新書推薦：
《
第一性原理穿透思维定势
》
售價：HK$
85.8
《
俄国史译丛——先声：19世纪末20世纪初俄国的知识界
》
售價：HK$
115.6
《
粤港澳大湾区经济发展报告（2025）
》
售價：HK$
198.2
《
土地发展权与中国的空间治理
》
售價：HK$
136.9
《
道德革命的结构（交界译丛）
》
售價：HK$
115.6
《
时间线上的中国史
》
售價：HK$
537.6
《
时间线上的中国国宝
》
售價：HK$
537.6
《
中国近代史（史学大师蒋廷黻作品）
》
售價：HK$
92.0
|
| 編輯推薦： |
|
1）数据领域知名专家撰写，23年实战与16年教学经验总结，专业破解企业痛点，轻松打造AI时代的数据智能杠杆 2）企业级场景全覆盖，图解每个操作，带你全面掌握数据建模与数据分析技能，实现“场景+方案+逻辑”的全面提升
|
| 內容簡介： |
|
本书共15章，分四部分。第一部分是“数据准备与清洗”（第1～4章），首先介绍自助式数据分析的六大应用场景（第1章），然后详解Power Query在数据清洗、表格结构管理以及数据转换方面的全流程操作（第2～4章），为后续分析奠定规范的数据基础。第二部分是“数据整合与高级查询”（第5～7章），深入探讨数据管理（第5章）、数据查询（第6章）以及多表合并技术（第7章），涵盖同一工作簿内、跨文件、跨文件夹的自动化模板设计，并通过M函数实现动态路径管理，以应对数据源变更带来的复杂性。第三部分是“数据建模与DAX实战”（第8～14章），首先分析Power Pivot在数据加载（第8章）、数据建模（第9章）以及数据模型的管理与优化（第10章）方面的应用，然后系统讲解DAX函数体系（第11～13章），并进阶至VAR变量、通用日期表构建等数据模型的改进与完善技术（第14章），从而打造高效的数据建模、计算与分析引擎。第四部分是“综合案例：看板搭建”（第15章）。通过企业级销售分析的全景案例串联多表合并、动态度量值、交互图表与KPI看板设计，完整呈现从原始数据到决策支持的落地闭环。
|
| 關於作者： |
|
李锐：石家庄锐明科技有限公司CEO、微软MVP、Office办公类畅销书作者、51CTO金牌讲师，拥有10余年管理与数据分析经验，15年Office培训经验。办公领域的知名专家（微博40万粉丝、抖音12万粉丝），已发布多套办公相关的视频课程，深受广大用户喜爱。
|
| 目錄：
|
|
Contents 目 录前言第1部分 数据准备与清洗第1章 自助式数据分析概述21.1 自助式数据分析的实现途径与价值剖析21.2 自助式数据分析的六大应用场景31.2.1 整合多源异构数据41.2.2 快速处理各种数据统计进程51.2.3 多报表关联数据查询与分析71.2.4 可视化展示结果81.2.5 交互式响应需求91.2.6 多视角多维度动态综合分析121.3 Power Query131.4 Power Pivot16第2章 使用Power Query进行数据清洗192.1 快速清洗空行192.2 快速清洗错误值212.3 快速删除重复值232.4 快速删除多余空格252.5 快速清除非打印字符26第3章 使用Power Query进行行列及表格结构管理303.1 删除或保留行记录303.2 删除或保留列字段343.3 按要求排列数据373.4 按要求筛选数据393.5 将报表进行行列转置433.6 将报表进行反转行展示453.7 移动报表中的列数据473.8 转换报表结构49第4章 使用Power Query进行数据转换554.1 配置数据类型554.1.1 修改数据类型及显示格式554.1.2 定义列数据类型584.1.3 自动检测数据类型的配置方式604.1.4 查询数据类型转换的可行性624.2 转换数据格式634.2.1 自动转换英文大小写634.2.2 给数据添加前缀和后缀644.3 智能填充684.3.1 智能填充合并单元格684.3.2 智能填充月份和星期714.3.3 智能填充条件列734.3.4 智能填充索引列和自定义列76第2部分 数据整合与高级查询第5章 使用Power