​按照自然日历来展现疫情数据时,是这样的效果, 由于各个国家的疫情爆发时间不一致,按自然日期坐标轴很难比较各个国家的蔓延速度. 如果各个国家都从蔓延日开始统计,展示之后每日的确诊人数,就是同样的时间轴,可以很直观的看出每个国家的发展速度. 这里的难点在于,如何确定开始蔓延日期,以及如何根据蔓延日期,来计算每一天距离蔓延日是第几天? 在PowerBI中,用DAX可以轻松实现. 原始数据是从2020年1月1日开始到现在的每日每个国家的确诊数据,包括新增确诊人数.新增死亡人数.累计确诊人数和累计死亡人

PowerBI 使用 内存的列式数据库 VertiPaq,用于对已发布的数据集进行数据压缩和快速处理,能够使PowerBI报表执行脱机访问,面向列的处理,高度优化对1:N关系的处理性能.关系是数据分析的基础,正因为数据之间存在关系,分析数据才有了意义.PowerBI支持的关系(Reliationship)有1:N(称作一对多的关系)和1:1两种,PowerBI不支持多对多的关系,在设计PowerBI时,通常把1:1的关系合并成一张表,因为任何一个关系都会降低查询性能.通常意义上,所谓的Power

今天分享一个可视化小技巧,如何在PowerBI的表格中动态显示需要的列? 就是这样的效果, 也就是根据切片器的筛选,来显示需要的列,做起来很简单,步骤如下: 01 逆透视表 进入Powerquery编辑其中,对该表格逆透视. 选中基础列,也就是固定显示的列,比如[产品名称],然后逆透视其他列, 逆透视后的表格如下, 是不是很乱的感觉? 02 利用矩阵展现该表 将逆透视后的表,放入到矩阵中. [产品名称]拖入[行],[属性]放进[列], 是不是混乱的表格又变得十分整齐了呢:) 03 生成切片器 使

跟大家的交流是我的动力. :) DAX/PowerBI系列 - 关于时间系列 - 如何用脚本生成时间维度 (Generate Date Dimension) 难度: ★☆☆☆☆(1星) 适用范围: ★★★★★(5星) 这个时间系列想写很久了,今天开始走一小步.也是作为后续关于时间计算文章的基础.    (文末发一个小福利. ) 概况: 关于时间序列的计算是一个很(也)常(很)用(大)的topic,而且应用范围很广,譬如计算同比,环比,根据时间序列预测某个值.必不可少的就是在模型里面有一个日期的维

DAX/PowerBI系列 - 关于时间系列 - 如何用脚本生成时间维度 (Generate TIME Dimension) 难度: ★☆☆☆☆(1星) 适用范围: ★★★★★(5星) 这个时间系列想写很久了,今天开始走一小步.也是作为后续关于时间计算文章的基础.    (文末发一个小福利. ) 概况: 前文应该为生成日期维度,本文为时间维度 - 时刻. :) 有好些小伙伴问想按小时分析数据,咋办?有没有时间的脚本? 可以有! 一般来说把时间进行切片进行数据分析,粒度可分为:十年.五年.年.半年

今天给大家分享一个动态显示数据层级的技巧,效果如下: 无论想按什么维度.什么顺序查看分析数据,只需要选择不同的切片器组合就行了. 方法如下:01 | 把数据聚合为分析需要的最细粒度 本文假设最细分析粒度为月度,可以通过分组功能聚合,这样可以显著的降低数据的行数. 02 | 添加索引列 03 | 对分析维度逆透视 选中各个分析的各个维度,逆透视, 04 | 复制2个逆透视后的表,上载到数据模型并建立关系 这三个表是完全相同的表,通过索引列建立关系, 05 | 用三个表的属性生成三个切片器 按顺序分

默认情况下,PowerBI图表的标题是静态的,为了增强图表的可读性,通过设置动态标题,可快速展示关键信息.提升沟通效率.本文通过两个简单的例子来看看PowerBI中如何创建动态标题. /01/ 拿之前文章中介绍移动平均的例子来看,标题是静态的, 只能通过看切片器显示的数字来获悉是当前状态是多少天的移动平均,标题是固定不变的,如果想把移动平均的天数显示在标题上,应该怎么做呢? 其实很简单,新建一个度量值: 标题 = "销售额"&SELECTEDVALUE('参数'[参数])&am

