DAX 設計模式, 2/e DAX Patterns: Second Edition
[意] 阿爾貝托·法拉里（Alberto Ferrari） 馬爾科·魯索（Marco Russo）
- 出版商: 人民郵電
- 出版日期: 2022-09-01
- 售價: $539
- 貴賓價: 9.5 折 $512
- 語言: 簡體中文
- 頁數: 278
- ISBN: 7115577269
- ISBN-13: 9787115577269
-
相關分類:
Design Pattern
- 此書翻譯自: DAX Patterns, 2/e (Paperback)
立即出貨
買這商品的人也買了...
-
SQL Server 與 R 開發實戰講堂$680$578 -
Power Query：基於Excel 和 Power BI的M函數詳解及應用$354$336 -
左手 MongoDB，右手 Redis — 從入門到商業實戰$474$450 -
會計人的 Excel 小教室進階篇｜報表自動化$320$272 -
機器學習的數學基礎 : AI、深度學習打底必讀$580$493 -
$301Power BI 數據清洗與可視化交互式分析 -
金魚都能懂的 CSS 選取器：金魚都能懂了你還怕學不會嗎（iT邦幫忙鐵人賽系列書）$560$437 -
DAX 權威指南：運用 Power BI、SQL Server Analysis Services 和 Excel 實現商業智能分析, 2/e (The Definitive Guide to DAX: Business intelligence with Microsoft Excel, SQL Server Analysis Services, and Power BI, 2/e)$1,128$1,072 -
Oracle 19c 從入門到精通 (視頻教學超值版)$534$507 -
從 Power BI 到 Analysis Services：企業級數據分析實戰$479$455 -
ASP.NET Core 6 實戰守則：超易懂的跨平台開發入門教學 (iT邦幫忙鐵人賽系列書)$600$468 -
比 VBA 更強的 RPA 來了！Power Automate Desktop 零程式打造辦公室流程自動化$560$476 -
Figma UI/UX 設計技巧實戰：打造擬真介面原型$600$468 -
ASP.NET Core 工程師不可不知的 10大安全性漏洞與防駭方法$690$538 -
深入淺出 Power Query M 語言$600$570 -
全格局使用 PyTorch -- 深度學習和圖神經網路 -- 實戰篇$880$695 -
Excel商務智能：Power Query和Power Pivot數據清洗、建模與分析實戰$528$502 -
翻倍效率工作術 - 不會就太可惜的 Power BI 大數據視覺圖表設計與分析, 3/e (附範例/影音)$390$293 -
從 Excel 到 Power BI ：財務報表數據分析$599$569 -
Excel × ChatGPT × Power Automate 自動化處理．效率提昇便利技$499$394 -
Power BI 最強入門：AI視覺圖表 + 智慧決策 + 雲端分享 王者歸來 (全彩印刷) (第二版)$650$429 -
深入淺出 DAX — Excel Power Pivot 和 Power BI 高效數據分析$594$564 -
使用 Redmine 管理企業 MIS 的那些鳥事：提升資安、專案與 IT 管理的 30個錦囊妙計 (iThome鐵人賽系列書)【軟精裝】$700$546 -
Power BI x Copilot x ChatGPT 商業報表設計入門：資料清理、資料模型、資料視覺化到報表共享建立全局觀念$630$498 -
Power BI 商業智慧分析｜數據建模、資料分析、安全分享、平台管理與監控, 2/e$700$525
相關主題
商品描述
Power BI 自 2015 年 7 月發布後，極大地改變了商業智能市場的格局，連續多年被評為商業智能產品的領導者。本書集合了 20 多套運用 Power BI 的 DAX 引擎來處理、分析常見商業問題的即用型解決方案。
DAX 設計模式是由 BI 領域專家——阿爾貝托·法拉里和馬爾科·魯索總結並提出的。本書同時使用 Power BI 和 Excel 作為工具進行編寫，並對應用模式進行了大幅更新，內容涵蓋了時間智能、分組、ABC 分類、客戶分析、購物籃分析等常用模式。本書所包含的每一套設計模式都經過不斷的實踐，被提煉為易用的數據模型和優雅的 DAX 公式。
本書適合 Excel 高級用戶、商業智能分析人員、使用 DAX 和微軟分析工具的專業人士閱讀。
作者簡介