Query进行数据管理805.1 数据拆分805.1.1 按分隔符拆分805.1.2 按字符数拆分825.1.3 将一行拆分为多行855.2 数据分组875.2.1 数据分组统计875.2.2 非重复计数统计895.2.3 多级分组统计915.3 透视列与逆透视列945.3.1 原理及区别945.3.2 使用透视列功能转换数据955.3.3 按复杂条件转换数据965.3.4 使用逆透视列功能转换数据98第6章 使用Power Query进行数据查询1016.1 追加查询数据1016.1.1 两表数据追加查询1016.1.2 多表数据追加查询1076.2 合并查询数据1106.2.1 左外部连接1106.2.2 右外部连接1146.2.3 全外部连接1196.2.4 内部连接1236.2.5 左反连接1266.2.6 右反连接130第7章 使用Power Query进行多表合并及M高级查询1347.1 合并同一工作簿文件内的多个工作表1347.1.1 制作可一键刷新结果的多表合并模板1347.1.2 仅将多表合并结果上载回Excel1367.1.3 新增工作表时完善多表合并模板1397.1.4 新增字段时完善多表合并模板1457.1.5 文件存放路径变更时完善多表合并模板1507.2 合并不同工作簿文件内的多个工作表1547.2.1 合并方法的差异1547.2.2 制作跨工作簿文件的多表合并模板1557.2.3 新增字段时完善多表合并模板1577.2.4 文件存放路径变更时完善多表合并模板1577.3 使用M高级查询制作多表合并模板1597.3.1 自动提取数据源动态路径1597.3.2 利用自定义名称存放数据源动态路径1597.3.3 在Power Query编辑器中导入数据源1597.3.4 使用M高级查询制作多表合并模板1617.4 合并文件夹内多个工作簿文件的数据1637.4.1 制作能够一键刷新结果的多文件合并模板1647.4.2 文件新增字段时完善多文件合并模板1727.4.3 文件夹路径变更时完善多文件合并模板1727.5 使用M高级查询快速制作多工作簿文件合并模板1757.6 合并文件夹内多工作簿中的多工作表数据1777.7 跨文件夹合并多工作簿中的多工作表数据178第3部分 数据建模与DAX实战第8章 使用Power Pivot进行数据加载1808.1 从数据库加载数据1808.2 从Excel文件加载数据1828.3 从文本文件加载数据1848.4 从剪贴板加载数据1868.5 将表格添加到数据模型中1878.6 添加Power Query的上载结果1888.7 添加数据透视表的数据源189第9章 使用Power Pivot进行数据建模1919.1 两大核心要求1919.2 创建数据模型的方法1929.3 一对多关系的数据模型1959.4 与Excel环境对比1989.5 计算列2019.6 度量值2029.7 计算列与度量值的功能对比206第10章 使用Power Pivot对数据模型进行管理与优化20810.1 数据刷新20810.2 连接管理20910.3 表间关系管理21110.4 度量值管理21310.5 降低内存占用21510.6 提升计算效率218第11章 DAX必知必会22111.1 DAX功能简介22111.2 DAX的常用术语22211.3 DAX的数据类型22411.4 DAX运算符22511.5 DAX的语法要求22611.6 DAX与Excel公式的8种显著区别227第12章 基于DAX的逻辑、聚合与数据处理22912.1 常用的DAX逻辑函数22912.1.1 IF函数：按条件自动返回结果22912.1.2 SWITCH函数：按多条件判断结果23012.1.3 IFERROR函数：自动容错显示23212.2 常用的DAX聚合函数23312.2.1 SUM函数：统计某列数值的总和23412.2.2 SUMX函数：对表中每一行的计算表达式进行求和23512.2.3 SUM函数与SUMX函数的对比23612.2.4 COUNTROWS函数：计算指定表中的行数23612.2.5 DISTINCTCOUNT函数：统计列中非重复值的数量23712.3 