商務(wù)智能與數(shù)據(jù)可視化分析基礎(chǔ) 思考題參考答案

第一章1.商務(wù)智能可以從哪幾方面來理解？商務(wù)智能(BusinessIntelligence)可以從以下幾個(gè)方面來理解:（1）數(shù)據(jù)分析角度。商務(wù)智能主要利用各種分析工具，對(duì)企業(yè)內(nèi)部大量的數(shù)據(jù)進(jìn)行多維度的統(tǒng)計(jì)、匯總、分析，以發(fā)現(xiàn)數(shù)據(jù)中的價(jià)值，支持企業(yè)決策。（2）技術(shù)體系角度。商務(wù)智能是一個(gè)涵蓋數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)集市、ETL工具、OLAP、數(shù)據(jù)挖掘、報(bào)表、可視化等多種技術(shù)的IT系統(tǒng)體系。通過這些技術(shù)的整合應(yīng)用，構(gòu)建面向決策的智能系統(tǒng)。（3）功能角度。商務(wù)智能能夠?qū)崿F(xiàn)數(shù)據(jù)查詢、報(bào)表、分析等功能，支持對(duì)歷史數(shù)據(jù)的回顧分析以及對(duì)未來發(fā)展趨勢(shì)的預(yù)測(cè)，輔助企業(yè)規(guī)劃和業(yè)務(wù)決策。（4）商業(yè)價(jià)值角度。商務(wù)智能能夠?qū)⒎稚⒌钠髽I(yè)數(shù)據(jù)整合轉(zhuǎn)換為有價(jià)值的信息和知識(shí)，幫助企業(yè)深入理解市場(chǎng)、競(jìng)爭(zhēng)對(duì)手、客戶，發(fā)現(xiàn)問題、把握機(jī)遇、制定戰(zhàn)略，提高經(jīng)營(yíng)管理水平，創(chuàng)造商業(yè)價(jià)值?？偟膩碚f，商務(wù)智能是一種基于數(shù)據(jù)驅(qū)動(dòng)的管理理念和技術(shù)手段，通過智能化分析企業(yè)數(shù)據(jù)，服務(wù)并支持企業(yè)業(yè)務(wù)決策，對(duì)企業(yè)具有重要的戰(zhàn)略意義。2.簡(jiǎn)單闡述商務(wù)智能的發(fā)展歷程。分為傳統(tǒng)BI、敏捷BI和智能BI三個(gè)階段。傳統(tǒng)BI階段：此階段的BI為第一代BI，其特點(diǎn)是對(duì)使用者的信息技術(shù)（InformationTechnology，IT）技能要求高，對(duì)業(yè)務(wù)數(shù)據(jù)的挖掘能力較弱，與業(yè)務(wù)匹配的智能程度低，以報(bào)表平臺(tái)的方式為使用者提供服務(wù)。敏捷BI階段：此階段的BI對(duì)使用者的IT技能要求比傳統(tǒng)BI階段的低，可以為具有一定IT技能的業(yè)務(wù)人員提供服務(wù)，融入了業(yè)務(wù)匹配功能。雖然智能程度一般，但已經(jīng)具有一定的業(yè)務(wù)數(shù)據(jù)挖掘能力，并且主要以自助式數(shù)據(jù)分析平臺(tái)的方式為使用者提供服務(wù)。智能BI階段：該階段的服務(wù)面向全體業(yè)務(wù)人員，幫助業(yè)務(wù)人員在理解業(yè)務(wù)的基礎(chǔ)上，輕松發(fā)現(xiàn)數(shù)據(jù)的價(jià)值，并且將IT人員解放出來，讓他們專注于數(shù)據(jù)挖掘技術(shù)與智能解決方案，實(shí)現(xiàn)由IT驅(qū)動(dòng)業(yè)務(wù)發(fā)展的模式走向數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)發(fā)展的模式。3.商務(wù)智能的核心技術(shù)有哪些？請(qǐng)談?wù)勀銓?duì)它的理解。