Microsoft Power BI 数据可视化与数据分析 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

王国平 著

图书标签:

• Power BI
• 数据可视化
• 数据分析
• 商业智能
• BI工具
• 数据挖掘
• 数据报告
• 数据建模
• 数据仪表盘
• 微软Power BI

出版社： 电子工业出版社

ISBN：9787121333132

版次：1

商品编码：12268591

品牌：Broadview

包装：平装

开本：16开

出版时间：2018-02-01

用纸：铜版纸

页数：280

字数：224000

正文语种：中文

编辑推荐

适读人群 ：本书适用于金融、人力资源、销售、互联网等行业的数据可视化分析，可供高等院校相关专业学生和从事数据分析的研究者参考使用，也可作为Microsoft Power BI软件培训和自学的教材。

Microsoft Power BI发现信息及商业价值的“沙漠之鹰”

1)丰富的报表与图表，随需而动，智能展现
2)层层钻取，直到更加明细数据，使问题无所遁形
3)外接自定义报表，任意扩展ERP数据查询
4)菜单管理与自定义方案让您拥有个性化的分析平台
5)自动按任意角色，生成图文并茂任意内容的Word/PPT格式的智能分析报告

内容简介

随着大数据研究热潮的兴起，各种数据可视化图表层出不穷，大数据生动呈现就成为了具有挑战性的工作，随之出现了大量的可视化软件。本书是基于行业占有率比较高的Microsoft Power BI新版本所编写的，详细介绍Microsoft Power BI的数据可视化功能，包括数据类型和运算符、软件的安装、连接数据源、数据基础操作、可视化设计原则、可视化图表、自定义可视化效果、报表、仪表板、查询编辑器、运行R脚本、数据高级操作、数据分析表达式、网页流量数据分析、超市运营数据分析、Power BI移动应用和Power BI应用开发等内容。

作者简介

王国平，硕士研究生，主要研究领域为数据可视化、数据挖掘和机器学习，致力于交互式数据可视化技术在企业中的应用，现已出版《IBM SPSS Modeler数据与文本挖掘实战》、《Tableau数据可视化从入门到精通》和《数据可视化与数据挖掘——基于Tableau和SPSS Modeler图形界面》三本专著。

