《高教社2023大数据技术在财务中的应用（Power BI版）教学课件项目六Power BI数据分析可视化》由会员分享，可在线阅读，更多相关《高教社2023大数据技术在财务中的应用（Power BI版）教学课件项目六Power BI数据分析可视化（58页珍藏版）》请在金锄头文库上搜索。
1、Power BI数据分析可视化课前回顾课前回顾DAX运算符是数据分析和计算中的重要组成部分，包括算术运算符、算术运算符、比较运算符和逻辑运算符比较运算符和逻辑运算符。DAX筛选器函数在数据分析中扮演关键角色，其中包括CALCULATECALCULATE函函数、数、FILTERFILTER函数、函数、ALLALL函数、函数、ALLSELECTEDALLSELECTED函数函数等。DAX常见的时间智能函数包括TOTALYTD/QTD/MTDTOTALYTD/QTD/MTD函数、函数、DATESBETWEENDATESBETWEEN函数、函数、DATEADDDATEADD函数、函数、SAMEPERI
2、ODLASTYEARSAMEPERIODLASTYEAR函数、函数、DATESINPERIODDATESINPERIOD函函数数等。0101目目录录02020303 可视化基础可视化基础 可视化视觉对象可视化视觉对象可视化数据报表可视化数据报表可视化基础可视化基础0101数据可视化的目的在于能够正确地反映数据本质，揭示数据背后所蕴含的现象和规律。其特点如下：可视化特点可视化特点 交互性交互性用户可以方便的以交互的方式管理和开发数据。多维性多维性用户可以通过多维视角观察对象或事件的多个属性或变量，并可以根据某一维度的值对数据进行分类、排序、组合和展示。可视性可视性数据可以通过图像、曲线、二维图形
3、、三维体和动画等形式进行可视化展示，从而帮助用户更好地分析数据的模式和相互关系。数据可视化的本质是将数据映射到图形，同时将一些附加信息传达给用户。可视化框架可视化框架 可视化美学因素可视化美学因素 必要性必要性数据可视化主要通过图形化手段来清晰有效地传达和沟通信息。为了有效地表达思想和概念，美学形式应与功能需求紧密结合，以直观的方式传达关键方面和特征。作用和要素作用和要素在可视化设计中，网格和其标注是必须考虑的因素，可以提升设计效果的美观性。图形化的构建要素，包括坐标轴、布局、形状、色彩、线条和排版等，是实现可视化美感的必要因素。合理地利用这些要素来引导用户、传达信息、展现关系、突出结论，并提
4、高视觉吸引力，是十分必要的。可视化效果之美具有独特的含义，被认为是“完美”的可视化效果必须同时具备美观、新颖、内容丰富和高效的特点。颜色的形成是通过三种基本颜色的叠加而成的，这三种基本颜色被称为三基色，它们分别是红、绿和蓝。通常规定，每种颜色的强度范围从最低值0到最高值255，通常使用16进制数值表示。举例来说，255在十六进制表示中为FF，并且我们可以将这三个数值按顺序排列，并以#符号开头来表示颜色。三基色三基色数据可视化都有一个共同的目的，那就是准确而高效、精简而全面地传准确而高效、精简而全面地传递信息递信息。一般而言，图表设计应该遵循以下四个原则。可视化设计原则可视化设计原则简单：简单：
5、数据可视化要以简洁明了的方式传递准确的信息，避免复杂的图表和冗长的文字，让观众能够迅速理解，节省他们的思考时间。充实：充实：数据分析报告通常需要包含多个指标或同一指标的不同维度，以提供全面的信息。通过合理的数据展示和图表设计，使得报告内容充实且易于比较和分析。高效：高效：数据可视化应该具备高效传达信息的能力。观察者能够快速地洞察事实和趋势，管理者也能够快速找到并发现决策所需的策略和见解，无需花费过多时间和精力。美感：美感：美观的数据可视化不仅仅是外观上的吸引力，更重要的是提高可读性和信息表达的清晰度。通过合适的颜色、布局和图表风格，使报表看起来舒适、易读，并能够吸引观众的眼球。数据可视化的目的