数据中的明细项一般都有很多,可是我们关注的往往只是前几名,所以在报表中只展示关注的部分,就十分常用. 有了上篇(这几个示例,帮你深入理解RANKX排名)关于排名的铺垫,仅显示前N名就简单多了. 依然以上篇文章数据中的数据为例,按销售额的高低来显示前几名的产品,使用最常用的排名方式, 排名 = RANKX(ALL('产品'),[销售额]) 有了这个排名,如果只想显示前5名,就可以这样写度量值, 销售额 前5名=CALCULATE([销售额],FILTER(VALUES('产品'),[排名]<=5)

https://zhuanlan.zhihu.com/p/64510355 逛超市的时候,面对货架上琳琅满目的商品,你会觉得这些商品的摆放,或者不同品类的货架分布是随机排列的吗,当然不是. 应该都听说过啤酒与尿布的故事,这两个表面上毫不相关的商品,在超市中摆放在一起时二者的销量都大幅度提升.这里不论这个案例的真实性如何,但它对理解产品之间的关联十分形象,好的故事总是更有传播度. 购买某种商品的客户,对另一种商品,相对于其他商品,有更大的购买概率,这两种商品就具有更高的关联度,为了提高销售额,应尽

简介 Power BI Desktop -是一款由微软发布的自助式商业智能工具,功能强大.易于使用.其中还可以通过微软云连多个数据源并且使用数据源来创建可视化表盘. 但是几乎所有的BI都需要展示如何随时间改变KPI.因此我将会介绍一个帮助我们使用事件元素来分析数据的关键功能.在PowerBI Desktop 中叫做“time intelligence”.应用这种时域分析法能是商业智能中基本的数据表现形式.毕竟公司想要知道的无非就是今年的业绩相比去年如何以及取得了何种进步. “Time intel

 上次课我们简单介绍了奥威Power-BI的智能分析报告,并展示了报告与图表相结合的应用场景.图文分析报表的意义不只在于美观,更重要的是固定框架下的灵活性和追根究底的动态分析,有着很强的实用性.上节课浅讲,这节课深化,单独讲智能分析报告的使用与应用. 本期分享的内容: <奥威Power-BI智能分析报告制作方法> 时间:2016年12月07日 课程主讲人:古金莹 现担任珠海奥威软件科技有限公司数据分析师一职,从事多年数据分析相关工作,专业性强,逻辑思维能力强:曾参与国家级.国际级数学建模竞赛,

年的最后一个月,一年又快过去.工作和学习都不能耽误,本周三奥威公开课又如约与大家见面咯!不知老师教的图文报表在课后你们都有练习吗?趁热打铁,我们现在再次来温习一下吧. 本期分享的内容:<奥威Power-BI智能分析报表制作方法> 时间:2016年11月30日 课程主讲人:古金莹   现担任珠海奥威软件科技有限公司数据分析师一职,从事多年数据分析相关工作,专业性强,逻辑思维能力强:曾参与国家级.国际级数学建模竞赛,均荣获奖项:协助过政府统计局处理数据分析工作,在数据分析方面有着丰富的经验. &l

费用分析主要从财务三大费用入手,剖析费用的结构.用途.占用等情况,从三大费用到明细费用.部门.职员的层层钻取,从而有效地进行费用管理和控制.Power-BI前端展示:图1<ignore_js_op> 点表格[三大费用]-“营业费用”,可以联动到饼图[部门占比].条形图[明细费用TOP10].折线图[费用趋势分析],分析“营业费用”各部门使用占比情况,明细费用使用排名情况以及营业费用趋势.如图:图2<ignore_js_op> 点饼图[部门占比]-“总部”,可以联动到条形图[明细费用

    本期分享的内容: <奥威Power-BI基于微软示例库(MSSQL)快速制作管理驾驶舱> 时间:2016年11月02日 课程主讲人:叶锡文 从事商业智能行业,有丰富的实施经验,擅长Power-BI的培训工作,从事了五年的培训,培训经验丰富. 本次课程是基于微软SQL数据源的案例实操课,以微软SQL示例AdventureWorksDW2008R2为基础数据,接下来根据此次的课程做一个回顾与反馈.   <ignore_js_op> (商业智能) 维度表与事实表 进入制作管理驾驶

