商業智慧分析的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列線上看、影評和彩蛋懶人包

DAX權威指南：運用Power BI、SQL Server Analysis Services和Excel實現商業智慧分析（第2版）

為了解決商業智慧分析的問題，作者（意）瑪律•科盧梭 這樣論述：

《DAX權威指南》是微軟DAX語言在商業智慧分析、資料建模和資料分析方面的指南。   通過對《DAX權威指南》的學習，你將瞭解如何使用DAX語言進行商業智慧分析、資料建模和資料分析；你將掌握從基礎資料表函數到高級代碼，以及模型優化的所有內容；你將確切瞭解在運行DAX運算式時，引擎內部所執行的操作，並利用這些知識編寫可以高速運行且健壯的代碼。   《DAX權威指南》第2版的重點內容包括基於免費的Power BI Desktop來構建和運行示例，幫助你在Power Bl、SQL Server Analysis Services或Excel中充分利用強大的變數（VAR）語法。你想要使用DAX所有的強

大功能嗎？那麼這本未進行任何刪減、深入淺出的著作正是你所需要的。   《DAX權威指南》適合Excel高級使用者、商業智慧分析人員、使用DAX和微軟分析工具的專業人士。 Marco Russo和Alberto Ferrari SQLBI.COM的創始人。他們定期發佈關於微軟Power BI、Power Pivot、DAX和SQL Server的文章。自2009年測試版的Power Pivot發佈以來，SQLBI.COM成了DAX相關文章和教程的主要來源之一。他們都為商業智慧（Business Intelligence，BI）解決方案提供諮詢和指導，並精通與BI相關的微軟技術。

他們編寫了很多關於Power Pivot、DAX和Analysis Services的文章、圖書。   高飛   資料分析師，BI總監 2015年接觸Power Pivot，被DAX語言的強大和靈活所吸引。 2016年3月創建了面向Power BI用戶的微信公眾號“Power BI極客”，並更新至今。 2019年上線同名網站PowerBIGeek.com，致力於打造一個綜合性的Power BI中文學習網站。   現從事技術分享，企業BI專案實施和培訓工作。 微軟Power BI最有價值專家（MVP），Power BI視覺化大賽評委，Excel Home論壇版主。 第1章 D

AX是什麼 1 理解資料模型 1 理解關係的方向 3 給Excel用戶的DAX學習建議 5 儲存格和智慧表格 5 Excel函數和DAX：兩種函數式語言 7 使用反覆運算器 7 DAX相關理論 8 給SQL開發人員的DAX學習建議 8 處理關係 9 DAX是函數式語言 9 DAX是一種程式設計語言和查詢語言 10 DAX和SQL中的子查詢與條件陳述式 10 給MDX開發者的DAX學習建議 11 多維模型和表格模型 12 DAX是一種程式設計語言和查詢語言 12 層級結構 12 葉級計算 14 給Power BI用戶的DAX學習建議 14 第2章 DAX介紹 15 理解DAX計算 15 DAX

的資料類型 17 DAX運算子 20 表構造器 22 條件陳述式 22 理解計算列和度量值 23 計算列 23 度量值 24 正確選擇計算列和度量值 27 變數 28 處理DAX運算式中的錯誤 29 轉換錯誤 29 算數運算錯誤 30 空值或缺失值 30 截獲錯誤 32 生成錯誤 35 規範化DAX代碼 36 彙總函式和反覆運算函數介紹 39 認識常用的DAX函數 42 彙總函式 42 邏輯函數 43 資訊函數 45 數學函數 45 三角函數 46 文本函數 46 轉換函數 48 日期和時間函數 48 關係函數 49 結論 51 第3章 使用基礎資料表函數 52 表函數介紹 52 EVALU

ATE函數語法介紹 54 理解FILTER函數 56 ALL和ALLEXCEPT函數介紹 58 理解VALUES、DISTINCT函數和空行 63 將表用作作為標量值 68 ALLSELECTED函數介紹 70 結論 72 第4章 理解計值上下文 73 計值上下文介紹 74 理解篩選上下文 74 理解行上下文 79 測試你對計值上下文的理解 81 在計算列中使用SUM函數 81 在度量值中使用列 83 使用反覆運算函數創建行上下文 83 嵌套多個表的行上下文 84 同一個表上的多層嵌套行上下文 85 使用EARLIER函數 90 理解FILTER、ALL函數和上下文交互 91 使用多個表 9

