상품상세정보

데이터 시각화와 탐색 with POWER BI Power BI와 함께라면 데이터 시각화가 정말 쉬워진다

마경근 , 서주란 지음 | 영진닷컴 | 2020년 07월 31일 출간

ISBN 9788931463040

쪽수 576쪽

크기 187 * 257 * 29 mm 

※ 도서특징 ※

Power BI와 함께라면 데이터 시각화가 정말 쉬워진다

데이터 탐색과 시각화 WITH POWER BI

■ 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_꿀템

하루가 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.

※ 목 차 ※

PART 1 Power BI 기본

Chapter 01 Power BI 소개

1 Power BI 시작하기

2 Power BI 콘텐츠

데이터 세트

시각화

보고서

대시보드

3 Power BI 서비스

Power BI 로그인

Power BI 서비스 둘러보기

4 Power BI 라이선스

5 Power BI 참고

Custom Visual Gallery

Data Stories Gallery

Power BI Update

Power BI Community

Chapter 02 Power BI Desktop 시작하기

1 Power BI Desktop 설치

Power BI 시작 페이지에서 다운로드

2 Power BI Desktop 화면 구성

3 Power BI 옵션

옵션 설정

Chapter 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 가져오기

2 테이블과 필드 다루기

테이블 이름 바꾸기

테이블 삭제

필드 이름 바꾸기

열 삭제

데이터 형식 바꾸기

보고서 뷰에서 숨기기

데이터 정렬과 필터

3 데이터 새로 고침

4 데이터 원본 변경

5 파일 저장

Chapter 04 기본 쿼리 작업

1 파워 쿼리 편집기 시작하기

쿼리 편집기 실행과 닫기

파워 쿼리 편집기의 화면 구성

2 데이터 변환

첫 행 머리글로 사용

행/열 제거

값 채우기

값 바꾸기

데이터 형식 변경

날짜에서 월 추출

열 피벗 해제

쿼리 편집과 삭제

3 열 병합과 분리, 열 추가

열 병합

열 분리

추출

사용자 지정 열

조건 열

사용자 열

4 쿼리 닫기 및 적용

Chapter 05 데이터 모델링

1 관계 설정과 편집

로드하는 동안 자동 검색

자동 검색으로 관계 만들기

수동으로 관계 만들기

관계 편집

관계 석제

2 DAX 수식 작성

DAX 구문

기본 DAX 함수

3 계산 열

날짜 정보

매출 분석

4 측정값

총매출금액과 매출이익률

거래건수와 평균단가

5 열 기준 정렬

6 데이터 범주

위치 정보

7 데이터 그룹 설정

데이터 그룹

숫자 범주화

데이터 그룹 편집

Chapter 06 데이터 시각화

1 보고서 페이지 관리

페이지 관리

페이지 서식

2 시각적 개체 다루기

시각적 개체 추가

축 서식

데이터 색

데이터 레이블

제목 서식

상수선

3 시각적 개체 옵션

포커스 모드

데이터 내보내기

시각적 개체 복사, 붙여넣기

정렬

필터

4 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

행렬

5 상호 작용 편집

상호 작용

상호 작용 편집

PART 2 Power BI 활용

Chapter 07 파워 쿼리 편집기

1 파일 병합

CSV 파일 통합

Excel 파일 통합

2 쿼리 추가와 병합

쿼리 추가

쿼리 병합

3 쿼리 복제와 참조

복제

참조

4 행 그룹화

5 쿼리 새로 고침

Chapter 08 DAX 함수 활용

1 날짜 테이블

CALENDAR와 ADDCOLUMNS 함수

새 테이블 작성

2 측정값 관리

측정값 관리 테이블 작성

측정값 이동

3 빠른 수식 작성

중복 제거된 개수

총합계의 백분율

4 유용한 DAX 함수

IF, SWITCH

CALCULATOR, FILTER

SUMX

전월대비 증감률, 전년대비 증감률

당월 누계, 금년 누계

변수 사용

기간별 매출

구성 비율

ALL, ALLSELECT

5 빠른 측정값

6 DAX 참조, 빠른 측정 갤러리

Chapter 09 다양한 시각화

1 계층 구조

시각화 드릴모드

인라인 계층 구조 레이블

계층 구조 만들기

2 조건부 서식 설정

배경색 설정

데이터 막대 설정

아이콘 설정

글꼴색 설정

사용자 지정 조건부 서식

조건부 서식 제거

3 시각화

슬라이서

상대 날짜 슬라이서

슬라이서 동기화

계기 차트

KPI

폭포 차트

분산형 차트

4 새 매개 변수

5 사용자 지정 시각적 개체

마켓플레이스에서 가져오기

파일에서 가져오기

사용자 지정 시각적 개체 삭제

마켓플레이스에서 다운받기

유용한 사용자 지정 시각적 개체 활용

