商務智能與數(shù)據(jù)可視化分析基礎全套教學課件

第1章概述商務智能與數(shù)據(jù)可視化分析基礎全套可編輯PPT課件1本章內(nèi)容商務智能概述

商務智能的定義與本質商務智能的發(fā)展與技術商務智能的應用與實施數(shù)據(jù)可視化概述

數(shù)據(jù)可視化的相關概念

數(shù)據(jù)可視化的應用場景數(shù)據(jù)可視化的主流工具201商務智能的定義與發(fā)展商務智能的定義與本質

商務智能的發(fā)展與技術商務智能的應用與實施概述商務智能（BusinessIntelligence，BI），也譯作商業(yè)智能或商業(yè)智慧。早在1996年，加特納集團（GartnerGroup）認為“商務智能描述了一系列的概念和方法，通過應用基于事實的支持系統(tǒng)來輔助商業(yè)決策的制定”。從上述定義可知，系統(tǒng)與輔助決策是商務智能的核心與關鍵。此后，眾多BI研究機構、企業(yè)和學者從不同視角對商務智能進行了定義。1.1商務智能的定義與本質31.2商務智能的定義商務智能（BusinessIntelligence，BI），較有代表性的定義41.2商務智能的定義關于商務智能（BusinessIntelligence，BI），較有代表性的定義來

源定

義IBM商務智能是一系列技術支持的簡化信息收集、分析的策略結合，它應該包括企業(yè)需要收集什么信息、誰需要去訪問這些數(shù)據(jù)、如何把原始數(shù)據(jù)轉化為最終導致戰(zhàn)略性決策的智能、客戶服務和供應鏈管理Microsoft商務智能是任何嘗試獲取、分析企業(yè)數(shù)據(jù)以更清楚地了解市場和客戶、改進企業(yè)流程、更有效地參與競爭的努力。在正確的時間向正確的決策者提供正確的信息，商業(yè)智能使企業(yè)用更好的時間做出比以前更好的決策DataWarehouseInstitute商務智能是將數(shù)據(jù)轉化為知識，將知識轉化為商業(yè)運營以獲取收益的過程Oracle商務智能是一種商務戰(zhàn)略，能夠持續(xù)不斷地對企業(yè)經(jīng)營理念、組織結構和業(yè)務流程進行重組，實現(xiàn)以顧客為中心的自動化管理SAP商務智能是收集、存儲、分析和訪問數(shù)據(jù)以幫助企業(yè)更好決策的技術IDC商務智能是下列軟件工具的集合：終端用戶查詢和報告工具、聯(lián)機分析處理工具、數(shù)據(jù)挖掘軟件、數(shù)據(jù)集市和數(shù)據(jù)倉庫產(chǎn)品、主管信息系統(tǒng)Teradata商務智能的目的是幫助決策者制定消息靈通的選擇。因此，現(xiàn)代商業(yè)智能系統(tǒng)必須能處理海量的、詳細的、全異的數(shù)據(jù)并快速將其轉化為有意義的、準確、決策者可以放心執(zhí)行的信息帆軟商務智能是在打通企業(yè)數(shù)據(jù)孤島，實現(xiàn)數(shù)據(jù)集成和統(tǒng)一管理的基礎上，利用數(shù)據(jù)倉庫、數(shù)據(jù)可視化與分析技術，將指定的數(shù)據(jù)轉化為信息和知識的解決方案，其價值體現(xiàn)在滿足企業(yè)不同人群對數(shù)據(jù)查詢、分析和探索的需求，從而為管理和業(yè)務提供數(shù)據(jù)依據(jù)和決策支持趙衛(wèi)東商務智能是融合了先進信息技術與創(chuàng)新管理理念的結合體，集成了企業(yè)內(nèi)外的數(shù)據(jù)，經(jīng)過加工并從中提取能夠創(chuàng)造商業(yè)價值的信息，面向企業(yè)戰(zhàn)略并服務于管理層、業(yè)務層，指導企業(yè)經(jīng)營決策，提升企業(yè)競爭力，涉及企業(yè)戰(zhàn)略、管理思想、業(yè)務整合和技術體系等層面，促進信息到知識再到利潤的轉變，從而實現(xiàn)更好的績效51.3商務智能的內(nèi)涵商務智能的內(nèi)涵商務智能通過對輸入的數(shù)據(jù)和關系進行數(shù)據(jù)挖掘，運用數(shù)據(jù)清洗、數(shù)據(jù)存儲、數(shù)據(jù)分析、數(shù)據(jù)預測與數(shù)據(jù)可視化等方法與技術，形成有價值的商務信息、可視化報表和決策方案等產(chǎn)物，從而達到優(yōu)化運營管理與輔助科學決策的目的。6商務智能的產(chǎn)生源自商務活動信息的處理，早期的企業(yè)管理信息系統(tǒng)，如：辦公自動化（OfficeAutomation，OA）、客戶關系管理（CustomerRelationshipManagement，CRM）、供應鏈管理（SupplyChainManagement，SCM）等，積累了大量的數(shù)據(jù)，為“數(shù)據(jù)→信息→知識→價值”的轉換和智能科學決策提供了基礎。數(shù)據(jù)到價值的轉換如下圖。1.4商務智能的本質71.5商務智能的本質由于價值的發(fā)現(xiàn)與智慧密切相關，因而數(shù)據(jù)到價值的轉換過程，往往蘊涵著“數(shù)據(jù)→信息→知識→智慧”的加工過程，四者的相互關系如右圖所示。8在“數(shù)據(jù)→信息→知識→智慧”的加工過程中，其分別是指：1.數(shù)據(jù)：是對現(xiàn)實客觀事物的數(shù)量、屬性、位置等特征進行的抽象化表示，以便于保存、傳遞和處理。數(shù)據(jù)的形式即包括常見的符號數(shù)據(jù)、文字數(shù)據(jù)，也包括聲音數(shù)據(jù)、圖像數(shù)據(jù)、視頻數(shù)據(jù)等尚未加工過的初始素材。例如：數(shù)字2000。2.信息：是一種經(jīng)過加工處理后的數(shù)據(jù)，融入了人們對現(xiàn)實客觀事物的數(shù)量、屬性、位置等特征的認識，具有時效性。例如：今日小米手機的價格為2000元。3.知識：是對信息進行歸納、演繹、比較等加工提煉后的抽象描述，它來源于信息，并進行了挖掘，用以發(fā)現(xiàn)隱藏的趨勢。它與已有的知識體系相結合，描述的是客觀事物的發(fā)展變化和運動狀態(tài)變化的規(guī)律，具有系統(tǒng)性、規(guī)律性和可預測性的特點。4.智慧：人類作為高智慧生物，具有在已有知識和獲得的信息基礎上，針對客觀物質世界中產(chǎn)生的問題，進行分析、對比、演繹找出解決方案的能力。1.6商務智能的本質示例：數(shù)據(jù)：年齡18歲，其中18歲就是典型的數(shù)據(jù)。信息：今年18歲。知識：大一學生的平均年齡是18歲。智慧：大一學生的年齡大約是18歲。9商務智能的發(fā)展與信息系統(tǒng)的發(fā)展密切相關，早期的事務處理系統(tǒng)（TransactionProcessingSystem，TPS）、管理信息系統(tǒng)（ManagementInformationSystems，MIS）和決策支持系統(tǒng)（DecisionSupportSystem，DSS）等可看成是商務智能發(fā)展的前身。與商務智能發(fā)展相關的概念和詞語：事務：是指企業(yè)或機構等組織中日常發(fā)生的、具有重復性的基本業(yè)務活動。事務處理系統(tǒng)：是指幫助操作者處理企業(yè)或機構等組織中日常事務的系統(tǒng)。如入庫登記事務處理系統(tǒng)、訂單事務處理系統(tǒng)等。管理信息系統(tǒng)：是指以人為主導、利用計算機設備和信息處理手段、管理信息的系統(tǒng)，如客戶關系管理信息系統(tǒng)、生產(chǎn)管理信息系統(tǒng)等。決策支持系統(tǒng)：是指輔助決策者通過數(shù)據(jù)、模型和知識，以人機交互方式進行半結構化或非結構化決策的計算機應用系統(tǒng)。如物流調(diào)度決策支持系統(tǒng)、臨床決策支持系統(tǒng)等。1.7商務智能的發(fā)展101.8商務智能的發(fā)展傳統(tǒng)BI階段：此階段為第一代BI，其特點是對使用者的IT技能要求高，業(yè)務數(shù)據(jù)的挖掘能力較弱，與業(yè)務匹配的智能程度低，以報表平臺的方式給使用者提供服務。敏捷BI階段：此階段的BI對使用者的IT技能要求比傳統(tǒng)BI階段的要低，可為具有一定IT技能的業(yè)務人員提供服務，融入了業(yè)務匹配，雖然智能程度一般，但已經(jīng)具有一定的業(yè)務數(shù)據(jù)挖掘能力，以自助式數(shù)據(jù)分析平臺的方式給使用者提供服務。智能BI階段：該階段的服務面向全體業(yè)務人員，幫助業(yè)務人員在業(yè)務理解的基礎上，輕松發(fā)現(xiàn)數(shù)據(jù)的價值，并且將IT人員解放出來，讓他們回歸本位，專注數(shù)據(jù)挖掘技術與智能解決方案，實現(xiàn)由IT驅動業(yè)務發(fā)展走向數(shù)據(jù)驅動業(yè)務發(fā)展模式。BI發(fā)展各階段特點11商務智能的實現(xiàn)體現(xiàn)了原始數(shù)據(jù)到知識產(chǎn)生的過程，該過程的實現(xiàn)與技術密切相關。從技術架構上來看，商務智能采用的是分層的架構，包括數(shù)據(jù)底層、數(shù)據(jù)分析層和數(shù)據(jù)展示層。1.9商務智能的技術架構1.數(shù)據(jù)展示層：豐富的報表和圖表數(shù)據(jù)以可視化的方式呈現(xiàn)，用戶可以通過電腦、手機、平板等媒介的瀏覽器來直觀瀏覽，從而能夠更好地決策。2.數(shù)據(jù)分析層：通過查詢、聯(lián)機分析處理、數(shù)據(jù)挖掘及可視化等方法抽取數(shù)據(jù)倉庫中的數(shù)據(jù)，并進行分析，形成有價值的信息和知識。3.數(shù)據(jù)底層：負責管理數(shù)據(jù)，包括數(shù)據(jù)采集、數(shù)據(jù)抽取、轉換、裝載（ExtractTransformLoad，ETL）、以及數(shù)據(jù)倉庫構建等環(huán)節(jié)。12商務智能的核心技術包括數(shù)據(jù)倉庫技術、聯(lián)機分析處理技術、數(shù)據(jù)挖掘、大數(shù)據(jù)技術和可視化技術等。（1）數(shù)據(jù)倉庫技術

