Datenanalyse mit Microsoft Power BI und Power Pivot für Excel

1 - Datenanalyse mit Microsoft Power BIund Power Pivot für Excel [Seite 1]
1.1 - Inhaltsverzeichnis [Seite 5]
1.2 - Einleitung [Seite 11]
1.2.1 - Zielgruppe [Seite 12]
1.2.2 - Voraussetzungen [Seite 12]
1.2.3 - Aufbau dieses Buches [Seite 13]
1.2.4 - Begleitende Inhalte [Seite 14]
1.2.5 - Schreibweisen und Hinweiskästen [Seite 14]
1.2.6 - Danksagungen [Seite 15]
1.2.7 - Errata und Support [Seite 15]
1.3 - Kapitel 1:Einführung in die Datenmodellierung [Seite 17]
1.3.1 - Arbeiten mit einer einzelnen Tabelle [Seite 18]
1.3.2 - Datenmodelle [Seite 24]
1.3.3 - Sternschemata [Seite 31]
1.3.4 - Die Wichtigkeit von Namen [Seite 37]
1.3.5 - Zusammenfassung [Seite 39]
1.4 - Kapitel 2:Header/Detail-Tabellen [Seite 41]
1.4.1 - Einführung [Seite 41]
1.4.2 - Werte aus dem Header aggregieren [Seite 42]
1.4.3 - Header/Detail-Tabellen reduzieren [Seite 49]
1.4.4 - Zusammenfassung [Seite 51]
1.5 - Kapitel 3:Mehrere Faktentabellen [Seite 53]
1.5.1 - Denormalisierte Faktentabellen [Seite 53]
1.5.2 - Dimensionsübergreifende Filterung [Seite 59]
1.5.3 - Mehrdeutigkeit von Modellen [Seite 61]
1.5.4 - Bestellungen und Rechnungen [Seite 64]
1.5.4.1 - Gesamtrechnungsbetrag für einen Kunden [Seite 69]
1.5.4.2 - Gesamtbetrag der Rechnungen für die ausgewählte Bestellung bzw. den ausgewählten Kunden [Seite 69]
1.5.4.3 - Betrag der in Rechnung gestellten Bestellungen [Seite 70]
1.5.5 - Zusammenfassung [Seite 73]
1.6 - Kapitel 4:Datum und Uhrzeit [Seite 75]
1.6.1 - Eine Datumsdimension erstellen [Seite 75]
1.6.2 - Automatische Zeitdimensionen [Seite 78]
1.6.2.1 - Automatische Zeitgruppierung in Excel [Seite 79]
1.6.2.2 - Automatische Zeitgruppierung in Power BI Desktop [Seite 80]
1.6.3 - Mehrere Datumsdimensionen [Seite 81]
1.6.4 - Umgang mit Datum und Uhrzeit [Seite 87]
1.6.5 - Zeitinformationsberechnungen [Seite 89]
1.6.6 - Geschäftskalender [Seite 91]
1.6.7 - Berechnungen mit Arbeitstagen [Seite 93]
1.6.7.1 - Arbeitstage in einer einzigen Region [Seite 93]
1.6.7.2 - Arbeitstage in mehreren Regionen [Seite 96]
1.6.8 - Besondere Zeiträume im Jahr [Seite 100]
1.6.8.1 - Sich nicht überlappende Zeiträume [Seite 101]
1.6.8.2 - Zeiträume relativ zu heute [Seite 102]
1.6.8.3 - Sich überlappende Zeiträume [Seite 105]
1.6.9 - Wochenkalender [Seite 106]
1.6.10 - Zusammenfassung [Seite 112]
1.7 - Kapitel 5:Historische Attribute [Seite 115]
1.7.1 - Einführung in langsam veränderliche Dimensionen [Seite 115]
1.7.2 - Langsam veränderliche Dimensionen verwenden [Seite 120]
1.7.3 - Langsam veränderliche Dimensionen laden [Seite 123]
1.7.3.1 - Die Granularität der Dimension korrigieren [Seite 126]
1.7.3.2 - Die Granularität der Faktentabelle korrigieren [Seite 129]
1.7.4 - Schnell veränderliche Dimensionen [Seite 130]
1.7.5 - Die richtige Modellierungstechnik wählen [Seite 133]
1.7.6 - Zusammenfassung [Seite 135]
1.8 - Kapitel 6:Snapshots [Seite 137]
1.8.1 - Einführung [Seite 137]