本书作者阿尔贝托·法拉里（Alberto Ferrari）和马尔科·鲁索（Marco Russo）共同创立了 SQLBI网站，他们经常在网站上发表关于DAX和其他微软工具的文章。他们经常作为演讲嘉宾出席各类国际会议，比如Microsoft Ignite、PASS 峰会和SQLBits。两位作者非常活跃，经常在微软商务智能技术领域里进行教学、咨询和指导。他们共同编写并出版了多本图书。
目錄大綱
第 1 章 與時間相關的計算 1
第 2 章 與標準時間相關的計算 4
2.1 時間智能計算介紹 .4
2.1.1 什麽是標準 DAX 時間智能函數 5
2.1.2 禁用自動日期/時間 6
2.1.3 標準時間智能函數的局限性 6
2.1.4 創建 Date 表 6
2.1.5 控制未來日期中的可視化 8
2.1.6 命名約定 8
2.2 期初至今總計 9
2.2.1 年初至今總計 10
2.2.2 季初至今總計 12
2.2.3 月初至今總計 12
2.3 比上個時間段增長的計算 13
2.3.1 比上個年度增長 14
2.3.2 比上個季度增長 15
2.3.3 比上個月度增長 16
2.3.4 比上個時間段增長 18
2.4 期初至今增長的計算 19
2.4.1 比上個年度年初至今增長 19
2.4.2 比上個季度季初至今增長 21
2.4.3 比上個月度月初至今增長 22
2.5 期初至今與上一個完整時間段的比較 23
2.5.1 年初至今比上個完整年度 23
2.5.2 季初至今比上個完整季度 26
2.5.3 月初至今比上個完整月度 27
2.6 使用移動年度總計計算 29
2.6.1 移動年度總計 29
2.6.2 移動年度總計增長 30
2.7 移動平均 31
2.7.1 移動平均 30 天 32
2.7.2 移動平均 3 個月 33
2.7.3 移動平均 1 年 33
2.8 篩選其他日期屬性 34
第 3 章 與月相關的計算 37
3.1 與月相關的時間智能計算介紹 37
3.1.1 創建 Date 表 37
3.1.2 命名約定 41
3.2 期初至今總計 42
3.2.1 年初至今總計 42
3.2.2 季初至今總計 43
3.3 比上個時期增長的計算 44
3.3.1 比上個年度增長 44
3.3.2 比上個季度增長 45
3.3.3 比上個月度增長 47
3.3.4 比上個時間段增長 48
3.4 期初至今增長的計算 49
3.4.1 比上個年度年初至今增長 49
3.4.2 比上個季度季初至今增長 50
3.5 期初至今與上一個完整時間段的比較 51
3.5.1 年初至今比上個完整年度 51
3.5.2 季初至今比上個完整季度 53
3.6 使用移動年度總計計算 54
3.6.1 移動年度總計 54
3.6.2 移動年度總計增長 55
3.7 移動平均 .56
3.7.1 移動平均 3 個月 56
3.7.2 移動平均 1 年 57
3.8 管理超過 12 個月的年份 57
第 4 章 與周相關的計算 59
4.1 與周相關的時間智能計算介紹 59
4.1.1 創建 Date 表 59
4.1.2 瞭解篩選器安全列 61
4.1.3 控制未來日期中的可視化 62
4.1.4 命名約定 63
4.2 期初至今總計 64
4.2.1 年初至今總計 64
4.2.2 季初至今總計 66
4.2.3 月初至今總計 67
4.2.4 周初至今總計 68
4.3 比上個時期增長的計算 69
4.3.1 比上個年度增長 69
4.3.2 比上個季度增長 71
4.3.3 比上個周度增長 72
4.3.4 比上個時間段增長 74
4.4 期初至今增長的計算 75
4.4.1 比上個年度年初至今增長 75
4.4.2 比上個季度季初至今增長 77
4.4.3 比上個周度周初至今增長 78
4.5 期初至今與上一個完整時間段的比較 79
4.5.1 年初至今比上個完整年度 80
4.5.2 季初至今比上個完整季度 81
4.5.3 周初至今比上個完整星期 82
4.6 使用移動年度總計計算 83
4.6.1 移動年度總計 83
4.6.2 移動年度總計增長 84
4.7 移動平均 86
4.7.1 移動平均 4 個星期 86
4.7.2 移動平均 1 個季度 87
4.7.3 移動平均 1 年 88
第 5 章 自定義時間相關的計算 90
5.1 自定義時間智能計算介紹 90
5.1.1 創建 Date 表 91
5.1.2 瞭解篩選器安全列 93
5.1.3 控制未來日期中可視化 94
5.1.4 命名約定 95
5.2 期初至今總計 96
5.2.1 年初至今總計 96
5.2.2 季初至今總計 98
5.2.3 月初至今總計 99
5.3 比上個時期增長的計算 100
5.3.1 比上個年度增長 100
5.3.2 比上個季度增長 102
5.3.3 比上個月度增長 103
5.3.4 比上個時間段增長 104
5.4 期初至今增長的計算 106
5.4.1 比上個年度年初至今增長 106
5.4.2 比上個季度季初至今增長 107
5.4.3 比上個月度月初至今增長 110
