【2506】+【3316911】

PowerBI是一个强大的工具，它的大数据处理能力、丰富的可视化对象、便捷的交互体验正在改变我们查看数据的方式，这是一个未来的趋势：

整体学习中，由于时间很赶，有些功能还是运用的不是很熟练，数据处理还存在很多盲点，但这并不比影响我对BI学习后的震撼，原来繁杂的数据，我们需要几天处理，现在借助软件，我们仅需要极短的时间就可以完成。未来的工作方式就是熟练掌握运用AI软件，效率极高的人。

在这里记录一下，从拿到原始数据到产出最终的可视化仪表盘，主要需要经历以下几个步骤：

1. 确认仪表盘与图表需求 首先要明确最终需要哪些数据仪表盘和图表展示。这样才能倒推需要准备哪些数据，指导后续工作。

2. 原始数据准备与预处理

• 数据来源：通常是来自业务的非结构化数据，比如 Excel 文件。
• 数据预处理：如果有条件，最好进行一些预处理，例如建立标准格式的日期字段。这一步能让后续的数据清洗更加高效。

3. 数据维度与结构设计 这一步有点像设计关系型数据库的表结构和字段，核心在于思考如何存放数据才能让整个模型更高效、直观，并且易于后续使用和维护。

• 基本原则：将所有业务数据（如订单、流水）存放在“事实表”中，然后用“维度表”（如日期、产品、门店）来进行索引。
• 具体制作：基于设计好的结构，进行数据清洗和整理，最终制作出具体的事实表与维度表。
•  
• 4. 建立表间关系 将负责存放核心数据的“事实表”与提供不同分析维度的“维度表”建立“一对多”的关系。这是实现图表动态筛选和交互的基础。
• 
• 5. 制作图表 相比前面的步骤，这一步其实简单很多。我用的 Power BI 提供了非常方便且丰富的图表组件，通过拖拽操作，将对应的数据字段拖入图表，就能够实时展示结果。
• 

• 目前项目的主要功能虽然已经实现，但还有一些地方需要进一步学习和完善：

• 多事实表的结构： 因为项目需要一个关于“库存周期”的图表，这就要求我再单独建立一个记录库存周期曲线的“事实表”。如何处理和应用多事实表的模型是我下一步要学习的。重复实践以加深理解： 打算之后再独立地把整个流程重新做一遍，巩固和加深理解。