常用的DAX文本函数23812.3.1 FIND函数：查找特定值在文本字符串中的位置23912.3.2 SEARCH函数：查找特定值在文本字符串中的位置24012.3.3 REPLACE函数：按字符长度替换文本24212.3.4 SUBSTITUTE函数：按指定值替换文本24312.3.5 FORMAT函数：按指定格式转换数据24412.4 常用的DAX数学函数24912.4.1 INT函数：向下舍入到最接近的整数24912.4.2 MOD函数：返回数字除以除数后的余数24912.4.3 ROUND函数：将数值四舍五入25012.4.4 ROUNDUP函数：按远离0的方向舍入数字25112.4.5 ROUNDDOWN函数：按趋向0的方向舍入数字25212.4.6 DIVIDE函数：自动屏蔽除数为0的错误值25312.5 常用的DAX日期和时间函数25412.5.1 WEEKDAY函数：返回日期对应的星期序号25412.5.2 EDATE函数：返回指定月份数之前或之后的日期25512.5.3 EOMONTH函数：返回指定月份数之前或之后的月末日期25712.5.4 YEARFRAC函数：精确计算两个日期之间的年数间隔258第13章 智能计算与深度分析：DAX高阶函数应用26113.1 常用的DAX筛选器函数26113.1.1 FILTER函数：按条件筛选表中的行26113.1.2 EVALUATE函数：返回表达式结果26413.1.3 CALCULATE函数：按条件进行筛选计算26713.1.4 ALL函数：清除筛选条件并返回表中所有行26913.1.5 EARLIER函数：处理嵌套行上下文27113.2 常用的DAX时间智能函数27213.2.1 TOTALMTD函数：计算月累计值27313.2.2 TOTALQTD函数：计算季度累计值27613.2.3 TOTALYTD函数：计算年度累计值27713.2.4 SAMEPERIODLASTYEAR函数：返回去年同期值27813.2.5 DATEADD函数：按指定单位智能偏移日期28013.3 常用的DAX关系函数28213.3.1 RELATED函数：实现多对一查询匹配28313.3.2 RELATEDTABLE函数：实现一对多查询匹配28513.4 常用的DAX表操作函数28613.4.1 DISTINCT函数：删除重复值并返回唯一值28713.4.2 VALUES函数：获取唯一值列表或基于上下文返回相关行表28813.4.3 VALUES函数与DISTINCT函数的区别29013.4.4 SUMMARIZE函数：按条件进行分类汇总29213.4.5 SUMMARIZECOLUMNS函数：生成汇总表295第14章 使用Power Pivot对数据模型进行改进与完善29914.1 使用VAR变量改进DAX表达式29914.1.1 VAR变量概述29914.1.2 实例解析30014.2 使用ADDCOLUMNS函数改进表结构30314.3 使用DAX查询自动构建通用的日期表30414.4 使用SELECTCOLUMNS函数重组表结构30614.5 使用计算表集中化管理度量值30814.5.1 计算表概述30914.5.2 实例解析309第4部分 综合案例：看板搭建第15章 数据建模与数据分析案例31415.1 案例说明31415.2 使用Power Query实现分散数据源的多表合并31715.3 使用Power Pivot进行数据建模并计算度量值32115.3.1 将订单表和目标表导入数据模型32115.3.2 创建空白计算表32115.3.3 创建通用日期表32215.3.4 创建用于交互选择月份的筛选条件表32515.3.5 根据业务需求创建表间关系32715.3.6 按照业务需求创建度量值32815.4 使用DAX查询动态生成目标数据计算表33015.4.1 生成条件月销表33015.4.2 生成条件排名表33115.5 创建动态图表33115.5.1 创建数据看板并插入选择器33215.5.2 为选择器设置动态数据源33315.5.3 将选择器与数据模型进行关联33415.5.4 创建日销售趋势图和销售业绩排名图33515.6 计算关键指标和制作数据汇总表33915.7 创建部门对比图和销售占比图34115.7.1 各部门目标销售额与实际销售额对比图34115.7.2 各部门销售贡献占比图34215.8 制作大字KPI并组装数据看板34415.8.1 设计数据看板的布局架构34415.8.2 制作醒目大字KPI和图标34515.8.3 调取部门KPI汇总表数据34815.8.4 规范看板标题与图表命名34915.8.5 组装数据看板并进行视觉美化35115.9 获取更多学习资料的方法352
