第1章 Power BI：讓數據飛起來 1
事物的本質往往沒有那麼復雜，就好像浩瀚的宇宙，雖然流星稍縱即逝，但我們可以計算它的速度，雖然我們觸摸不到銀河係，但可以度量它的大小，這是因為我們掌握瞭天體運動的原理。同樣，如果我們掌握瞭數據分析原理，就會發現那些所謂的高級分析、轉化漏鬥分析、全麵預算，還有最近比較火的增長黑客 AARRR 模型等，不過是浩瀚的知識體係中原理應用的一個場景。本章會剝去數據分析神秘的“外衣”，以淺顯的語言來講述數據分析原理。
1.1 什麼是 Power BI：未來已至 2
1.2 從 Excel 到 Power BI 的 5 個理由 9
1.3 數據分析原理：其實很簡單 14
第2章Power BI 初體驗及數據可視化 24
“Logic will get you from A to B. Imagination will take you everywhere.”
（邏輯會把你從 A 帶到 B，而想象力可以帶你去任何地方。）
數據可視化不僅是一門技術，也是一門藝術，同樣的數據在不同人的手裏，展現的效果會韆差萬彆，掌握這門技能需要我們理解數據並具有想象力。
2.1 什麼是數據可視化：視覺盛宴的開始 25
2.2 數據查詢初體驗：把數據裝到“碗”裏 27
2.3 數據建模和度量值：Excel 在 20 年來做的最好的事情 31
2.4 可視化及自定義視覺對象：將圖錶一網打盡 39
2.5 篩選器、層次、交互和分享：顛覆靜態報錶 51
2.6 可視化原則：平衡的藝術 61
第3章 數據查詢：Power Query 69
大多數數據分析師都是用 80%的時間做基礎的數據處理工作，而用不到 20%的時間做數據分析工作。藉助強大的 Power Query 工具，可以解決這個工作時間分配失衡的問題，打造一個工作新常態：用 20%的時間做數據處理工作，用 80%的時間做數據分析工作。
3.1 告彆“數據搬運工” 70
3.2 數據清洗 30 招：變形金剛 75
3.3 獲取數據：從網頁和數據庫 97
3.4 追加與閤並查詢：你還在用 Vlookup 函數嗎 103
3.5 多文件閤並：復製和粘貼的殺手 109
3.6 Power Query 與精益管理思想 113
3.7 Power BI 的 M 語言與 DAX 語言之爭 119
第4章 數據建模：Power Pivot 與 DAX 語言 123
“如果一件事情，你不能度量它，就不能增長它”。有人說，度量值是 Excel 在 20年來做得最好的一件事。作為一個數據分析工具， Power Pivot 和 DAX 語言纔是 Power BI 的核心和靈魂。
4.1 基本概念：度量的力量 124
4.2 關係模型：建築設計師 126
4.3 Power Pivot 與 Pivot：超越普通 129
4.4 度量值：將變革進行到底 133
4.5 計算列：溫故而知新 138
第5章 DAX 語言入門：真正的顛覆從這裏開始 142
DAX 什麼是？DAX，Data Analysis Expression，即數據分析錶達式。
本書選取瞭 DAX 公式中的 24 個核心公式，並且根據它們的使用頻率由大到小分成瞭 3 個階段。其中入門階段的函數是最常用、核心的部分，攻剋它們便可以製作一些小的數據分析模型。
5.1 DAX 語言：數據分析錶達式 143
5.2 聚閤函數：計算器 150
5.3 Calculate 函數：最強大的引擎 153
5.4 All 函數 156
5.5 Allexcept 和 Allselceted 函數兄弟 161
5.6 Filter 函數：高級篩選器 165
5.7 理解上下文：DAX 語言學習裏程碑 173
第6章 DAX 語言進階：最簡單也是最好用的 184
我們可以把 DAX 當作一門語言來學習，也可以把它當作 Excel 公式來看，因為它們非常相似，而且大部分函數都是通用的。這也會讓你從傳統的 Excel 轉到現代的Power BI 更容易，相對學習成本更低。
初階函數的學習難度較小，與 Excel 函數很像，可以說是 Excel 函數的擴展。
6.1 Divide 函數：安全除法 185
6.2 If/Switch 函數：邏輯判斷 187
6.3 關係函數：Related、Relatedtable 和 Lookupvalue 188
6.4 Time Intelligence 函數：時間智能函數 192
6.5 日曆錶的使用 200
6.6 分組的技巧 205
6.7 度量值的收納盒 210
第7章 DAX 語言高階：進擊的數字大廚 213
高階函數的學習相對前兩個階段要更難，然而有瞭前兩個階段的學習基礎，它們不過是另一個小山頭。當你完成瞭這 3 個階段共 24 個函數的學習，就好比掌握瞭太極拳的 24 個精髓招式，將它們組閤起來運用自如後就可以達到以不變應萬變的境界。這些函數足以讓你應對 80%以上的數據分析需求。
7.1 Values 函數：不重復值 214
7.2 Hasonevalue 函數：隻有一個值 217
7.3 SumX 函數：掌握 X 類函數 218
7.4 Earlier 函數：當前行 221
7.5 RankX 和 TopN 函數：排名 226
7.6 輔助錶：巧妙的助攻 231
7.7 VAR/Return 函數：錄音機 241
7.8 DAX：用作查詢的語言 247
7.9 取長補短：Excel + Power BI = Better Together 256
後記 261
· · · · · · (收起)