商務(wù)智能的核心技術(shù)主要如下：數(shù)據(jù)倉(cāng)庫(kù):數(shù)據(jù)倉(cāng)庫(kù)用于對(duì)企業(yè)的歷史業(yè)務(wù)數(shù)據(jù)、交易數(shù)據(jù)等進(jìn)行集中式存儲(chǔ)，構(gòu)建主題式數(shù)據(jù)庫(kù)，對(duì)數(shù)據(jù)進(jìn)行清洗、轉(zhuǎn)換、整合。數(shù)據(jù)倉(cāng)庫(kù)技術(shù)支持?jǐn)?shù)據(jù)的多維分析。ETL工具：ETL(Extract-Transform-Load)是將企業(yè)內(nèi)部各種異構(gòu)數(shù)據(jù)源抽取到數(shù)據(jù)倉(cāng)庫(kù)的過程。ETL工具可以定制這一流程，實(shí)現(xiàn)批量數(shù)據(jù)遷移。OLAP：在線分析處理(OLAP)是一種快速查詢、統(tǒng)計(jì)、分析多維數(shù)據(jù)的技術(shù)。典型的OLAP系統(tǒng)通過多維數(shù)據(jù)立方體進(jìn)行復(fù)雜的分析。數(shù)據(jù)挖掘：數(shù)據(jù)挖掘通過分類、聚類、關(guān)聯(lián)分析等算法，從海量數(shù)據(jù)中發(fā)現(xiàn)隱藏模式和規(guī)律，實(shí)現(xiàn)預(yù)測(cè)等，為企業(yè)決策提供參考依據(jù)。報(bào)表/儀表盤：報(bào)表和儀表盤是商務(wù)智能的信息輸出與可視化呈現(xiàn)層，通過報(bào)表、圖表、關(guān)鍵指標(biāo)等直觀的形式反饋分析結(jié)果。這些技術(shù)的整合應(yīng)用構(gòu)成了完整的商務(wù)智能系統(tǒng)，為企業(yè)決策提供情報(bào)支持。當(dāng)前商務(wù)智能技術(shù)正在向著人工智能化、智能分析等方向繼續(xù)演進(jìn)。4.結(jié)合實(shí)際談?wù)勆虅?wù)智能對(duì)企業(yè)的價(jià)值。商務(wù)智能為企業(yè)決策提供了重要的情報(bào)支持，主要的商業(yè)價(jià)值體現(xiàn)在以下幾個(gè)方面:（1）掌握客戶與市場(chǎng)商業(yè)智能可以收集和分析客戶的數(shù)據(jù)，識(shí)別客戶購(gòu)買習(xí)慣，進(jìn)行用戶畫像劃分，幫助企業(yè)定制營(yíng)銷方案，提升銷售業(yè)績(jī)。同時(shí)也可以分析行業(yè)市場(chǎng)概況，發(fā)現(xiàn)新的機(jī)會(huì)。（2）支持業(yè)務(wù)規(guī)劃商業(yè)智能的預(yù)測(cè)分析功能，可以評(píng)估歷史決策的效果，預(yù)測(cè)未來發(fā)展趨勢(shì)，為企業(yè)制定戰(zhàn)略規(guī)劃、銷售目標(biāo)、產(chǎn)品定位等提供依據(jù)。（3）優(yōu)化業(yè)務(wù)流程通過對(duì)內(nèi)部業(yè)務(wù)數(shù)據(jù)的多維分析，商業(yè)智能可以診斷業(yè)務(wù)過程中的隱患、效率低下的環(huán)節(jié)等，支持業(yè)務(wù)流程優(yōu)化與重組。（4）預(yù)警和控制商業(yè)智能可以設(shè)置關(guān)鍵指標(biāo)的閾值報(bào)警，當(dāng)業(yè)務(wù)指標(biāo)異常時(shí)快速提示決策者，實(shí)現(xiàn)業(yè)務(wù)監(jiān)控。也可以統(tǒng)計(jì)分析風(fēng)險(xiǎn)，支持決策者進(jìn)行事前控制。（5）提高決策效率商業(yè)智能整合了各類分析工具，為管理者提供了直觀的信息展示方式，輔助決策者快速把握情況，節(jié)約了信息搜索與處理的時(shí)間成本。