powerbi数据建模教程（BI中完成数据建模）

小秘书了解到财务人每天上班都要跟数据表打交道，而财务分析是老生常谈的话题了。在做数据分析时要建立多表之间的数据联系，根据分析需求多表协同配合使用。

一个良好的数据模型是财务分析的基础，当财务人掌握数据建模的原理后，在做财务分析时方能如鱼得水、得心应手！

在上一篇文章中，我们跟大家分享了如何在Power BI中做多个数据表的加工处理。今天就来跟大家聊聊Power BI中的王炸功能——数据建模！这个功能听起来有点复杂，但是掌握其原理后，用起来非常方便！它能从多个表格、多个来源的数据中，根据不同的维度、不同的逻辑来聚合分析数据！

举个例子，比如fin_data（财务数据）和sales（销售数据）中都有年、月、公司字段。在Power Query中，我们可以使用合并功能将两张表拼在一起。但是使用Power Pivot的数据建模功能，则无需合并，直接建立联系即可。

为了按照年、月、公司分析数据，我们另外再建几张辅助表，如下：

从这四个表中很容易就能想到它们之间的关系。而当我们关闭并应用查询时，Power Pivot也很容易的通过字段名称识别到了他们的联系。

可以看出表和表之间多了很多线，这是Power Pivot自动检测的表间关系，没有检测到的表，可以点击一个表中的字段托到另一个表的对应字段上，就可以建立关系了。双击连接线，也可以看连接详情：

根据建立的数据模型，可以做进一步的跨表分析，比如统计平均单价。

我们知道平均单价=营业收入/销售量，而营业收入和销售量分别来自于fin_data和sales表，在“新建度量值”的功能中允许跨表的计算。

在fin_data下，我们点击“新建度量值”，编写DAX函数。

然后“平均单价2”这个度量值就建立了，在右边字段区可以看到，但是左侧的字段里并没有出现。这是因为度量值其实只是一个计算函数，并不真实存储数据，他在可视化过程中根据展示要求实时计算结果。

接下来，我们就新建一张报表，将度量值展示出来。下图就展示了平均单价的三种分析视角：

注意，轴选择辅助表中的年、月/月份、公司/区域，否则就无法根据数据表之间的关系计算出度量值。

选择每个维度的任意序列，就能联动查看变化情况，如下图选择了2018年：

使用这种方法建立的模型更加抽象和多维，灵活性也更高~

在实际的使用过程中，小秘书建议可以先用Power Query清洗数据，再用Power Pivot进行建模，两者搭配使用效果更佳！

在Power BI的课程中我们总结了数据处理五个步骤，快来Mark一下：

在下一篇文章中，我们将会为大家展现最受财务人青睐的功能——数据可视化！喜欢的朋友别走开哟~还是老方法，私聊我可以马上开启Power BI的全套课程学习！

END

©图片版权归财码Python所有，如对版权有异议，请联系后台议定处理。

本文由财码Python整理发布，如需转载请务必注明以上信息。