Power BI X ChatGPT：實作大數據篩選分析與商業圖表設計【好評回饋版】 (3版)
類似書籍推薦給您
立即查看
Power BI實作大數據篩選分析與商業圖表設計【好評回饋版】 (3版)
類似書籍推薦給您
立即查看
商業大數據的視覺化設計與Power BI實作應用
類似書籍推薦給您
【簡介】
現在是一個大數據無處不在的年代，無論是企業或個人，建立一個快速解讀資料的能力，顯得相當實用且重要。其中，資料視覺化就是一個備受關注且重視的面向。用視覺化的方式來呈現資料的內容，能夠讓決策者更容易理解，執行者能更輕易的利用圖表與他人進行溝通。因此，資料視覺化的應用已經是許多企業相當看重的大數據分析技術之一。
然而，圖表的類別龐雜，如何選擇適切的圖表來忠實呈現資料，卻是操作者的困擾。因此，本書將資料視覺化的圖形予以整理及分類，藉由各章的說明、介紹、優劣比較與繪製建議，搭配企業個案資料來實際操作，減少讀者天馬行空的想像。
目前坊間資料視覺化的書籍多以軟體功能的介紹與操作為主，本書則是以不同應用類型的視覺化圖表為重點，搭配Power BI進行教學與解說，期待讓讀者在未來的應用上能夠更為得心應手。
最後，本書設計了一個整合的應用，利用企業的資料來進行實戰。透過資料視覺化的相關整合應用，去解讀企業營運時的狀態與樣貌，進而部署儀表板，提供即時決策參考。
【目錄】
【Part 1 基礎建立篇】
CH1 緒論
1.1 緒論
1.2 資料視覺化的演進
1.3 資料視覺化與大資料
1.4 資料視覺化的應用實例
模擬試題
CH2 資料視覺化的科學基礎與設計原則
2.1 色彩與心理之關係
2.2 圖表色彩的設計原則
2.3 圖形與心理之關係
2.4 前注意處理程序
2.5 資料視覺化中色彩與圖形的運用原則
模擬試題
CH3 容易取得的資料視覺化工具介紹
3.1 Microsoft Excel
3.2 Microsoft Power BI
3.3 Tableau
3.4 Matplotlib
模擬試題
CH4 Microsoft Power BI 功能
4.1 基本介紹
4.2 Power Query
4.3 資料分析運算式 DAX
模擬試題
【Part 2 進階練功篇】
CH5 離散差異之視覺化（Deviation）
5.1 離散差異視覺化圖表特色及使用之資料格式
5.2 圖形介紹
5.3 離散差異圖形之優缺點比較
5.4 範例資料介紹
5.5 實作與解釋
模擬試題
CH6 關聯性之視覺化（Relationship）
6.1 關聯性視覺化圖表特色及使用之資料格式
6.2 圖形介紹
6.3 關聯性視覺化圖表之優缺點比較
6.4 實作與解釋
模擬試題
CH7 排序之視覺化（Ranking）
7.1 排序視覺化圖表特色及使用之資料格式
7.2 圖形介紹
7.3 排序視覺化圖表之優缺點比較
7.4 實作與解釋
模擬試題
CH8 分佈之視覺化（Distribution）
8.1 分佈視覺化圖表特色及資料格式
8.2 圖形介紹
8.3 分佈視覺化圖表之優缺點比較
8.4 實作與解釋
模擬試題
CH9 隨時間變化之視覺化（Change over Time）
9.1 隨時間變化圖表特色及使用之資料格式
9.2 圖形介紹
9.3 隨時間變化圖表之優缺點比較
9.4 實作與解釋
模擬試題
CH10 量的比較之視覺化（Magnitude）
10.1 量的比較視覺化之圖表特色及使用之資料格式
10.2 圖形介紹
10.3 不同量的比較圖形之優缺點比較
10.4 實作與解釋
模擬試題
CH11 部分和整體關係之視覺化（Part-to-Whole）
11.1 部分和整體關係視覺化之圖表特色及使用之資料格式
11.2 圖形介紹
11.3 不同部分和整體關係圖形之優缺點比較
11.4 實作與解釋
模擬試題
CH12 空間視覺化（Spatial）