總體而言，商業(yè)智能賦能企業(yè)進(jìn)行數(shù)據(jù)驅(qū)動(dòng)的決策，在當(dāng)今數(shù)字化時(shí)代是企業(yè)構(gòu)建核心競(jìng)爭(zhēng)力的戰(zhàn)略性武器。5.主流的數(shù)據(jù)可視化工具有哪些？當(dāng)前較為主流和常用的數(shù)據(jù)可視化工具包括:Tableau：Tableau是最常用的商業(yè)數(shù)據(jù)可視化工具之一，可以快速連接各種數(shù)據(jù)，進(jìn)行拖拽操作構(gòu)建報(bào)表和看板。功能強(qiáng)大，使用也較為簡(jiǎn)單。PowerBI：Microsoft推出的商業(yè)智能工具PowerBI，也非常流行，可以分析數(shù)據(jù)并在web和移動(dòng)端發(fā)布交互式報(bào)表，并和Microsoft其他產(chǎn)品高度集成。Qlik：QlikSense是Qlik公司的主要產(chǎn)品，具備強(qiáng)大的聯(lián)機(jī)分析(AssociativeAnalysis)功能，可以分析不同數(shù)據(jù)源之間的關(guān)系。動(dòng)態(tài)儀表盤效果較好。FineReport：國(guó)產(chǎn)商業(yè)級(jí)BI工具，結(jié)構(gòu)化報(bào)表功能完備，廣泛應(yīng)用于企業(yè)級(jí)報(bào)表、監(jiān)管報(bào)告等場(chǎng)景。Grafana：開源的數(shù)據(jù)分析和可視化工具，可配置性高，可以實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)的變化，常用于DevOps場(chǎng)景。D3.js：D3.js是一個(gè)基于javascript的繪圖庫(kù)，使用web標(biāo)準(zhǔn)繪制各種信息圖形和交互式可視化，開發(fā)定制靈活度高。此外，企業(yè)級(jí)平臺(tái)如:SAPBusinessObjects、IBMCognos等也在提供商業(yè)智能工具。隨著場(chǎng)景需求的多樣化，數(shù)據(jù)可視化工具的選擇也在不斷豐富。

第二章1.請(qǐng)談?wù)勀銓?duì)大數(shù)據(jù)5V特點(diǎn)的理解。大數(shù)據(jù)的5V特點(diǎn)是指大數(shù)據(jù)具有5個(gè)特征，分別是:Volume(大量)：大數(shù)據(jù)的處理涉及到的數(shù)據(jù)集體量非常大，從TB級(jí)別到ZB級(jí)別不等，遠(yuǎn)遠(yuǎn)超過傳統(tǒng)數(shù)據(jù)庫(kù)軟件工具的處理能力。Velocity(高速)：大數(shù)據(jù)生成和到達(dá)的速度非常快，需要在一個(gè)短時(shí)間內(nèi)對(duì)海量數(shù)據(jù)進(jìn)行捕捉、存儲(chǔ)和分析。實(shí)時(shí)性要求較高。Variety(多樣性)：大數(shù)據(jù)來自多種異構(gòu)數(shù)據(jù)源，有結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，數(shù)據(jù)類型也非常復(fù)雜多樣。Value(低價(jià)值密度)：大數(shù)據(jù)的整體規(guī)模巨大，但大部分為無用數(shù)據(jù)，真正有價(jià)值的部分相對(duì)較少，價(jià)值密度較低。挖掘有價(jià)值數(shù)據(jù)非常重要。Veracity(真實(shí)性)：大數(shù)據(jù)的質(zhì)量參差不齊，確定數(shù)據(jù)的準(zhǔn)確性和可信度也面臨挑戰(zhàn)。需要數(shù)據(jù)清洗與復(fù)核?？