BI工具之—— power bi 调研学习之整体框架流程整理

本文的调研路径网址为：

（1）https://zhuanlan.zhihu.com/p/64999937(power bi desktop 应用教程)
（2）https://docs.microsoft.com/zh-cn/power-bi/fundamentals/power-bi-overview（POWER BI 组件总览）
（3）https://docs.microsoft.com/zh-cn/learn/modules/explore-power-bi-service/(POWER BI 服务)
（4）https://docs.microsoft.com/zh-cn/power-bi/report-server/get-started（本地报表服务器）

一：认识 power bi

• 概念：
  从各种数据源中提取数据，并对数据进行整理分析，然后生成精美的图表，并且 可以在电脑端和移动端与他人共享的一个神器；

• 大屏：有大屏，但是需要自己设计 设计不好就没有大屏的感觉

• 费用：PowerBI Desktop 免费

• 组成：
  1：Power BI Desktop 的 Windows 桌面应用程序----创建；

(1)应用流程：连接到数据---》 转换和清除该数据，以创建数据模型创建视觉对象---》 创建作为
			视觉对象集合的报表---》 Power BI 服务与其他人共享报表
(2) 组件
		 报表组件：创建报表和视觉对象，并花费大部分时间执行创建操作。
		 数据组件：查看与报表关联的数据模型中使用的表、度量值和其他数据，并转换数据以便
		 		  在报表的模型中充分利用。
		 模型组件：查看和管理数据模型中各表之间的关系

2： Power BI 服务的联机 SaaS（软件即服务）----共享 。
（1）进入机制：Power BI Desktop 工具栏中的发布按钮 或者 直接进入Power BI 服务中创建 Power BI 报表
（2）https://app.powerbi.com
3：适用于 Windows、iOS 和 Android 设备的 Power BI 移动应用 ----使用
4：Power BI 报表服务器

(Power BI Desktop 中创建 Power BI 报表后，可以将其发布到本地报表服务器)----保护管理

• 可视：自定义可视化包，各种酷炫图表(需要去官网库下载相关免费可视化主题包，现存100多种)
• 优点：使用 Power BI 取决于 Power BI 的哪个功能或服务是适用的最佳工具。 例如，可以使用 Power BI Desktop 来为自己团队创建有关客户参与统计信息的报表，也可以在 Power BI 服务的实时仪表板中查看库存和生产进度

二：PowerBI Desktop 的应用流程

  1：报表公开：
		数据源导入--->>>进入内嵌的查询编辑器进行**数据清洗**(Power Query是Power BI的
		一个主要模块，数据整理都在这里完成)--->>> **数据建模**(为表格之间建立关联--->>>
		 **可视化工作**(生成报表)--->>>**共享及管理**(发布到 Power BI 服务并进行共享)
		 --->>>**用户**使用报表并与之交互
  2：报表限定公司应用；
			  如果未准备好迁移到云，而且需要用公司防火墙保护报表，可使用 Power BI 报表服
		务器提供的各种现成工具和服务在本地创建、部署和管理 Power BI 移动报表和分页报表

三：PowerBI 服务

1：PowerBI 服务的用处：

	作为用户或使用者，你将从创建仪表板、报表和应用的设计者处收到这些内容。 从而使用“Power BI 服务”，以查
看此类数据并与之交互，从而制定业务决策；(简单点说：就是一个专门供业务用户的界面,数据分析人员传到BI服务 然
后业务人员应用该仪表盘的(可以自己重新根据数据集修改、编辑、导出导入等各种想做的操作)；)

