如果是订单、用户行为、用户资料等大量数据，一般会以分组形式进行计算。不同分组字段，会生成不同的维度，像范例中的城市、工作年限，教育背景都是维度，也是图表的基础。如果生成的维度足够多，我们能利用维度组成数据模型，这是OLAP的概念。

除此以外，也能利用过滤直接筛选数据。我们选择出含有数据分析、分析的数据。排除掉大数据工程师等干扰职位。

这里支持多条件复杂逻辑筛选。

到这里，我们已经完成实战篇中的清洗过程中，我这次简单化了。以上步骤都能通过右侧的套用步骤还原和撤销。这里不会出现bottomSalery这类列。

之后选择工具栏的关闭并套用，报表数据就会更新。最后数据2300多行。

通过数据查询和报表DAX公式，我们就能完成数据清洗和规整的步骤。主要思路是：移除重复值、过滤目标数据、清洗脏数据、数据格式转换。

数据关联

我们工作中会用到很多数据，不可能依靠一张表走天下。若是在Excel中，我们经常用Vlookup函数将多张表关联汇总。Power BI则用拖拽关联数据，更方便。一般是先关联再清洗。

因为我的数据只有一张表，用不到关联，以官网截图为例。

很简单，用拖拽将Product的manufactureId和Manufacturer的manufactureId关联，我们可以理解成做了vlookup引用，也可以想成SQL的Join。

分析会涉及到很多复杂因素，这些因素相关的数据不会安安静静给你呆在一张表里，而是不同的表，所以需要用到数据关联。

数据关联在学习到SQL后会更加清晰，这是SQL的核心概念之一。

图表

进入图表设计阶段，点击侧边栏第一个项。BI比Excel好的地方在于，它只要拖拽就能设计和生成。

点击任一图表，画布上会自动生成图形，要切换图表类型直接点击其他即可。我们把城市和平均工资拖拽到视觉效果下的栏目，它会自动生成图表。不同图表需要的维度、轴都不一样，具体按提示进行。

视觉效果下有设计选项，可以将图表调整的更美观，这里不详细介绍了。

点击新增视觉效果（继续吐槽翻译），可以继续在画布上增加图表。绝大部分BI，都是支持联动的，所谓联动，通俗讲，就是点击图表上的维度元素，其他数据也会按此维度相应变化。

上图就是一个很好的联动例子，点击城市维度的北京，其他图表都变了，平均工资由14.23变成15.23。而学历则变成突出显示，显示出了北京的博士们薪水远高于平均水准。

图表联动带来更好的数据洞察，将不同数据维度的组合和选取，为分析师带来决策能力的提升。当然我最喜欢的特点之一是省时间。

通过不断的图表组合，就能生成数据分析师自己的分析画布。这块画布叫作Dashboard。当然图表好看与否，就取决于分析师的设计品味了（这个我教不了你们，哈哈）。

如果维度过多，大家可以插入视觉选项中的交叉筛选器，添加过滤功能，常用于精细化的分析，例如时间维度。图表右上角按钮，还能选择导出数据，导出一份该图表的csv数据。

我们也能将其发布到网上，作为同事和企业间协作，或者手机端浏览数据用。当然这里需要注册账号，就看大家意愿了。

更多功能留待大家学习，到这里，Power BI的新手教程就结束了。我列举了常用的功能，不知道大家有没有从Excel图表水平跃升到一个新阶段，大家可以自己拿数据做图表报告作为分析师行业的敲门砖。如果还有疑问，就借助官网文档学习，BI作为一个领域，它值得数据分析师深入。

以下是一些补充： 范例

因为时间的关系，我没有讲解更多的样式设计内容。大家可以去官网下载范例，含有原始数据练习。主要是学习他人的报表汇制思路。

另外Power BI的图表偏少，类似标靶图、箱线图都没有。不过官网有各类图表下载。搜索pbiviz即可，没有中文。

R集成