Excel/PowerBI建模开山之作，微软SSAS大师倾力打造，微软官方出版，ExcelHome版主精心翻译，用案例教你高效使用数据模型，快速发现想要的答案

刘钰，网名：天昕。ExcelHome 论坛Power BI 版块版主；“中国电子表格应用大会”讲师；“PowerPivot工坊”BI顾问；拥有超过10年的零售行业数据分析从业经历。

潘丽萍，20余年财务工作经验；苏黎世交易所上市公司中国区财务总监，主管兼、并购业务及供应链整合。全球特许管理会计师公会资深会员(FCMA)，全球特许公认会计师公会会员(ACCA)。

付大伟，先后就职于西门子、霍尼韦尔、三星等多家世界500强企业，从事质量管理工作。Power BI和Python数据分析的爱好者和使用者。

Excel的用户十分偏爱数字，或许也可以说那些喜欢数字的人喜欢用Excel。无论是前者还是后者，如果你对从不同的数据集里获取各种分析与见解有兴趣，那你很有可能已经花费了大量的时间在Excel（包括数据透视表和公式）上。
自2015年Power BI发布以来，我们认为喜欢数字的人们也会爱上Power BI和Excel里的Power Pivot 。这两个工具有许多相似的特性，如VertiPaq数据库引擎和继承自SQL Server Analysis Services服务的DAX语言。
在Excel的早期版本中，从数字中获取见解的主要方式是：首先加载一些数据集；然后设计一些辅助计算列；最后设计图表、编写公式。这其中有一些限制：如工作簿的大小很重要，Excel函数与公式不是处理大量数字的最佳选择等。Power BI和Power Pivot的新引擎则是一个巨大的飞跃——使你现在拥有了数据库的全部能力和一种出色的语言（DAX）。但是，能力越强，责任越大。如果你想真正用好这个新工具，你需要学习数据建模的基础知识。
数据建模并不是高深的学问，而是任何对“从数据中收集见解”感兴趣的人都应该掌握的一项基本技能。如果你喜欢探索数字，那么你也会喜欢上数据建模。所以这不仅是一项容易获得的技能，而且是具有难以置信的乐趣的活动。
本书的目的是通过你在日常生活中可能遇到的实际案例来介绍数据建模的基本概念。我们不想写一本关于数据建模的深度专著，因此不会详细解释面对构建复杂解决方案时应该给出的方法，我们专注于咨询师日常工作中的案例。我们把自己认为很常见的客户问题进行收集和整理。针对这个常见问题集，根据数据建模培训的要求来组织、整理示例，并为每个示例提供了一个解决方案。
虽然当你读完本书的时候，你可能仍不是一名数据建模专家，但你会对数据建模有更直观的认识。本书的目标是：在你阅读完本书以后，查看你的数据库或者报表时，开始认为更改和优化模型可能会有助于计算你需要的值。自此，你将走上成为成功的数据建模师的道路。你的最终目标应该是成为一名伟大的数据建模师，但是你只有在经历了多次失败之后才会获得经验。不幸的是，经验不是你能从书中学到的东西。
本书为谁而写
本书广泛针对不同类型的人。你可能是在Excel里使用Power Pivot的用户，也可能是使用Power BI的数据科学家，还可能需要以商业智能分析师的身份开启职业生涯、希望阅读关于数据建模相关介绍的人。无论你属于上述哪种情况，这本书都适合你。
请注意，我们没有提到希望阅读有关数据建模专业知识的人员。事实上，我们在写这本书的时候认为我们的读者可能根本不知道他们需要数据建模。我们的目标是让你了解你为什么需要学习数据建模，然后让你对这门优美的学科的基础有一些了解。因此，如果你对什么是数据建模以及为什么它是一种有用的技能感到好奇，那么本书非常适合你。
对读者的建议