傮w來說，大數(shù)據(jù)以其“5V”特性為特征，對(duì)數(shù)據(jù)的存儲(chǔ)、管理和分析計(jì)算都帶來了新的挑戰(zhàn)。需要新的技術(shù)體系來應(yīng)對(duì)這些挑戰(zhàn)，實(shí)現(xiàn)對(duì)大數(shù)據(jù)的有效利用。2.數(shù)據(jù)安全管理常用的實(shí)現(xiàn)方式有哪些？結(jié)合實(shí)例來說明。數(shù)據(jù)安全管理的常用實(shí)現(xiàn)方式包括:授權(quán)與認(rèn)證：定義不同用戶的訪問權(quán)限，對(duì)用戶進(jìn)行身份驗(yàn)證，保證只有授權(quán)用戶才能訪問特定數(shù)據(jù)。例如銀行數(shù)據(jù)只授權(quán)相關(guān)業(yè)務(wù)部門訪問。加密：對(duì)關(guān)鍵性數(shù)據(jù)加密，避免未授權(quán)訪問或數(shù)據(jù)泄露的風(fēng)險(xiǎn)。例如對(duì)客戶的密碼、支付數(shù)據(jù)加密。數(shù)據(jù)脫敏：對(duì)顯示給用戶的部分?jǐn)?shù)據(jù)，如身份信息，進(jìn)行部分隱藏或打碼處理。例如只顯示姓名的第一個(gè)字、手機(jī)號(hào)的后4位。數(shù)據(jù)備份：定期對(duì)數(shù)據(jù)進(jìn)行備份，防止出現(xiàn)災(zāi)難性系統(tǒng)和數(shù)據(jù)損失。例如每天數(shù)據(jù)庫(kù)做備份還原點(diǎn)。訪問日志審核：記錄數(shù)據(jù)庫(kù)和數(shù)據(jù)倉(cāng)庫(kù)的訪問日志，包括用戶、訪問數(shù)據(jù)內(nèi)容、時(shí)間等信息，進(jìn)行安全審核和流程追蹤。網(wǎng)絡(luò)隔離：對(duì)包含關(guān)鍵或客戶敏感信息的數(shù)據(jù)資源采取網(wǎng)絡(luò)隔離和訪問限制措施。例如將數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)部署在內(nèi)網(wǎng)中。通過授權(quán)控制、加密技術(shù)、脫敏以及日志審計(jì)等手段，可以有效保證數(shù)據(jù)的安全性，是數(shù)據(jù)安全管理的重要途徑。3.目前數(shù)據(jù)庫(kù)中有一個(gè)待修改的學(xué)生表，該表包含的字段有學(xué)號(hào)、姓名、性別、年齡、所在學(xué)院、學(xué)院地址、學(xué)院聯(lián)系電話。如何修改該表，使其符合數(shù)據(jù)庫(kù)范式為使該學(xué)生表符合數(shù)據(jù)庫(kù)范式，可以進(jìn)行以下修改:（1）將表分解為學(xué)生基本信息表和學(xué)院信息表兩個(gè)表，避免出現(xiàn)重復(fù)的學(xué)院地址和聯(lián)系電話，符合第一范式，如：學(xué)生基本信息表:學(xué)號(hào)姓名性別年齡學(xué)院名稱(引用學(xué)院信息表的學(xué)院名稱)學(xué)院信息表:學(xué)院名稱學(xué)院地址學(xué)院聯(lián)系電話（2）在學(xué)生基本信息表中，學(xué)號(hào)可以唯一標(biāo)識(shí)一條學(xué)生數(shù)據(jù)，作為該表的主鍵，避免出現(xiàn)非主屬性對(duì)表中記錄的部分依賴，符合第二范式。（3）學(xué)院信息表中，學(xué)院名稱可以唯一標(biāo)識(shí)一條學(xué)院信息，作為該表的主鍵，消除了表中的部分依賴和傳遞依賴，符合第三范式。通過上述操作，修改該學(xué)生表的結(jié)構(gòu)，使其滿足數(shù)據(jù)庫(kù)的第一范式(1NF)、第二范式(2NF)和第三范式(3NF)，較好地體現(xiàn)了數(shù)據(jù)的結(jié)構(gòu)化組織。（4）略