2：PowerBI 服务的构建基块和相关概念：

1：总览：
		    Power BI 的 5 个主要构建基块是仪表板、报表、工作簿、数据集和数据流 。 它们都整理到工作区中，且在
		容量上进行创建 
2：容量：
	       容量是一个 Power BI 核心概念，表示用于托管和交付 Power BI 内容的一组资源（存储、处理器和内存）。 
	     容量可以是共享容量，也可以是专用容量 。 共享容量与其他 Microsoft 客户共享，专用容量则完全委派给单
	     个客户。 需要订阅才能使用专用容量，默认情况下，工作区是在共享容量上创建的。 在共享容量中，工作负载  
	     可在与其他客户共享的计算资源上运行。 由于容量必须共享资源，因此会施加限制以确保“公平竞争”，例如最大
	     模型大小 (1 GB) 和每日刷新频率上限（每天 8 次）
3：工作区：
	     工作区是基于容量创建的。 本质上，它们是 Power BI 中仪表板、报表、工作簿、数据集和数据流的容器
	1.3.1 我的工作区
		  我的工作区” 是个人工作区，供任何 Power BI 客户在其中处理自己的内容。 只有你自己才有权访问你的工
		  作区。 可以从“我的工作区”共享仪表板和报表。
	1.3.2 工作区
		  工作区用于与同事展开协作和共享内容 。 可将同事添加到工作区，然后在仪表板、报表、工作簿和数据集
		  方面进行协作。
4：数据流
	它们计划定期刷新以存储最新数据。 它们非常适合准备数据供数据集使用（可能是重复使用）
5:数据集
	数据集 是导入 或连接 到的数据集合。 通过 Power BI，你可以连接到并导入各种类型的数据集并将它们组合在一
	起。 数据集还可从数据流中获取数据。数据集与工作区相关联，单个数据集可以包含在多个工作区中。 打开某个工
	作区时，关联的数据集会列在“数据集”选项卡下面。 每个列出的数据集表示一个数据源

3：协作共享

与同事协作有以下三种方法：共享、注释和打印
3.1 共享
第 1 步Power BI 设计者与 Power BI 使用者共享内容 (方法如下)

		1：共享各个仪表板或报表的链接。（设计者可能以电子邮件方式向你和其他经理发送链接）
	    2：共享 Power BI 应用。（先将仪表板和报表打包到应用中，再与你共享此应用）

 第 2 步使用者与内部和外部同事共享内容 (方法如下)

3.2 向仪表盘添加注释

       有权访问共享仪表板的每个人，都可以使用注释直接在仪表板上相互发送消息。

3.3 其他形式获得—纸质版打印、将 Power BI 报表导出到 PowerPoint等

四：PowerBI 的本地报表服务器

• 概念：Power BI 报表服务器是一个本地报表服务器，其中包含一个可显示和管理报表和 KPI 的 Web 门户。 随之一起提供的还有创建 Power BI 报表、分页报表、移动报表和 KPI 的工具。 用户可以采用不同的方式访问这些报表：在 Web 浏览器、移动设备或在收件箱中以电子邮件的形式查看报表。
• 其功能作用类似power bi 服务 ，与之对比如下：
  
  

五：PowerBI 的其他内容归类

• 多数据源生成报表展示问题

方案1：用ETL工具(如：Informatica、odi )进行多源数据的抽取加载转换到同一数据仓的；

方案2：不用ETL工具进行多源数据整合到同一数据仓的情况下：通过Power BI Desktop 的报表分析
	   工具的页签进行区分，每个页签分析来自不同数据源的数据；
	  （官网原话：Power BI Desktop，可以使用来自多个源的数据创建复杂且视觉效果丰富的表，
	   即可与组织中的其他人共享的多合一报表）

• 在不同文件夹中的报表直接合并问题

应用Power Query 直接可以合成一个数据报表

• 处理数据量问题及二次更新问题
  （

1）数据量无限制，具体多少取决于电脑配置，上亿行不是问题(不明确需持续调研)
	（2）自动化，处理过程全记录，每次数据源更新后刷新即可，无需重复劳动（刷新操作是在我的工作区中执行数据源的刷新(可计划)）

• PowerBI Desktop 的 功能组件分类(后三个仅为同作用的 并不是POWER BI 本身的，也可以说其嵌入POWER BI)
  Power Query、Power Pivot、Power view以及Power Map等全部功能聚集到一起，就成了现在的Power BI