4 行上下文和關係 95 篩選上下文和關係 98 在篩選上下文中使用DISTINCT和SUMMARIZE函數 102 結論 105 第5章 理解CALCULATE和CALCULATETABLE函數 107 CALCULATE和CALCULATETABLE函數介紹 107 創建篩選上下文 108 CALCULATE函數介紹 111 使用CALCULATE函數計算百分比 116 KEEPFILTERS函數介紹 126 篩選單列 130 篩選複雜條件 131 CALCULATE計值順序 135 理解上下文轉換 139 行上下文和篩選上下文回顧 139 上下文轉換介紹 142 計算列中的上下文轉換

145 度量值中的上下文轉換 148 理解迴圈依賴 151 CALCULATE函數調節器 155 理解USERELATIONSHIP函數 155 理解CROSSFILTER函數 158 理解KEEPFILTERS函數 159 理解CALCULATE函數中的ALL函數 160 無參數的ALL和ALLSELECTED函數介紹 162 CALCULATE規則總結 163 第6章 變數 165 VAR語法介紹 165 變數是常數 167 理解變數的範圍 168 使用表作為變數 171 理解惰性計算 173 使用變數的常見模式 174 結論 176 第7章 反覆運算函數和CALCULATE函數的使用

177 反覆運算函數的使用 177 理解反覆運算的基數 178 在反覆運算函數中使用上下文轉換 180 CONCATENATEX函數的使用 184 返回表的反覆運算函數 186 使用反覆運算函數解決常見問題 189 計算平均和移動平均 189 RANKX函數的使用 192 改變計算的顆粒度 200 結論 204 第8章 時間智慧計算 205 時間智慧介紹 205 Power BI中的“自動日期/時間” 206 Excel Power Pivot中的自動日期列 207 Excel Power Pivot中的日期表範本 208 創建日期表 208 CALENDAR和CALENDARAUTO函數

的使用 209 多個日期表的使用 212 處理連接到與日期表的多個關係 212 處理多個日期表 214 理解基礎時間智慧計算 215 標記為日期表 219 基礎時間智慧函數介紹 221 計算年初至今、季度初至今和月初至今 222 計算平移後的週期平移 224 嵌套混合使用時間智慧函數 227 計算週期之間的差異 229 計算移動年度總計 231 為嵌套的時間智慧函數選擇正確的調用順序 232 理解半累加計算 234 使用LASTDATE和LASTNONBLANK函數 236 使用期初和期末餘額 241 理解高級時間智慧計算 245 理解累計至今區間 246 理解DATEADD函數 249 理解

FIRSTDATE、LASTDATE、FIRSTNONBLANK和 LASTNONBLANK函數 255 利用時間智慧函數進行鑽取 258 使用自訂日期表 258 基於周的時間智慧 259 自訂YTD、QTD和MTD 262 結論 264 第9章 計算組 265 計算組介紹 265 創建計算組 268 理解計算組 274 理解計算項的應用 277 理解計算組優先順序 285 在計算項中包含或排除度量值 289 理解橫向遞迴 292 使用最佳實踐 296 結論 296 第10章 使用篩選上下文 298 使用HASONEVALUE和SELECTEDVALUE函數 299 ISFILTERED和

ISCROSSFILTERED函數介紹 303 理解VALUES和FILTERS函數的區別 306 理解ALLEXCEPT和ALL/VALUES函數的區別 308 使用ALL函數避免上下文轉換 312 使用ISEMPTY函數 314 資料沿襲和TREATAS函數介紹 316 使用固化篩選器 320 結論 326 第11章 處理層級結構 328 計算層級占比 328 處理父/子層級結構 333 結論 344 第12章 使用表函數 345 使用CALCULATETABLE函數 345 動作表的函數 347 使用ADDCOLUMNS函數 348 使用SUMMARIZE函數 351 使用CROSS

JOIN函數 354 使用UNION函數 356 使用INTERSECT函數 360 使用EXCEPT函數 361 使用表作為篩選器 363 實現或（OR）條件 364 將銷售額的計算範圍縮小至首年客戶 367 計算新客戶 368 使用DETAILROWS函數複用表運算式 370 創建計算表 372 使用SELECTCOLUMNS函數 372 使用ROW函數創建靜態表 373 使用DATATABLE函數創建靜態表 374 使用GENERATESERIES函數 375 結論 376 第13章 編寫查詢 377 DAX Studio介紹 377 理解EVALUATE函數 378 EVALUATE