内页插图

目录

目 录



第1章 Power BI概况 1
1．1 Power BI简介 1
1．1．1 软件界面 1
1．1．2 主要特征 2
1．2 Power BI视图 3
1．2．1 报表视图 3
1．2．2 数据视图 5
1．2．3 关系视图 6
1．3 Power BI报表编辑器 8
1．3．1 “可视化”窗格 9
1．3．2 “筛选器”窗格 10
1．3．3 “字段”窗格 11
1．4 数据类型 12
1．4．1 数字类型 13
1．4．2 日期/时间类型 13
1．4．3 文本类型 14
1．4．4 其他类型 14
1．5 软件安装 14
1．5．1 系统要求 14
1．5．2 安装步骤 15
第2章 连接数据源 19
2．1 连接到文件 21
2．1．1 Excel文件 21
2．1．2 文本/CSV文件 23
2．1．3 XML文件 25
2．2 连接到数据库 27
2．2．1 SQL Server数据库 27
2．2．2 MySQL数据库 30
2．2．3 Oracle数据库 36
第3章 数据基础操作 40
3．1 属性的操作 40
3．1．1 新建列 41
3．1．2 删除列 41
3．1．3 重命名列 43
3．1．4 数据排序 45
3．2 图表的操作 45
3．2．1 导出数据 46
3．2．2 查看数据 47
3．2．3 删除 47
3．2．4 排序 47
第4章 可视化设计 49
4．1 可视化设计基本要求 49
4．1．1 选择合适的视觉对象 50
4．1．2 选择合适的度量值 51
4．2 调整可视化对象元素 52
4．2．1 坐标轴 52
4．2．2 数据颜色 53
4．2．3 数据标签 54
4．2．4 标题 54
4．2．5 背景 55
4．3 自定义可视化效果 56
4．3．1 可视化模板下载 56
4．3．2 可视化模板导入 58
第5章 可视化图表 61
5．1 堆积条形图 61
5．2 堆积柱形图 63
5．3 簇状条形图 65
5．4 簇状柱形图 66
5．5 百分比堆积条形图 68
5．6 百分比堆积柱形图 69
5．7 折线图 71
5．8 分区图 72
5．9 堆积面积图 74
5．10 折线和堆积柱形图 76
5．11 折线和簇状柱形图 76
5．12 功能区图 79
5．13 瀑布图 79
5．14 散点图 82
5．15 饼图 84
5．16 环形图 85
5．17 树形图 87
5．18 漏斗图 88
5．19 仪表盘 90
5．20 卡片图 91
5．21 多行卡 93
5．22 KPI 94
5．23 切片器 96
5．24 表 97
5．25 矩阵 99
第6章 自定义可视化效果 101
6．1 阿斯特图 101
6．2 博彦日历 103
6．3 子弹图 105
6．4 和弦图 107
6．5 相关图 109
6．6 聚类图 111
6．7 决策树 112
6．8 双KPI 114
6．9 甘特图 116
6．10 直方图 118
6．11 点线图 120
6．12 网络导航图 121
6．13 雷达图 123
6．14 桑基图 125
6．15 社交网络图 127
6．16 流线图 129
6．17 阳光图 131
6．18 时间序列图 133
6．19 龙卷风图 135
6．20 词云 137
第7章 报表 139
7．1 Power BI报表简介 139
7．1．1 报表的优点 140
7．1．2 报表与仪表板的比较 140
7．2 报表添加页面 141
7．2．1 向报表添加页面 141
7．2．2 向报表添加筛选器 143
7．3 报表设计原则 145
7．3．1 调整页面布局 145
7．3．2 信息表达清楚 147
7．3．3 报表外观美观 149
第8章 仪表板 151
8．1 创建Power BI仪表板 151
8．1．1 从报表创建仪表板 151
8．1．2 创建仪表板的副本 157
8．2 Power BI中的磁贴 159
8．2．1 仪表板磁贴 159
8．2．1 从报表固定磁贴 160
8．2．3 磁贴固定到仪表板 161
8．2．4 磁贴添加超链接 163
8．3 编辑仪表板磁贴 164
8．3．1 添加图像 164
8．3．2 添加文本 165
8．3．3 添加视频 165
第9章 查询编辑器 167
9．1 查询编辑器 167
9．1．1 查询功能区 169
9．1．2 “查询”窗格 170
9．1．3 数据视图 170
9．1．4 “查询设置”窗格 171
9．2 常见查询任务 172
9．2．1 连接到数据 172
9．2．2 调整数据 174
9．2．3 追加数据 176
9．2．4 合并数据 178
9．2．5 对行进行分组 183
第10章 运行R脚本 185
10．1 在查询编辑器中使用R 185
10．2 编辑器查询的限制 191
10．3 R与Power BI协同使用 192
第11章 数据高级操作 194
11．1 创建和管理关系 194
11．1．1 自动创建关系 194
11．1．2 手动创建关系 196
11．1．2 手动编辑关系 198
11．1．2 手动删除关系 199
11．2 数据按列排序 200
11．2．1 使用排序依据 200
11．2．2 返回默认排序 202
第12章 数据分析表达式 203
12．1 函数 203
12．1．1 函数定义 203
12．1．2 函数案例 204
12．2 计算列 209
12．2．1 计算列 209
12．2．2 计算列案例 210
12．3 计算表 212
12．3．1 计算表 212
12．3．2 计算表案例 213
第13章 案例：网页流量数据分析 216
13．1 连接到Web数据源 216
13．2 调整和清理数据表 218
13．2．1 删除不需要列 218
13．2．2 替换清理文本 218
13．2．3 过滤异常数据 220
13．2．4 重命名列名称 221
13．2．5 筛选列中的null值 223
13．2．6 命名查询结果 224
13．3 创建可视化效果 224
第14章 案例：超市运营数据分析 227
14．1 从 Excel获取数据 227
14．2 创建自定义新列 229
14．3 创建可视化效果 231
14．3．1 各省份销售额柱形图 231
14．3．2 月度销售额折线图 231
14．3．3 年度销售额树状图 232
14．3．4 客户类型销售额饼图 233
第15章 Power BI移动应用 234
15．1 在移动设备上查看仪表板 234
15．2 在iPhone上查看仪表板 236
15．3 在iPad上查看仪表板 239
15．4 在Android手机上查看仪表板 240
15．5 在Android平板电脑上查看仪表板 242
第16章 Power BI应用开发 244
16．1 将仪表板集成到应用 244
16．1．1 在Azure AD中注册应用 244
16．1．2 获取仪表板 246
16．1．3 使用JavaScript加载仪表板 249
16．2 将磁贴集成到应用 252
16．2．1 获取仪表板 253
16．2．2 使用访问令牌获取仪表板 255
16．2．3 获取磁贴 257