（1）Power Query(可作为excel插件单独使用)
	1.1 底层处理语言为M函数 复杂的处理需要写M函数
	1.2 Power Query编辑器中，用户可以使用超过300种不同的数据转换，并且转换的每一个步骤的数
	  据都可以随时查看。这些数据转换功能在所有数据源中都是通用的，而不受基础数据源的限
	  制，并且数据处理以后，所有的步骤都被记录下来，源数据发生变动只需要刷新就可以自动执
	  行所有处理步骤；
	1.3 那么Power BI 中如何使用python呢？
		1.3.1 数据获取环节可以直接用Python从数据源获取数据，返回到PowerBI进一步处理。
		1.3.2 数据清洗环节，可以将PowerBI获取的数据源，用Python来进一步处理，比如调用Python的正则函数等。
		1.3.3 数据可视化环节 使用python 来绘制图表
（2）Power Pivot(可作为excel插件单独使用)
	1.1 PowerPivot是一种数据建模技术，用于创建数据模型，建立关系，以及创建计算。 可使用 
	    PowerPivot 处理大型数据集，构建广泛的关系，以及创建复杂（或简单）的计算，同powerbi
	    的建模概念和作用一样 但是 后者不可 作为插件单独使用。
    1.2 多个表格、多种来源的数据中，根据不同的维度、不同的逻辑来聚合分析数据；而提取数据的
	    前提是要将这些数据表建立关系，这个建立关系的过程就是数据建模
	1.3 操作：
	    1.3.1 维表和事实表的导入——>> powerbi 根据表单内容自动连接或者手动拖拽建立连接——>> 连接属性修改(基数和交叉筛选方向)
	    1.3.1.1基数：两个连接字段的对应关系，分为多对一、一对一和一对多，一对多和多对一
	    1.3.1.2交叉筛选方向：表示数据筛选的流向，有两种类型
					1.3.1.2.1 双向：两个表可以互相筛选
					1.3.1.2.2 单向：一个表只能对另一个表筛选，而不能反向
（3）Power view（PV就是数据可视化）
		度量值，这可以说是PowerBI数据建模的灵魂，创建度量值的公式称为DAX公式；
		度量值的逻辑以及建立度量值的DAX公式学习Power BI的重点；
（4）Power Map （PM 就是数据地图）`
        后续在本篇补充吧 ，暂且没用到！ 

六：PowerBI 调研总结

1：应用方面：

• 优点：
  1：powerbi 可以直接处理来自不同数据源的数据，一定程度上可以简化ETL的应用，甚至不需要写SQL来 做多表查询处理；
  2：PQ工具在处理来源数据的时候很直观，每个过程都非常明确的记录在编辑器的一边，而且可以对每个过程做无数次修改，一旦某一环节没考虑齐全，不用从头部署直接找到那一步进入修改就可；
  3：维表不用提前部署，用到的时候直接在PQ中立刻创建就行(后期也可以做修改处理)–仅指的是那种固定的维表 不需要从其他表中查询获取更新的；
  4：建模过程很灵活，不需要多层建模（如BIEE的 物理层、逻辑层、表现层）
  5：可以对接python/R语言直接抓取数据源，且抓取后可以用python的pandas、matplotlib、numpy、seabron等所有的扩展包处理数据，对接算法等
  6：用户可以再power bi 服务(一个组件服务器，用户和开发交互的地方)上对分析师做的仪表盘、报表做修改(该动作不会改变 原来仪表盘、报表以及数据集；只会在用户自己的工作区做修改展示存储)；且报表修改的所有路径 都会存储，每个路径节点下的数据源随时可用(即：修改之前的数据源不会掉)
  7：牵一发而动全身（交叉突出显示，对用户利用仪表盘分析数据的可变因素提供很直观的展示）
  8：邮箱报警提示，移动端可用
• 我认为的不足或者我没了解到的知识点：
  1：PQ 中想做复杂的数据处理需要用到M函数
  2：建模后 如果想要不改变数据源的同时展示并分析数据需要用到DAX公式
  3：数据保密问题上；和用户交互的两个服务
  （3.1: power bi 服务 好用灵活 但是需要微软的服务器存储）
  （3.2：本地报表服务器 应用性大不如1，感觉和BIEE的前端几乎差不多，失去了灵活性）
  4：作为敏捷BI ETL的功能较为简陋

（相较于 ‘’数据清洗—数据建模—数据分析 ‘’ 这一传统 BI流程 虽然power bi自己就可以运行这一套-----SSIS，
SSAS，SSRS分别对应Etl、分析服务、报表服务，其实就是整个数据分析的流程，从数据库取出数据，然后进行清洗转
换，建立数据模型，进而生成报表。PowerBi自己就完成了以上三者的部分功能，注意，只是部分。报表和图表基本和
SSRS持平，分析服务也就个多维分析，跟SSAS还差一些，SSAS更完善。差距最大的是在ETL环节，与SSIS相比非常简陋）

5：数据量过大问题，不太乐观
6：更加针对于个人或者小型分析范围，针对企业级的有点欠缺
PS: 此篇仅为深入学习之前调研的大体内容，后期深入学习之后会有超详细记录