第三章1.你曾經(jīng)使用過Excel的數(shù)據(jù)透視圖功能嗎？請(qǐng)具體闡述下你是怎么做的。在學(xué)習(xí)本章內(nèi)容后，你是否對(duì)數(shù)據(jù)透視圖有了更多的了解？數(shù)據(jù)透視表是一種可以實(shí)時(shí)生成的數(shù)據(jù)匯總表，它采用表格式展示統(tǒng)計(jì)數(shù)據(jù)的概要匯總，并且可以通過簡(jiǎn)單的操作對(duì)數(shù)據(jù)進(jìn)行多維分析。數(shù)據(jù)透視表的主要特點(diǎn)包括:動(dòng)態(tài)匯總：數(shù)據(jù)透視表可以對(duì)海量數(shù)據(jù)進(jìn)行快速匯總統(tǒng)計(jì)，并以交叉表的形式動(dòng)態(tài)顯示結(jié)果。當(dāng)源數(shù)據(jù)發(fā)生變化時(shí)，透視表的數(shù)據(jù)匯總也會(huì)實(shí)時(shí)更新。多維分析：數(shù)據(jù)透視表支持從多個(gè)維度對(duì)數(shù)據(jù)進(jìn)行切片和切塊，通過拖拽字段自由改變行列布局，從而對(duì)數(shù)據(jù)進(jìn)行多角度的動(dòng)態(tài)分析。交互操作：數(shù)據(jù)透視表提供了交叉表中各單元格的數(shù)據(jù)的鉆取、下鉆等交互操作，用戶可以深入探索數(shù)據(jù)的細(xì)節(jié)。此外還支持字段排序、篩選等操作。圖形化呈現(xiàn)：數(shù)據(jù)透視表支持以各種圖表的形式對(duì)統(tǒng)計(jì)數(shù)據(jù)進(jìn)行可視化的呈現(xiàn)，常見的有柱形圖、折線圖、餅圖等?？偟膩碚f，數(shù)據(jù)透視表使得業(yè)務(wù)用戶也可以方便、快捷地對(duì)數(shù)據(jù)進(jìn)行多維分析，發(fā)掘數(shù)據(jù)價(jià)值，為企業(yè)決策提供支持，被廣泛應(yīng)用于商業(yè)智能、數(shù)據(jù)分析等領(lǐng)域。2.Excel的數(shù)據(jù)可視化圖表有許多類型，請(qǐng)簡(jiǎn)單列出其中的幾種，并闡述其特點(diǎn)和用途。Excel中常見的數(shù)據(jù)可視化圖表類型及其特點(diǎn)如下:柱形圖/條形圖：用矩形條表示不同類別的數(shù)據(jù)數(shù)值，長(zhǎng)度表示數(shù)據(jù)大小，通常用來比較少量分類之間的差異。線圖：用線條串聯(lián)多個(gè)時(shí)間點(diǎn)上的統(tǒng)計(jì)數(shù)值，表現(xiàn)數(shù)據(jù)隨時(shí)間變化的趨勢(shì)，常用來展示時(shí)間序列數(shù)據(jù)。餅圖：將一個(gè)整體劃分為互不相交的幾個(gè)部分，每個(gè)部分以扇形表示，展示不同分類在總體中所占的比例。散點(diǎn)圖：用兩個(gè)數(shù)值變量在坐標(biāo)系上分別確定一個(gè)點(diǎn)的位置，分析兩個(gè)變量之間的相關(guān)性和分布模式。雷達(dá)圖：一個(gè)角對(duì)一個(gè)變量，多個(gè)變量形成一個(gè)閉合的多邊形，表現(xiàn)多變量數(shù)據(jù)之間的相對(duì)情況。熱力圖：通過顏色的深淺變化展示數(shù)值的大小，常用來顯著標(biāo)識(shí)數(shù)據(jù)分布的模式、聚類等。這些基本圖表類型可以單獨(dú)使用也可以組合應(yīng)用，用于直觀展示數(shù)據(jù)特征，發(fā)現(xiàn)問題，為決策提供依據(jù)。選擇合適的圖表可以有效提升數(shù)據(jù)分析的效率。