前言/序言

前 言

数据可视化是数据视觉表现形式的技术，这种数据的视觉表现形式被定义为以某种概要形式抽取出来的信息，目的是直观地展现数据，将用户花费数小时甚至更久才能归纳的规律转换成一眼就能读懂的可视化图表。

本书基于Power BI编写，详细介绍Power BI的数据可视化功能，包括数据类型和运算符、软件的安装、连接数据源、数据基础操作、可视化设计原则、可视化图表、自定义可视化效果、报表、仪表板、查询编辑器、运行R脚本、数据高级操作、数据分析表达式、网页流量数据分析、超市运营数据分析、Power BI移动应用和Power BI应用开发等内容。

本书内容

第1章介绍Power BI概况，包括报表视图、数据视图、关系视图、报表编辑器、数据类型和软件的安装等。

第2章介绍连接数据源，包括连接到文件和数据库。

第3章介绍数据基础操作，包括属性的操作和图表的操作。

第4章介绍可视化设计，包括选择合适的视觉对象、度量值和可视化对象元素，以及可视化效果。

第5章介绍可视化图表，包括堆积条形图、堆积柱形图、簇状条形图、簇状柱形图、折线图、分区图、瀑布图和漏斗图等25种效果。

第6章介绍自定义可视化效果，包括子弹图、词云、桑基图、龙卷风图、阿斯特图、阳光图、流线图、和弦图和雷达图等20种效果。

第7章介绍报表，包括向报表添加页面和报表设计原则等。

第8章介绍仪表板，包括创建Power BI仪表板、Power BI中的磁贴和编辑仪表板磁贴等。

第9章介绍查询编辑器，包括连接到数据、调整数据、追加数据、合并数据和对行进行分组等。

第10章介绍运行R脚本，包括在查询编辑器中使用R、编辑器查询的限制和R与Power BI的协同使用。

第11章介绍数据高级操作，包括自动和手动创建关系、手动编辑和删除关系，以及数据按列排序等。

第12章介绍数据分析表达式，包括函数、计算列和计算表。

第13章介绍网页流量数据案例分析，包括连接到Web数据源、调整和清理数据表，以及创建可视化效果。

第14章介绍超市运营数据案例分析，包括从Excel获取数据、创建自定义新列和创建可视化效果等。

第15章介绍Power BI移动应用，包括在iPhone、iPad、Android手机和Android平板电脑上查看仪表板。

第16章介绍Power BI应用开发，包括将仪表板集成到应用和将磁贴集成到应用。

本书特色

（1）内容全面，讲解详细

本书是一本全面的Power BI著作，详细介绍了大部分常用功能，对于初次学习Power BI软件的读者来说帮助较大，书中列出了创建可视化数据分析视图的每一步操作，便于读者练习实践。

