이 상품은 구매 후 지원 기기에서 예스24 eBook앱 설치 후 바로 이용 가능한 상품입니다.
|
PART 1 Power BI 기본Chapter 01 Power BI 소개 1 Power BI 시작하기2 Power BI 콘텐츠 데이터 세트 시각화 보고서 대시보드3 Power BI 서비스 Power BI 로그인 Power BI 서비스 둘러보기4 Power BI 라이선스5 Power BI 참고 Custom Visual Gallery Data Stories Gallery Power BI Update Power BI CommunityChapter 02 Power BI Desktop 시작하기 1 Power BI Desktop 설치 Power BI 시작 페이지에서 다운로드2 Power BI Desktop 화면 구성3 Power BI 옵션 옵션 설정Chapter 03 데이터 가져오기 1 데이터 가져오기 Excel 데이터 가져오기 웹 데이터 가져오기 SQL Server에서 가져오기 CSV 파일 가져오기 Excel 파워 쿼리, 파워 피벗, 파워 뷰 가져오기2 테이블과 필드 다루기 테이블 이름 바꾸기 테이블 삭제 필드 이름 바꾸기 열 삭제 데이터 형식 바꾸기 보고서 뷰에서 숨기기 데이터 정렬과 필터3 데이터 새로 고침4 데이터 원본 변경5 파일 저장Chapter 04 기본 쿼리 작업 1 파워 쿼리 편집기 시작하기 쿼리 편집기 실행과 닫기 파워 쿼리 편집기의 화면 구성2 데이터 변환 첫 행 머리글로 사용 행/열 제거 값 채우기 값 바꾸기 데이터 형식 변경 날짜에서 월 추출 열 피벗 해제 쿼리 편집과 삭제3 열 병합과 분리, 열 추가 열 병합 열 분리 추출 사용자 지정 열 조건 열 사용자 열4 쿼리 닫기 및 적용Chapter 05 데이터 모델링 1 관계 설정과 편집 로드하는 동안 자동 검색 자동 검색으로 관계 만들기 수동으로 관계 만들기 관계 편집 관계 석제2 DAX 수식 작성 DAX 구문 기본 DAX 함수3 계산 열 날짜 정보 매출 분석4 측정값 총매출금액과 매출이익률 거래건수와 평균단가5 열 기준 정렬6 데이터 범주 위치 정보7 데이터 그룹 설정 데이터 그룹 숫자 범주화 데이터 그룹 편집Chapter 06 데이터 시각화 1 보고서 페이지 관리 페이지 관리 페이지 서식2 시각적 개체 다루기 시각적 개체 추가 축 서식 데이터 색 데이터 레이블 제목 서식 상수선3 시각적 개체 옵션 포커스 모드 데이터 내보내기 시각적 개체 복사, 붙여넣기 정렬 필터4 다양한 시각화 유형 텍스트 상자, 셰이프, 이미지 카드 누적 세로 막대형 차트 원형, 도넛형 차트 가로 막대형 차트 꺾은선형 및 묶은 세로 막대형 차트 맵 슬라이서 꺾은선형 차트 누적 영역형 차트 리본 차트 트리맵 여러 행 카드 테이블 행렬5 상호 작용 편집 상호 작용 상호 작용 편집PART 2 Power BI 활용Chapter 07 파워 쿼리 편집기 1 파일 병합 CSV 파일 통합 Excel 파일 통합2 쿼리 추가와 병합 쿼리 추가 쿼리 병합3 쿼리 복제와 참조 복제 참조4 행 그룹화5 쿼리 새로 고침Chapter 08 DAX 함수 활용 1 날짜 테이블 CALENDAR와 ADDCOLUMNS 함수 새 테이블 작성2 측정값 관리 측정값 관리 테이블 작성 측정값 이동3 빠른 수식 작성 중복 제거된 개수 총합계의 백분율4 유용한 DAX 함수 IF, SWITCH CALCULATOR, FILTER SUMX 전월대비 