數(shù)據(jù)倉庫（DataWarehouse，DW）與一般的數(shù)據(jù)庫管理技術的不同之處在于它可以處理海量的數(shù)據(jù)，并且能采用ETL技術，即提?。‥xtract）、轉換（Transform）、加載（Load）等加工操作，將來自不同數(shù)據(jù)源的分散數(shù)據(jù)進行集成，系統(tǒng)地規(guī)范化處理，有效地解決源數(shù)據(jù)之間的不一致性。1.10商務智能的核心技術數(shù)據(jù)倉庫技術的特點13（2）聯(lián)機分析處理技術

聯(lián)機分析處理是一種用于組織大型業(yè)務數(shù)據(jù)庫的技術，它可用來執(zhí)行復雜的分析查詢，并且不會對事務系統(tǒng)產(chǎn)生負面影響。OLAP建立在多維數(shù)據(jù)集的基礎上，將多維數(shù)據(jù)分為維度與度量，從不同維度對數(shù)據(jù)進行切片、切塊、鉆取、旋轉等。1.11商務智能的核心技術聯(lián)機分析處理技術的特點14（3）數(shù)據(jù)挖掘技術

數(shù)據(jù)挖掘技術以統(tǒng)計學為基礎理論，通過使用計算機技術從大量、雜亂的數(shù)據(jù)中發(fā)現(xiàn)隱藏的、有價值的信息，是一種決策支持過程。根據(jù)機器學習的任務分類，數(shù)據(jù)挖掘的主要方法包括監(jiān)督學習和無監(jiān)督學習，監(jiān)督學習方法是對一個特定屬性的描述，包括分類、回歸、預測等；無監(jiān)督學習方法是在所有屬性中尋找某種關系，包括聚類、關聯(lián)規(guī)則等。1.12商務智能的核心技術數(shù)據(jù)挖掘技術的特點15（4）大數(shù)據(jù)技術

大數(shù)據(jù)（BigData）是指無法在一定時間范圍內(nèi)用常規(guī)軟件工具進行捕捉、管理和處理的數(shù)據(jù)集合，是指需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)。大數(shù)據(jù)具有5V特征，即Volume(規(guī)模量)、Variety(多樣性)、Velocity(高速流轉)、價值性(Value)、真實性（Veracity）。顧名思義，大數(shù)據(jù)技術就是對大數(shù)據(jù)進行收集、存儲、處理、分析的相關技術。BI引入大數(shù)據(jù)技術，旨在從大數(shù)據(jù)中快速獲取價值。（5）數(shù)據(jù)可視化技術

數(shù)據(jù)可視化技術（DataVisualization）是借助圖形化手段，以交互、清晰的方式呈現(xiàn)數(shù)據(jù)特征的一種信息技術，它在計算機圖形技術上融入人們對圖形的認知能力，將枯燥、雜亂的信息美化成圖形，使信息以更加直觀的方式呈現(xiàn)，實現(xiàn)用戶對數(shù)據(jù)的深入了解，具有信息傳遞快速、可理解性強、交互簡潔等特點。優(yōu)秀的數(shù)據(jù)可視化作品往往是建立在深厚的美學和藝術學基礎上的。1.13商務智能的核心技術16商務智能的目標是要將數(shù)據(jù)轉化為信息并輔助決策。在進行BI選型時，需要注意BI產(chǎn)品功能與新興信息技術的融合，根據(jù)企業(yè)自身實際情況，從企業(yè)信息化水平和自身需求出發(fā)，選擇和實施BI。1.14商務智能的技術趨勢17隨著烏卡時代（Volatile，Uncertain，Complex，Ambiguous，VUCA）的來臨，在具有不確定性、突變的商業(yè)市場環(huán)境下，企業(yè)為了生存與發(fā)展，需要在復雜多變的情況下做出迅速的反應才能贏得先機，因而實施決策智能化，將數(shù)據(jù)轉換為價值，已成為企業(yè)發(fā)展的必然選擇。（1）決策依據(jù)更為科學，管理水平得到提升在傳統(tǒng)的粗放式管理模式下，企業(yè)在進行決策時較為主觀，往往依靠經(jīng)驗，這樣決策形成的效果大多依賴于運氣，大有“聽天由命”的感覺。因此，基于商務智能分析數(shù)據(jù)，能夠及時預測市場變化，更好地發(fā)現(xiàn)問題并作出反應，使決策依據(jù)更科學，幫助管理者更理性地決策，可以有效避免盲目決策的弊端，提升管理水平。1.15商務智能的應用與實施18（2）業(yè)務分析更精準，業(yè)務優(yōu)化有的放矢因歷史原因沉淀下來的多個業(yè)務系統(tǒng)的歷史數(shù)據(jù)，難度和復雜性大大增加。面對來源迥異、數(shù)據(jù)維度和粒度不一的數(shù)據(jù)，往往需要專業(yè)的IT部門人員的幫助。商務智能建立在數(shù)據(jù)倉庫基礎上，可以屏蔽不同業(yè)務系統(tǒng)的數(shù)據(jù)維度、粒度、格式等不一致性分析人員只需專注于業(yè)務的本身，業(yè)務分析的目標也更加明確與聚焦，在業(yè)務優(yōu)化上能更好地“有的放矢”，業(yè)務分析的效率也更高。（3）打通數(shù)據(jù)壁壘，共享數(shù)據(jù)價值“數(shù)據(jù)孤島”是很多企業(yè)會遇到的問題各業(yè)務系統(tǒng)的接口不一、格式標準不同等，導致數(shù)據(jù)無法共享為了完成業(yè)務分析，僅在數(shù)據(jù)整合上的開銷就很多。已經(jīng)完成數(shù)據(jù)清洗、抽取的商務智能，提供了接口，方便地實現(xiàn)了數(shù)據(jù)共享，打通了企業(yè)各業(yè)務系統(tǒng)間的數(shù)據(jù)壁壘，使得各部門都能共享數(shù)據(jù)。1.16商務智能的應用與實施19商務智能在實施應用中也曝露出一些問題需要引起重視，主要如下：（1）企業(yè)在商務智能實施中，缺乏系統(tǒng)性思維（2）企業(yè)自身需求和業(yè)務功能不清晰（3）IT部門參與太多（4）商務智能專業(yè)人才缺乏（5）基礎數(shù)據(jù)的質量不高（6）系統(tǒng)的擴容性、友好性不足（7）實施團隊實力有限1.17商務智能實施中出現(xiàn)的問題202102數(shù)據(jù)可視化概述數(shù)據(jù)可視化的相關概念