本次课是基于olap数据源的案例实操课,以微软olap示例库Adventure Works为数据基础.        AdventureWorks示例数据库为一家虚拟公司的数据,公司背景为大型跨国生产公司,产品为自行车,产品远销世界各地,销售模式包括经销和线上销售.       与客户和销售相关的信息是 AdventureWorks 示例数据库的重要组成部分.本次课将摘取部分销售内容 从时间维度.销售类型维度.客户类型维度,结合销售金额指标来构建管理驾驶舱. <ignore_js_op> 讲师

Power-BI预设了多种饼图,除了常见的饼图.圆环图之外,还有嵌套饼图.并列饼图.百分比饼图.百分比弧形图.半径玫瑰图.面积玫瑰图等.不同的应用场景选择不同的饼图,让你的数据展现更丰富.更合理.更实用. 饼图.圆环图,适用于常规单指标占比分析.例如各区域销量占比(图1):<ignore_js_op> 嵌套饼图,即把多个指标的占比嵌套在同一个饼图里面,可直观看出同一个维度多个指标直接的占比差异.例如各品类销售数量和毛利的占比,如图内圈是数量,外圈是毛利,可直观看出“烟/酒/茶”的销售数量占比少

<ignore_js_op> 数读|中国的经济只剩下房地产了么? 引言: 近日一则标题为“房奴们又立功啦,7月份新增贷款几乎都来自房贷!”的报道吸引了大众的目光.该报道指出在央行8月13日公布的7月份金融数据中,房贷几乎占据了全部贷款,7月份人民币贷款为4636亿元,而房贷却占了4575亿元.知名政经评论员雷思海对此评论到:这种局面如果不得到控制的话,房地产恐怕最终成为毁掉中国经济的洪荒之力.那么到底是什么推动了房贷的激增呢?除了政策上的影响,银行加大对居民住房按揭贷款的投入,还有一个重要的推

时隔一年,奥威Power-BI重磅再推新版,在之前V10 WEB可视化前端分析工具基础上,更加注重用户体验这一块.V11站在用户的角度,以用户的视野去设计研发新版本,最终在前端框架的优化.移动设备的体验.以及动态视图和免费版优化四个方面进行了优化.下面我们来简略看一下此次V11升级版的亮点内容: 一.全新前端框架 1.自动布局功能:新框架风格更为简约,自动布局可以让用户快速的将图表对象重组,从而形成规整的管理驾驶舱. 2.主题样式自定义功能:主题样式增加,甚至用户可以根据自己需要,任意定义主题调

经常在网上看到有关房价的讨论,房价可能真的悬了,高房价撑不了多久,一线城市房价远高于国际,暴涨游戏该结束了,等等.那么近年来房价整体上究竟是一个什么样的状态?今天我们撇开宏观经济要素,来看看近年来主要城市商品房的销售情况. 我们收集了2004年至2014年主要城市商品房销售相关数据,从图表中,我们可以直观地获取到这些信息:销售面积最多的城市是重庆,面积为5100万平方米:销售面积同比增长最大的是兰州,增长率85.92%,其中2014年是480.36万平方米,2013年是253.46万平方米:销售

PowerBI 使用 内存的列式数据库 VertiPaq,用于对已发布的数据集进行数据压缩和快速处理,能够使PowerBI报表执行脱机访问,面向列的处理,高度优化对1:N关系的处理性能.PowerBI支持的关系(Reliationship)有1:N(称作一对多的关系)和1:1两种,PowerBI不支持多对多的关系,在设计PowerBI时,通常把1:1的关系合并成一张表,因为任何一个关系都会降低查询性能.通常意义上,所谓的PowerBI的关系通常是指一对多的关系,关系(1:N)的构成:两端是查找表

DAX/PowerBI系列 - 关于时间系列 - 时间相关数值比较 - 用非自带函数 文末有彩蛋,解决蛋疼问题 难度: ★★☆☆☆(2星) 适用范围: ★★★☆☆(3星) 概况: 基于时间的汇总可能是最基础.最普遍用到的计算之一:计算年度销售总额,计算月度消费金额,某个店某个时期的销售情况等等.这里的时间模式介绍用DAX实现时间相关的计算,它不依赖于DAX自带的时间函数(譬如YTD,MTD等等).如果你有特殊的日历,特定特定时间段的计算(例如:按周计算.按trimester计算),用这个这个模式