函數語法介紹 378 在DEFINE函數中使用VAR 379 在DEFINE函數中使用度量值 381 實現DAX查詢的常用模式 382 使用ROW函數測試度量值 382 使用SUMMARIZE函數 383 使用SUMMARIZECOLUMNS函數 385 使用TOPN函數 391 使用GENERATE和GENERATEALL函數 396 使用ISONORAFTER函數 399 使用ADDMISSINGITEMS函數 401 使用TOPNSKIP函數 402 使用GROUPBY函數 402 使用NATURALINNERJOIN和NATURALLEFTOUTERJOIN函數 405 使用SUBST

ITUTEWITHINDEX函數 407 使用SAMPLE函數 409 理解DAX查詢中的自動匹配（Auto-Exists）行為 410 結論 416 第14章 高級DAX原理 418 擴展表介紹 418 理解RELATED函數 422 在計算列中使用RELATED函數 424 理解表篩選器和列篩選器的區別 425 在度量值中使用表篩選器 428 理解活動關係 431 表的擴展行為和篩選行為的區別 433 擴展表中的上下文轉換 435 理解ALLSELECTED函數和影子篩選上下文 436 影子篩選上下文介紹 437 ALLSELECTED函數返回反覆運算的行 441 無參數的ALLSELE

CTED函數 443 ALL系列函數 443 ALL函數 445 ALLEXCEPT函數 446 ALLNOBLANKROW函數 446 ALLSELECTED函數 446 ALLCROSSFILTERED函數 446 理解資料沿襲 446 結論 449 第15章 高級關係 451 使用計算列創建物理關係 451 創建基於多列的關係 451 創建基於範圍的關係 453 使用計算列創建關係中的迴圈依賴問題 456 使用虛擬關係 459 在DAX中轉移篩選器 460 使用TREATAS函數轉移篩選器 462 使用INTERSECT函數轉移篩選器 463 使用FILTER函數轉移篩選器 464 使

用虛擬關係實現動態分組 465 理解DAX中的物理關係 468 使用雙向交叉篩選器 470 理解一對多關聯性 472 理解一對一關聯性 473 理解多對多關係 473 通過橋接表實現多對多關係 473 通過公共維度表實現多對多關係 479 使用MMR弱關係實現多對多關係 483 選擇正確的關係類型 485 管理資料顆粒度 486 管理關係中的歧義 490 理解活動關係中的歧義 492 解決非活動關係中的歧義 494 結論 496 第16章 DAX中的高級計算 497 計算兩個日期之間的工作日數量 497 同時展示預算資料和銷售資料 505 計算同店銷售額 508 對事件進行排序 514 根據

最新銷售日期計算上一年的銷售額 517 結論 522 第17章 DAX引擎 523 瞭解DAX引擎的架構 523 公式引擎介紹 524 存儲引擎介紹 525 VertiPaq（in-memory）存儲引擎介紹 526 DirectQuery存儲引擎介紹 527 理解資料刷新 527 理解VertiPaq存儲引擎 528 列式資料庫介紹 528 理解VertiPaq壓縮 531 理解值編碼 531 理解雜湊編碼 532 理解行程長度編碼（RLE） 533 理解再編碼 536 確定最佳排序順序 536 理解層級和關係 538 理解分段和分區 539 使用動態管理視圖 540 理解關係在Verti

Paq中的運用 542 物化介紹 545 聚合表介紹 547 為VertiPaq配置合適的硬體 549 是否可以自主選擇硬體 550 設置硬體優先順序 550 CPU型號 550 記憶體速度 552 內核數量 552 記憶體大小 552 硬碟I/O和分頁 553 硬體選擇的最佳實踐 553 結論 553 第18章 優化VertiPaq引擎 555 收集有關資料模型的資訊 555 反規範化 560 列基數 566 處理日期和時間列 567 計算列 570 使用布林類型的計算列優化複雜篩選器 572 計算列的處理 573 存儲合適的列 574 優化列存儲 577 列的拆分優化 577 優化大基數