數(shù)據(jù)可視化的應用場景數(shù)據(jù)可視化的主流工具概述結構化數(shù)據(jù)非結構化數(shù)據(jù)數(shù)據(jù)空間數(shù)據(jù)開發(fā)數(shù)據(jù)分析信息可視化科學可視化2.1數(shù)據(jù)可視化的相關概念22結構化數(shù)據(jù)：是指以關系型數(shù)據(jù)庫表形式管理的數(shù)據(jù)。例如，商品信息表2.2數(shù)據(jù)可視化的相關概念23非結構化數(shù)據(jù)：是指數(shù)據(jù)結構不規(guī)則或不完整，沒有預定義的數(shù)據(jù)模型，不方便使用數(shù)據(jù)庫二維邏輯表來表現(xiàn)的數(shù)據(jù)，如文本數(shù)據(jù)、文檔、圖片、各類報表、音頻、視頻數(shù)據(jù)等。數(shù)據(jù)空間：是指由n維屬性和m個元素組成的數(shù)據(jù)集構成的多維信息空間。數(shù)據(jù)開發(fā)：是指利用一定的算法和工具對數(shù)據(jù)進行定量的推演和計算。數(shù)據(jù)分析：是指對多維數(shù)據(jù)進行切片、切塊、旋轉等動作剖析數(shù)據(jù)，從而可以多角度、多側面地觀察數(shù)據(jù)。2.3數(shù)據(jù)可視化的相關概念24信息可視化：是指在研究大規(guī)模非數(shù)值型信息資源的視覺呈現(xiàn)，它處理的對象主要是非結構化、非幾何的抽象數(shù)據(jù)，如文本信息的可視化、城市平面地圖、網(wǎng)絡信息可視化等。科學可視化：是指在研究科學和工程領域數(shù)據(jù)，如三維空間坐標數(shù)據(jù)、醫(yī)學影像數(shù)據(jù)等，重點探索如何以幾何、拓撲和形狀特征來呈現(xiàn)立體空間數(shù)據(jù)中蘊含的規(guī)律。2.4數(shù)據(jù)可視化的相關概念252.5數(shù)據(jù)可視化的應用場景262.6數(shù)據(jù)可視化的應用場景金融行業(yè)企業(yè)經(jīng)營數(shù)據(jù)可視化應用：展示企業(yè)的財務狀況、投入產(chǎn)出效率，也可以展示用戶畫像、客戶風險等級、數(shù)據(jù)運行趨勢等信息。通過數(shù)據(jù)可視化分析，能夠實時監(jiān)測股票、期貨等金融市場的變化，預測市場趨勢及分析投資組合等，從而可以快速地了解行情和風險，以便做出合理的投資決策。外貿(mào)行業(yè)企業(yè)經(jīng)營數(shù)據(jù)可視化應用：貨物和服務出口量、出口市場的區(qū)域分布、出口市場結構、主要出口國的政策變化等方面的內(nèi)容。通過數(shù)據(jù)可視化分析，企業(yè)不僅可以實時查看出口的主要市場動態(tài)，對市場需求進行有效分析，還可以及時地察覺到可能出現(xiàn)的潛在風險并及時地做出反應，提高決策效率。272.7數(shù)據(jù)可視化的應用場景大型連鎖超市經(jīng)營數(shù)據(jù)可視化應用：可對商品信息、會員購買情況、區(qū)域銷售情況、超市門店收入和成本支出等內(nèi)容進行數(shù)據(jù)可視化分析。通過數(shù)據(jù)可視化分析，超市管理層人員能夠實時監(jiān)控銷售數(shù)據(jù)，以便根據(jù)銷售變化來及時調(diào)整商品采購結構、運營策略和營銷策略，從而提高銷售量并提升銷售利潤。醫(yī)療疾病數(shù)據(jù)可視化應用：可對每日就診人數(shù)、醫(yī)生門診信息、藥品用量、住院信息等內(nèi)容進行數(shù)據(jù)可視化分析。通過數(shù)據(jù)可視化分析開展醫(yī)療評估工作，醫(yī)院可以更好地進行醫(yī)療資源配置，降低看病成本，還可以分析當前易發(fā)疾病種類，有助于相關醫(yī)療部門及時部署醫(yī)療衛(wèi)生資源。282.8數(shù)據(jù)可視化的應用場景景點實時數(shù)據(jù)可視化應用：可實時地對客流總數(shù)、歷史客流、各時段客流人數(shù)、游客停留時長等內(nèi)容進行數(shù)據(jù)可視化展示與分析。通過數(shù)據(jù)可視化分析，景區(qū)管理者可以對重點景點的客流量進行實時監(jiān)測和預警處理，從而提高危機處置能力，并提高管理者的決策指揮效率。展會實時數(shù)據(jù)可視化應用：可對展會人流量、展臺人流量、觀眾行為軌跡、觀眾興趣點等信息使用數(shù)據(jù)可視化技術進行直觀顯示，不僅可以使展會管理者了解參觀者的消費習慣和消費行為，從而實施精準營銷，提升展覽的展示效果，而且能夠為展會現(xiàn)場的管理、安保等工作提供依據(jù)，以便管理者做出更加準確、高效的決策。29數(shù)據(jù)可視化工具與BI工具、數(shù)據(jù)挖掘工具的功能存在交集，三者之間的聯(lián)系如下2.9數(shù)據(jù)可視化的主流工具302.10各類BI工具展示——PowerBIPowerBI是用于分析數(shù)據(jù)和共享見解的一套業(yè)務分析工具，它的操作與Excel類似，也是基于菜單進行操作，但是它比Excel展現(xiàn)的圖表更豐富312.11各類BI工具展示——TableauTableau采用拖放式界面，操作簡單。數(shù)據(jù)兼容性強，適用于多種數(shù)據(jù)文件與數(shù)據(jù)庫，同時也兼容多平臺，windows、mac均可使用。322.12各類BI工具展示——帆軟BI帆軟BI作為純國產(chǎn)軟件，其具有多種圖表可供用戶選擇，同時還提供給用戶較友好的智能圖表推薦功能332.13各類BI工具展示—SPSSModerlerSPSSModerler支持平面文件、電子表格、主流關系型數(shù)據(jù)庫，以及決策樹、神經(jīng)網(wǎng)絡、支持向量機和回歸模型等機器學習算法，能夠有效幫助用戶從網(wǎng)絡文本、客戶反饋和社交媒體評論中捕獲信息，發(fā)現(xiàn)與挖掘隱藏的價值。34思考題（1）商務智能可以從哪幾方面來理解？（2）簡單闡述商務智能的發(fā)展歷程。（3）商務智能的核心技術有哪些？請談談你對它的理解。（4）結合實際談談商務智能對企業(yè)的價值。（5）主流的數(shù)據(jù)可視化工具有哪些？35第2章數(shù)據(jù)智能與數(shù)據(jù)庫基礎商務智能與數(shù)據(jù)可視化分析基礎本章內(nèi)容數(shù)據(jù)智能的相關概念

信息化、數(shù)字化與數(shù)智化大數(shù)據(jù)、人工神經(jīng)網(wǎng)絡與人工智能數(shù)據(jù)決策、智能決策與決策支持系統(tǒng)數(shù)據(jù)庫基礎

數(shù)據(jù)庫系統(tǒng)

數(shù)據(jù)體系結構數(shù)據(jù)模型數(shù)據(jù)庫范式

概念模型3701數(shù)據(jù)智能的相關概念信息化數(shù)字化數(shù)智化數(shù)據(jù)智能與數(shù)據(jù)庫基礎38數(shù)據(jù)智能（DataIntelligence，DI），從字面上可以理解為大數(shù)據(jù)（BigData）與人工智能（ArtificialIntelligence）的相加。1.1數(shù)據(jù)智能39數(shù)據(jù)智能（DataIntelligence，DI）指基于大數(shù)據(jù)引擎，通過大規(guī)模機器學習和深度學習等技術，對海量數(shù)據(jù)進行處理、分析和挖掘，提取數(shù)據(jù)中所包含的有價值的信息和知識，使數(shù)據(jù)具有“智能”，并通過建立模型尋求現(xiàn)有問題的解決方案以及實現(xiàn)預測等。數(shù)據(jù)智能的相關概念信息化、數(shù)字化、數(shù)智化、大數(shù)據(jù)、人工神經(jīng)網(wǎng)絡、人工智能、數(shù)據(jù)

決策、智能決策與決策支持系統(tǒng)等。1.2數(shù)據(jù)智能40信息化：通過將物理世界的信息和數(shù)據(jù)轉換為計算機能讀懂的信息，以供計算機調(diào)用的過程。信息化的核心和本質是運用計算機、數(shù)據(jù)庫等信息技術，實現(xiàn)企業(yè)的業(yè)務流程數(shù)據(jù)管理。例如，將客戶信息、商品信息等物理世界的信息轉變?yōu)閿?shù)字世界的結構性描述，以供用戶查閱和決策，達到提高效率、降低成本的目的。1.3信息化41數(shù)字化：就是對信息進行數(shù)字表示的過程，即利用數(shù)字技術將文字、圖像等一些復雜的信息轉變?yōu)榭梢远攘康臄?shù)字與數(shù)據(jù)，并基于上述數(shù)據(jù)建立數(shù)字化模型，以供用戶使用。數(shù)字化的核心是運用數(shù)據(jù)分析、云計算等技術，實現(xiàn)企業(yè)的業(yè)務創(chuàng)新，其重點關注的是“數(shù)據(jù)驅動業(yè)務”。信息化與數(shù)字化的對比1.4數(shù)字化42數(shù)智化側重于數(shù)字技術的應用，強調(diào)的是利用數(shù)字技術、數(shù)據(jù)分析來改善業(yè)務流程、決策和績效，進行智能決策服務。它以科技創(chuàng)新和數(shù)據(jù)驅動為基礎，通過各種數(shù)字技術和工具實現(xiàn)企業(yè)各項業(yè)務與流程的智能化和自動化，從而提高績效和競爭力。數(shù)字化是技術概念，強調(diào)的是通過計算機、移動通信、人工智能、大數(shù)據(jù)等技術將業(yè)務過程中產(chǎn)生的信息以數(shù)字或數(shù)據(jù)的形式采集、處理、存儲、傳輸、分析和應用的過程。1.5數(shù)智化434402數(shù)據(jù)智能的相關概念大數(shù)據(jù)人工神經(jīng)網(wǎng)絡人工智能數(shù)據(jù)智能與數(shù)據(jù)庫基礎大數(shù)據(jù)的5V特點：Volume（規(guī)模量）：數(shù)據(jù)規(guī)模量足夠大，大數(shù)據(jù)的起始計量單位往往是以PB（1000個TB）、EB（100萬個TB）或ZB（10億個TB）來衡量的。Variety（多樣性）：數(shù)據(jù)的種類和來源多樣化，涉及結構化、半結構化和非結構化數(shù)據(jù)，具體表現(xiàn)為數(shù)字、文本、圖片、音頻、視頻、日志文件、地理位置信息等。Value（價值性）：數(shù)據(jù)價值密度相對較低，由于數(shù)據(jù)價值是隱藏在海量信息中的，要求具有足夠強的數(shù)據(jù)挖掘能力，方能“大浪淘沙始見金”。Velocity（高速流轉）：數(shù)據(jù)能夠快速流轉，對時效性的要求高。例如，視頻點播需要實時為用戶播放點播的視頻數(shù)據(jù)文件；快速流轉與時效性是大數(shù)據(jù)區(qū)別于傳統(tǒng)數(shù)據(jù)挖掘的顯著特征。Veracity（真實性）：數(shù)據(jù)的真實性和準確性。2.1大數(shù)據(jù)45人工神經(jīng)網(wǎng)絡是由大量處理單元互聯(lián)組成的非線性、自適應信息處理系統(tǒng)，它是人腦的抽象、簡化，通過模擬大腦神經(jīng)網(wǎng)絡進行決策。人工神經(jīng)網(wǎng)絡的三要素指的是神經(jīng)元模型、網(wǎng)絡模型、網(wǎng)絡的學習規(guī)則。人工神經(jīng)網(wǎng)絡由輸入層、隱含層和輸出層組成。典型的三層架構的人工神經(jīng)網(wǎng)絡2.2人工神經(jīng)網(wǎng)絡46人工智能是研究用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學。它試圖了解智能的實質，并生產(chǎn)出一種新的、能以與人類智能相似的方式做出反應的智能機器。機器人、語言識別、圖像識別、自然語言處理等均屬于其研究范疇。2.3人工智能474803數(shù)據(jù)智能的相關概念