我们希望读者对Excel数据透视表有基本的了解，并且打算或正在使用Power BI作为构建报告和分析的工具，如果你有一些数字分析的经验，那就更好了。本书不涉及讨论Excel或Power BI的UI界面的任何方面，我们只关注数据模型：如何构建它们及如何修改它们以便更容易地编写代码。因此，我们只讨论“你需要做什么”，而将“如何做”完全留给你。我们不想写一本按部就班的书，而只想写一本用一种简单的方式讲解复杂主题的书。
本书有意不涉及的另一个主题是DAX语言，因为将数据建模和DAX放在同一本书中是不科学的。如果你已经熟悉DAX语言，那么你将会从本书使用的众多DAX代码中受益。如果你需要学习DAX，可以阅读与本书主题联系紧密的《DAX权威指南》（The Definitive Guide to DAX: Business intelligence for Microsoft Power BI, SQL Server Analysis Services, and Excel）（译者注：业内也称其为“DAX圣经”，英文版已经发布第二版），此书是针对DAX语言最全面的指南。
内容简介
这本书以几个简单的介绍性章节开始，接着是一组专题章节，每一章都涉及一些特定类型的数据模型。以下是对每一章内容的简要描述。
 第1章 数据建模介绍是对数据建模基本概念的简要介绍。这里介绍了什么是数据建模，开始讨论颗粒度，定义了数据仓库的基本模型（星形模型、雪花模型、规范化和反规范化）。
 第2章 处理汇总表/明细表介绍了一个非常常见的场景: 处理汇总表/明细表。在这里，你将看到关于场景的讨论和相应的解决方案，如在两张独立的事实表中有订单和订单行。
 第3章 处理多维事实表描述了这样的场景：你有多张事实表，需要构建一个混合了多张事实表的报告。在这里，我们强调创建一个维度正确的模型以便能够以正确的方式观察数据的相关性。
 第4章 处理日期和时间是本书内容最多的一章，它包括时间智能计算。我们解释了如何构建一张合适的日期表，以及如何计算基本的时间智能（年初至当日、季度初至当日、PARALLELPERIOD函数等），然后展示了几个计算工作日的案例，处理一年中的特殊时期，以及如何正确地处理一般的日期。
 第5章 跟踪历史属性描述了如何在模型中使用渐变维度。如果你需要跟踪变化的属性，那么可以阅读本章。本章将更深入地解释模型需要的转换步骤，以及如何在维度不断变化的情况下正确地编写DAX代码。
 第6章 使用快照表介绍快照的迷人之处。我们介绍了快照是什么，为什么需要它，应该在什么时候使用它，以及如何在快照之上计算值，并描述了功能强大的转换矩阵模型。
 第7章 日期和时间间隔分析比第5章向前推进了几步，介绍了时间计算。在这一章分析的模型中，事实表中存储的事件有一个持续时间，因此需要一些特殊的处理来提供正确的结果。
 第8章 多对多关系解释了如何使用多对多关系。多对多关系在任何数据模型中都扮演着非常重要的角色。我们讨论了标准的多对多关系、级联关系以及它们在重新分配因子和筛选器中的使用，并讨论了它们的性能以及如何改进它们。
 第9章 不同颗粒度的使用更深入地介绍了如何使用存储在不同颗粒度上的事实表。在这一章中展示了一些事实表的颗粒度不同的预算示例，并提供了几种基于DAX和数据模型的解决方案。
 第10章 数据模型的切片解释了几种切片模型。在这一章中，我们从一个简单的价格切片开始，然后转向使用虚拟关系的动态切片分析，最后解释了在DAX中所做的ABC分析。
 第11章 处理多币种模型涉及货币交换。在使用货币的汇率时，理解需求并构建适当的模型非常重要。在这一章中，我们分析了几个具有不同需求的场景，并为每个场景提供了最佳解决方案。
模型及其解决方案的复杂性会随着内容的深入一点点地增加，所以，从头开始阅读这本书，而不是从一章跳到另一章是一个好主意。通过这种方式，你可以遵循复杂的自然流程，一次只学习一个主题。不过，本书的目的仅是作为一个参考指南。因此，当你需要解决一个特定的模型时，你可以直接跳到对应的章节，并查看解决方案的细节。