3.根據(jù)配套素材文件“3.4.1_data.xlsx”，請(qǐng)使用數(shù)據(jù)透視表匯總出“GPU”列的“TIMESPY-GPU”得分。4.根據(jù)配套素材文件“3.4.1_data.xlsx”，請(qǐng)使用相關(guān)分析得出“GPU-Averagememoryclockfrequency(MHz)”列對(duì)于“TIMESPY-GPU”得分的影響。5.根據(jù)配套素材文件“3.4.1_data.xlsx”，請(qǐng)使用散點(diǎn)圖來具體分析“CPU-Clockfrequency(MHz)”列對(duì)于“TIMESPY-CPU”得分的趨勢(shì)及相關(guān)系數(shù)。

第四章：略第五章1.請(qǐng)嘗試比較從Python、MySQL及PowerQuery導(dǎo)入數(shù)據(jù)的優(yōu)劣。Python、MySQL和PowerQuery這三種導(dǎo)入數(shù)據(jù)方式的優(yōu)劣比較如下表。導(dǎo)入數(shù)據(jù)方式優(yōu)點(diǎn)缺點(diǎn)Python功能強(qiáng)大，可以連接多種數(shù)據(jù)源，ETL過程可編程實(shí)現(xiàn)各類數(shù)據(jù)處理。代碼開發(fā)成本高，門檻較高，需要懂Python。MySQL簡(jiǎn)單高效，內(nèi)置支持，SQL語句可以靈活查詢和處理數(shù)據(jù)。僅限于關(guān)系型數(shù)據(jù)庫(kù)，需要先建立連接。PowerQuery交互式操作，無需編碼，支持wraps數(shù)據(jù)源和文件格式。集成度高。只能在Excel或PowerBI中使用，自定義功能有限?？偟膩碚f，Python適合構(gòu)建完整的ETL數(shù)據(jù)流水線，功能最全面強(qiáng)大。MySQL適用于關(guān)系數(shù)據(jù)的查詢導(dǎo)入分析。PowerQuery最簡(jiǎn)單容易上手，通過配置即可實(shí)現(xiàn)對(duì)各類數(shù)據(jù)的規(guī)整化導(dǎo)入準(zhǔn)備。三種方式可以針對(duì)場(chǎng)景需求進(jìn)行選擇:如果要快速可視化分析，PowerQuery最便捷;如果基于SQL數(shù)據(jù)庫(kù)分析，則直接MySQL鏈接;如果要自定義算法，Python更全面。2.請(qǐng)闡述在DAX中計(jì)算列和度量值的區(qū)別。在數(shù)據(jù)分析表達(dá)式(DAX)中，計(jì)算列和度量值的主要區(qū)別在于：計(jì)算范圍不同：計(jì)算列按行計(jì)算，對(duì)數(shù)據(jù)集的每一行數(shù)據(jù)計(jì)算公式并添加結(jié)果作為新列。度量值對(duì)整個(gè)數(shù)據(jù)集進(jìn)行聚合計(jì)算，返回一個(gè)標(biāo)量值。計(jì)算時(shí)機(jī)不同：計(jì)算列在查詢時(shí)即進(jìn)行計(jì)算。度量值則在報(bào)表刷新時(shí)計(jì)算。使用場(chǎng)景不同：計(jì)算列通常用于從現(xiàn)有列派生新數(shù)據(jù)，或按行執(zhí)行自定義邏輯。度量值常用于總計(jì)、平均、比率等聚合指標(biāo)。函數(shù)支持不同：計(jì)算列可以使用DAX中的完整函數(shù)庫(kù)。度量值只能使用接受整表計(jì)算的聚合函數(shù)，如SUM()、AVERAGE()。性能不同：計(jì)算列增加了數(shù)據(jù)量，查詢時(shí)即計(jì)算可能影響性能。度量值結(jié)果集更小，一般的計(jì)算負(fù)載較低?？傊?，計(jì)算列為數(shù)據(jù)集增加新的屬性，度量值輸出匯總指標(biāo)。