（2）由浅入深、循序渐进

本书从Power BI简介、连接数据源、基础可视化操作、高级可视化操作，到Power BI移动应用和Power BI应用开发等，由浅入深，循序渐进，适合各个层次的读者阅读。

（3）案例丰富，高效学习

本书在介绍功能的同时，结合实际进行讲解，而且为了使读者快速提高数据分析的整体能力，详细介绍了网页流量数据分析和超市运营数据分析两个案例。

读者对象

本书的内容和案例适用于金融、互联网、咨询、快消品、能源等行业的数据可视化分析用户，可供高等院校相关专业学生和从事数据分析的研究者参考使用，也可作为Power BI软件培训和自学的教材。

由于笔者水平所限，书中难免存在错误和不妥之处，请广大读者批评指正。

王国平

2017年11月

洞悉数据，赋能决策：探索知识的深度与广度 在这信息爆炸的时代，数据早已不再是冰冷的数字集合，而是蕴藏着巨大价值的宝藏。如何从海量数据中提炼洞察，将复杂的分析结果清晰地呈现给决策者，并最终驱动业务增长，是每一位职场人士必须面对的挑战。本书旨在为你构建一套系统性的思维框架和实操技能，让你掌握从数据采集、清洗、建模，到深度分析、可视化呈现的全流程能力，赋能你成为数据驱动决策的先行者。 第一部分：数据世界的基石——理解与准备 在踏上数据分析之旅前，我们首先需要建立对数据的基本认知。本部分将为你揭示数据分析的本质，解释不同类型数据的特点以及它们在不同业务场景下的应用。我们将深入探讨数据从何而来，如何有效地进行数据采集，以及过程中可能遇到的挑战和解决方案。 数据概览与分类： 理解结构化、半结构化和非结构化数据的差异，以及它们各自的优势和局限性。学习如何根据业务需求选择合适的数据源，例如数据库、API、文件（CSV, Excel, JSON等）以及云存储服务。 数据采集策略： 掌握多种数据采集方法，包括但不限于数据库查询、API调用、网页抓取（Web Scraping）以及第三方数据服务。我们将讨论如何规划数据采集流程，确保数据的准确性和完整性，并考虑数据隐私和合规性问题。 数据质量的重要性： 认识到“垃圾进，垃圾出”的道理。本部分将详细阐述数据质量问题的常见表现，如缺失值、异常值、重复值、不一致的格式等，并讲解评估数据质量的标准和方法。 第二部分：数据炼金术——清洗与转换 原始数据往往是混乱且不规则的，要使其成为可分析的“黄金”，必须经过精细的清洗和转换。本部分将是本书的重点之一，为你提供一套行之有效的数据清洗与转换技术，让你能够应对各种复杂的数据问题。 数据清洗的艺术： 缺失值处理： 探索多种缺失值填补策略，包括均值/中位数/众数填充、插值法（线性、多项式）、基于模型的预测填补，以及删除含缺失值记录的权衡。我们将讨论不同策略适用于不同场景的考量。 异常值检测与处理： 学习使用统计学方法（如Z分数、IQR）和可视化手段（如箱线图、散点图）来识别异常值。深入探讨异常值的处理方法，包括删除、替换、截尾（Winsorization）以及将其视为特殊值进行分析。 重复数据识别与移除： 掌握精确匹配和模糊匹配两种方法来识别潜在的重复记录，并学习如何安全地移除重复项，避免数据丢失。 数据格式统一与标准化： 解决日期、时间、文本、数值等格式不一致的问题。学习如何进行单位转换、编码标准化（如统一国家/地区名称）、大小写转换等操作，确保数据的一致性。 数据验证与一致性检查： 建立数据校验规则，确保数据符合业务逻辑和约束条件，例如，年龄不能为负数，订单数量不能为零等。 数据转换的智慧： 特征工程基础： 将原始数据转化为更有预测能力的特征。学习如何进行特征提取（如从文本中提取关键词）、特征组合（如计算年龄段）、特征编码（如独热编码、标签编码）以及特征缩放（如标准化、归一化）。 数据聚合与拆分： 根据业务需求对数据进行分组汇总（聚合），或将复杂字段拆分成多个字段。掌握COUNT, SUM, AVG, MAX, MIN等聚合函数的使用。 数据合并与连接： 学习如何通过共同的键（Key）将来自不同数据源的数据进行合并（Join），包括内连接、左连接、右连接和全连接，以及UNION操作。 创建计算字段： 基于现有字段通过逻辑表达式或公式创建新的字段，以满足特定的分析需求。 第三部分：数据建模的基石——理解与构建 经过清洗和转换的数据，需要被构建成能够支持分析的模型。