12.1 空間視覺化之圖表特色及使用之資料格式
12.2 圖形介紹
12.3 不同地理空間圖形之優缺點比較
12.4 實作與解釋
模擬試題
CH13 流向視覺化（Flow）
13.1 流向視覺化之圖表特色及使用之資料格式
13.2 圖形介紹
13.3 不同流向圖形之優缺點比較
13.4 實作與解釋
模擬試題
【Part 3 企業實戰篇】
CH14 資料視覺化實作，說一個好故事
14.1 取得資料視覺化資料
14.2 下載公開資料下載：交通部觀光署開放資料
14.3 實作練習：歷年來台旅客統計
14.4 實作練習：歷年來台旅客性別統計
14.5 實作練習：歷年來台旅客來台目的統計
14.6 實作練習：製作疫情前後來台旅客居住地儀表板
模擬試題
立即查看
Power BI x Copilot x ChatGPT 商業報表設計入門：資料清理、資料模型、資料視覺化到報表共享建立全局觀念 (1版)
類似書籍推薦給您
內容介紹
在這個以數據為核心的時代，企業的數據轉型不再是選擇，而是必然。《PowerBI x Copilot x ChatGPT 商業報表設計入門：資料清理、資料模型、資料視覺化到共享報表建立全局觀念》是一本為這一轉型需求而生的專業書籍。作者戴士寶 Stark，憑藉在 Power BI 領域的豐富經驗，為讀者提供全面而深入的學習途徑。
本書從「資料流」的視角切入，全面介紹 Power BI 的各個方面，從資料清理、資料模型建構，到資料視覺化和雲端分享報表等。對於初學者而言，這本書從第一頁到最後一頁是一個完整的學習路徑，可以逐步掌握 Power BI 的各項工具和技能。對於已經有一定經驗的 Power BI 使用者，本書提供了新的視野和啟發，在現有基礎上進一步提升。
在書中亦引入了 Copilot 和 ChatGPT 等 AI 工具，使讀者在學習過程中能夠更高效地解決問題。此外，書中豐富的實戰案例和 Stark 的「無私分享」和「無私小撇步」，不僅豐富了讀者的操作技巧，更深化了對 Power BI 應用場景的理解。
尤其值得一提的是，書中對資料視覺化的深入探討和實作指導，透過詳細講解 Power BI Desktop 的強大功能，如欄位參數、深度鑽研分析和客製化工具提示等，使讀者更能夠充分發揮 Power BI 的潛力。
本書是一本既適合初學者又能滿足有經驗使用者需求的實用工具書。它不僅提供了全面的技術知識，更是一個實戰平台，讓讀者能夠將學到的知識直接應用於實際工作，有效推動個人和企業的數據轉型進程。
書籍目錄
〈第一篇〉Power BI 基本認識
第 1 章 揭開 Power BI 面紗：背景與專有名詞介紹
1.1 為什麼需要 Power BI？
1.2 初識 Power BI 家族的系列產品
1.3 如何挑選最適合的 Power BI 產品做為最佳解決方案
1.4 資料流：理解報表數字背後的歷程
1.4.1 資料蒐集
1.4.2 資料清理
1.4.3 資料模型
1.4.4 資料視覺化
第 2 章 Power BI Desktop 初識與實作：銷售報表
2.1 Power BI 報表實作：銷售成效追蹤報表
2.2 匯入資料源
2.3 啟用新版功能：物件專屬互動（On-object Interaction）
2.4 認識視覺效果
2.5 建立篩選：使用「交叉分析篩選器」視覺效果
2.5.1 製作年度篩選器
2.5.2 完成剩餘的篩選器
2.6 銷售額對月份走勢：使用「折線圖」視覺效果
2.6.1 為折線圖新增欄位
2.6.2 修改欄位的格式
2.7 不同產品類別銷售額比較：利用「群組直條圖」視覺效果
2.7.1 為群組直條圖增加欄位
2.7.2 修改欄位的格式
2.8 不同國家銷售渠道銷售成效比較：利用「群組直條圖」視覺效果
2.9 檢視我們完成的第一個 Power BI 專案
〈第二篇〉Power Query：資料清理的厲害工具