6、是将复杂的数据变得直观、清晰，以更好地展示和解释数据。为了实现这一目标，需要经历数据获取、数据处理和数据建模等阶段，为数据可视化做准备。在进行数据可视化之前，还需要考虑以下四个步骤：“最后一公里最后一公里”可视化可视化数据获取数据处理数据建模数据可视化数据可视化获取Excel文件获取文件数据获取网页数据获取数据库数据将第一行应用标题删除行列合并查询拆分列逆透视一对一关系一对多关系多对多关系一、明确主题一、明确主题二、提炼数据二、提炼数据三、选择图表三、选择图表四、布局设计四、布局设计明确主题是进行可视化分析的出发点和目标。需要明确要处理的数据，并记录报表的需求：了解业务需求是什么，对这类数据的
7、使用方式是什么，报表的用户是谁，用户希望通过该报表能做出哪些决策。明确主题明确主题战略意图战略意图具体场景具体场景业务问题业务问题提炼数据是根据分析目的，确定关键指标，然后在可视化分析中利用新建列和度量值计算这些指标。以分析某公司的财务指标为例，可以使用流动比率、现金比率、资产负债率等指标来评估其财务状况。通过这样的数据提炼和计算，可以更好地展示和分析相关指标。提炼数据提炼数据图表的类型非常丰富，若要想达到“一图胜千言一图胜千言”的效果，需要清晰不同数据之间的关系。一般而言，数据之间有5种关系。数据之间的数据之间的5 5种关系种关系分类分类特点特点构成每个部分所占整体的百分比，表达的信息包括：
8、“份额”，“百分比”，首选饼图、环形图。比较展示事物的排列顺序，“大于”，“小于”或者“大致相当”都是比较相对关系中的关键词，首选条图。趋势一种时间序列关系，展示数据如何随着时间变化而变化，使用折线图更好地表现指标随时间呈现的趋势。分布各数值范围内各包含了多少项目，信息会包含：“集中”，“频率”与“分布”等，使用柱状图可以更好看到分布情况。联系两个变量之间是否表达出我们预期所要证明的模式关系，比如预期销售额可能随着折扣幅度的增长而增长，可用散点图来展示。选择图表选择图表根据图表展现场景，可分为比较类、时间类、排名类、流向类、分布类、相关类、单值类等，每种类型的图表有多个，在具体使用时并无无固定
9、限制。图表类型图表类型特点特点比较类对不同对象进行展现，推荐使用柱状图、条形图、表、矩阵等。时间类对时间变化进行展现，推荐使用折线图、组合图、面积图等。排名类对部分和总体进行展现，推荐使用树状图、饼图、环形图等。流向类对数据流向进行展现，推荐使用瀑布图、漏斗图等。空间类对空间位置进行展现，推荐使用视图地图、着色地图等。相关类对数据之间关系进行展现，推荐使用散点图、折现的簇状柱形图等。单值类对单个数据进行展现，推荐使用卡片图、KPI、表和矩阵等。在设计布局时，需要注意划分信息的重要程度。在整体视觉设计中，核心的数据指标应放置在最重要的位置，并占据较大的面积，而其他指标则按照优先级逐步展开围绕核心
10、指标周围。这样的设计方法能够有效地突出核心指标，并保持整体布局的平衡和清晰。布局设计布局设计注意事项：注意事项：尽量把关联数据相邻放置，提高相关数据信息传递的效率；避免出现过多解释性文字，要让图表自身传达大部分信息；做好数据呈现信息的划分，趋势、占比、面积等分别用不同图表展现；可视化设计不宜太过华丽，遮蔽关键数据信息；善于利用联动、钻取等功能，深入挖掘数据背后隐含的业务信息。在选择图表时，应尽量选择能简洁传达信息的基本视觉对象类型，而不是为了追求印象深刻而选择更复杂的视觉对象类型。选择合适的视觉对象选择合适的视觉对象除了默认的可视化视觉对象，Power BI还提供了自定义的可视化视觉自定义的可
11、视化视觉对象，在Office Store中可以下载视觉对象的文件。自定义图表类型自定义图表类型字段区用于填充图表数据，根据图表的特征和设计者的需求进行拖拽。常见的字段区包括轴、图例、X轴、Y轴、值等字段，具体字段会根据不同的图表特征而有所差异。以散点图为例，其字段区包括以下内容。字段区字段区-填充数据填充数据格式区可以用于设置视觉对象的格式，进一步调整图表元素的外观，例如图例、颜色、标题、边框和背景。以柱状图为例，可以自定义调整X轴、Y轴、标题、颜色和数据标签等元素。格式区格式区-让你的图表更生动让你的图表更生动可视化视觉对象可视化视觉对象0202柱状图是一种常用的数据可视化工具，它通过使用垂