本部分将引导你理解数据建模的基本概念，并掌握构建有效数据模型的关键步骤。 关系型数据模型： 深入理解表、字段、主键、外键等概念，以及它们如何构建实体关系模型（ERM）。学习如何设计规范化的数据库结构，以减少数据冗余和提高数据一致性。 维度建模思想： 掌握事实表（Fact Table）和维度表（Dimension Table）的概念，理解星型模型（Star Schema）和雪花模型（Snowflake Schema）的特点及适用场景。学习如何构建适合数据仓库和商业智能的维度模型。 数据仓库与数据湖： 了解数据仓库（Data Warehouse）和数据湖（Data Lake）的概念、区别与联系，以及它们在企业数据战略中的作用。 第四部分：深度分析的利器——探索与洞察 数据准备就绪，接下来便是挖掘数据背后隐藏的洞察。本部分将带你领略各类强大的数据分析方法，让你能够从不同角度审视数据，发现有价值的模式和趋势。 探索性数据分析（EDA）： 学习如何通过统计摘要、分布分析、相关性分析等手段，初步了解数据的整体特征和变量之间的关系。 统计学基础： 复习和应用核心统计学概念，如均值、中位数、标准差、方差、百分位数、假设检验（t检验、卡方检验）、置信区间等。 时间序列分析： 掌握分析时间相关数据的技术，包括趋势分析、季节性分解、移动平均、指数平滑等，预测未来趋势。 关联规则挖掘： 学习如何发现数据项之间的有趣关系，例如“购买了A商品的顾客也很可能购买B商品”（如Apriori算法）。 聚类分析： 掌握将数据点分组的技术，识别具有相似特征的群体，用于客户细分、模式识别等。 回归分析： 理解如何建立变量之间的数学模型，预测因变量的变化，例如销量预测、价格预测。 分类与预测模型基础： 简要介绍逻辑回归、决策树等基础分类算法，理解如何根据历史数据预测离散的类别。 第五部分：可视化传达——洞见的力量 再深刻的分析，如果无法清晰地传达给他人，价值也将大打折扣。本部分将聚焦于数据可视化，教会你如何选择最合适的图表类型，并利用可视化工具将数据故事娓娓道来。 可视化设计原则： 学习如何遵循“清晰、准确、简洁、有意义”的原则，设计出能够有效传达信息的图表。理解不同图表类型的优缺点，以及何时使用它们。 图表选择指南： 对比分析： 条形图、柱状图、折线图。 分布展示： 直方图、箱线图、散点图。 构成占比： 饼图、堆叠柱状图。 关系展示： 散点图、气泡图、网络图。 地理数据： 地图可视化（热力图、符号图）。 趋势与变化： 折线图、面积图。 交互式可视化： 学习如何创建能够响应用户操作的交互式图表，如钻取（Drill-down）、筛选（Filtering）、联动（Linking），让用户能够自主探索数据。 仪表板（Dashboard）设计： 掌握如何将多个相关的可视化图表组合成一个集中的仪表板，提供业务概览和关键绩效指标（KPI）。学习如何进行仪表板布局、配色和信息层级设计，确保信息传递的高效性。 数据故事讲述： 理解数据可视化不仅仅是图表的堆砌，更是要通过视觉语言讲述一个引人入胜的数据故事，引导观众理解数据背后的含义，并采取行动。 第六部分：实践与应用——案例分析与进阶 理论结合实践是学习的关键。本部分将通过具体的行业案例，展示如何将前几部分所学的知识融会贯通，解决实际业务问题。 不同行业的数据分析案例： 零售业： 客户行为分析、销售预测、库存管理。 金融业： 风险评估、欺诈检测、客户画像。 市场营销： 广告效果分析、用户增长策略、社交媒体分析。 运营管理： 生产效率优化、服务质量监控。 数据分析流程的优化： 学习如何构建一个标准化的数据分析流程，并根据项目需求进行调整。 数据分析工具的生态： 了解市面上主流的数据分析工具和平台（此处不具体提及），以及它们在不同环节的侧重点，帮助你选择最适合自己的工具栈。 持续学习与发展： 数据分析领域日新月异，鼓励读者保持对新技术的敏锐度，持续学习新的算法、工具和方法，不断提升自己的数据分析能力。 本书的内容并非止步于单一工具的使用，而是更侧重于培养读者的数据思维、分析逻辑和解决问题的能力。无论你是初学者还是希望深化技能的从业者，本书都将是你探索数据世界的强大向导。通过系统的学习和大量的实践，你将能够自信地驾驭数据，将冰冷的数据转化为驱动业务增长的智慧之光。

