下载掌阅APP，畅读海量书库
立即打开
Power BI是一款数据可视化分析解决方案，如果觉得数据可视化分析概念太抽象，可以将Power BI理解为加强版的Excel（尽管这种理解有些许偏差）。笔者对微软公司官网的Power BI简介（见图1.6）简单总结为：连接各种数据源，创建令人惊叹的交互式可视化分析；发布报表和仪表板，与团队协作和共享见解；无缝获取见解或者随时随地进行无缝访问。
图1.6 来自微软公司官网的Power BI简介
读者可能会问：但即使这样，何以见得此为Power BI的高明之处呢？其他BI工具（如Tableau）也可以达到这种效果啊！的确没有错，能实现这些功能的产品不止一家，但俗话说，“人比人得死，货比货得扔”。图1.7所示为高德纳公司2021年的BI平台魔力象限图，可见微软公司在领导者象限遥遥领先对手，且微软公司已经在过去多年连续处于领导者地位。此图的横轴为前瞻性维度，可理解为“远景的丰富程度”；纵轴为可执行能力维度，即目前产品功能与用户体验是否值得肯定的体现。虽然，魔力象限图是对微软品牌的总体打分，但Power BI作为微软公司目前最核心的可视化数据分析工具之一，足以代表微软公司整体在BI平台方面的最高制作水准。
图1.7 高德纳公司2021年的BI平台魔力象限图
除了上述的可执行能力与前瞻性两个维度的价值，笔者认为Power BI身上还具有这些特点：操作敏捷自助，可视化功能丰富，适用于个人/部门/企业各层次。今天，传统的固定化BI报表已不能满足现代快速变化的商业需求，决策者应该思考是否需要将由IT人员主导的特定分析转为由分析人员主导的探索性分析。而Power BI恰恰可以赋能分析人员在无须IT人员介入的情况下独立完成一系列的数据挖掘操作，让“人人都能学会数据分析”不再是一句空洞的口号。如果把一家企业的BI分析工具比喻成武器，那么传统的企业级BI工具的特点是精准、射程远、威力大，但需要专业人员操作，自身维护成本高；自助式BI工具的特点是易上手，普通人通过短期培训就能发挥出很大“威力”（见图1.8）。
图1.8 企业级BI与自助式BI的对比
这并不是说企业级BI工具不再重要了，对许多数据规模大、逻辑复杂的应用场景来说，仍然需要用企业级BI工具完成。因此，企业级BI工具目前仍然处于不可缺失的地位。企业应思考的不是二选一的问题，而是如何将传统的企业级BI工具和现代的自助式BI工具有机结合，发挥出最大的“威力”。例如，企业级BI工具在后方数据仓库搭建更有优势，专业IT人员可专注于数据仓库开发、数据治理等工作；分析人员则通过自助式BI连接后方数据仓库实现探索性分析，最大限度地释放生产力，从而事半功倍。图1.9所示为Azure Data Services架构图，是基于企业级应用平台Azure和各数据平台搭建的商业智能解决方案，Power BI在其中发挥可视化呈现的功能。Power BI既可用作自助式BI方案，也可以用作企业级BI方案。
图1.9 Azure Data Services架构图
有读者问，我用了这么多年的Excel难道不是一个自助式BI吗？我为什么还需要使用Power BI呢？虽然有争论，但Excel的确符合BI工具的许多特性。如果从这个角度理解，目前Excel的确仍然是市面上使用最广泛的“BI工具”。有这样一个笑话说明Excel的广泛用途。
问：BI工具中使用频率第三高的按键是什么？
答：导出为Excel。
问：那么第一与第二高的呢？
答：“Yes”和“No”。
那么，我们不妨对比Power BI与Excel这两款工具的差别。前文说Power BI是Excel加强版，那么它强在哪里呢？首先，Power BI解决了Excel传统的三大难题，如表1.1所示。
表1.1 传统Excel与Power BI主要功能对比
除此之外，Power BI比Excel更加完善的地方还有许多，以下只列举一些重要特性：
（1）Power BI增添了Power BI service分享发布功能，使内容发布与分享更为便利；
（2）Power BI添加了丰富而强悍的可视化组件，使人们更容易理解和洞察数据背后的规律；
（3）Power BI增加了AI高级分析功能，可帮助分析人员洞察数据；
（4）Power BI可与Office 365、Azure和Dynamic 365无缝对接，形成了强大、协同的生态体系。
既然Power BI如此强大，是否日后能直接用Power BI替代Excel呢？答案是否定的。我们来看Power BI不能做什么：