數(shù)據(jù)決策智能決策決策支持系統(tǒng)數(shù)據(jù)智能與數(shù)據(jù)庫基礎數(shù)據(jù)決策（DataDecisionMaking）是指企業(yè)運用數(shù)據(jù)分析手段，對數(shù)據(jù)資源進行挖掘和分析，從而形成決策建議與實施方案，為探索未知、求解問題提供思維方法。與傳統(tǒng)的經(jīng)驗決策不同，企業(yè)憑借數(shù)據(jù)決策往往能夠更有效地發(fā)現(xiàn)問題和解決問題，其決策效果通常比傳統(tǒng)的基于少量樣本而進行的經(jīng)驗決策更好。3.1數(shù)據(jù)決策49智能決策（IntelligentDecision）是組織或個人綜合利用多種智能技術和工具，基于既定目標，對相關數(shù)據(jù)進行建模、分析并得到?jīng)Q策的過程。該過程綜合了約束條件、策略、偏好、不確定性等因素，可自動實現(xiàn)最優(yōu)決策，以解決復雜的生產(chǎn)、生活問題。智能決策的本質是對決策的質量和速度進行優(yōu)化。3.2智能決策50決策支持系統(tǒng)（DecisionSupportSystem）是基于數(shù)據(jù)模型和領域專業(yè)知識建立起來的，以信息技術為手段，采用人機交互方式完成非結構化、半結構化的系統(tǒng)，通常包括數(shù)據(jù)庫系統(tǒng)、數(shù)據(jù)倉庫、模型庫系統(tǒng)、知識推理系統(tǒng)、用戶接口系統(tǒng)。3.3決策支持系統(tǒng)515204數(shù)據(jù)庫的基礎概念數(shù)據(jù)庫系統(tǒng)數(shù)據(jù)體系結構數(shù)據(jù)模型數(shù)據(jù)智能與數(shù)據(jù)庫基礎數(shù)據(jù)庫系統(tǒng)是指帶有數(shù)據(jù)庫并利用數(shù)據(jù)庫技術進行數(shù)據(jù)存儲、管理、處理和維護的系統(tǒng)。通常由數(shù)據(jù)庫、數(shù)據(jù)庫管理系統(tǒng)、應用程序、數(shù)據(jù)庫管理員和用戶構成。4.1數(shù)據(jù)庫系統(tǒng)53數(shù)據(jù)庫是按照數(shù)據(jù)結構來組織、存儲和管理數(shù)據(jù)的倉庫，是一個長期存儲在計算機內(nèi)的、有組織的、可共享的、統(tǒng)一管理的大量數(shù)據(jù)的集合。數(shù)據(jù)庫管理系統(tǒng)（DatabaseManagementSystem，DBMS）是一種操縱和管理數(shù)據(jù)庫的軟件，用于建立、使用和維護數(shù)據(jù)庫。它對數(shù)據(jù)庫進行統(tǒng)一的管理和控制，以保證數(shù)據(jù)庫的安全性和完整性。主要功能包括數(shù)據(jù)的定義，數(shù)據(jù)的操作，數(shù)據(jù)庫的運行管理，數(shù)據(jù)的組織、存儲與管理，數(shù)據(jù)庫的維護，事務運行管理等。常用的數(shù)據(jù)庫管理系統(tǒng)有Access、SQLServer、MySQL、Oracle、PostgreSQL、DB2等。4.2數(shù)據(jù)庫與數(shù)據(jù)庫管理系統(tǒng)54數(shù)據(jù)定義：DBMS提供數(shù)據(jù)定義語言（DataDefinitionLanguage，DDL），供用戶定義數(shù)據(jù)庫的三級模式結構、兩級映像及完整性約束、保密限制等。DDL主要用于建立、修改數(shù)據(jù)庫的庫結構，常用的DDL語句：4.3數(shù)據(jù)庫管理系統(tǒng)55數(shù)據(jù)的操作：提供數(shù)據(jù)操作語言供用戶實現(xiàn)對數(shù)據(jù)的添加、刪除、更新、查詢等操作，上述操作對應的語言指令分別為Insert、Delete、Update、Select等。數(shù)據(jù)庫的運行管理：包括多用戶環(huán)境下的并發(fā)控制、安全性檢查和存取權限控制、完整性檢查、備份、運行日志管理、事務管理和自動恢復等。數(shù)據(jù)組織、存儲與管理：DBMS在分類組織、存儲和管理各種數(shù)據(jù)的數(shù)據(jù)字典、用戶數(shù)據(jù)、存取路徑等時，需要確定以何種文件結構和存取方式在存儲上組織這些數(shù)據(jù)，以及如何實現(xiàn)數(shù)據(jù)之間的聯(lián)系。數(shù)據(jù)庫的維護：為數(shù)據(jù)庫管理員提供軟件支持，包括數(shù)據(jù)安全控制、完整性保障、數(shù)據(jù)庫備份、數(shù)據(jù)庫重組及性能監(jiān)控等維護工具。事務運行管理：提供事務運行管理及運行日志，事務運行的安全性監(jiān)控和數(shù)據(jù)完整性檢查，事務的并發(fā)控制及系統(tǒng)恢復等功能。應用程序：將包含訪問數(shù)據(jù)庫語句的應用程序，編譯成在DBMS支持下可運行的目標程序。數(shù)據(jù)庫管理員：通常由計算機水平較高、經(jīng)驗較豐富的資深人員擔任。用戶：DBMS的用戶包括程序員和操作終端的用戶。4.4數(shù)據(jù)庫管理系統(tǒng)56數(shù)據(jù)庫的數(shù)據(jù)體系結構由外模式、模式、內(nèi)模式三級構成，其間存在外模式／模式映像、模式/內(nèi)模式映像這兩級映像，數(shù)據(jù)庫通過三級結構和兩級映像，保證了數(shù)據(jù)庫中的數(shù)據(jù)具有較高的邏輯獨立性和物理獨立性。4.5數(shù)據(jù)體系結構57外模式：又稱子模式或用戶模式，是數(shù)據(jù)庫用戶能見到的局部數(shù)據(jù)的邏輯結構和特征的描述，是單個用戶要處理的數(shù)據(jù)集合，應用程序只與外模式進行交互。模式：又稱邏輯模式，是數(shù)據(jù)庫中全體數(shù)據(jù)的邏輯結構和特征的描述，是所有用戶的數(shù)據(jù)視圖，包括數(shù)據(jù)之間的聯(lián)系、數(shù)據(jù)的約束與安全性要求等。內(nèi)模式：又稱存儲模式，是數(shù)據(jù)物理結構和存儲方式的描述，是文件、索引和其他一些存儲結構的匯集，是數(shù)據(jù)在數(shù)據(jù)庫內(nèi)部的組織方式。一個數(shù)據(jù)庫只有一個內(nèi)模式。外模式/模式映像：當模式改變時，由數(shù)據(jù)庫管理員對各個外模式/模式的映像作相應改變，可以使外模式保持不變。應用程序是依據(jù)數(shù)據(jù)的外模式編寫的，從而應用程序不必修改，保證了數(shù)據(jù)和程序的邏輯獨立性，簡稱數(shù)據(jù)的邏輯獨立性。模式/內(nèi)模式映像：當數(shù)據(jù)庫的存儲結構改變時，由數(shù)據(jù)庫管理員對模式/內(nèi)模式映像作相應改變，可以使模式保持不變，從而應用程序也不必改變。保證了數(shù)據(jù)與程序的物理獨立性，簡稱數(shù)據(jù)的物理獨立性。數(shù)據(jù)的邏輯獨立性：修改了表結構（模式）只需要修改外模式和模式之間的映像，而不需要修改用戶程序.數(shù)據(jù)的物理獨立性：修改了數(shù)據(jù)的物理存儲方式，而表結構（模式）能保持不變。4.6數(shù)據(jù)體系結構58數(shù)據(jù)模型是信息模型在數(shù)據(jù)世界中的表示形式，它是對現(xiàn)實世界數(shù)據(jù)特征的抽象。數(shù)據(jù)模型分為三類：層次模型、網(wǎng)狀模型和關系模型。(1)層次模型4.7數(shù)據(jù)模型59（2）網(wǎng)狀模型4.8數(shù)據(jù)模型60（3）關系模型關系模型是采用二維表的形式表示實體和實體間聯(lián)系的數(shù)據(jù)模型，關系模式是建立在嚴格的數(shù)學概念的基礎上的。4.9數(shù)據(jù)模型61與關系模型相關的基本概念：?

元組：二維表中的一行，稱為一個元組。?

笛卡爾積：簡單說就是兩個集合相乘的結果。設A，B為集合，用A中元素為第一元素，B中元素為第二元素構成有序對，所有這樣的有序對組成的集合叫做A與B的笛卡爾積，記作A×B。用數(shù)學公式可表示為：A×B={(x，y)|x∈A∧y∈B}，例：關系R，S，R×S的笛卡爾積如圖：4.10數(shù)據(jù)模型62關系操作：包括查詢和更新兩大類操作，其中常用的查詢操作有選擇、投影、連接、并、差、交、笛卡爾積等；更新操作有增加、刪除、修改等。