증감률, 전년대비 증감률 당월 누계, 금년 누계 변수 사용 기간별 매출 구성 비율 ALL, ALLSELECT5 빠른 측정값6 DAX 참조, 빠른 측정 갤러리Chapter 09 다양한 시각화 1 계층 구조 시각화 드릴모드 인라인 계층 구조 레이블 계층 구조 만들기2 조건부 서식 설정 배경색 설정 데이터 막대 설정 아이콘 설정 글꼴색 설정 사용자 지정 조건부 서식 조건부 서식 제거3 시각화 슬라이서 상대 날짜 슬라이서 슬라이서 동기화 계기 차트 KPI 폭포 차트 분산형 차트4 새 매개 변수5 사용자 지정 시각적 개체 마켓플레이스에서 가져오기 파일에서 가져오기 사용자 지정 시각적 개체 삭제 마켓플레이스에서 다운받기 유용한 사용자 지정 시각적 개체 활용Chapter 10 다양한 Map 시각화 1 Power BI 맵 시각적 개체 맵 등치 지역도 도형 맵 ArcGIS2 맵 시각화를 위한 Tip 지리적 필드 재분류 둘 이상의 위치 열 위도 및 경도 사용 전체 위치 정보는 장소 범주 사용3 등치 지역도4 도형 맵5 ArcGISChapter 11 보고서 관리 1 필터 새 필터 환경 시각적 개체 필터 페이지 필터와 모든 페이지 필터 상대 날짜 필터 드릴스루 필터2 보고서 도구 설명 도구 설명 보고서 도구 설명 페이지 다중 보고서 도구 설명 페이지3 보고서 테마 테마 전환 테마 갤러리에서 다운받기4 책갈피 책갈피 추가 책갈피 단추 추가Chapter 12 Power BI 서비스 1 Power BI 서비스 살펴보기 Power BI 서비스에 로그인 Power BI 서비스 화면 구성 데이터 가져오기 보고서 대시보드 데이터에 대해 질문하기2 보고서 게시와 공유 Power BI 서비스에 보고서 게시 매출현황 대시보드 구성 보고서 공유 보고서 공유 해제 웹에 게시3 보고서 내보내기4 데이터 새로 고침PART 3 혼밥족들이 살고 싶은 곳은?Chapter 01 분석 개요 1 분석 배경2 분석 절차3 학습 내용4 분석 특징 및 한계Chapter 02 문제 정의 1 세대 형태의 변화2 1인 시대 주 거주 지역3 1인 세대 특성별 선호 지역Chapter 03 데이터 수집 1 ‘세대원별 세대수’ 데이터 수집2 ‘인구이동 통계’ 데이터 수집Chapter 04 데이터 전처리 1 ‘세대원별 세대수’ 데이터 전처리 데이터 구조 파악 데이터 불러오기 행정구역 분할 및 코드 추출 집계 행 제거 서울시 외 지역 제거 행정구역 열 제거 행 중심 테이블로 변환 날짜와 세대 구분 분할 세대원 수별 열 분리 열 정리 열 이름 바꾸기 나머지 파일 전처리하기 모든 테이블 합치기2 ‘인구 이동’ 데이터 전처리 데이터 구조 파악 데이터 불러오기 행정구역 및 날짜 열 병합하기 1인 세대 추출하기 열 이름 변경 및 불필요한 열 제거 데이터 형식 및 값 바꾸기 연령대 그룹화3 ‘행정구역 코드’ 데이터 전처리 데이터 불러오기 행정구역 코드 정리하기4 닫기 및 적용Chapter 05 세대 형태의 변화 분석 1 세대수 변화 시각화 세대수 합계 열 추가 세대수 변화 시각화2 세대 형태의 변화 시각화 세대원별 세대수 변화 추이 시각화 세대원별 세대수 분포 변화 시각화3 세대 형태의 변화 탐색Chapter 06 1인 세대 주 거주 지역 분석 1 테이블 관계 설정2 1인 세대 많은 지역 시각화 페이지 수준 필터 설정 1인 세대 많은 지역 시각화3 1인 세대 비율 높은 지역 시각화 1인 세대 비율 열 추가 1인 세대 