评分☆☆☆☆☆

这本书在数据分析的深度和广度上都给我留下了深刻的印象。它不仅仅停留在“把数据画出来”的层面，而是真正地教我如何从数据中挖掘出有价值的信息。书中关于数据清洗和转换的部分，让我意识到数据准备工作的重要性，并且提供了许多实用的技巧来处理脏数据，这在实际工作中太有用了！我特别赞赏它对DAX（Data Analysis Expressions）的讲解，虽然一开始觉得有点挑战，但作者用非常形象的比喻和贴近实际业务的例子，让我慢慢掌握了这个强大的语言。通过DAX，我学会了如何创建度量值、计算列，以及编写更复杂的逻辑表达式来解决实际的业务问题。书中的案例分析非常贴合企业实际，让我能看到这些技术是如何被应用到市场营销、销售分析、财务报表等各个领域，从而为决策提供支持。读完之后，我感觉自己看待数据的方式都发生了根本性的改变，不再是简单地浏览数字，而是能从中看到故事和洞察。

评分☆☆☆☆☆

这本书的结构非常合理，从浅入深，层层递进，让我感觉学习过程非常顺畅。作者在讲解Power BI的各种功能时，都提供了详细的操作步骤和截图，即使是初次接触Power BI的用户，也能轻松跟着操作。我特别喜欢它在讲解高级功能时，没有回避其复杂性，而是通过大量的实践案例来展示这些功能的强大之处。例如，在介绍Power Query的时候，它不仅仅是列出各种转换选项，而是通过一个完整的业务场景，一步步教我如何运用Power Query来完成复杂的数据处理任务。书中还提供了许多关于报表性能优化的技巧，这对于处理大型数据集的用户来说非常有价值。而且，它还涉及了一些关于数据建模的原则，这对于构建一个可扩展、易于维护的Power BI解决方案至关重要。感觉这本书的内容非常全面，能够满足从入门到进阶的各类用户需求。