關系模型允許定義三類完整性約束：實體完整性、參照完整性和用戶定義的完整性。實體完整性規(guī)則：若屬性A是基本關系R的主屬性，則屬性A不能取空值。該規(guī)則規(guī)定基本關系的所有主屬性都不能取空值，而不僅是主碼整體不能取空值。參照完整性：如果屬性集K是關系模式R1的主鍵，K也是關系模式的R2的外鍵，那么在R2的關系中，K的取值只允許兩種可能，空值或者等于R1的關系中某個主鍵值。用戶定義完整性：用戶自己定義的約束條件，用以保證關系中的數(shù)據(jù)取值是合理的。例如：月份在1-12之間。4.11數(shù)據(jù)模型63數(shù)據(jù)庫范式，簡單來說就是為了消除重復數(shù)據(jù)減少冗余數(shù)據(jù)，從而讓數(shù)據(jù)庫內(nèi)的數(shù)據(jù)更好地組織，讓磁盤空間得到更有效利用的一種標準化規(guī)范。在關系數(shù)據(jù)庫設計中，范式主要有第一范式（1NF）、第二范式（2NF）、第三范式（3NF）、巴斯-科德范式（BCNF）、第四范式(4NF）和第五范式（5NF，又稱完美范式）。滿足高等級范式的先決條件是滿足低等級范式。在數(shù)據(jù)庫設計中，通常只需滿足第三范式即可。4.12數(shù)據(jù)庫范式64第一范式：關系中的所有分量不可再分，即數(shù)據(jù)庫表中的字段都是單一屬性的，不可再分。在任何一個關系數(shù)據(jù)庫中，第一范式（1NF）是對關系模式的基本要求，不滿足第一范式（1NF）的數(shù)據(jù)庫不是關系數(shù)據(jù)庫。4.13數(shù)據(jù)庫范式65第二范式：如果關系模式中的所有非主屬性都完全依賴于任意一個候選碼，則稱關系滿足第二范式，即表中的屬性必須完全依賴于全部主鍵。下圖中，規(guī)范前的選課表的主鍵為組合鍵（學號，課程號），由于學分則只依賴于部分主鍵“課程號”就可以確定了，因而違反了第二范式的要求。解決辦法是將其分成兩個關系模式。4.14數(shù)據(jù)庫范式66第三范式：數(shù)據(jù)庫中不能存在傳遞依賴關系。第三范式是指存在一個屬性，它所依賴的屬性既不是主碼也不是候選碼。從第三范式化前的表中可以看到工號、姓名、性別、學院、學院地址之間存在傳遞依賴關系，因而違反了第三范式。解決方法是將其分為兩個關系。4.15數(shù)據(jù)庫范式67BCNF范式：在3NF基礎上，任何非主屬性不能對主鍵子集依賴，它是第三范式（3NF）的一個子集。下表中，工號為主碼，登錄ID為候選碼，因為每個教師的登錄ID均不相同。而登錄密碼依賴于登錄ID而不依賴于工號，此表不符合BCNF范式。4.16數(shù)據(jù)庫范式68實體：客觀存在并可以相互區(qū)別的事物，實體可以是具體的人、事、物，也可以是抽象的概念或聯(lián)系。實體型：用實體名及其屬性名集合來抽象和刻畫同類實體。屬性：實體所具有的特性，對應于二維表中的列，一個實體可以由若干個屬性來刻畫。屬性的個數(shù)稱為關系的元或度，列的值稱為屬性值。聯(lián)系：在信息世界中聯(lián)系反映為實體型內(nèi)部的聯(lián)系和實體型之間的聯(lián)系，實體型內(nèi)部的聯(lián)系指組成實體型的各屬性之間的聯(lián)系，實體型之間的聯(lián)系指不同實體集之間的聯(lián)系。兩個實體型之間的聯(lián)系可以分為三類：1對1聯(lián)系（1:1）、一對多聯(lián)系（1:n）和多對多聯(lián)系（m:n）4.17概念模型69域：屬性的取值范圍，例如：性別的域={男，女}。候選鍵(碼)：在關系的所有屬性中，可以唯一確定一個元組的某一屬性或某幾個屬性的組合。例如：學生的學號、身份證號。主鍵（碼）：在一個關系的若干候選鍵中指定一個用來唯一標識該關系的元組，則稱這個被指定的候選鍵稱為主關鍵字，或簡稱為主鍵、關鍵字、主碼。每一個關系有且只有一個主鍵。外鍵（碼）：表中的某個屬性組，雖然不是主鍵，但與另一個表中的主鍵相對應。例如：學生選課表中的課程編號，雖然不是主鍵，但它與課程表中的主鍵—課程編號相對應，因此，學生選課表中的課程編號屬性就是課程表的外鍵。實體－聯(lián)系(Entity-Relationship，E-R)方法：該方法直接從現(xiàn)實世界中抽象出實體和實體間的聯(lián)系，然后用E-R圖來表示數(shù)據(jù)模型。在E-R圖中，實體用方框表示；聯(lián)系用菱形表示，同時用邊將其與相應的實體連接起來，并在邊上標上聯(lián)系的類型；屬性用橢圓表示，并且用邊將其與相應的實體連接起來。4.18概念模型70繪制E-R圖的步驟：①確定實體；②確定各實體的屬性；③確定實體間聯(lián)系；④確定各聯(lián)系的屬性。例如：一個教學管理系統(tǒng)中有如下信息：

學生：學號，姓名，性別，年齡

課程：課程號，課程名，學分

班級：班級名，班主任

教師：工號，姓名其中約定：一個學生屬于一個班級，一個班級包括多名學生；一個學生可選修多門課程，一門課程可由多個學生選修，學生選修的每門課程均有相應的成績；一個教師可教授多門課程，一門課程僅由一個教師教授。根據(jù)上述信息，繪制該教學系統(tǒng)的E-R圖。概念模型714.19概念模型72教學系統(tǒng)的E-R圖思考題（1）請談談你對大數(shù)據(jù)5V特點的理解。（2）數(shù)據(jù)安全管理常用的實現(xiàn)方式有哪些？結合實例來說明。（3）目前數(shù)據(jù)庫中有一個待修改的學生表，該表包含的字段有學號、姓名、性別、年齡、所在學院、學院地址、學院聯(lián)系電話。如何修改該表，使其符合數(shù)據(jù)庫范式的第三范式？（4）某商業(yè)集團的銷售管理系統(tǒng)數(shù)據(jù)庫中有如下信息。商店：商店編號，商店名，地址。商品：商品編號，商品名，規(guī)格，單價。職工：工號，姓名，性別，業(yè)績。其中約定：一個商店可銷售多種商品，一種商品可在多個商店銷售，每個商店對銷售的每種商品按月進行銷量統(tǒng)計；一個商店有多個職工，一個職工僅在一個商店任職，商店聘用職工并向其支付月薪。根據(jù)以上情況，完成下述設計。①設計系統(tǒng)的E-R圖。②將E-R圖轉換為關系模式，并指定其中的主鍵和外鍵。73第3章數(shù)據(jù)分析基礎之Excel商務智能與數(shù)據(jù)可視化分析基礎75本章內(nèi)容數(shù)據(jù)透視表數(shù)據(jù)透視表的創(chuàng)建數(shù)據(jù)透視表的修改數(shù)據(jù)透視表的可視化Excel中的統(tǒng)計分析常用統(tǒng)計分析函數(shù)數(shù)據(jù)分析工具描述性統(tǒng)計分析相關分析預測分析Excel中的圖表類型與展示7601數(shù)據(jù)透視表數(shù)據(jù)透視表的創(chuàng)建數(shù)據(jù)透視表的修改數(shù)據(jù)透視表的可視化第3章數(shù)據(jù)分析基礎之Excel第一步:插入數(shù)據(jù)透視表。導入素材文件，切換到“Sheet1”工作表中，可看到該工作表中的源數(shù)據(jù)。點擊“插入”菜單欄，再單擊“數(shù)據(jù)透視表”按鈕，出現(xiàn)“來自表格或區(qū)域的數(shù)據(jù)透視圖”1.1數(shù)據(jù)透視表的創(chuàng)建Excel中的數(shù)據(jù)透視表是一種可以快速匯總、分析和處理大量數(shù)據(jù)的交互式表，它可以從不同角度對相同的數(shù)據(jù)進行處理和分析。數(shù)據(jù)透視表就像一個萬花筒，通過旋轉這個特別的萬花筒，可以從中獲得數(shù)據(jù)的不同視圖展現(xiàn)，但原始數(shù)據(jù)并未發(fā)生變化。77第二步：在“表/區(qū)域”中選擇數(shù)據(jù)源所在的單元格區(qū)域或所在列。長按鼠標鍵拖動選擇A列到D列，表區(qū)域將顯示“Sheet1!$A:$D”1.2數(shù)據(jù)透視表的創(chuàng)建78第三步：點擊“現(xiàn)有工作表”，然后點擊“位置（L）”輸入框，讓光標停留在該框，并清空該框文本，接著鼠標任意單擊非數(shù)據(jù)源區(qū)域中的單元格，例如：鼠標單擊“F2”單元格，輸入框將自動填入“Sheet1!$F$2”，然后點擊【確定】按鈕1.3數(shù)據(jù)透視表的創(chuàng)建79第四步：添加字段到數(shù)據(jù)透視表中。在“數(shù)據(jù)透視表字段”任務窗勾選日期、質量等級和年三個，并且將日期拖放至“值”區(qū)域，年拖放至“列”區(qū)域，質量等級拖放至“行”區(qū)域1.4數(shù)據(jù)透視表的創(chuàng)建80第五步：查看數(shù)據(jù)透視表報表。在之前選擇的位置“F2”，顯示了添加字段后的數(shù)據(jù)透視表報表。1.5數(shù)據(jù)透視表的創(chuàng)建81（1）透視表中行的拖動選中要移動的字段“中度污染”，將鼠標指針移至該單元格的下邊框線上，此時可看到鼠標指針變?yōu)槭中螤?；接著勾選該字段的復選框。按住鼠標左鍵，將該字段拖放至“嚴重污染”字段單元格的上邊框線上。1.6數(shù)據(jù)透視表的修改82（2）透視表中列的排序除了可以對行進行拖動，還可以對某列的數(shù)值進行排序，例如，需要將2017年的分布數(shù)據(jù)降序排列，則使用鼠標右擊“2017年”列中的任意單元格，在彈出的快捷菜單中選擇“排序”→“降序”選項即可。1.7數(shù)據(jù)透視表的修改83Excel中創(chuàng)建數(shù)據(jù)透視圖的方法很方便，具體的操作步驟如下，首先選中之前創(chuàng)建的數(shù)據(jù)透視表，然后單擊“數(shù)據(jù)透視表分析”→“數(shù)據(jù)透視圖”按鈕。1.8數(shù)據(jù)透視表的可視化84簇狀柱形圖1.9數(shù)據(jù)透視表的可視化858602Excel中的統(tǒng)計分析常用統(tǒng)計分析函數(shù)數(shù)據(jù)分析工具描述性統(tǒng)計分析相關分析預測分析第3章數(shù)據(jù)分析基礎之Excel在統(tǒng)計學中對原始數(shù)據(jù)進行一定的運算，得出某些代表性的數(shù)字，以反映數(shù)據(jù)某些方面的特征，這種數(shù)字稱為統(tǒng)計量。常見的統(tǒng)計量見下：