비율 높은 지역 시각화4 도형 맵으로 1인 세대 시각화 도형 맵 설치 행정구역 코드 변경 도형 맵을 이용한 데이터 시각화5 1인 세대 주 거주지역 탐색Chapter 07 세대 형태의 변화 분석 1 테이블 복제 및 관계 설정2 1인 세대 선호 지역 시각화(전국) 성/연령/사유별 분포 전출지 분포 성별 전입지 분포3 1인 세대의 거주지 이동(서울) 페이지 수준 필터 설정 성별/연령대별 세대 수 거주지 이동 사유 거주지 이동 시기 거주지 이동 지역 시각화4 1인 세대 특성별 선호 지역 탐색 전국 단위 탐색 서울 지역 단위 탐색Chapter 08 분석 결과 정리 PART 4 서울의 미세먼지 탈탈 털어보자!Chapter 01 분석 개요 1 분석 배경2 분석 절차3 학습 내용4 분석의 특징 및 한계5 미세먼지의 이해 미세먼지의 개념 미세먼지의 기준 및 예보Chapter 02 문제 정의 1 미세먼지(PM-10)와 미세먼지(PM-2.5)의 상관관계는?2 미세먼지는 계속 나빠지고 있을까?3 기후 요소는 미세먼지에 어떤 영향을 끼칠까?4 내가 사는 동네의 미세먼지 농도는?Chapter 03 데이터 수집 1 미세먼지 측정 데이터2 미세먼지 측정소 데이터3 기후 관련 데이터Chapter 04 데이터 전처리 1 대기오염 측정 데이터 데이터 불러오기 데이터 구조 확인 파워 쿼리 편집기 열기 측정 항목 선택 측정기 상태 선택 불필요한 열 제거 데이터 피벗팅 결측값 보정 닫기 및 적용2 기후 데이터 데이터 불러오기 데이터 구조 확인 파워 쿼리 편집기 열기 풍향명 열 추가 불필요한 열 제거 닫기 및 적용3 대기오염 측정소 데이터 데이터 불러오기 데이터 구조 확인 파워 쿼리 편집기 열기 측정소 선택 자치구 코드 열 추가 중복 행 제거 불필요한 열 제거 닫기 및 적용Chapter 05 미세먼지(PM-10)와 미세먼지(PM-25)의 상관관계 1 상관분석의 이해2 미세먼지의 상관관계 시각화(꺾은선형차트)3 미세먼지의 상관관계 시각화(분산형 차트)4 미세먼지의 상관계수 계산5 측정일 슬라이서 배치6 미세먼지의 상관관계 탐색 연간 상관관계 시기별 상관관계Chapter 06 미세먼지는 계속 나빠지고 있을까? 1 데이터 불러오기 데이터 불러오기 데이터 구조 확인2 연 평균값 변화 추이 시각화3 일 평균값 기준 초과 건수 시각화 일 평균 데이터 테이블 생성 미세먼지(PM-10) 일 평균값 초과 건수 시각화 미세먼지(PM-2.5) 일 평균값 초과 건수 시각화4 미세먼지 농도 추이 탐색 연 평균값 변화 추이 탐색 일 평균값 기준 초과 건수 탐색Chapter 07 기후 요소는 미세먼지에 어떤 영향을 끼칠까? 1 미세먼지 테이블과 기후 테이블의 관계 설정2 히스토그램 차트 설치 히스토그램의 이해 히스토그램 차트 설치3 기온과 미세먼지의 관계 시각화 기온 데이터 분포 형태 기온과 미세먼지의 관계4 습도와 미세먼지의 관계 시각화 습도 데이터 분포 형태 습도와 미세먼지의 관계5 풍속과 미세먼지의 관계 시각화 풍속 데이터 분포 형태 풍속과 미세먼지의 관계6 풍향과 미세먼지의 관계 시각화 풍향 데이터 분포 형태 풍향과 미세먼지의 관계7 기후 요소와 미세먼지와의 관계 탐색Chapter 08 내가 사는 동네의 미세먼지 농도는? 1 미세먼지 테이블과 측정소 위치 테이블 관계 설정2 막대형 차트로 지역별 미세먼지 확인3 도형 맵으로 지역별 차이 확인4 지역별 미세먼지 탐색 미세먼지(PM-10) 농도 