5.5 期初至今與上一個完整時間段的比較 112
5.5.1 年初至今比上個完整年度 112
5.5.2 季初至今比上個完整季度 113
5.5.3 月初至今比上個完整月度 114
5.6 使用移動年度總計計算 116
5.6.1 移動年度總計 116
5.6.2 移動年度總計增長 117
5.7 移動平均 119
5.7.1 移動平均 30 天 120
5.7.2 移動平均 3 個月 121
5.7.3 移動平均 1 年 122
第 6 章 比較不同區間的值 123
第 7 章 半累加計算 126
7.1 模式介紹 126
7.2 起始和終止日期 127
7.3 有數據的起始和終止日期 128
7.4 基於客戶的起始和終止日期 129
7.5 期初和期末餘額 131
7.6 期間增長 134
第 8 章 累計總數 136
8.1 基本模式 136
8.2 可排序列的累計總數 138
第 9 章 參數表 140
9.1 改變度量值的比例 140
9.2 多個獨立參數 142
9.3 多個依賴參數 143
9.4 動態選擇前 N 名產品 144
第 10 章 靜態分組 146
10.1 基本模式 146
10.2 按類別劃分的價格區間 148
10.3 大型表格上的價格區間 150
第 11 章 動態分組 152
11.1 基本模式 152
11.2 按產品增長聚類 154
11.3 按最優狀態聚類 156
第 12 章 ABC 分類 158
12.1 靜態 ABC 分類 158
12.2 快照 ABC 分類 160
12.3 動態 ABC 分類 164
12.4 尋找 ABC 分類 165
第 13 章 新客戶和回頭客戶 167
13.1 介紹 167
13.2 模式描述 170
13.2.1 內部度量值 172
13.2.2 外部度量值 172
13.2.3 如何使用模式度量值 173
13.3 動態相對模式 174
13.3.1 內部度量值 175
13.3.2 新客戶 175
13.3.3 流失客戶 177
13.3.4 暫時流失客戶 177
13.3.5 復活客戶 178
13.3.6 回頭客戶 179
13.4 動態絕對模式 180
13.4.1 內部度量值 181
13.4.2 新客戶 182
13.4.3 流失客戶 182
13.4.4 暫時流失客戶 183
13.4.5 復活客戶 184
13.4.6 回頭客戶 185
13.5 通用動態模式（按類別動態） 185
13.5.1 內部度量值 186
13.5.2 新客戶 187
13.5.3 流失客戶 189
13.5.4 暫時流失客戶 190
13.5.5 復活客戶 192
13.5.6 回頭客戶 194
13.6 快照絕對模式 196
第 14 章 關聯性的非重復計數 202
第 15 章 事件進展 206
15.1 事件進展的定義 206
15.2 未結訂單 208
15.3 結合快照的未結訂單 210
第 16 章 排名 215
16.1 靜態排名 215
16.2 動態排名 216
16.3 顯示每個類別的前 3 名產品 218
第 17 章 層次結構 220
17.1 檢測當前級別的層次結構 220
17.2 父節點百分比 221
第 18 章 父子層次結構 223
18.1 介紹 223
18.2 基本的父子層次模式 224
18.3 會計科目表的層次結構 227
18.4 父子層次結構的安全模式 232
第 19 章 同類比較 234
19.1 介紹 234
19.2 同店銷售額的快照計算 235
19.3 不使用快照的同店銷售額 238
第 20 章 轉移矩陣 240
20.1 介紹 240
20.2 靜態轉移矩陣 241
20.3 動態轉移矩陣 244
第 21 章 調查 247
第 22 章 購物籃分析 251
22.1 定義關聯規則指標 251
22.1.1 # 252
22.1.2 # And 252
22.1.3 # Total 252
22.1.4 # Both 253
22.1.5 % Support（支持度） 253
22.1.6 % Confidence（置信度） 253
22.1.7 Lift（提升度） 253
22.2 報告範例 253
22.3 基本模式示例 255
22.4 優化模式示例 259
第 23 章 匯率轉換 261
23.1 多種來源貨幣，單一報告貨幣 261
23.2 一種來源貨幣，多種報告貨幣 263
23.3 多種來源貨幣，多種報告貨幣 266
第 24 章 預算 269
24.1 介紹 269
24.2 數據模型 270
24.3 業務選擇 271
24.3.1 基於上一年度的分配 271
24.3.2 停產的產品不會對分配產生影響 272
24.3.3 新產品有自己的預測數量 272
24.3.4 以年的基礎停產或推出產品 273
24.4 預測分配 273
24.5 在同一圖表上顯示實際數據和預測數據 275