總數(shù)：在一組數(shù)據(jù)中，所有數(shù)值的合計數(shù)。

最大值：在一組數(shù)據(jù)中，數(shù)值變量的最大值。

最小值：在一組數(shù)據(jù)中，數(shù)值變量的最小值。

極差：在一組數(shù)據(jù)中，數(shù)值變量的最大值與最小值的差值。

算術平均值：反映出的是一組數(shù)據(jù)的數(shù)學期望值。

算術平均值的計算公式：

中位數(shù)：又稱中值，是按順序排列的一組數(shù)據(jù)中居于中間位置的數(shù)，代表一個樣本、種群或概率分布中的一個數(shù)值，其可將數(shù)值集合劃分為相等的上下兩部分。對于有限的數(shù)集，可以通過把所有觀察值高低排序后找出正中間的一個作為中位數(shù)。如果觀察值是偶數(shù)個，通常取最中間的兩個數(shù)值的平均數(shù)作為中位數(shù)。2.1常用統(tǒng)計分析函數(shù)87眾數(shù)：在樣本數(shù)據(jù)中，選擇出現(xiàn)次數(shù)最多的數(shù)值。從統(tǒng)計分布上看，它是具有明顯集中趨勢的數(shù)值，代表數(shù)據(jù)的一般水平。一組數(shù)據(jù)中可以有多個眾數(shù)，也可以沒有眾數(shù)。如果一組數(shù)據(jù)中有重復出現(xiàn)的數(shù)，則有眾數(shù)；如果沒有重復出現(xiàn)的數(shù)，則沒有眾數(shù)。標準差：方差的算術平方根，標準差能反映一個數(shù)據(jù)集的離散程度。標準差較大，代表大部分數(shù)值和其算術平均值之間的差異較大；標準差較小，代表這些數(shù)值較接近算術平均值。方差：用來度量隨機變量和其數(shù)學期望（均值）之間的偏離程度。偏度：又稱偏態(tài)、偏態(tài)系數(shù)，是統(tǒng)計數(shù)據(jù)分布偏斜方向和程度的度量，是統(tǒng)計數(shù)據(jù)分布非對稱程度的數(shù)字特征。峰度：又稱峰態(tài)系數(shù)，用于表示概率密度分布曲線在平均值處的峰值高低的特征數(shù)。直觀看來，峰度反映了峰部的尖度。2.2常用統(tǒng)計分析函數(shù)88Excel中常用統(tǒng)計分析函數(shù)2.3常用統(tǒng)計分析函數(shù)序號函數(shù)名功能格式1COUNT統(tǒng)計參數(shù)中包含數(shù)字的個數(shù)COUNT(value1,[value2],...)例如：COUNT(C2:C8)2COUNTIF統(tǒng)計所選取區(qū)域中滿足指定條件的單元格個數(shù)COUNTIF(range,criteria)例如：COUNTIF(B2:B8,B23MAX返回一組數(shù)字中的最大值MAX(number1,[number2],...)例如：MAX(C2:C8)4MIN返回一組數(shù)字中的最小值MIN(number1,[number2],...)例如：MIN(C2:C8)5AVERAGE返回一組數(shù)字中的算術平均值AVERAGE(number1,[number2],...)例如：AVERAGE(A2:A6)6MEDIAN返回一組數(shù)字中的中間數(shù)值MEDIAN(number1,[number2],...)例如：MEDIAN(C2:C8)7MODE返回一組數(shù)字出現(xiàn)頻率最多的數(shù)值MODE(number1,[number2],...)例如：MODE(C2:C9)，8RANK返回一個數(shù)字或一組數(shù)字中的排位RANK(number,ref,[order])例如：RANK(C2,C2:C9)，9VAR計算基于給定樣本的方差VAR(number1,[number2],...)例如：VAR(C2:C9)10STDEV.S計算基于給定樣本的標準偏差STDEV.S(number1,[number2],...)例如：STDEV.S(C2:C9)89Excel中有專門用于數(shù)據(jù)分析的工具庫，可以完成方差分析、相關系數(shù)分析、協(xié)方差分析、描述統(tǒng)計分析、移動平均分析等。調(diào)出數(shù)據(jù)分析窗口的步驟如下：

步驟1：在打開Excel文件后，單擊“文件”菜單按鈕，在彈出的菜單中選擇“選項”命令，彈出“Excel選項”對話框。2.4數(shù)據(jù)分析工具90

步驟2：在彈出的“Excel選項”對話框中，首先選擇“加載項”選項，在“管理：”下拉列表中選擇“Excel加載項”選項；然后單擊“轉到”按鈕，彈出“加載項”對話框。

步驟3：在彈出的“加載項”對話框中，勾選“分析工具庫”復選框，并單擊“確定”按鈕。2.5數(shù)據(jù)分析工具91步驟4：打開Excel工作文檔，單擊“數(shù)據(jù)”→“數(shù)據(jù)分析”按鈕，彈出“數(shù)據(jù)分析”對話框。2.6數(shù)據(jù)分析工具92描述性統(tǒng)計分析是統(tǒng)計學中的基礎內(nèi)容，主要用于研究數(shù)據(jù)的基本統(tǒng)計特征，從而掌握數(shù)據(jù)的整體分布形態(tài)。它是對數(shù)據(jù)進行正確統(tǒng)計、推斷的先決條件，分析結果對進一步的數(shù)據(jù)建模起到了關鍵性的指導和參考作用。頻數(shù)分析：頻數(shù)又稱次數(shù)，是指同一數(shù)值在一組數(shù)據(jù)中出現(xiàn)的次數(shù)。使用該分析方法可以將零散、分散的數(shù)據(jù)進行有次序的整理，從而形成一系列能反映數(shù)據(jù)總體中各組之間的單位分布狀況的數(shù)列。在變量分配數(shù)列中，頻數(shù)表示對應的組標志值的作用程度，頻數(shù)值越大，表示該組標志值對總體水平的作用越大，反之亦然。

單項式頻率分析又稱單項式分組的頻數(shù)分析，它主要運用Excel中的COUNTIF函數(shù)對數(shù)據(jù)進行頻數(shù)分析。描述統(tǒng)計：描述統(tǒng)計分析主要包括描述總體分析和分布形態(tài)分析。其中，分布形態(tài)分析主要通過偏度和峰度分析方法來分析數(shù)據(jù)的分布情況；而描述總體分析主要通過Excel中的描述分析工具，對數(shù)據(jù)進行整體的描述性分析，包括均值、中位數(shù)、眾數(shù)、方差等。2.7描述性統(tǒng)計分析93Excel導入素材文件，單擊“數(shù)據(jù)”→“數(shù)據(jù)分析”按鈕（如果沒有“數(shù)據(jù)分析”按鈕，則可以通過“文件”→“選項”命令來設置），在彈出的“數(shù)據(jù)分析”對話框中選擇“描述統(tǒng)計”選項，單擊“確定”按鈕，彈出“描述統(tǒng)計”對話框。2.8描述性統(tǒng)計分析94在“描述統(tǒng)計”對話框的“輸入?yún)^(qū)域”輸入框中輸入“$C$2:$C$20”，并勾選“匯總統(tǒng)計”“平均數(shù)置信度”“第K大值”“第K小值”復選框，然后單擊“確定”按鈕，顯示描述統(tǒng)計分析結果。2.9描述性統(tǒng)計分析95在統(tǒng)計學中，相關關系是一種確定性關系，可以使用相關分析方法來研究兩個或多個隨機變量之間的相關性，以確定變量之間的方向和密切程度。（1）按相關程度劃分，可以將相關關系分為完全相關、不完全相關和零相關三種類型。?

完全相關：完全相關關系是指變量之間的關系是一一對應的，即一個變量的數(shù)量發(fā)生變化完全是由另一個變量的數(shù)量變化決定的。該類型的相關關系為函數(shù)關系，是相關關系中的一種特例。

?不完全相關：不完全相關是指變量之間的關系并非一一對應的，即兩個現(xiàn)象之間的關系介于完全相關和不相關之間。

?零相關：零相關關系又稱為不相關關系，是指兩個變量之間彼此互不影響，其數(shù)量變化各自獨立的關系.2.10相關分析96在Excel中打開素材，單擊“F2”單元格，先輸入“=CORREL(B:B,C:C)”，再按回車鍵，得到y(tǒng)與x1的相關系數(shù)為0.954，接近1，表示這兩個變量高度相關。2.11相關分析972.12相關分析獲得y、x1、x2變量之間的相關系數(shù)98打開素材，單擊“數(shù)據(jù)”→“數(shù)據(jù)分析”按鈕。在彈出的“數(shù)據(jù)分析”對話框中選擇“相關系數(shù)”選項，彈出“相關系數(shù)”對話框，在“輸入?yún)^(qū)域”輸入框中輸入“$B$2:$D$12”，并單擊“確定”按鈕。（2）按相關形式劃分按相關形式劃分相關關系，可以分為線性相關和非線性相關兩種類型。

?線性相關：線性相關是指一個變量在增加或減少時，另一個變量隨之會發(fā)生大致均等的增加或減少變化，其圖形中所表現(xiàn)的觀測點會分布在某一條直線附近。?非線性相關：非線性相關是指一個變量在增加或減少時，另一個變量也隨之發(fā)生不均等的增加或減少變化，其圖形中所表現(xiàn)的觀測點會分布在某一曲線附近。（3）按相關關系涉及的因素劃分按相關關系涉及的因素劃分，可以分為單相關、復相關和偏相關三種類型。