Chapter 10 다양한 Map 시각화

1 Power BI 맵 시각적 개체

맵

등치 지역도

도형 맵

ArcGIS

2 맵 시각화를 위한 Tip

지리적 필드 재분류

둘 이상의 위치 열

위도 및 경도 사용

전체 위치 정보는 장소 범주 사용

3 등치 지역도

4 도형 맵

5 ArcGIS

Chapter 11 보고서 관리

1 필터

새 필터 환경

시각적 개체 필터

페이지 필터와 모든 페이지 필터

상대 날짜 필터

드릴스루 필터

2 보고서 도구 설명

도구 설명

보고서 도구 설명 페이지

다중 보고서 도구 설명 페이지

3 보고서 테마

테마 전환

테마 갤러리에서 다운받기

4 책갈피

책갈피 추가

책갈피 단추 추가

Chapter 12 Power BI 서비스

1 Power BI 서비스 살펴보기

Power BI 서비스에 로그인

Power BI 서비스 화면 구성

데이터 가져오기

보고서

대시보드

데이터에 대해 질문하기

2 보고서 게시와 공유

Power BI 서비스에 보고서 게시

매출현황 대시보드 구성

보고서 공유

보고서 공유 해제

웹에 게시

3 보고서 내보내기

4 데이터 새로 고침

PART 3 혼밥족들이 살고 싶은 곳은?

Chapter 01 분석 개요

1 분석 배경

2 분석 절차

3 학습 내용

4 분석 특징 및 한계

Chapter 02 문제 정의

1 세대 형태의 변화

2 1인 시대 주 거주 지역

3 1인 세대 특성별 선호 지역

Chapter 03 데이터 수집

1 ‘세대원별 세대수’ 데이터 수집

2 ‘인구이동 통계’ 데이터 수집

Chapter 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 합치기

2 ‘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 그룹화

3 ‘행정구역 코드’ 데이터 전처리

데이터 불러오기

행정구역 코드 정리하기

4 닫기 및 적용

Chapter 05 세대 형태의 변화 분석

1 세대수 변화 시각화

세대수 합계 열 추가

세대수 변화 시각화

2 세대 형태의 변화 시각화

세대원별 세대수 변화 추이 시각화

세대원별 세대수 분포 변화 시각화

3 세대 형태의 변화 탐색

Chapter 06 1인 세대 주 거주 지역 분석

1 테이블 관계 설정

2 1인 세대 많은 지역 시각화

페이지 수준 필터 설정

1인 세대 많은 지역 시각화

3 1인 세대 비율 높은 지역 시각화

1인 세대 비율 열 추가

1인 세대 비율 높은 지역 시각화

4 도형 맵으로 1인 세대 시각화

도형 맵 설치

행정구역 코드 변경

도형 맵을 이용한 데이터 시각화

5 1인 세대 주 거주지역 탐색

Chapter 07 세대 형태의 변화 분석

1 테이블 복제 및 관계 설정

2 1인 세대 선호 지역 시각화(전국)

성/연령/사유별 분포

전출지 분포

성별 전입지 분포

3 1인 세대의 거주지 이동(서울)

페이지 수준 필터 설정

성별/연령대별 세대 수

거주지 이동 사유

거주지 이동 시기

거주지 이동 지역 시각화

4 1인 세대 특성별 선호 지역 탐색

전국 단위 탐색

서울 지역 단위 탐색

Chapter 08 분석 결과 정리

PART 4 서울의 미세먼지 탈탈 털어보자!

Chapter 01 분석 개요

1 분석 배경

2 분석 절차

3 학습 내용

4 분석의 특징 및 한계

5 미세먼지의 이해

미세먼지의 개념

미세먼지의 기준 및 예보

Chapter 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 데이터

2 미세먼지 측정소 데이터

3 기후 관련 데이터

Chapter 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 적용

2 기후 데이터

데이터 불러오기

데이터 구조 확인

파워 쿼리 편집기 열기

풍향명 열 추가

불필요한 열 제거

닫기 및 적용

3 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 적용

Chapter 05 미세먼지(PM-10)와 미세먼지(PM-25)의 상관관계

1 상관분석의 이해

2 미세먼지의 상관관계 시각화(꺾은선형차트)

3 미세먼지의 상관관계 시각화(분산형 차트)

4 미세먼지의 상관계수 계산

5 측정일 슬라이서 배치

6 미세먼지의 상관관계 탐색

연간 상관관계

시기별 상관관계

Chapter 06 미세먼지는 계속 나빠지고 있을까?

1 데이터 불러오기

데이터 불러오기

데이터 구조 확인

2 연 평균값 변화 추이 시각화

3 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 시각화

4 미세먼지 농도 추이 탐색

연 평균값 변화 추이 탐색

일 평균값 기준 초과 건수 탐색

Chapter 07 기후 요소는 미세먼지에 어떤 영향을 끼칠까?