列 578 禁用屬性層級結構 578 優化鑽取屬性 579 管理VertiPaq聚合表 579 結論 582 第19章 分析DAX查詢計畫 583 捕獲DAX查詢 583 DAX查詢計畫介紹 586 收集查詢計畫 587 邏輯查詢計畫介紹 587 物理查詢計畫介紹 588 存儲引擎查詢介紹 589 獲取配置資訊 590 使用DAX Studio 591 使用 SQL Server Profiler 594 讀懂VertiPaq存儲引擎查詢 597 xmSQL語法介紹 597 彙總函式 598 算數運算 600 篩選運算 600 Join運算子 602 批次處理事件中的臨時表和淺關係 603

理解掃描時間 605 理解DISTINCTCOUNT函數的內部行為 606 理解並行度和資料緩存 607 理解VertiPaq緩存 609 理解CallbackDataID函數 611 讀懂DirectQuery模式下的存儲引擎查詢 616 分析複合模型 617 在資料模型中使用聚合表 618 讀懂查詢計畫 620 結論 626 第20章 DAX優化 628 定義優化策略 629 確定要優化的單個DAX運算式 629 創建查詢副本 632 創建DAX查詢副本 632 使用DAX Studio創建查詢度量值 633 創建MDX查詢副本 635 分析執行時間和查詢計畫資訊 636 發現存儲引擎或

公式引擎中的性能瓶頸 639 修改並重新運行測試查詢 639 優化DAX運算式中的瓶頸 639 優化篩選條件 640 優化上下文轉換 644 優化IF條件 650 優化度量值中的IF函數 650 選擇IF函數還是DIVIDE函數 655 優化反覆運算函數中的IF函數 658 減少Callback DataID函數帶來的影響 661 優化嵌套的反覆運算函數 665 避免在表篩選器中使用DISTINCTCOUNT函數 671 使用變數避免重複計算 676 結語結論 681

商業智慧分析進入發燒排行的影片

以決策樹建構職涯輔導規劃：從學習歷程到就業資訊

為了解決商業智慧分析的問題，作者賴以恆 這樣論述：

本研究探討大學生之職涯發展，以「入學前」、「在學期間」、「畢業後」三階段的資料，應用Holland人格特質理論等文獻，對應教育部UCAN平台的職能工具作為規則分析之基礎，發現學生之學習歷程與職場表現的相關因素，並利用SWOT分析提出學生職涯規劃以及學校輔導策略的方案，期望學生能透過規則與建議找到職涯方向，並協助學校執行全面品質管理（PDCA）完善職涯輔導活動。本研究以國立雲林科技大學的校務研究資料庫（IR）與校友問卷作為資料來源，資訊來自民國100年至103年的歷屆大學畢業生，並依管理學院、工程學院、設計學院、人科學院作為分類。在學生「入學前」透過個人的興趣類型，分類出對應的RIASEC人格

特質代碼，並取得其統測成績及入學管道等學籍資料，進一步的與「在學期間」的校、院必修及學期成績做串接，最後與「畢業後」滿一年學生流向追蹤問卷調查做整合，使用資料探勘技術中的分類回歸樹（CART），建立出職場滿意度高低及薪資月收入的分類預測模型，利用決策樹判定出的最佳分類規則，作為職涯輔導的依據，提供給學校單位以及學生做參考，希望幫助大學生的職涯規劃並改善學校現有的職涯輔導，並以此作為將來. 系統化職涯輔導流程的開端。依據CART對雲科大學生的資料分析結果，歸納出三項研究貢獻：（1）利用資料探勘的技術，找出職場滿意度的高低規則，能有效的依據圖形化及數據指標，在時間上依學生的學習歷程規劃輔導項目，輔

導人員以及學生得以透過可解釋的資訊評估學習狀況，有效降低輔導的人力以及時間成本，提高學生尋求職涯輔導的意願與興趣。（2）學生畢業後在職場上的工作滿意度、升遷幫助及優勢、專業與工作相符程度和學生人格特質與學習歷程具有關係。（3）利用SWOT優劣勢分析提供職涯輔導的策略方案，協助學生以及學校單位，強化學生畢業後職場競爭力。

PowerQuery實戰技巧精粹與M語言：新世代Excel BI大數據處理

為了解決商業智慧分析的問題，作者王仲麒 這樣論述：

　　用黑科技解決大數據時代的資訊焦慮症  　　大數據時代必須面臨多元的資料來源與千奇百怪的資料格式，如何快速整合、彙總成足以應用的商業情報，是現代上班族難以逃避的課題。Power Query的問世，正好解決了這樣的焦慮，透過它，即使沒有資訊背景的使用者，也能夠輕鬆駕馭資料處理與分析的繁複過程，成為資料分析達人。    　　超過14萬字 X 800多幅插圖，帶您從入門到精通Power Query  　　本書撰寫目的旨在引領讀者熟悉Power Query的操作環境，從Power Query的外掛（增益集）、取得、內建，到完整介紹Power Query 查詢編輯器的使用，佐以實例說明與演練，陪同