?單相關：單相關又稱為一元相關，是指兩個變量之間的相關關系，即僅限于一個變量與另一個變量之間的依存關系。?復相關：復相關又稱為多元相關，是指3個或3個以上變量間的相關關系。?偏相關：偏相關是指某一變量和多種變量相關時，當假定其他變量不變，其中兩個變量的相關關系。2.13相關分析99（1）回歸分析回歸分析通過最小二乘法擬合進行分析，主要用于確定一個或多個變量的變化對另一個變量的影響程度。運用統(tǒng)計學的方法獲得其數(shù)學模型，以確定自變量與因變量之間的關系，并通過自變量的給定值來推算或估計因變量的值。在Excel中可以使用數(shù)據(jù)分析工具來進行回歸分析，具體操作步驟如下。打開素材文件，單擊“數(shù)據(jù)”→“數(shù)據(jù)分析”按鈕。在彈出的“數(shù)據(jù)分析”對話框中選擇“回歸”選項，彈出“相關系數(shù)”對話框，設置“Y值輸入?yún)^(qū)域”為“$B$2:$B$12”，“X值輸入?yún)^(qū)域”為“$C$2:$D$12”。2.14預測分析100點擊【確定】按鈕，可以獲得y與x1、x2回歸分析結果。2.15預測分析101趨勢線分析法是建立在散點圖圖表的基礎上的一種分析方法，主要通過為散點圖添加趨勢線的方法，來達到一元線性回歸分析的目的。Excel中的散點圖的趨勢線包括對數(shù)、指數(shù)、多項式、線性等類型，不同類型的趨勢線所使用的分析方法也各不相同，用戶需要根據(jù)分析目的來選擇相應的趨勢線。步驟1：繪制散點圖。打開素材文件，拖曳鼠標選中B、C、D列單元格，選擇“插入”→“散點圖”→“更多散點圖”選項，在彈出的“插入圖表”對話框中選擇“XY散點圖”選項，并單擊“確定”按鈕。2.16預測分析102步驟2：添加趨勢線。選擇“圖表設計”→“添加圖表元素”→“趨勢線”→“線性預測”選項，在彈出的“添加趨勢線”對話框中選擇“x1”選項，單擊“確定”按鈕。2.17預測分析103步驟3：設置趨勢線格式。右擊趨勢線，在彈出的快捷菜單中選擇“設置趨勢線格式”命令，在工作表右側彈出的“設置趨勢線格式”窗格中，選中“線性”單選按鈕，勾選“顯示公式”和“顯示R平方值”兩個復選框。2.18預測分析104步驟4：顯示預測分析結果。重復步驟2，在彈出“添加趨勢線”對話框中選擇“x2”選項，繼續(xù)執(zhí)行步驟3，得到預測分析結果。2.19預測分析105（2）移動平均法移動平均法是一種簡單、平滑的預測技術，它的基本思想是根據(jù)時間序列資料、逐項推移，依次計算包含一定項數(shù)的序時平均值，以反映長期趨勢。打開素材文件，單擊“數(shù)據(jù)”→“數(shù)據(jù)分析”按鈕，在彈出的“數(shù)據(jù)分析”對話框中選擇“移動平均”選項，彈出“移動平均”對話框，設置“輸入?yún)^(qū)域”為“$B$2:$B$12”，“輸出區(qū)域”為“$F$2”，勾選“圖表輸出”和“標準誤差”兩個復選框，并單擊“確定”按鈕，獲得移動平均預測結果。2.20預測分析10610703Excel中的圖表類型與展示主要圖表類型主要圖表展示第3章數(shù)據(jù)分析基礎之Excel3.1主要圖表類型108Excel中的主要圖表類型及其說明一個圖表由多個圖表元素組成，不同的圖表可以具有不同的圖表元素。通常的圖表元素主要有：圖表區(qū)：圖表區(qū)與整個圖表區(qū)域等同，其他圖表元素都位于圖表區(qū)中。選擇圖表區(qū)就選中了整個圖表，圖表選中后四周會顯示邊框和8個控制點，可以使用鼠標拖動控制點可以調(diào)整圖表大小。圖表標題：圖表頂部的文字，用于描述圖表的含義。圖例：圖表標題下方帶有色塊的文字，用于標識不同的數(shù)據(jù)系列。繪圖區(qū)：圖中的淺灰色部分，作為數(shù)據(jù)系列的背景，數(shù)據(jù)系列、數(shù)據(jù)標簽、網(wǎng)格線等圖表元素位于繪圖區(qū)。數(shù)據(jù)系列：圖中位于繪圖區(qū)的同一種顏色的所有矩形構成一個數(shù)據(jù)系列，每個數(shù)據(jù)系列對應數(shù)據(jù)源中的一行或一列數(shù)據(jù)。數(shù)據(jù)系列中的每個矩形代表一個數(shù)據(jù)點，對應數(shù)據(jù)源中的某個單元格的值。數(shù)據(jù)標簽：數(shù)據(jù)系列頂部的數(shù)字，用于標識數(shù)據(jù)點的值。坐標軸及其標題：坐標軸包括主要橫坐標軸、主要縱坐標軸、次要橫坐標軸、次要縱坐標軸4種。3.2主要圖表類型109柱形圖打開素材文件，切換到“柱形圖”工作表。選中A、B、C三列單元格，單擊“插入”→“推薦的圖表”按鈕，在彈出的“插入圖表”對話框中選擇“所有圖表”→“柱形圖”→“簇狀柱形圖”選項，單擊“確定”按鈕，插入并得到簇狀柱形圖。3.3主要圖表展示110條形圖、折線圖繪制條形圖、折線圖的操作與繪制柱形圖的操作類似，只需在“所有圖表”選項卡中選擇“條形圖”或“折線圖”選項，并單擊“確定”按鈕即可。3.4主要圖表展示111XY散點圖打開素材文件，切換到“XY散點圖”工作表。選中A、B、C、D四列單元格，單擊“插入”→“推薦的圖表”按鈕，在彈出的“插入圖表”對話框中選擇“XY散點圖”選項，單擊“確定”按鈕，得到XY散點圖。3.5主要圖表展示112氣泡圖步驟1：打開素材文件，切換到“氣泡圖”工作表。選中B2:D12區(qū)域，單擊“插入”→“推薦的圖表”按鈕，在彈出的“插入圖表”對話框中選擇“氣泡圖”選項，單擊“確定”按鈕，得到初始氣泡圖。3.6主要圖表展示113步驟2：編輯氣泡圖。選中氣泡圖，單擊“圖表設計”→“選擇數(shù)據(jù)”按鈕，在彈出的“選擇數(shù)據(jù)源”對話框中單擊“編輯”按鈕，設置“X軸系列值”為“=氣泡圖!$B$2:$B$12”，“Y軸系列值”為“=氣泡圖!$D$2:$D$12”，“系列氣泡大小”為“=氣泡圖!$C$2:$C$12”，最后單擊“確定”按鈕。3.7主要圖表展示114步驟3：給氣泡圖添加數(shù)據(jù)標簽。選中氣泡圖并右擊，在彈出的快捷菜單中選擇“添加數(shù)據(jù)標簽”命令，得到有標簽的氣泡圖。3.8主要圖表展示115步驟4：給氣泡圖設置數(shù)據(jù)標簽格式。單擊氣泡圖，單擊鼠標右鍵，選擇“設置數(shù)據(jù)標簽格式”選項，在彈出的窗格中，將標簽位置選擇為“居中”，得到標簽位置居中的氣泡圖。3.9主要圖表展示116餅圖、圓環(huán)圖、面積圖

打開素材文件，切換到“餅圖、圓環(huán)圖、面積圖”工作表。選中C2:C12區(qū)域，單擊“插入”→“推薦的圖表”按鈕，在彈出的“插入圖表”對話框中選擇“餅圖”選項，并單擊“確定”按鈕，得到餅圖。3.10主要圖表展示117圓環(huán)圖、面積圖繪制圓環(huán)圖、面積圖的操作與繪制餅圖的操作類似，在彈出的“插入圖表”對話框中選擇“圓環(huán)圖”或“面積圖”選項，即可插入相應的圖。3.11主要圖表展示118其它圖展示繪制曲面圖、股價圖、雷達圖、樹狀圖、旭日圖、直方圖、箱形圖、瀑布圖等的操作與之前的操作類似。3.12主要圖表展示119更改圖表類型在Excel中，可以隨時更改現(xiàn)有圖表的圖表類型。右擊圖表的圖表區(qū)，在彈出的快捷菜單中選擇“更改圖表類型”命令，彈出“更改圖表類型”對話框。在“所有圖表”選項卡中選擇一種圖表類型，然后在對話框右側選擇一種圖表子類型，最后單擊“確定”按鈕即可。3.13主要圖表展示120思考題（1）你曾經(jīng)使用過Excel的數(shù)據(jù)透視圖功能嗎？請具體闡述下你是怎么做的。在學習本章內(nèi)容后，你是否對數(shù)據(jù)透視圖有了更多的了解？（2）Excel的數(shù)據(jù)可視化圖表有許多類型，請簡單列出其中的幾種，并闡述其特點和用途。（3）根據(jù)配套素材文件“3.4.1_data.xlsx”，請使用數(shù)據(jù)透視表匯總出“GPU”列的“TIMESPY-GPU”得分。（4）根據(jù)配套素材文件“3.4.1_data.xlsx”，請使用相關分析得出“GPU-Averagememoryclockfrequency(MHz)”列對于“TIMESPY-GPU”得分的影響。（5）根據(jù)配套素材文件“3.4.1_data.xlsx”，請使用散點圖來具體分析“CPU-Clockfrequency(MHz)”列對于“TIMESPY-CPU”得分的趨勢及相關系數(shù)。121第4章數(shù)據(jù)預處理之PowerBI篇商務智能與數(shù)據(jù)可視化分析基礎123本章內(nèi)容PowerBIDesktop的主頁與抓取網(wǎng)頁數(shù)據(jù)PowerBIDesktop的主頁