|
| 內容試閱：
|
|
Preface 前 言在数据爆炸式增长的时代，Excel早已超越了简单的电子表格工具，成为企业数据管理与分析的核心平台。无论是整合多源异构数据、构建自动化分析模型，还是通过可视化洞察驱动业务决策，Excel的Power Query和Power Pivot功能都在不断重塑高效办公的边界。或许有人会问，在AI大模型技术蓬勃发展的今天，为何仍需掌握看似传统的Excel工具？原因在于：大模型的落地效能始终依赖于高质量、结构化的数据输入，而Power Query的数据清洗能力与Power Pivot的建模逻辑恰恰是构建数据基石的底层能力；同时，当AI生成的分析结论需要验证、调试或与企业实际场景结合时，Excel的透明计算流程和灵活交互性能为业务人员提供不可替代的“数据控制权”。在技术浪潮迭代中，唯有掌握工具本质逻辑的人，才能真正驾驭AI时代的“智能杠杆”。然而，许多用户尽管熟悉基础操作，却在面对复杂数据清洗、多表关联建模、动态DAX（Data Analysis Expressions，数据分析表达式）计算时举步维艰，甚至陷入“功能零散学不透，需求复杂难落地”的困境。为何要写作本书本书的诞生源于对传统学习资源的深入调研。市面上的多数资源往往存在如下两大短板。1）短板1：重功能罗列，轻实战串联，孤立地讲解工具操作，缺乏从数据导入到建模分析的全链路场景化设计。2）短板2：缺体系思维，难应对变化，未构建起“工具+逻辑+业务”三位一体的知识框架，导致读者在面对动态需求时仍束手无策。凭借23年的Excel实战经验与16年的培训教学沉淀，笔者以“场景驱动、体系赋能”为核心驱动，依托企业级实景案例，系统拆解Power Query与Power Pivot核心技术。从数据清洗到DAX高阶计算，从多表合并到动态看板搭建，本书可助力读者打通“功能学习→逻辑构建→业务落地”的全流程，实现从“会用工具”到“用好工具”的跨越。管理大师彼得·德鲁克曾说：“效率是正确地做事，效益是做正确的事。”在数据领域，本书将助你二者兼得，既掌握高效处理数据的“术”，又习得以业务为导向的“道”。读者对象本书适合所有渴望通过Excel实现数据自动化与深度分析的职场人士阅读，尤其建议以下人群阅读。1）数据分析师：需快速完成多源数据整合、建模与动态指标计算。2）财务/运营人员：希望自动化处理报表合并、数据清洗与多维度分析工作。3）企业管理者：需通过数据看板实时监控业务状况，驱动科学决策。4）Excel进阶用户：已掌握基础功能，亟待突破Power Query与Power Pivot高级应用的瓶颈。5）学生与自学者：欲构建企业级数据分析能力，提升职场竞争力。无论你是希望告别重复劳动，还是追求用数据创造业务价值，本书都将成为你的实战指南。本书特色1.从场景出发，破解企业级痛点本书围绕“数据分散、流程低效、分析静态”这三大痛点设计了完整的解决方案。例如，第7章介绍如何通过Power Query一键合并多表，第13章讲解如何使用DAX时间智能函数实现动态同比分析，第15章介绍如何通过模块化组件构建可复用的数据看板模板，直击业务核心需求。2.体系化知识框架，强化逻辑思维本书以“数据准备→清洗转换→建模计算→数据可视化”为主线，层层递进。例如，第2章详细讲解了数据清洗过程常见的5大高频问题，第9章剖析了数据建模的两大核心要求，第11～13章由浅入深地解析了DAX函数体系，助力读者建立结构化思维。3.对比延伸，启发最优解本书在关键技术上横向对比了不同方案的优劣。