탐색 미세먼지(PM-2.5) 농도 탐색PART 5 직장 그만두고 카페나 차려볼까?Chapter 01 분석 개요 1 분석 배경2 분석 절차3 학습 내용4 분석 특징 및 한계Chapter 02 문제 정의 1 창업 및 폐업 추이2 폐업률과 생존 기간3 카페 규모와 생존 기간의 관계4 유명 브랜드 카페5 카페 과밀 지역Chapter 03 데이터 수집 1 인허가 신고 데이터2 서울시 생활인구 데이터Chapter 04 데이터 전처리(인허가 신고 데이터) 1 데이터 구조 확인2 분석에 필요한 범위 추출 서울시 지역 범위 추출 카페 업태 항목 추출 불필요한 항목 삭제 CSV 형태로 저장3 공간정보 전처리 QGIS 설치 파일 불러오기 행정도 열 추가 좌표계 변경 행정동별 면적 열 생성4 Power BI로 데이터 전처리 데이터 불러오기 날짜 데이터 형식 변환 날짜 오류 제거 영업 기간 열 추가 면적 오류 제거 행정동 코드 변환 불필요한 열 삭제 전처리 결과Chapter 05 데이터 전처리(행정구역/생활인구) 1 행정구역 데이터 데이터 불러오기 행정구역명 분리 코드 변환 불필요한 열 삭제2 생활인구 데이터 데이터 불러오기 20대~40대 합계 열 생성 카페 이용 시간대 추출 불필요한 열 삭제 및 테이블명 변경3 닫기 및 적용Chapter 06 창업 및 폐업 추이 분석 1 날짜 테이블 생성 및 관계 설정 날짜 테이블 생성 날짜 테이블 관계 설정2 연도별 창업 및 폐업 건수 시각화 창업 건수 열 생성 폐업 건수 열 생성 창업 및 폐업 건수3 연도별 운영 카페의 수 시각화 창업 누적 건수 집계 폐업 누적 건수 집계 연도별 운영 카페의 수 창업 및 폐업 추이 탐색Chapter 07 폐업률과 생존 기간 분석 1 연도별 폐업률 시각화 폐업률 정의 측정값 생성 연도별 폐업률2 생존 기간 분포 시각화 영업 기간 단위 변경생존 기간 분포3 폐업률과 생존 기간 탐색Chapter 08 카폐 규모와 생존 기간 관계 분석 1 면적 단위 변경2 규모별 분포 시각화3 연도별 규모 변화 추이 시각화4 규모와 생존 기간 관계 시각화5 면적과 생존 기간 탐색Chapter 09 유명 브랜드 카페 분석 1 카페 브랜드 열 생성 대문자 열 생성 브랜드 열 생성2 브랜드 카페의 시장 점유 현황 시각화 기타 브랜드를 포함한 시장 점유 현황 기타 브랜드를 제외한 시장 점유 현황3 브랜드 카페 지역별 분포 시각화 Mapbox Visual 개체 설치 브랜드 카페의 지역별 분포4 브랜드 카페의 창업 및 폐업 추이 시각화 브랜드 카폐 창업 추이 브랜드 카폐 폐업 추이5 유명 브랜드 카페 탐색Chapter 10 카페 과밀 지역 분석 1 지역별 카페 분포 시각화 테이블 관계 설정 자치구별 카페 분포 행정동별 카페 분포2 카페 수요층 밀집 지역 시각화 테이블 관계 설정 카페 수요층이 많은 행정동 카페 수요층 밀도가 높은 행정동3 카페 과밀 지역 시각화 수요층 대비 카페의 수 생활인구 밀도 대비 카페 밀집 지역4 카페 과밀 지역 탐색Chapter 11 분석 결과 정리
|
마경근의 다른 상품
서주란의 다른 상품
|
