京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者 | CDA数据分析师
来源 | CDA数据科学研究院
如果您有着下面这些疑问:
那么,您可以通过学习本系列教程帮助您快速了解powerBI工具的使用,让您乘上数据分析之路的直通车。
本系列教程旨在帮助您了解和理解Excel中Power BI各插件的功能和应用,包括Power Query、Power Pivot、Power View、Power Map。我将分模块对其进行介绍,下面我们就先来简单了解一下Power BI这门数据分析工具吧。
Power BI简介
1. 什么是Power BI?
以下是Microsoft Power BI官网给的定义:
Power BI是一种业务分析解决方案,可让您可视化数据并在整个组织中共享洞察,或将其嵌入到您的应用或网站中。连接数百个数据源,通过实时仪表板和报告将数据变为现实。
简单来说,Power BI就是一个数据分析工具,它能实现数据分析的所有流程,包括对数据的获取、清洗、建模和可视化展示,从而来帮助个人或企业来对数据进行分析,用数据驱动业务,做出正确的决策。说到这,我们有必要先来了解和理解一下数据分析的整个流程。
首先,我们先来看一下数据分析的一般流程是怎样的?
在数据分析过程中,有3个“最”我们需要铭记于心:
通常,我们可以将数据分析比喻成做菜,做菜的过程其实就类似数据分析的过程:
2. 为什么要使用Power BI?
如果您还不清楚为什么要学习Power BI,下面这些回答相信可以解决您的困扰。
十多年的行业领导地位 Gartner连续12年将微软评为分析和商业智能平台的魔力象限领导者。下面展示的是2019年最新的评价:
3. Power BI包括哪些组件?
从Excel 2016版开始,就嵌入了Power BI系列的插件,其中包括:Power Query、Power Pivot、Power View、Power Map。
因此,在学习本系列课程前,您需要准备:
如果您已经拥有Excel 2016及以上版本,那么下面教程将教您在Excel中如何加载Power BI插件。
一、常见环境配置问题:
二、加载Power BI插件
第1步:打开文件选项卡:
第2步:单击“选项”:
第3步:打开COM加载项:
第4步:勾选Power BI插件:
三、检查Power BI插件是否可以使用
1. Power Query检查
数据选项卡—>从表格—>进入PQ界面
在“转换选项卡”下查看是否有“提取”命令,如果有,说明Power Query可正常使用!
如果没有“提取”命令,选择文件-账户-更新下Excel
2. Power Pivot检查
查看功能区中是否有“Power Pivot”选项卡,如果有,说明配置成功!
3. Power Map检查
在插入选项卡下打开三维地图,注意需要连接网络,如果打不开可以尝试先将IE浏览器打开后再启动三维地图:
4. Power View检查
首先,先添加Power View命令
Power View选项卡中打开Power View
如果打开不成功,需要添加"EnableControls"文件夹里面的注册表和安装"Silverlight"
最后,2016家庭学生版重装失败的,可以选择使用Power BI Desktop进行替代使用Power View的功能。
下面我们来学习Power Query获取数据
下面我们开始来学习Power BI的第一个模块:Power Query模块。
在本小节,您将会学习怎样使用Power Query来获取数据,包括:
1. 获取本地数据
下面我们以获取Excel文件中的数据为例:
首先,我们先新建一个Excel文件,然后在数据选项卡下依次打开:新建查询——>从文件——>从工作簿
打开之后,找到您想要导入的Excel工作簿并导入即可
单击选择要导入的表后进行加载
双击或右键选择编辑即可进入Power Query编辑界面
2. 获取网页数据
下面我们以获取某篮球队的队员信息为例:
首先,在其官网选择您喜欢的一支球队
打开球员信息页面
打开一个新的Excel表格,在数据选项卡中依次打开:新建查询——>从其他源——>自网站
将复制的网址输入,点击确定
勾选“选择多项”,然后选择Table0表和Table2表进行加载,数据获取成功
注:若想查找已导入的数据,数据选项卡下“显示查询”可显示当前Excel下已导入的表
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26