第 3 章 Power Query 基本操作
3.1 用 Power Query 匯入資料
3.1.1 Power Query 找不到檔案怎麼辦？
3.1.2 匯入檔案到 Power Query，以 CSV 為例
3.1.3 Power Query 的工作區塊
3.2 常用操作 (1)
3.2.1 變更資料表名稱
3.2.2 移除頂端資料列
3.2.3 使用第一個資料列作為標頭
3.2.4 移除重複的資料列
3.2.5 移除空白的資料列
3.2.6 分割資料行（依分隔符號）
3.2.7 分割資料行（依字元數）
3.2.8 移除資料行
3.3 常用操作 (2)
3.3.1 重新命名資料行標頭
3.3.2 取代值
3.3.3 修改資料行之資料型態
3.3.4 排序
3.3.5 檢視查詢所套用的步驟
3.3.6 參考資料表
3.3.7 分組依據
3.4 資料行的操作
3.4.1 新增自訂資料行
3.4.2 新增條件資料行
3.4.3 新增索引資料行
3.4.4 新增複製資料行
3.4.5 合併資料行
3.5 將 Power Query 的操作套進 Power BI
第 4 章 Power Query 進階操作 (1)
4.1 資料表的資料結構轉換
4.1.1 適合用做資料視覺化的資料結構
4.1.2 樞紐與取消樞紐資料行
4.1.3 轉換 1×1 資料結構
4.1.4 轉換 2×1 資料結構
4.1.5 轉換 2×2 資料結構
4.2 日期與時間的操作
4.2.1 將日期時間拆分成日期與時間
4.2.2 擷取年、季、月、週、星期
4.2.3 將西元年轉換為民國年
4.3 文字資料行的操作
4.3.1 將英文字母改為全小寫
4.3.2 將英文字母改為全大寫
4.3.3 將每個英文單字字首改為大寫
4.3.4 清除字串前後空白
4.3.5 清除字串空白
4.3.6 在字串前面新增首碼
第 5 章 Power Query 進階操作 (2)
5.1 合併資料表的方法
5.1.1 縱向合併資料
5.1.2 橫向合併資料
5.1.3 合併同一資料夾之不同月份的檔案
5.2 步驟紀錄的調整
5.2.1 將某步驟刪除到結尾
5.2.2 移動步驟的次序
〈第三篇〉資料模型 － 模型建得好，製表沒煩惱
第 6 章 初識資料模型，善用 ChatGPT 協助正規化
6.1 資料模型是什麼？為什麼需要資料模型？
6.2 認識資料表間的關聯
6.2.1 關聯的種類
6.2.2 篩選（關聯）的方向
6.2.3 作用中與非作用中的關聯
6.3 Star Schema：最常見的資料模型
6.3.1 為什麼需要 Star Schema
6.3.2 資料正規化：產生 Star Schema
6.3.3 事實資料表
6.3.4 維度資料表
6.4 實作：利用 ChatGPT 協助建立資料模型
6.4.1 將問題交給 ChatGPT 解決：撰寫適當的提示詞
6.4.2 建立產品類別維度表
6.4.3 建立產品維度資料表
6.4.4 建立客戶維度資料表
6.4.5 建立日期維度資料表
6.4.6 建立銷售事實資料表
6.4.7 檢視完成後的資料模型
第 7 章 初識 DAX 函數：提升 Power BI 實力的必學招式
7.1 什麼是 DAX 函數？
7.2 DAX 函數基礎認識
7.2.1 資料型態
7.2.2 運算子
7.2.3 語法組成
7.3 DAX 公式使用場景 1：計算資料行
7.3.1 計算資料行的定義
7.3.2 新增計算資料行的方式
7.3.3 範例 1：計算銷售額的資料行
7.3.4 範例 2：計算顧客年齡的資料行
7.4 DAX 公式使用場景 2：量值
7.4.1 量值的定義
7.4.2 新增量值的方式
7.4.3 範例 1：計算總銷售額的量值
7.4.4 範例 2：計算顧客平均年齡的量值
7.5 計算資料行與量值的差異.