· Power BI와 함께하는 슬기로운 데이터 생활· 비전공자도 OK! 복잡한 코딩은 No Thanks! 데이터 속에 숨어 있는 인사이트를 찾아보자! · 찰흙처럼 만지고, 색칠하고 변형하면서 복잡한 데이터를 이해하고 활용하는 과정을 배우는 도서#일상다분석#시각화_끝판왕#데이터_갖고_놀기#데이터는_쓰고_시각화는_달다#비전공자_데이터_꿀템하루가 멀다고 쏟아지는 데이터 홍수 속에서 필요한 내용을 손쉽게 탐색하고, 정리해서 숨어 있는 인사이트를 발견할 수 있다면 정말 행복할 것입니다. 이러한 의미에서 Power BI가 제공하는 기능은 매우 요긴합니다. 이 책은 데이터를 이해하기 쉬운 차트로 시각화하고, 조건에 따른 차트의 변화를 통해 데이터를 제대로 활용할 수 있는 방법을 매우 쉽게 소개하고 있습니다. IT 전공자나 데이터 분석 경험이 없더라도 책의 내용을 따라하다 보면 자연스럽게 필요한 기능을 자신의 것으로 만들 수 있을 것입니다. PART 01과 02에서는 회사의 매출 분석에 필요한 실무 예제를 활용하여 Power BI가 가진 데이터 탐색과 시각화에 필요한 핵심 기능을 하나부터 열까지 모두 알려주며, PART 03에서는 앞서 배운 Power BI의 기능을 활용하여 1인 가구의 현황과 그들의 선호 지역을 분석해 봅니다. PART 04에서는 우리 사회의 중요한 문제로 떠오르는 미세먼지에 관련된 일상의 궁금증을 시각화해보고, PART 05에서는 카페 창업에 관심이 있는 사람들이라면 반드시 알아야 하는 내용(폐업률, 생존 기간 등)을 탐색해보는 시간을 갖습니다. [예제/완성 파일 다운로드]영진닷컴 홈페이지(www.youngjin.com) - [고객센터] - [부록 CD 다운로드] - [IT도서·교재]에서 도서명 검색 후 다운로드[주요 내용]PART 01 Power BI 기본 수집한 데이터를 이용해 데이터를 분석하고 시각화해서 원하는 결과를 도출하려면 다양한 데이터 분석 도구를 사용할 수 있어야 합니다. Microsoft에서 제공하는 Power BI는 누구나 쉽게 사용법을 익혀 데이터를 전처리하고 모델링하거나 시각화할 수 있는 대표적인 프로그램입니다. Part 01에서는 Power BI의 구성 요소를 알아보고, 데이터 분석 및 시각화에 대해 살펴보겠습니다. PART 02 Power BI 활용 Power BI Desktop에서는 파워 쿼리 편집기를 이용하여 여러 파일을 결합하거나 추가하여 하나로 통합할 수 있으며 ‘전월대비, 전년대비 증감률’ 등과 같은 DAX 수식을 작성해 시각화할 수 있습니다. 또한 Power BI Desktop에서 작성된 보고서를 다른 조직 구성원들과 협업하기 위해 Power BI 서비스에 게시 및 공유해서 사용할 수도 있습니다. PART 03 혼밥족들이 살고 싶은 곳은? Power BI를 활용한 첫 번째 데이터 분석 주제는 ‘1인 가구’입니다. 1인 가구는 저출산, 고령화와 함께 대한민국의 현재를 관통하는 주요한 사회 현상입니다. Part 03에서는 행정안전부, 통계청 등 정부기관에서 공개하는 데이터를 이용하여 1인 가구의 현황과 그들의 선호 지역을 분석해 봅니다. PART 04 서울의 미세먼지 탈탈 털어보자! 미세먼지 문제가 우리 사회의 중요한 문제로 대두됨에 따라 미세먼지의 원인을 밝히기 위한 연구가 활발히 이루어지고 있습니다. Part 04에서는 공개된 데이터를 이용하여 미세먼지와 관련한 일상의 궁금증을 밝혀보도록 합니다. PART 05 직장 그만두고 카페나 차려볼까? Part 05에서는 더욱 심층적인 내용을 다룹니다. DAX(Data Analysis Expressions)를 활용하여 폐업률과 생존 기간을 산출합니다. 아울러 도형 맵, 맵 박스 등 다양한 도구를 이용하여 카페의 지역별 분포를 시각화합니다.
|