Power BI 是基于云的商业数据分析和共享工具，它能帮您把复杂的数据转化成最简洁的视图。通过它，您可以快速创建丰富的可视化交互式报告，即使在外也能用手机端 APP 随时查看。甚至检测公司各项业务的运行状况，只需它仪表板的一个界面就够了。
该篇教程继续为大家讲解在使用Power BI引导学习课程中最后一部分——浏览分析基于时间的数据。
分析基于时间的数据
相对来说，用Power BI分析基于时间的数据是非常容易的。BI Desktop中的建模工具会自动包含一些生成的字段，在这些字段中，只需单击一下，您就可以深入到年、季度、月和日。
当您使用报告中的日期字段来创建表格可视化效果时，Power BI Desktop将自动包含按时间段细分的信息。例如，Power BI会自动将日期表中的单个日期字段分为年、季度、月和日，如下图所示。
默认情况下，可视化效果显示“年”级别的数据。当然，你可以在可视对象的右上角打开“向下钻取”来更改。
当您单击图表中的横幅或线段时，它将向下钻取到时间层次结构的下一个级别，例如，从“年”到“季度“。您可以继续深入，直到达到层次结构的最细级别，在本例中是“天”。要在时间层次中向后移动，请单击可视对象左上角的“向上钻取”。
同时，通过使用“钻取全部”双箭头图标(也位于可视对象的右上角),您可以深化可视对象上显示的所有数据，而不仅仅是选定的字段。
只要您的模型有一个日期字段，Power BI就会自动为不同的时间层次生成不同的视图。要返回单个日期(而不是使用日期层次结构)，只需右键单击“ 字段 ”列中的列名(在下图中，列名为“InvoiceDate”)，然后从显示的菜单中选择列名，而不是“ 日期层次结构 ”。然后，您的可视对象将显示基于该列数据的数据，而不使用日期层次结构。要返回并使用日期层次结构，只需再次右键单击并从菜单中选择“日期层次结构”。
如果你想继续了解更多Power BI相关教程咨询，可关注收藏我们哦~我们将为您带来最新资讯！
建模数据分析怎么做
你了解数据建模吗？你有什么问题吗：什么是数据建模？数据建模和数据模型有什么关系？
数据建模，通俗地说就是发现、分析和确定数据需求的过程。这些数据需求以数据模型的形式表达和传输。
那么数据建模和数据模型在数据分析领域的意义是什么呢？
第一层意思是商业模式。模型是指理解业务的整个流程，即业务是如何发生的，以及它是如何为公司产生价值或赚钱的。
以健身房为例。他的流量从哪里来？客户从哪里来？可以通过线上和线下的广告推广获取客户。他的客户是如何改变信仰的？现金可以通过工作人员的服务和设备的试用来实现。怎样才能做好流量和转化的衔接？通过销售人员的邀请，你可以带他们去店里亲自体验。
经过分析，我们可以知道一个简单的健身房经营模式，通过经营者线上或线下的广告获取客户，然后通过销售人员的邀请实现客户到店，通过到店后的体验实现客户变现。
一个商业模式通常包括四类：人、物、钱、物。
第二，建立一个表关系或加入一个数据库或BI工具。在几个相关的表之间建立连接使我们能够更好地分析数据。
我们以BI工具DataFocus为例。在数据表详情页，我们可以通过表中的字段关联多个渠道的门店数据表，整合表中的数据进行搜索和分析。
表之间的关联类型支持完全关联、内部关联、左连接和右连接。
BI工具是我们数据分析师在建模时经常用到的，但是数据库的表结构建模一般是由数据仓库或者数据库管理的同事来进行的。
第三层意思是数学模型，指的是可以按照一定的规则进行计算的模型。像我们经常使用的评分模型，按照不同维度进行评分，得到综合得分；有RFM模型、购物篮分析模型等。所有这些都是为了得到想要的结果。
这些模型计算出来的结果能否解决商业问题，才是我们需要重点关注的。
第四层含义是算法模型，比如我们在网上购物、浏览网页时经常接触到的推荐系统。它会根据我们的行为，用一系列算法推荐我们可能喜欢的内容。算法可能会用到机器学习或者人工智能，但这些内容是数据挖掘工程师需要掌握的。
虽然数据挖掘也是基于业务的，但是数据分析师倾向于直接作用于业务，而数据挖掘则是通过模型间接作用于业务。
作为数据分析师，我们经常会用到前三种模型：商业模型、BI模型、数学模型。当然，如果想在技术方面发展，也可以尝试数据挖掘，了解算法模型。
分析的数据生成和分析模型
商业模式分三步构建，学一次就能学会。
DataFocus美国客户满意度指数ASCI模型实践指南
数据分析模型的PEST分析方法是操作者必备的。
大数据分析中常见的大数据分析模型有哪些？