例如，第6章介绍了使用Power Query合并查询数据时的6种连接方式的适用场景，第9章对比了计算列与度量值的6种显著区别，第13章阐述了FILTER与CALCULATE函数的协同策略，助力读者灵活选型。4.专注实战，拒绝纸上谈兵本书在技术讲解环节配备企业级案例，如第15章的销售数据多维度透视分析看板、第14章的产品利润分析模型以及商品退款率动态预警模型。同时，本书提供配套素材与分步注释，确保读者“学完即用，用即生效”。5.与时俱进，兼容多版本生态本书基于Excel 2024最新版本编写，同步兼容Office 365与早期多个版本。此外，本书还提供了Office官方正版插件安装指南与学习资源，帮助读者扫清环境配置障碍。如何阅读本书本书分为四大部分，以逐层攻克数据建模与分析的核心挑战，具体如下。1）第1部分?数据准备与清洗（第1～4章），首先介绍自助式数据分析的六大应用场景（第1章），然后详细讲解Power Query在数据清洗、表格结构管理以及数据转换方面的全流程操作（第2～4章），为后续分析工作奠定了规范的数据基础。2）第2部分?数据整合与高级查询（第5～7章），深入探讨数据管理（第5章）、数据查询（第6章）以及多表合并技术（第7章），涵盖同一工作簿内、跨文件、跨文件夹的自动化模板设计，并通过M函数实现动态路径管理，以应对数据源变更带来的复杂性。3）第3部分?数据建模与DAX实战（第8～14章），首先分析Power Pivot在数据加载（第8章）、数据建模（第9章）以及数据模型的管理与优化（第10章）方面的应用，然后系统讲解了DAX函数体系（第11～13章），并进阶至VAR变量、通用日期表构建等数据模型的改进与完善技术（第14章），从而打造高效的数据建模、计算与分析引擎。4）第4部分?综合案例：看板搭建（第15章），通过企业级销售分析的全景案例串联多表合并、动态度量值、交互图表与KPI看板设计，完整呈现了从原始数据到决策支持的落地闭环。本书学习建议如下。1）建议按章节顺序学习，逐步构建知识体系。2）每章均提供配套素材，建议同步操作，并通过案例深化理解。3）掌握核心技能后，可针对痛点灵活跳转至相关章节，以快速解决你关心的业务问题。翻开本书，你将告别零散的知识碎片，开启从“数据处理工具人”到“数据决策架构师”的蜕变之旅。配套资源与支持1.素材获取关注微信服务号“跟李锐学Excel”，回复关键词“2502”，即可下载本书所有示例文件与赠送的资源。2.视频课程在网易云课堂搜索“跟李锐学Excel”，或通过微信服务号底部的菜单进入“知识店铺”，可系统学习函数公式、数据管理、行业应用、商务图表、数据透视等方向的视频课程。3.百万让利（限时福利）为庆祝新书上市，现特推出“百万让利”计划！前2万名购书读者凭付款截图联系小助手，即可领取价值50元的无门槛代金券（可叠加使用），并从李锐主讲的35套视频课程中任选一套学习（部分课程使用代金券后仅需0元）。只需一本书的价格，即可获得“纸质教材+案例文件+视频课程”三重知识礼包，性价比超高。（注意：百万让利=50元×20?000人）所有视频均为永久有效的高清录播课，含配套课件，支持在手机和计算机等多端设备上学习，购课后可随时回看、复习。4.勘误与支持在阅读本书的过程中，如果你发现有需要订正之处或者其他修改建议，请发送邮件至7484201@qq.com。如果你在学习中遇到问题，可通过微信服务号菜单选择“已购课程→联系小助手”进行一对一咨询。致谢本书的顺利完成离不开众多支持者的无私帮助。首先，我要向10万余名付费学员致以最诚挚的感谢，你们宝贵的实践反馈和真实痛点为本书案例的设计提供了清晰的方向，使内容更加贴近实际需求。其次，我要感谢机械工业出版社相关工作人员的辛勤付出，你们以专业的视角和细致的修改建议优化了本书的结构，让行文更加清晰易懂，助力读者轻松获取知识。此外，我还要感谢家人的关怀与陪伴。在枯燥的编写过程中，是你们的理解与支持，让我能够心无旁骛地总结经验、倾注心血，最终完成本书的写作。最后，我要向所有在数据领域深耕的同行者致敬，愿本书能为你们的职业之路增添一份助力，共同推动数据行业的发展。李 锐
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