分析網(wǎng)址結構采集第一頁的數(shù)據(jù)設置頁碼參數(shù)批量調(diào)用頁碼函數(shù)PowerBI數(shù)據(jù)預處理數(shù)據(jù)導入數(shù)據(jù)填充與篩選添加列數(shù)據(jù)的追加與合并查詢12401PowerBIDesktop的主頁與抓取網(wǎng)頁數(shù)據(jù)數(shù)據(jù)預處理之PowerBI篇PowerBIDesktop的主頁PowerBI抓取網(wǎng)頁數(shù)據(jù)分析網(wǎng)址結構采集第一頁的數(shù)據(jù)設置頁碼參數(shù)批量調(diào)用頁碼函數(shù)PowerBIDesktop主頁的布局與Excel類似，上方是各種功能的選項卡，右側是一些PowerBI自帶的可視化對象，單擊即可方便地調(diào)用。1.1PowerBIDesktop主頁1251.2PowerBI抓取網(wǎng)頁數(shù)據(jù)126分析網(wǎng)址結構使用鼠標將頁面滾動到最下方，找到顯示的頁碼，分別單擊“第2頁”、“第3頁”和“第4頁”按鈕，觀察網(wǎng)址變化。觀察網(wǎng)址，可知“pg”后面的一個數(shù)字就是頁碼ID，是控制分頁數(shù)據(jù)的變量。為了進一步確認，將網(wǎng)址中的“pg”后面的數(shù)字改為“1”，按回車鍵后確實能返到第一頁。1.3PowerBI抓取網(wǎng)頁數(shù)據(jù)127采集第一頁的數(shù)據(jù)打開PowerBIDesktop，依次選擇“主頁”→“獲取數(shù)據(jù)”→“Web”選項。1.4PowerBI抓取網(wǎng)頁數(shù)據(jù)128從彈出的對話框中選中“高級”單選按鈕，將之前分析的網(wǎng)址中的除頁碼ID外的網(wǎng)址輸入“URL部分”的第一行輸入框中，將“1”輸入第二行輸入框中，將“rs上海/”輸入第三行輸入框中。1.5PowerBI抓取網(wǎng)頁數(shù)據(jù)129在“URL預覽”輸入框中可以看到，上面設置的三行的網(wǎng)址已經(jīng)自動合并到一起，在“URL部分”中分開輸入只是為了更清晰地區(qū)分頁碼變量。單擊“確定”按鈕后，使用“匿名”方式訪問。1.6PowerBI抓取網(wǎng)頁數(shù)據(jù)130單擊“連接”按鈕，等待運行一段時間后，自動進入“導航器”對話框，該對話框的左側出現(xiàn)很多表。在對話框左側的表中勾選某個表的復選框，在對話框右側“表視圖”區(qū)域中會顯示其對應的數(shù)據(jù)。例如，勾選“表4”復選框，在右側“表視圖”區(qū)域中會顯示“表4”的數(shù)據(jù)。1.7PowerBI抓取網(wǎng)頁數(shù)據(jù)131單擊“轉換數(shù)據(jù)”按鈕，等待運行一段時間后，進入“PowerQuery編輯器”界面的數(shù)據(jù)展示。1.8PowerBI抓取網(wǎng)頁數(shù)據(jù)132設置頁碼參數(shù)在“PowerQuery編輯器”界面中，選擇“高級編輯器”選項。1.9PowerBI抓取網(wǎng)頁數(shù)據(jù)133在彈出的“高級編輯器”窗口中，在“l(fā)et”的上一行輸入“(pasnumber)astable=>”，并在“l(fā)et”的下一行的網(wǎng)址中，將“&”后面的“1”改為“Number.ToText(p)”。更改后為“源=Web.BrowserContents(”/ershoufang/pg“&Number.ToText(p)&”rs上海/“)”。1.10PowerBI抓取網(wǎng)頁數(shù)據(jù)134完成上述操作以后，剛才第一頁數(shù)據(jù)的查詢窗口變成了自定義函數(shù)的輸入?yún)?shù)窗口，表格也變成了函數(shù)的樣式。點擊【完成】按鈕后，可得到一個可以調(diào)用的函數(shù)窗口，在“輸入?yún)?shù)”p下面的輸入框，輸入“5”，點擊【調(diào)用】按鈕。1.11PowerBI抓取網(wǎng)頁數(shù)據(jù)135至此完成了自定義函數(shù)設定，p是該函數(shù)的變量，用來控制頁碼，隨便輸入一個數(shù)字，如：5，將抓取第5頁的數(shù)據(jù)。1.12PowerBI抓取網(wǎng)頁數(shù)據(jù)136

批量調(diào)用頁碼函數(shù)輸入一次參數(shù)只能抓取一個網(wǎng)頁中的數(shù)據(jù)，如果想批量抓取網(wǎng)頁中的數(shù)據(jù)，則還需要批量調(diào)用該函數(shù)，因此需要執(zhí)行以下步驟。選擇“主頁”→“新建源”→“空查詢”選項，建立一個數(shù)字序列。例如，如果想抓取前10頁的數(shù)據(jù)，需要建立從1到10的序列，在空查詢中輸入“={1..10}”，按回車鍵后，建立從1到10的數(shù)字序列。1.13PowerBI抓取網(wǎng)頁數(shù)據(jù)137

批量調(diào)用頁碼函數(shù)單擊“轉換”→“到表”按鈕。在彈出的“到表”對話框中，設置“如何處理附加列”為“顯示為錯誤”，并單擊“確定”按鈕。1.14PowerBI抓取網(wǎng)頁數(shù)據(jù)138

批量調(diào)用頁碼函數(shù)在“PowerQuery編輯器”界面中，單擊“添加列”→“調(diào)用自定義函數(shù)”按鈕在彈出的“調(diào)用自定義函數(shù)”對話框中，在“新列名”輸入框中輸入“表4”，設置“功能查詢”為“表4”，設置“p”為“Column1”。1.15PowerBI抓取網(wǎng)頁數(shù)據(jù)139

批量調(diào)用頁碼函數(shù)在單擊“確定”按鈕后，就開始批量抓取網(wǎng)頁了，抓取10頁的數(shù)據(jù)耗時大約幾十秒，返回數(shù)據(jù)抓取結果。單擊對話框右上角的，選中“展開”單選按鈕，展開該表格。1.16PowerBI抓取網(wǎng)頁數(shù)據(jù)140

批量調(diào)用頁碼函數(shù)單擊“確定”按鈕后，則顯示這10頁的數(shù)據(jù)。1.17PowerBI抓取網(wǎng)頁數(shù)據(jù)14114202PowerBI數(shù)據(jù)預處理數(shù)據(jù)預處理之PowerBI篇數(shù)據(jù)導入數(shù)據(jù)填充與篩選數(shù)據(jù)中添加列數(shù)據(jù)追加當從Excel向PowerBI導入數(shù)據(jù)時，第一步要做的是提升標題。在Excel中，第一行是標題行，從第二行開始才是數(shù)據(jù)，但在PowerQuery編輯器中，從第一行開始就要記錄數(shù)據(jù)，標題行在數(shù)據(jù)之上，因此從Excel中導入數(shù)據(jù)的第一步就是提升標題行。單擊“轉換數(shù)據(jù)”按鈕進入，單擊“轉換”→“將第一行用作標題”按鈕，就完成了標題行提升。2.1數(shù)據(jù)導入143設置數(shù)據(jù)類型有以下兩種方式。方法一：單擊“轉換”→“數(shù)據(jù)類型:文本”按鈕，在彈出的下拉列表中進行設置。方法二：通過標題行中的按鈕進行設置。單擊標題行中的待設置列的左側的圖標按鈕。2.2數(shù)據(jù)類型設置144錯誤值的處理大部分的數(shù)據(jù)報錯是由數(shù)據(jù)格式引起的，對數(shù)據(jù)格式轉換后依然報錯的列，可以選擇“刪除錯誤”命令，或者將錯誤值替換為“空”或特定值“0”。具體的處理方式是，右擊所在列，在彈出的快捷菜單中進行命令選擇。2.3數(shù)據(jù)填充與篩選145空值的處理單擊所在列的標題行的右側的“”按鈕，在彈出的下拉列表中選擇“刪除空”選項即可。2.4數(shù)據(jù)填充與篩選146在“PowerQuery編輯器”界面中添加列有四種方式，分別為重復列、索引列、條件列、自定義列2.5數(shù)據(jù)中添加列147重復列添加重復列就是復制選中的列并添加為新列，以便對該列的數(shù)據(jù)進行處理而不損壞原有列的數(shù)據(jù)。添加重復列的操作步驟如下：選中需要重復的列，選擇“添加列”→“重復列”選項；或者右擊需要重復的列的標題行，在彈出的快捷菜單中選擇“重復列”命令2.6數(shù)據(jù)中添加列148索引列添加索引列就是添加每行都帶有序號的列，方便記錄每一行所在的位置，可以從0或1開始。添加索引列的操作步驟如下：選中需要索引的列，選擇“添加列”→“索引列”→“從0”或“從1”選項。2.7數(shù)據(jù)中添加列149條件列添加條件列就是添加一列根據(jù)指定條件從其他列計算得出的數(shù)據(jù)列。添加條件列的操作步驟如下：單擊“添加列”→“條件列”按鈕，在彈出的“添加條件列”對話框中進行設置。例如，設置“列名”為“A0”，設置“運算符”為“等于”，設置“值”為“A1”，在“輸出”輸入框中輸入“高級工程師”。2.8數(shù)據(jù)中添加列150條件列單擊“確定”按鈕后，將根據(jù)設置的條件得到新的一列。2.9數(shù)據(jù)中添加列151自定義列添加自定義列就是使用M函數(shù)生成新的一列。添加自定義列的操作步驟如下：單擊“添加列”→“自定義列”按鈕，彈出“自定義列”對話框。這里將“工號”列中的數(shù)值翻倍，在“自定義列公式”輸入框中輸入“=[10001]*2”。2.10數(shù)據(jù)中添加列152自定義列單擊“確定”按鈕后，顯示添加的自定義列。2.11數(shù)據(jù)中添加列153在數(shù)據(jù)分析時，有時需要進行數(shù)據(jù)的追加。例如，當合并多個格式相同的表格時，需要使用追加查詢。追加查詢是在現(xiàn)有數(shù)據(jù)的基礎上，在行的下邊添加新的行，是一種縱向合并。要將兩個格式相同的表，合并為一個表，則需要追加查詢。數(shù)據(jù)加載導入PowerBI中后，單擊“轉換數(shù)據(jù)”按鈕，進入“PowerQuery編輯器”界面，選中左側“查詢”窗格中的Sheet1，單擊“主頁”→“追加查詢”按鈕。2.12數(shù)據(jù)追加154在彈出的“追加”對話框中，選中“兩個表”單選按鈕，在“要追加的表”下拉列表選中“Sheet2”選項。2.13數(shù)據(jù)追加155最后單擊“確定”按鈕，完成追加查詢。2.14數(shù)據(jù)追加156例如，要在Sheet1中找到每個員工工號對應的入職時間，首先將文件里的Sheet1中的數(shù)