1.8.2 - Snapshots aggregieren [Seite 138]
1.8.3 - Abgeleitete Snapshots [Seite 144]
1.8.4 - Übergangsmatrizen [Seite 146]
1.8.5 - Zusammenfassung [Seite 152]
1.9 - Kapitel 7:Datums- und Zeitintervalle [Seite 155]
1.9.1 - Einführung in Zeitdaten [Seite 155]
1.9.2 - Aggregationen mit einfachen Intervallen [Seite 157]
1.9.3 - Datumsübergreifende Intervalle [Seite 159]
1.9.4 - Schichten und Zeitversatz modellieren [Seite 164]
1.9.5 - Laufende Ereignisse analysieren [Seite 165]
1.9.6 - Unterschiedliche Dauern vermischen [Seite 175]
1.9.7 - Zusammenfassung [Seite 180]
1.10 - Kapitel 8:m:n-Beziehungen [Seite 183]
1.10.1 - Einführung [Seite 183]
1.10.1.1 - Das bidirektionale Muster [Seite 184]
1.10.1.2 - Nicht additive Berechnungen [Seite 187]
1.10.2 - Kaskadierende m:n-Beziehungen [Seite 188]
1.10.3 - Zeitliche m:n-Beziehungen [Seite 191]
1.10.3.1 - Prozentuale Zuordnungsfaktoren [Seite 194]
1.10.3.2 - m:n-Beziehungen materialisieren [Seite 197]
1.10.4 - Die Faktentabelle als Brücke verwenden [Seite 198]
1.10.4.1 - Überlegungen zur Leistung [Seite 199]
1.10.5 - Zusammenfassung [Seite 201]
1.11 - Kapitel 9:Unterschiedliche Granularitäten [Seite 203]
1.11.1 - Einführung in Granularität [Seite 203]
1.11.2 - Beziehungen zwischen Tabellen unterschiedlicher Granularität [Seite 205]
1.11.2.1 - Vorhersagedaten analysieren [Seite 205]
1.11.2.2 - DAX-Code zum Verschieben von Filtern [Seite 208]
1.11.2.3 - Filterung über Beziehungen [Seite 210]
1.11.2.4 - Werte mit falscher Granularität ausblenden [Seite 212]
1.11.2.5 - Werte einer feineren Granularität mithilfe von Zuordnungsfaktoren berechnen [Seite 216]
1.11.3 - Zusammenfassung [Seite 217]
1.12 - Kapitek 10:Segmentierungsmodelle [Seite 219]
1.12.1 - Mehrspaltige Beziehungen [Seite 219]
1.12.2 - Statische Segmentierung [Seite 222]
1.12.3 - Dynamische Segmentierung [Seite 224]
1.12.4 - ABC-Analyse [Seite 226]
1.12.5 - Zusammenfassung [Seite 231]
1.13 - Kapitel 11:Währungsumrechnung [Seite 233]
1.13.1 - Die möglichen Situationen [Seite 233]
1.13.2 - Mehrere Quellwährungen, eine Berichtswährung [Seite 234]
1.13.3 - Eine Quellwährung, mehrere Berichtswährungen [Seite 238]
1.13.4 - Mehrere Quellwährungen, mehrere Berichtswährungen [Seite 243]
1.13.5 - Zusammenfassung [Seite 245]
1.14 - Anhang:Grundlagen der Datenmodellierung [Seite 247]
1.14.1 - Tabellen [Seite 247]
1.14.2 - Datentypen [Seite 249]
1.14.3 - Beziehungen [Seite 249]
1.14.4 - Filter und Kreuzfilter [Seite 250]
1.14.5 - Unterschiedliche Arten von Modellen [Seite 253]
1.14.5.1 - Sternschema [Seite 254]
1.14.5.2 - Schneeflockenschema [Seite 254]
1.14.5.3 - Modelle mit Brückentabellen [Seite 256]
1.14.6 - Additivität berechneter Felder [Seite 257]
1.14.6.1 - Additive berechnete Felder [Seite 257]
1.14.6.2 - Nicht additive berechnete Felder [Seite 257]
1.14.6.3 - Halbadditive berechnete Felder [Seite 258]
1.15 - Index [Seite 259]
2 - www.dpunkt.de [Seite 0]
3 - www.dpunkt.plus [Seite 0]