第 8 章 常見的 DAX 函數 － 以飯店旅客住宿資料模型為例
8.1 比較飯店服務的營收差異
8.1.1 新增服務消費金額的量值 – 使用 SUM 函數
8.1.2 將量值用群組直條圖呈現
8.2 計算所有房型的各別營收
8.2.1 計算入住天數 – 使用 DATEDIFF 函數
8.2.2 獲取關聯表的房型價格 – 使用 RELATED 函數
8.2.3 計算預定房間的收入 – 使用 SUMX 函數
8.2.4 優化 DAX 公式
8.3 為計算加入篩選 - 布林值篩選條件運算式
8.3.1 瞭解布林值篩選條件運算式的寫法
8.3.2 在一個量值中引入另一個量值
8.3.3 CALCULATE 函數的運作方式
8.3.4 實際操作新增「餐廳酒吧收入額」量值
8.3.5 布林值的邏輯算符
8.4 為計算加入篩選 - 資料表篩選條件運算式
8.4.1 新增「外國旅客服務消費金額」量值
8.4.2 建立外籍旅客消費各項服務類型的群組直條圖
8.5 為計算加入篩選 - 篩選條件修改函數
8.5.1 保留外部篩選條件–使用 KEEPFILTERS 函數
8.5.2 清除外部篩選條件 - 使用 ALL 函數
8.5.3 計算子群組百分比 – 使用 ALLEXCEPT 函數
8.5.4 啟用非作用中的關聯 – 使用 USERELATIONSHIP 函數
8.6 利用時間智慧函數執行與時間相關計算
8.6.1 使用時間智慧函數的先決條件：日期表
8.6.2 計算去年同期指標 – 使用 SAMEPERIODLASTYEAR 函數
8.6.3 計算任何同期指標 – 使用 DATEADD 函數
8.6.4 計算今年至今累加指標 – 使用 TOTALYTD 函數
8.7 建立量值彙總表以分類四散的量值
8.7.1 新增量值資料表
8.7.2 為不同類別的量值區分資料夾
第 9 章 利用 Copilot 與範本自動產生量值
9.1 Copilot 與 Power BI
9.2 快速量值：使用 Copilot 的建議
9.2.1 啟用 Power BI 中的 Copilot
9.2.2 新增銷售額快速量值
9.2.3 新增判斷高低銷售狀態量值
9.2.4 新增前五名高銷售顧客量值
9.2.5 視覺化結果
9.3 快速量值：使用範本
9.3.1 年初、季初、月初迄今的總計
9.3.2 與去年、上季、上月相比的變化
9.3.3 視覺化結果
〈第四篇〉資料視覺化－作吸引人的互動式報表
第 10 章 製作 HR 監控報表之基本功能
10.1 認識資料集
10.1.1 維度表：員工資訊表
10.1.2 維度表：日期表
10.1.3 事實表：員工年度考核表
10.1.4 事實表：缺勤及請假表
10.1.5 事實表：薪水發放紀錄表
10.1.6 事實表：員工訓練紀錄表
10.1.7 事實表：職缺招募表
10.2 製作報表的標題
10.2.1 製作標題底色
10.2.2 製作標題內容
10.3 製作年度篩選器
10.4 製作 KPI 卡片以追蹤指標
10.4.1 員工數量卡片
10.4.2 製作年資卡片
10.4.3 製作平均績效卡片
10.4.4 製作平均招募天數卡片
10.4.5 製作平均招募成本卡片
10.5 製作人員平均薪資樹狀圖
10.6 製作缺勤數分析緞帶圖
第 11 章 善用 Power BI 進階技巧升級 HR 報表 (1)
11.1 製作教育訓練成本分析
11.1.1 新增教育訓練成本所需量值
11.1.2 建立折線與群組直條圖視覺效果
11.1.3 修改數值單位為「萬」
11.2 製作動態分析群組橫條圖：Y 軸指標
11.2.1 分析篩選器的功能與準備所需欄位
11.2.2 新增欄位參數與建立交叉分析篩選器
11.2.3 修改 Y 軸指標的欄位參數篩選器
11.3 製作動態分析群組橫條圖：X 軸指標
11.3.1 準備篩選器需要的資料表
11.3.2 建立交叉分析篩選器
11.3.3 套用篩選器的樣式
11.4 製作動態分析群組橫條圖：橫條圖
11.4.1 新增履歷投遞量量值
11.4.2 建立動態指標量值
11.4.3 新增群組橫條圖並產生連動效果
11.4.4 修改群組橫條圖格式
11.5 建立圖所需的標題與外框
11.5.1 製作動態標題所需的量值
11.5.2 為動態群組橫條圖加上標題與外框
第 12 章 善用 Power BI 進階技巧升級 HR 報表 (2)
12.1 利用鑽研查看請假人員名單
12.1.1 製作鑽研頁面
12.1.2 操作鑽研功能
12.1.3 篩選窗格的用途
12.2 利用客製化工具提示查看成長率表
12.2.1 分析客製化工具提示所需的量值
12.2.2 認識計算群組（Calculation Group）
12.2.3 啟用模型檢視功能
12.2.4 製作五個計算項目於計算群組中
12.2.5 新增客製化工具提示報表頁面
12.2.6 使用與測試客製化工具提示
12.3 利用書籤記住報表的狀態
12.3.1 新增書籤以記錄當前狀態