（1）Power BI不是编程工具，不能完成类似Excel VBA的复杂逻辑编写；
（2）Power BI不能处理非结构性数据；
（3）Power BI不能用于OLTP（Online Transaction Processing，联机事务处理）；
（4）Power BI本身只是分析数据的工具，通常不用于回写数据。
基于这几点，Excel的优势就显现出来了。实际上，自Excel 2010开始，Excel已经支持Power Pivot、Power Query功能。我们姑且将Excel Power Pivot与Excel Power Query统称为Power Excel，这要与传统的Excel进行区分。如今的Excel使用者除了需要熟悉VLOOKUP和VBA这类传统Excel技能，也应该对模型方面的知识有所掌握，这样才是一个真正的Excel分析高手。图1.10所示为基于Power Query进行股票回归测试的Power Excel，使用的技术是VBA、Power Pivot与Power Query的集成。
图1.10 基于Power Query进行股票回归测试的Power Excel
Power BI与Power Excel在技术上是相通的，同宗同源，如图1.11所示，都有获取数据和分析数据模块。对比而言，Power BI更适合用于可视化分析方案，而Power Excel更适用于事务型与表格型的混合解决方案。
图1.11 Power BI与Power Excel数据模块的对比
Power BI的核心功能有四大模块：数据准备、数据建模、数据可视化、数据发布与共享。图1.12所示为关于Power BI组件的比喻，一个成功的可视化数据分析过程可以比喻为一次愉快的外出用餐体验。为提供愉快的用餐体验，餐馆务必在选备食材、烹饪与卖相、环境与服务上下足工夫。在Power BI语境下，数据准备代表食材购买与准备，数据建模代表烹饪色香味俱全的食物，数据可视化代表菜品卖相，Power BI service代表餐厅平台（环境与服务）。
图1.12 关于Power BI组件的比喻
有一句老话“Garbage in，garbage out”（垃圾进，垃圾出），用于强调数据准备的重要性。根据《哈佛商业评论》的调查研究，数据准备要花掉整个分析过程中80%的时间。因此一个工具是否能胜任数据准备的挑战，其关键性不言而喻。在Power BI中，仅使用Power Query就可以完成许多基础的数据准备任务。同时，资深用户还可以直接使用高级功能，通过编写M语言代码来完成更为复杂的数据准备任务，前提是用户需了解M语言知识（见图1.13）。
图1.13 Power Query主界面
建模部分可谓是Power BI的灵魂核心。DAX（Data Analysis Expression）是数据分析工具的核心语言，通过DAX，Power BI可实现丰富的分析场景，甚至在Excel或SQL中也未必能表达出的逻辑，用DAX则能举重若轻地完成。与许多人一样，笔者被DAX的简练、高深、优雅所深深折服。DAX表达式中一部分与Excel公式重合，如SUM、IF、TRIM等，通常这部分表达式用于计算列。另外如CALCULATE、ALLSELECTED、ALL等DAX独有表达式，通常用于度量、计算（见图1.14）。
图1.14 Power BI关系视图界面
除了Power BI可视化区中默认自带的30种可视化图形，Power BI可视化库至少还有200多种可视化图形供用户选择。当然，这并不是说用户需要了解每种图形的用法，实际上许多图形之间是相似的。用户能掌握30种主要图形足矣。另外，部分Power BI可视化图形支持高级分析功能，但用户需要为使用额外功能支付额外许可费用（见图1.15）。
图1.15 Power BI可视化界面
当制作报表完成后，我们可将报表发布至Power BI service中并与其他使用者共享分析结果。实际上，Power BI service本身与数据分析没有太多直接关系，它只作为报表发布与共享的服务平台，其终极目的是为用户提供良好的环境，包括在线报表的访问速度、完善的分享功能、安全的访问、友好的用户界面等，从而提升用户体验，这些功能往往非常关键。试想即使前面所有步骤都做到完美，但对于刷新一次需要5小时、查询一次需要10分钟的报表，谁会享受这样的报表服务呢？（见图1.16）
图1.16 Power BI service主界面