评分☆☆☆☆☆

我不得不说，这本书在培养我的数据分析思维方面起到了关键作用。它不仅仅是一本技术手册，更像是一本启发思考的书。作者在讲解每一个概念的时候，都会引导我去思考“为什么”和“怎么样”，而不是简单地告知“是什么”。我学会了如何从业务问题出发，思考需要哪些数据，以及如何用Power BI来解决这些问题。书中关于用户体验设计的理念，让我意识到制作优秀的数据可视化不仅仅是技术活，更是关于如何与人沟通。它教会我站在用户的角度去思考，如何让他们更容易地理解数据，从而做出更明智的决策。而且，它还鼓励我去探索和实验，去尝试不同的可视化方式和分析方法。读完这本书，我感觉自己不仅仅掌握了一项工具，更重要的是，我拥有了一种新的看世界的方式——用数据去理解和解决问题。

评分☆☆☆☆☆

这本书真的让人眼前一亮！我一直对数据可视化和分析很感兴趣，但总觉得概念有点虚，不知道如何下手。这本书就像给我打开了一扇新世界的大门。它没有上来就讲那些枯燥的理论，而是直接带我进入了Power BI的实际操作。从基础的界面介绍，到如何导入不同来源的数据，每一步都讲解得非常清晰。我特别喜欢它在解释图表类型时，不仅仅是告诉你“用这个图”，而是深入浅出地分析了“为什么用这个图”，以及在什么场景下最能发挥它的作用。比如，在介绍折线图时，它详细讲解了如何通过它来观察趋势变化，并给出了实际案例。而且，书中提供了大量的练习和示例文件，让我可以跟着操作，一步步地构建出属于自己的仪表盘。感觉就像是在一个经验丰富的老师的指导下学习，很多之前困扰我的问题，看了这本书之后都迎刃而解了。即使是没有接触过Power BI的朋友，也完全不用担心，它的循序渐进的设计，让零基础的读者也能轻松上手。

评分☆☆☆☆☆

作为一个经常需要展示数据的人，这本书对我来说简直是救星！我过去总是苦恼于如何让我的报表更具吸引力和说服力，但这本书给了我全新的思路。它不仅仅是教我如何制作各种各样的图表，更重要的是，它强调了“叙事性”在数据可视化中的重要性。书中指导我如何围绕业务目标来设计仪表盘，如何选择最能突出关键信息的视觉元素，以及如何通过交互式设计来引导观众的注意力。我学会了如何运用颜色、字体、布局等细节来提升报表的专业度和美观度。特别是关于“讲好数据故事”的部分，它提供了很多实用的方法论，让我知道如何清晰、简洁地传达数据背后的含义，让听众一目了然。现在，我制作的报表不仅仅是信息的堆砌，而是能够真正地引发思考，并推动行动。周围的同事都对我的新报表赞不绝口，这让我非常有成就感。

评分☆☆☆☆☆

一直在京东买东西，东西品相完美，一看就是原装正品，快递速度非常快，真的可以说是物美价廉，所以必须确定一定以及肯定要给好评。

评分☆☆☆☆☆

数据分析现在很流行，现在能在excel中就做一些数据分析最好了，买个书学习一下，看了第一章，感觉挺好

评分☆☆☆☆☆

微软的power bi很好很强大，拿来做数据分析及可视化展示

评分☆☆☆☆☆

到咯娄女巫哦书桌呜呜呜呜洗浴子虚乌有子虚乌有

评分☆☆☆☆☆

京东的物流相比较是无可挑剔的，书籍的质量也是物有所值的。很满意京东的这次双*减*活动。

评分☆☆☆☆☆

好好好好好好好好好好好好好好好好好好好好好好好好好

评分☆☆☆☆☆

准备学bi，正好用上。

评分☆☆☆☆☆

正好赶上了折扣，666

评分☆☆☆☆☆

①第一次买这么多书，花了*元，都是关于成为数据分析师的，希望自己把这些书啃下来后能够得偿所愿，加油↖(ω)↗。②书的包装都特别完好，有塑料封皮的。③好久没有读实体书，还是手摸着书的感觉最好，虽然还没有看，但好像书中知识都已经掌握了一样开心④快递小哥格外贴心，还提醒我箱子很重，要小心拿哦