下载掌阅APP，畅读海量书库
立即打开
Power BI服务中包含了一些行业常用的分析示例和合作伙伴作品展示。对于刚开始接触Power BI或者交互式报表的用户，可以快速导入这些现成的示例报表和仪表板，体验一下它们的效果，直观地体会一下交互式报表的强大功能。
由于示例中使用的数据都来源于Power BI国际版，尽管Power BI的界面支持用户选择自己使用的语言，但是这些示例中的英文数据却没有被汉化。
1.2.4.1 IT支出分析示例
在用户连接了“IT支出分析示例”后，可以看到工作区内出现了以“IT支出分析”（IT Spend Analysis Sample）命名的数据集、报表和仪表板。其中的报表又包含了三页不同的分析报告页，分别是IT支出趋势（IT Spend Trend），支出成本要素（Spend by Cost Element）和计划差异分析（Plan Variance Analysis）。其中工作区在图中最左侧，报表页的选择按钮在下方的黑框内，占绝大部分面积的白色区域都是报表的内容，页面布局如图1-2-10所示。在图中展示的IT支出分析页面上，可以看到四个视觉对象，其中包括按地区划分的计划与差异的柱状图，按业务范围划分的计划差异散点图，按时间划分的计划差异折线图，和按IT分类划分的计划差异区域图。
图1-2-10 页面布局
当用户单击图1-2-10中柱状图中的拉丁美洲区域后，Power BI显示的报表就变成了筛选后的样子，如图1-2-11所示。可以注意到在柱状图中，除了被选中的地区外，其他颜色都变成了浅绿色。表明这个报表内的数据进行了过滤，显示的都是拉丁美洲区域内的数据。例如在右下方的区域图内，由于拉丁美洲的IT分类中只有三类数据，所以区域图中的分类从原本的五类变为了三类。
图1-2-11 拉丁美洲区域筛选结果
这种对数据集从不同维度上进行筛选的操作，通常被称为切片与切碎（Slicing and Dicing）。在大数据行业内，这是非常重要的一个概念。如果需要把一个多维的数据集有效地转变为人能够理解的知识，首先就需要对它的维度进行过滤，然后转换成最直观的表现形式。同样地，当用户单击散点图中的基础设施（Infrastructure）类别的时候，相应地， Power BI也会对数据根据基础设施类别进行筛选。基础设施筛选结果如图1-2-12所示，折线图和区域图都变成了业务范围属于基础设施的数据，而左上角的柱状图变成了两个柱状图嵌套在一个视觉对象中的样子，筛选后的柱状图如图1-2-13所示。当鼠标悬停在视觉对象上面的时候，还可以显示出数据的具体图例。这是由于Power BI支持多种筛选过滤的形式，用户可以根据自己的实际需求进行修改。
图1-2-12 基础设施筛选结果
图1-2-13 筛选后的柱状图
1.2.4.2 客户盈利率示例
再来看一下客户盈利率示例中的团队记分卡报表，如图1-2-14所示。当用户单击左下角柱状图中的1月份的立柱来进行筛选时，就会得到如图1-2-15所示的筛选结果。
图1-2-14 团队记分卡报表
图1-2-15 1月份筛选结果
如果用户希望通过更多维度进行数据筛选，例如：查看Andrew Ma团队11月份的数据，就需要通过Power BI中的切片器来实现。选中图1-2-15中左边方框内的“Andrew Ma”，再根据用户的需求进行交互，则报表的交互结果都将是筛选Andrew Ma团队之后的数据，如图1-2-16所示。
图1-2-16 Andrew Ma团队11月份筛选结果
通过切片器，用户可以达到任意维度的数据筛选。Power BI支持对所有类型的数据进行筛选，而针对不同类型的数据，还可以选择单选、多选及范围选择等。
这种交互式的筛选，要求系统能够对不同的查询进行实时反馈，任何延迟都会造成用户体验值的下降。正是得益于微软的内存计算引擎，Power BI才能达到这种体验效果。需要注意的是，只有被导入到Power BI系统的数据才能获得最佳的交互效果，而使用Direct Query 形式连接的数据源将很大程度上取决于数据源和网络的响应速度，很难保证上佳的用户体验。