课程介绍
Power BI 自 2015 年发布以来给世界注入了新的生产力，并帮助微软重新坐回 Gartner 商务智能分析平台魔力象限领导者象限（截止 2018 年连续 11 年）且已夺回排名第一位置。Gartner 在 2015 年就宣布世界 BI 主流趋势已经不可逆转地从“IT 报告导向式 BI”转为“业务导向式自助 BI”。由于各种原因，中国企业环境中，在使用 Power BI 进行生产力提升的“IT 做支撑，业务做分析”的实践中实际处处受阻。 这源于 IT 以及业务人员没有系统化理解 Power BI 企业架构设计以及自助商务智能全流程的最佳实践。
本课程将深度讲解 Power BI 企业架构设计（IT）以及自助商务智能全流程最佳实践的 深度升级版。
课程目标
通过本课程的学习，您将理解并掌握如何从百万级乃至亿级数据中获取商业价值的方法，具体包括：
通过本课程的学习，您会直接在以下方面受益：
- IT 人员理解如何通过 Power BI 体系架构企业级混合云 BI 平台。
- 理解并掌握 Power BI 数据建模的高阶方法。
- 理解并掌握 Power BI 数据分析的高阶方法。
课程对象
本课程不适合初学者。本课程学员需具备以下条件：
- 3~6 个月以上 Power BI 使用经验。
- 用过 DAX，理解计算列与度量值的区别。
- 用过 Power Query M，理解 let a = 1 in a 的含义。
- 用过 Power BI 5 个默认视觉对象及自定义视觉对象。
- 用过 Power BI Pro 并设置过区域权限等。
- 用过 Power BI Pro 并将报告发布到 WEB。
- 有编程基础为佳。
- 有数据仓库基础为佳。
- 有 SQL 基础为佳。
- 有 Excel 表格及透视表基础为佳。
- 有商业数据分析经验为佳。如：ABC 分析，购物篮分析等
课程大纲
- 面向纯 IT：Power BI 企业架构设计
1) Power BI 企业架构说明
2) Power BI 收费模式简介
3) Power BI Service 权限控制简介
4) Power BI Report Server 简介
5) Power BI Embedded 简介
6) SSAS Tabular 与 Azure Analysis Service 简介
7) Power BI 实时流分析简介
8) Direct Query 简介
- 面向 IT / 分析师：Power BI 数据准备
1) Power Query M 常用数据操作方法
2) Power Query M 概述
3) Power Query M 语法
4) Power Query M 常用数据转换方法
5) Power Query M 性能优化
- 面向 IT / 分析师：DAX 数据建模基础
1) DAX 概述
2) 计算列与度量值
3) 返回表的函数
4) VAR
5) 迭代器
6) 计算上下文：筛选上下文
7) 计算上下文：行上下文
8) CALCULATE
9) 上下文转换
10) ALL
11) 关系及筛选上下文传递
12) DAX Studio 简介
- 面向 IT / 分析师：DAX 数据建模高级
1) 时间智能
2) 排序
3) 复杂的筛选上下文
4) CALCULATE 详解
5) 扩展表
6) ALL 详解
7) 集合函数
8) 虚拟关系
9) 行级别安全性
- 面向 IT / 分析师：Power BI 数据模型架构设计
1) 维度建模
2) 无侵入式架构设计
3) 指标表
4) 关系
5) 辅助表
6) 模型表
7) 虚拟表
8) 日期表
9) 日期区间表
10) 相对日期表
11) 处理多对多关系
- 面向 IT / 分析师：Power BI 高级交互式报告设计
1) 参数表
2) 多级参数表
3) 动态坐标轴
4) 动态指标
5) 动态分组
6) 动态维度
7) 报告高级布局设计技巧
8) 报告高级主题设计技巧
9) 报告高级交互设计技巧
10) 矩阵高级技巧
11) 地图可视化高级技巧
12) 散点图高级技巧
- Power BI 高级商务智能分析 设计模式
1) 将业务元素分组
2) 同比环比等时间维分析模型
3) 移动平均及历史积累分析模型
4) What-If 分析
5) 动态 ABC 分析模型
6) 帕累托分析模型
7) RFM 分析模型
8) BCG 波士顿矩阵分析模型
9) NPS 分析模型
10) 排名矩阵分析模型
11) 新老客户流失留存分析模型
12) 购物篮分析模型
13) 从历史数据的预测分析模型
- Power BI 性能评估及性能优化
1) Power BI 列式数据库存储引擎 Vertipaq 原理
2) 用 DAX Studio 检测 FE/SE 性能
3) 用 DAX Studio 理解逻辑查询计划及物理查询计划
4) 发现性能瓶颈并进行优化