12、直的柱子来展示不同类别之间的数值比较。在柱状图中，X轴通常表示需要对比的分类维度，而Y轴则代表相应的数值。柱状图系列柱状图系列主要特点和适用场景主要特点和适用场景 描述分类数据：柱状图适用于回答每个分类中的有多少？这个问题。它可以清晰地展示不同类别之间的数量差异，使得比较和分析变得直观和易懂。适合进行分类数据的比较：柱状图的主要目的是比较不同类别之间的数值。通过柱状图，可以快速发现各个类别之间的相对大小。无法显示连续变化趋势：柱状图并不适合展示数据在一个区间内的连续变化趋势。它更适合显示不同类别之间的离散数据，而不是数据的变化趋势。条形图是一种使用相同宽度的条形的高度或长度来表示数据数量的图表
13、形式。条形图可以水平或垂直显示，当垂直显示时，也被称为柱状图。条形图系列条形图系列主要特点和适用场景主要特点和适用场景 显现数据大小：通过条形图，可以直观地看出不同数据的大小，因为条形的高度或长度直接对应着数据的数量。比较数据差异：条形图的优势之一是能够轻松比较不同数据之间的差异。通过条形的长度或高度，可以快速发现各个数据之间的相对大小，有助于识别和分析数据的变化趋势。适用于多分类场景：相对于柱状图而言，条形图更适合于分类较多的情况。它可以有效地展示多个分类之间的数据差异，并在较小的空间内呈现清晰的图表。矩阵/表是一个包含相关数据的网格，通过逻辑序列的行和列来表示。它通常包括标头和合计行。矩阵
14、图/表非常适用于定量比较，特别是研究一个类别下的多个值。矩阵和表矩阵和表主要特点和适用场景主要特点和适用场景 定量比较：矩阵图/表适用于进行定量比较。通过将相关数据放置在网格中，可以清晰地对比不同行和列之间的数值差异，从而帮助分析和理解数据。成对影响因素分析：矩阵图/表常用于分析成对的影响因素。通过在行和列中列出不同的因素，并在交叉点处显示相关数值，可以快速识别因素之间的相互关系和影响。结合系统图使用：矩阵图/表在与系统图结合使用时，可以更全面地展示因素之间的关系和相互作用。通过将矩阵图/表与其他可视化工具结合，可以提供更深入的数据洞察和分析。折线图用于展示随时间变化的连续数据。在折线图中，类
15、别数据沿水平轴均匀分布，而数值数据沿垂直轴均匀分布。特别适合用于多个系列的数据比较。折线图折线图主要特点和适用场景主要特点和适用场景 显示数据趋势：折线图能够清晰地显示数据的变化趋势。它能够直观地反映数据的增减、增减速率、规律性和峰值等特征，帮助观察者理解数据的发展和变化情况。用于简单预测：通过观察折线图中的数据变化趋势，可以对未来的发展进行简单的预测。折线图能够提供关于数据递增或递减、速率变化等信息，帮助决策者做出相应的预测和决策。单指标和多指标分析：折线图既适用于单个数据指标的分析，也适用于多个指标之间的比较分析。通过在同一折线图上展示多个系列数据，可以直观地比较不同指标之间的趋势和关系。
16、组合图是将折线图和柱状图合并在一起的单个可视化效果。通过将两种图表结合为一个图表，可以更快速地进行数据比较和分析。组合图组合图主要特点和适用场景主要特点和适用场景 比较变化趋势：组合图能够展示不同项目之间的变化趋势。通过同时显示折线图和柱状图，可以直观地观察各个项目在不同时间点的变化情况，帮助识别趋势和关联性。支持双轴展示：组合图采用了次坐标轴的形式，可以支持展示不同量级的数据。这使得图表更易于理解，因为不同范围的数据可以在同一图表中得到清晰的展示。适用于数据变化范围较大：组合图特别适合展示数据变化范围较大的情况。通过使用不同的图表类型，可以有效地展示数据在不同尺度下的变化，从而避免数据之间的比较受到范围差异的干扰。分区图是在折线图的基础上增加了坐标轴和填充的区域线。它强调随时间推移的度量值的变化，并可以用于突出某个趋势之间的总值。分区图分区图主要特点和适用场景主要特点和适用场景 时间维度的变化展示：分区图适用于展示随时间变化的数据。通过在折线图中增加填充的区域线，可以清晰地展示数据在不同时间段的变化趋势，帮助观察者理解数据的时间维度变化。累积数据展示：分区图也适用于展示累积数据。通过