兩者應(yīng)用場(chǎng)景和功能區(qū)別很大。合理運(yùn)用可以優(yōu)化數(shù)據(jù)模型，提供更豐富的分析能力。3.CALCULATE函數(shù)接受哪三種類型的篩選器？DAX中的CALCULATE函數(shù)可以用于上下文過濾，它接受以下三種類型的篩選器:（1）表達(dá)式例如:CALCULATE(SUM(表名[銷量])，表名[地區(qū)]="西部")用指定表的某條件對(duì)數(shù)據(jù)進(jìn)行過濾。（2）邏輯表達(dá)式例如:CALCULATE(SUM(表名[銷量])，表名[銷量]>100)用字段值的邏輯條件進(jìn)行過濾。（3）篩選器函數(shù)例如:CALCULATE(SUM(表名[銷量])，F(xiàn)ILTER(表名，表名[地區(qū)]="西部"))使用FILTER或其他篩選器函數(shù)進(jìn)行過濾。CALCULATE提供了許多重載，可以接收多個(gè)篩選器同時(shí)應(yīng)用。這使得我們可以非常靈活地改變過濾上下文，實(shí)現(xiàn)多樣的聚合計(jì)算和時(shí)間智能比較?？傊莆誄ALCULATE的篩選機(jī)制是構(gòu)建DAX表達(dá)式、實(shí)現(xiàn)復(fù)雜數(shù)據(jù)邏輯的關(guān)鍵。是DAX中的重要函數(shù)之一。4.如何使用時(shí)間序列函數(shù)與模型建立關(guān)系？使用時(shí)間序列函數(shù)與模型建立關(guān)系的主要方法有：（1）設(shè)置時(shí)間粒度使用DATESINPERIOD或DATESMTD函數(shù)生成需要的時(shí)間粒度，如日、周、月粒度的日期表。然后關(guān)聯(lián)到事實(shí)表的日期維度，建立時(shí)間序列數(shù)據(jù)的層次關(guān)系。（2）時(shí)間比較使用SAMEPERIODLASTYEAR、DATESYTD等函數(shù)獲取特定時(shí)間范圍的日期，實(shí)現(xiàn)本期與上期的比較，識(shí)別周期性模式。（3）趨勢(shì)和季節(jié)性使用TRENDEXTRA和SEASONALITY函數(shù)分解時(shí)間序列，評(píng)估長(zhǎng)期趨勢(shì)和周期性因素的影響，了解時(shí)間序列內(nèi)在機(jī)制。（4）預(yù)測(cè)在建立時(shí)間序列模型后，使用FORECAST和PREDICT函數(shù)進(jìn)行未來時(shí)序的預(yù)測(cè)，并計(jì)算預(yù)測(cè)區(qū)間。評(píng)估模型的預(yù)測(cè)能力。（5）動(dòng)態(tài)報(bào)告結(jié)合輕量級(jí)時(shí)間表以及CALCULATETABLE、CALCULATE等函數(shù)，實(shí)現(xiàn)報(bào)告的動(dòng)態(tài)時(shí)間切片或累積計(jì)算。通過這些方法，我們可以利用DAX的時(shí)間序列功能，探索和建模時(shí)間數(shù)據(jù)，實(shí)現(xiàn)預(yù)測(cè)和動(dòng)態(tài)報(bào)告等強(qiáng)大的分析應(yīng)用。5.略6.略

第六章1.中文分詞算法主要的分類有幾種，分別有什么特點(diǎn)？中文分詞算法可以分為三大類:（1）字符串匹配算法這類算法依靠詞典，通過在文本中查找詞典中所包含的詞來進(jìn)行分詞。典型的有字典樹、AC自動(dòng)機(jī)等。優(yōu)點(diǎn)是準(zhǔn)確率高，缺點(diǎn)是需要人工調(diào)整詞典。（2）理解型分詞算法這類算法通過詞法分析和語法分析，對(duì)文本進(jìn)行深度語義理解，可以進(jìn)行新詞發(fā)現(xiàn)。典型的有基于規(guī)則的分詞和基于統(tǒng)計(jì)的分詞。