12.3.2 新增按鈕並連結到書籤
〈第五篇〉Power BI Service – 共享報表的雲端工具
第 13 章 Power BI Service 基礎功能
13.1 發行地端報表至雲端服務中
13.1.1 在 Power BI Desktop 登入帳號
13.1.2 從 Power BI Desktop 發行到雲端
13.2 利用資料閘道實現資料刷新與排程管理
13.2.1 認識資料閘道
13.2.2 下載並安裝內部部署資料閘道
13.2.3 設定 Power BI Service 與資料來源溝通的帳號密碼
13.2.4 在 Power BI Service 設定連線
13.2.5 設定資料刷新與排程
第 14 章 Power BI Service 進階實踐
14.1 多人協作或多報表開發的最佳實踐
14.1.1 工作區（Workspace）的類型
14.1.2 切割開發、測試與正式環境
14.1.3 將一個 Power BI 資料集用於多份 Power BI 報表
14.2 利用 Power BI APP 整合數個報表
14.2.1 建立應用程式
14.2.2 設定受眾並發佈
14.2.3 修改報表並更新 Power BI App
14.3 權限控管與分享報表
14.3.1 工作區的權限種類
14.3.2 指派工作區權限予使用者
14.3.3 指派單一報表權限給他人
附錄A 下載並安裝Power BI Desktop（電子書）
A.1 下載 Power BI Desktop
A.2 安裝 Power BI Desktop
附錄B 註冊 Power BI 帳號（電子書）
B.1 註冊 Office 365 帳號
B.2 登入 Power BI Service
附錄C 利用 ChatGPT 協助產生 DAX 量值（電子書）
C.1 新增銷售額快速量值
C.2 新增判斷高低銷售狀態量值
C.3 新增前五名高銷售顧客量值
立即查看
Power BI大數據實戰應用-零售x金融 (1版)
類似書籍推薦給您
【簡介】
--專業推薦--
張詠淳 臺北醫學大學大數據與科技管理研究所教授
許毓容 前東森購物大數據協理
陳祥輝 臺北大學統計系業界專業教師兼任助理教授
【主題式分析 + 實戰演練，強化學習效率，全面提升大數據分析能力!】
在當今快速變動且複雜的商業環境中，運用數據提升決策效率至關重要，本書不僅提供了從基礎到進階的Power BI知識，更結合零售/金融產業實戰應用，透過豐富的跨領域實例，讓讀者能夠真正運用數據結合實務情境，達到做中學及接地氣的加成綜效。
精彩重點：
．零售x金融產業實戰案例介紹Power BI運用，涵蓋Power BI 三大模組（Power Query、Power Pivot、Power View）
．數據工程Power Query – 線上資料蒐集、資料清理、資料合併，建立半自動化數據工程作業。
．資料建模Power Pivot – 使用DAX函數新增資料行、管理量值、瀏覽資料關聯模型。
．資料視覺化Power View – 建置數據儀表板的數據指標架構設計、分析問題的圖表繪製設計建議、產業數據分析經驗。
．豐富的實戰演練，從零售業與金融業數據案例的資料清理，再到運用DAX函數創建數據分析指標，設計各項主題實戰分析儀表板，逐步引導讀者實際操作、獲取實務經驗，確保學習效果。
內容與範例均貼近實務情境，讓讀者更容易理解並結合所學知識。本書不僅適合Power BI使用者，更是從事大數據分析、商業分析或營運分析人員的學習寶藏。
【目錄】
chapter 01 人人都該會的大數據利器 - Power BI
1.1 安裝與啟用 Power BI Desktop
1.2 Power BI Desktop 三大模組
1.3 Power BI 對使用者的價值
chapter 02 不用寫程式也能處理不規則數據 - Power Query
2.1 案例一：獲取 Excel、CSV、JSON、XML 等異質格式來源數據
2.2 案例二：獲取 Web 等線上、Google 表單數據
2.3 案例三：處理公開資料 - 以實價登錄數據為例
2.4 案例四：處理公開資料 - 以信用卡公開消費數據為例
2.5 案例五：建構半自動化數據更新作業流程說明
chapter 03 找出數據關聯分析的計算好手 - Power Pivot
3.1 案例一：動態行事曆
3.2 案例二：RFM 模型應用
3.3 案例三：創建對比分析指標
3.4 案例四：創建品類（品牌）熱度分析指標
chapter 04 活用數據視覺化儀表板 - Power View
4.1 案例一：客戶 Insight 應用
4.2 案例二：信用卡消費數據分析
4.3 案例三：電銷業務營運成效分析
4.4 案例四：金融帳戶交易行為分析及應用
4.5 案例五：客群經營貢獻分析
4.6 案例六：催收業務案件召回分析及應用
4.7 案例七：決策節點分析應用
4.8 案例八：從實價登錄數據看行情運用
立即查看
華通書坊