您體驗各功能層面的操作情境。全書10個章節超過14萬字、800多幅插圖與截圖。    　　所以，Power Query到底可以幹什麼？  　　簡單的說，只要學會Power Query：  　　．不會Excel函數，也能輕鬆搞定匯入人資、財務、業務資料並進行彙整處理  　　．無痛處理解決常見的報表表頭、頁尾問題，將報表檔案組合成可以進行統計分析的表格  　　．迅速將非結構化資料轉換成結構化的RAW Data  　　．即便是面對上百個csv、xlsx檔案，也能夠在彈指間彙整成單一資料表。  　　．處理巨量資料時，擁有比傳統樞紐分析表更快的資料處理效能    專家推薦    　　「Power Que

ry 是目前微軟Excel 或Power BI 中隱藏的黑科技，使用者不需要具備程式撰寫能力，只需要透過滑鼠就可以達到快速的資料清洗，簡單易上手。本書更提供了多種跨領域的應用實例，非常契合跨領域學習與解決實務問題導向的現代需求。」 -- 廖世義博士，國立屏東科技大學 企業管理系 教授兼電子計算機中心主任    　　「這本書是我見過國內最詳細介紹PowerQuery技巧的書籍。更重要的是輔以職場上的真實案例進行演練與說明，完全貼近工作需要。同時也是國內第一本解說Power Query中M語言的書籍，對M語言有興趣的朋友千萬不要錯過。」 -- 陳智揚，威智創育資訊有限公司執行長/淡江資訊工程博士 

分析濟急：急診複雜腹腔內感染之敘述性與預測性分析

為了解決商業智慧分析的問題，作者王婷茹 這樣論述：

急性腹痛為急診常見的主訴之一，從最輕微的急性胃炎到會隨時致命的主動脈剝離都會以腹痛來表現。然而，腹部藏了眾多的器官，醫師必須從病史詢問、身體檢查、實驗室檢驗到影像檢查，將可能的原因逐一抽絲剝繭找出問題，明確地鑑別複雜腹腔內感染 (complicated intra-abdominal infection, cIAI) 與其他疾病。本研究以資料探勘對臨床數據進行分類與預測，應用商業智慧描述性分析急診複雜腹腔內感染之可能性，並預期將複雜且雜亂的數據注入專家知識，達到決策支援的目的。 此研究回溯性收集2017年1月至6月在台灣南部某醫學中心急診就診之成年患者，且接受腹部電腦斷層檢查的資料，從

電子病歷提取患者生命徵象、身體檢查的初始表現及檢驗數值，經由線上即時分析處理 (On-Line Analytical Processing, OLAP)，以多個維度來剖析急診病患數據，運用資料探勘軟體以決策樹、隨機森林及梯度提升等探勘方法建立模型，了解資料間的關聯性，並找出急診患者之複雜腹腔內感染的重要特徵，最終以視覺化圖表呈現與說明分析之結果。 結果顯示變數中以腹痛徵狀及檢驗項目中C反應性蛋白 (C-reactive protein, CRP)、丙胺酸轉胺酶 (glutamic pyruvic transaminase, GPT) 的數值差異對診斷cIAI有顯著影響。針對cIAI患者數

據，收縮壓 (systolic blood pressure, SBP)、白血球 (white blood cell, WBC)、中性球 (segmented neutrophil, Seg)、GPT及CRP皆較正常值高的傾向，其中針對SBP建議觀察患者之長時間的血壓變化，而疼痛感較為特異的類別，例如：右下腹反彈痛、右下腹壓痛、右下腹轉移痛、及右上腹痛，有比較高的機率診斷為cIAI。透過梯度提升模型建立模型，達到85.71%的準確率，確立關鍵變數為檢驗項目中的白血球及血紅蛋白 (hemoglobin)，讓醫療人員在臨床執行醫療照護時，能注意患者指標。綜觀急診患cIAI的患者在執行電腦斷層檢查前

，仍有許多防線能及早發現，以提醒醫療人員需更深入的了解，如此才能利用數據為臨床加值。