1 미세먼지 테이블과 기후 테이블의 관계 설정

2 히스토그램 차트 설치

히스토그램의 이해

히스토그램 차트 설치

3 기온과 미세먼지의 관계 시각화

기온 데이터 분포 형태

기온과 미세먼지의 관계

4 습도와 미세먼지의 관계 시각화

습도 데이터 분포 형태

습도와 미세먼지의 관계

5 풍속과 미세먼지의 관계 시각화

풍속 데이터 분포 형태

풍속과 미세먼지의 관계

6 풍향과 미세먼지의 관계 시각화

풍향 데이터 분포 형태

풍향과 미세먼지의 관계

7 기후 요소와 미세먼지와의 관계 탐색

Chapter 08 내가 사는 동네의 미세먼지 농도는?

1 미세먼지 테이블과 측정소 위치 테이블 관계 설정

2 막대형 차트로 지역별 미세먼지 확인

3 도형 맵으로 지역별 차이 확인

4 지역별 미세먼지 탐색

미세먼지(PM-10) 농도 탐색

미세먼지(PM-2.5) 농도 탐색

PART 5 직장 그만두고 카페나 차려볼까?

Chapter 01 분석 개요

1 분석 배경

2 분석 절차

3 학습 내용

4 분석 특징 및 한계

Chapter 02 문제 정의

1 창업 및 폐업 추이

2 폐업률과 생존 기간

3 카페 규모와 생존 기간의 관계

4 유명 브랜드 카페

5 카페 과밀 지역

Chapter 03 데이터 수집

1 인허가 신고 데이터

2 서울시 생활인구 데이터

Chapter 04 데이터 전처리(인허가 신고 데이터)

1 데이터 구조 확인

2 분석에 필요한 범위 추출

서울시 지역 범위 추출

카페 업태 항목 추출

불필요한 항목 삭제

CSV 형태로 저장

3 공간정보 전처리

QGIS 설치

파일 불러오기

행정도 열 추가

좌표계 변경

행정동별 면적 열 생성

4 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 결과

Chapter 05 데이터 전처리(행정구역/생활인구)

1 행정구역 데이터

데이터 불러오기

행정구역명 분리

코드 변환

불필요한 열 삭제

2 생활인구 데이터

데이터 불러오기

20대~40대 합계 열 생성

카페 이용 시간대 추출

불필요한 열 삭제 및 테이블명 변경

3 닫기 및 적용

Chapter 06 창업 및 폐업 추이 분석

1 날짜 테이블 생성 및 관계 설정

날짜 테이블 생성

날짜 테이블 관계 설정

2 연도별 창업 및 폐업 건수 시각화

창업 건수 열 생성

폐업 건수 열 생성

창업 및 폐업 건수

3 연도별 운영 카페의 수 시각화

창업 누적 건수 집계

폐업 누적 건수 집계

연도별 운영 카페의 수

창업 및 폐업 추이 탐색

Chapter 07 폐업률과 생존 기간 분석

1 연도별 폐업률 시각화

폐업률 정의

측정값 생성

연도별 폐업률

2 생존 기간 분포 시각화

영업 기간 단위 변경

생존 기간 분포

3 폐업률과 생존 기간 탐색

Chapter 08 카폐 규모와 생존 기간 관계 분석

1 면적 단위 변경

2 규모별 분포 시각화

3 연도별 규모 변화 추이 시각화

4 규모와 생존 기간 관계 시각화

5 면적과 생존 기간 탐색

Chapter 09 유명 브랜드 카페 분석

1 카페 브랜드 열 생성

대문자 열 생성

브랜드 열 생성

2 브랜드 카페의 시장 점유 현황 시각화

기타 브랜드를 포함한 시장 점유 현황

기타 브랜드를 제외한 시장 점유 현황

3 브랜드 카페 지역별 분포 시각화

Mapbox Visual 개체 설치

브랜드 카페의 지역별 분포

4 브랜드 카페의 창업 및 폐업 추이 시각화

브랜드 카폐 창업 추이

브랜드 카폐 폐업 추이

5 유명 브랜드 카페 탐색

Chapter 10 카페 과밀 지역 분석

1 지역별 카페 분포 시각화

테이블 관계 설정

자치구별 카페 분포

행정동별 카페 분포

2 카페 수요층 밀집 지역 시각화

테이블 관계 설정

카페 수요층이 많은 행정동

카페 수요층 밀도가 높은 행정동

3 카페 과밀 지역 시각화

수요층 대비 카페의 수

생활인구 밀도 대비 카페 밀집 지역

4 카페 과밀 지역 탐색

Chapter 11 분석 결과 정리

※ 출판사 서평 ※

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.