实例1：活用“选择性粘贴”功能处理考试成绩 / 50
3.7.3 实例2：使用分组统计功能快速计算各部门的数据 / 53
3.8 追加查询与合并查询 / 54
3.8.1 实例1：使用追加查询批量合并多个Excel工作表数据 / 54
3.8.2 认识合并查询的6种联接类型 / 56
3.8.3 实例2：使用合并查询完成各种数据匹配 / 61
第4章 M函数和M公式基础入门 / 65
4.1 M函数和M公式介绍 / 65
4.1.1 M函数和M公式 / 65
4.1.2 主要的M函数类型 / 66
4.1.3 常用的数据类型 / 67
4.1.4 运算符 / 68
4.1.5 如何查看函数帮助 / 69
4.2 三大数据结构 / 72
4.2.1 列表 / 72
4.2.2 记录 / 74
4.2.3 表 / 74
4.2.4 数据结构的组合和深化 / 75
4.2.5 数据结构的扩展 / 77
4.3 数据结构之间的相互转换 / 79
4.3.1 List和Record之间的转换 / 79
4.3.2 Table和List之间的转换 / 80
4.3.3 Table和Record之间的转换 / 83
4.4 M公式中常用的语句 / 84
4.4.1 let…in…语句 / 84
4.4.2 条件分支语句 / 85
4.4.3 容错语句try…otherwise… / 88
4.4.4 each _与(x)=>的关系 / 89
4.4.5 为公式添加注释 / 92
第5章 常用的M函数实战详解 / 94
5.1 各种数据类型之间的相互转换 / 94
5.1.1 将值转换为文本 / 94
5.1.2 将值转换为数值 / 95
5.1.3 将值转换为日期 / 96
5.2 List和Table的批量转换实战 / 96
5.2.1 批量转换函数List.Transform的实际应用 / 96
5.2.2 批量转换函数Table.TransformColumns的实际应用 / 97
5.3 获取和删除各种数据实战 / 99
5.3.1 使用Table.Skip函数和Table.SelectRows函数筛选行 / 99
5.3.2 获取和删除指定文本值中的指定字符 / 101
5.3.3 获取和删除列表中的元素 / 102
5.4 各种数据结构的拆分、合并、截取和替换实战 / 104
5.4.1 实例1：表的拆分与合并应用 / 104
5.4.2 实例2：列表的拆分与合并应用 / 106
*5.4.3 实例3：拆分和提取文本值中的数值并求和 / 108
5.4.4 对文本值进行截取的函数 / 112
*5.4.5 实例4：批量替换和有条件地批量替换文本值 / 113
*5.4.6 实例5：使用List.Zip函数批量更换标题及制作工资条 / 117
5.5 判断文本值和列表中是否包含指定的内容 / 120
*5.5.1 实例1：对任意组合的条件值求和 / 120
5.5.2 实例2：根据标准答案计算多选题的得分 / 123
5.6 分组函数Table.Group及其应用 / 125
5.6.1 Table.Group函数和常规分组计算 / 125
5.6.2 实例：条件分组计算和数据清洗整理获奖数据 / 129
5.7 参数与自定义函数 / 132
5.7.1 参数的设置方法 / 132
5.7.2 实例：创建和调用自定义函数将一列拆分为多列 / 134
*第6章 Power Query综合实战 / 140
6.1 数据获取综合实战 / 140
6.1.1 实例1：获取并合并Excel工作簿中的多个工作表的数据 / 140
6.1.2 实例2：获取并合并多个文件夹下的Excel工作簿中的数据 / 144
6.1.3 实例3：获取网页中的表格数据 / 147
6.1.4 实例4：获取CSV或TXT文件数据 / 151
6.1.5 实例5：实时获取数据库中的数据 / 153
6.2 数据转换综合实战 / 155
6.2.1 实例1：将复杂的二维调薪表转换为一维明细表 / 155
6.2.2 实例2：高效快速地清洗零乱的考勤数据 / 158
6.2.3 实例3：同时拆分组合的供应商中文名称和英文名称 / 164
6.2.4 实例4：批量提取Excel工作簿中不规则的防疫数据 / 167
第7章 认识Power Pivot与DAX / 170
7.1 Power Pivot介绍 / 170
7.1.1 认识Power Pivot / 170
7.1.2 从数据透视表的不重复计算说起 / 171
7.1.3 在Excel中加载Power Pivot / 173
7.1.4 认识Power Pivot的管理界面 / 174
7.2 Power Pivot的数据获取方式 / 175
7.2.1 从表格/区域和Power Query导入数据 / 176
7.2.2 从Excel文件导入数据 / 177