優(yōu)點(diǎn)是可以自動(dòng)識(shí)別新詞，缺點(diǎn)是實(shí)現(xiàn)較為復(fù)雜。（3）統(tǒng)計(jì)型分詞算法這類算法利用大規(guī)模語料訓(xùn)練詞頻、互信息等統(tǒng)計(jì)模型，對(duì)新文本進(jìn)行分詞。典型的有隱馬爾可夫模型。優(yōu)點(diǎn)是可以自動(dòng)適應(yīng)不同領(lǐng)域文本，缺點(diǎn)是對(duì)生僻詞識(shí)別效果較差。這三類分詞算法各有特點(diǎn)，通常會(huì)集成使用來提高總體分詞效果。目前流行的中文分詞組合算法，同時(shí)利用字典匹配、理解分析和統(tǒng)計(jì)方法來實(shí)現(xiàn)更好的分詞。2.Python的jieba庫(kù)支持哪幾種分詞模式？Python的jieba庫(kù)支持以下幾種主要的分詞模式：精確模式：將文本精確切分成詞語，不做任何附加處理。全模式：將文本中所有可能成詞的詞語都掃描出來，速度較慢但召回率高。搜索引擎模式：在精確模式的基礎(chǔ)上，對(duì)長(zhǎng)詞再次切分，提高后續(xù)關(guān)鍵詞的召回率。新詞發(fā)現(xiàn)模式：在精確分詞基礎(chǔ)上，對(duì)于未登錄詞表的詞會(huì)通過逆向切分算法進(jìn)行新詞識(shí)別。通過組合這幾種模式，可以滿足不同場(chǎng)景的分詞需求。在不追求全召回情況下，精確模式的效果通常最佳，切分準(zhǔn)確度高。3.略

第七章1.按鈕的狀態(tài)有哪幾種？請(qǐng)自行完成頁面導(dǎo)航按鈕示例，并采用按鈕自定義設(shè)置。PowerBI報(bào)表中按鈕控件主要有以下幾種狀態(tài)：默認(rèn)狀態(tài)：按鈕的正常顯示狀態(tài)。懸停狀態(tài)：當(dāng)鼠標(biāo)懸停在按鈕上時(shí)，按鈕的樣式變化狀態(tài)，通常添加懸停效果或者文字提示。按下狀態(tài)：當(dāng)鼠標(biāo)在按鈕上單擊時(shí)的狀態(tài)變化效果。通常有背景顏色加深，傾斜，陰影等視覺變化。禁用狀態(tài)：按鈕處于不可點(diǎn)擊的狀態(tài)，通常是灰色或半透明來表示。無法觸發(fā)按鈕點(diǎn)擊事件。已激活狀態(tài)：選中或當(dāng)前狀態(tài)的按鈕，會(huì)有特定圖標(biāo)、邊框、顏色來區(qū)分表示。加載狀態(tài)：按鈕上出現(xiàn)加載或處理過程動(dòng)畫時(shí)的狀態(tài)。不能進(jìn)行其他交互操作。通過設(shè)置這些按鈕狀態(tài)及相應(yīng)的樣式，可以在視覺上很好地表示按鈕的點(diǎn)擊流程和不同模式，提高交互體驗(yàn)。2.切片器通常在哪些場(chǎng)合下使用比較合適？請(qǐng)自行完成切片器的示例。PowerBI切片器(Slicer)通常在以下幾種場(chǎng)合使用比較合適:（1）分頁過濾可以利用切片器進(jìn)行頁面、報(bào)表或儀表盤中圖表的分頁濾鏡，例如年、月、地區(qū)的切換。（2）控制動(dòng)態(tài)報(bào)告切片器可以配合按鈕或DatePicker控制報(bào)表的累積與切片計(jì)算，實(shí)現(xiàn)報(bào)告的動(dòng)態(tài)交互。（3）多維度篩選可添加多個(gè)維度的切片器，支持用戶自由組合對(duì)數(shù)據(jù)的多維切片過濾分析。（4）儀表盤聯(lián)動(dòng)交互建立多個(gè)圖表的切片器，實(shí)現(xiàn)儀表盤中不同圖表的聯(lián)動(dòng)過濾與關(guān)聯(lián)分析。（5）展示功能列表除了數(shù)值型條目，其它維度的層次列表展示也比較適合通過切片器來實(shí)現(xiàn)?？傊琍owerBI切片器功能靈活，可以制作流暢