7.2.3 从文本文件导入数据 / 178
7.2.4 从剪切板导入数据 / 179
7.2.5 从数据库导入数据 / 180
7.3 认识数据分析表达式DAX / 182
7.3.1 常用的DAX函数类型 / 182
7.3.2 DAX中的数据类型与运算符 / 184
7.3.3 创建DAX表达式时表和列的引用方式 / 185
第8章 Power Pivot和DAX基础知识 / 187
8.1 理解计算列与度量值 / 187
8.1.1 依附于数据表的计算列 / 187
8.1.2 能适应各种环境的度量值 / 189
8.1.3 度量值与数据透视表的计算字段 / 191
8.1.4 如何选择度量值与计算列 / 193
8.1.5 管理度量值 / 193
8.2 数据模型与表间关系 / 195
8.2.1 理解Power Pivot的数据模型 / 195
8.2.2 多表操作时表间关系的建立和管理 / 196
8.2.3 表、列和度量值的隐藏 / 199
8.2.4 LOOKUPVALUE函数介绍 / 200
8.2.5 RELATED函数与RELATEDTABLE函数介绍 / 201
8.3 DAX的基础函数 / 203
8.3.1 以SUMX为代表的结尾带有X的聚合函数 / 203
8.3.2 筛选函数FILTER和逻辑运算符 / 205
8.3.3 DAX中最重要的CALCULATE函数 / 207
8.3.4 CALCULATE函数的筛选器的选择 / 209
8.3.5 VALUES函数和DISTINCT函数 / 211
8.3.6 初识ALL函数和ALLEXCEPT函数 / 213
8.4 初识计值上下文 / 214
8.4.1 初识筛选上下文 / 215
8.4.2 创建筛选上下文 / 216
8.4.3 初识行上下文 / 219
8.4.4 行上下文转换 / 220
8.5 CALCULATE函数的调节器 / 224
8.5.1 删除筛选器的ALL函数 / 224
8.5.2 追加筛选的KEEPFILTERS函数 / 227
8.5.3 激活关系的USERELATIONSHIP函数 / 228
第9章 DAX进阶知识和常见应用 / 231
9.1 Power Pivot和数据透视表 / 231
9.1.1 实例1：在数据透视表中使用自定义排序：按列排序 / 231
9.1.2 实例2：在数据透视表中创建KPI规则——设置“条件格式” / 233
*9.2 在DAX中使用VAR变量 / 236
9.2.1 关于VAR变量 / 236
9.2.2 使用变量时应该避免的错误 / 237
9.3 常见的DAX函数和实际案例应用 / 238
9.3.1 实例1：使用CONCATENATEX函数进行文本值透视 / 238
9.3.2 实例2：使用ALLSELECTED函数动态地计算各类占比 / 241
9.3.3 实例3：使用RANKX函数动态地计算各类排名 / 244
*9.3.4 实例4：自定义数据透视表标题行完成复杂的报表 / 248
9.4 DAX作为查询工具的实际应用 / 251
9.4.1 数据查询和EVALUATE / 251
9.4.2 实例1：使用ADDCOLUMNS函数建立查询表 / 254
9.4.3 实例2：使用SELECTCOLUMNS函数建立查询表 / 256
*9.4.4 实例3：使用SUMMARIZE和SUMMARIZECOLUMNS函数分组汇总数据 / 257
9.5 Power Pivot数据模型与多维数据集函数 / 259
9.5.1 认识CUBE类函数 / 260
*9.5.2 实例1：使用CUBEVALUE函数提取Power Pivot数据模型中的数据 / 262
*9.5.3 实例2：使用“切片器+CUBEVALUE函数”动态提取Power Pivot数据模型中的数据 / 266
第10章 时间智能计算 / 269
10.1 认识时间智能函数和日期表 / 269
10.1.1 时间智能函数与日期函数 / 269
10.1.2 日期表的创建与标记 / 270
10.1.3 与时间智能函数相关的常用计算指标 / 272
10.2 常见的时间智能计算 / 273
10.2.1 实例1：年初、季初与月初至今计算 / 273
10.2.2 实例2：各类同比与环比的计算 / 275
*10.2.3 实例3：动态移动平均分析模型 / 280
*第11章 Power Pivot综合实战 / 283
11.1 实例1：TOP-N门店销售和利润贡献度分析模型 / 283
11.2 实例2：折扣比例分组（分区间）分析模型 / 286
11.3 实例3：动态ABC分类分析模型（帕累托分析模型） / 288
11.4 实例4：RFM客户价值分析模型 / 291
11.5 实例5：员工在职、入职、离职和离职率的计算模型 / 296
· · · · · · (收起)