老施用數字說故事

在課堂上解釋關聯式資料庫時，我舉出關聯式資料庫最重要的兩個好處 : 1. 減少資料庫大小以加快運算速度 2. 減少人為輸入機會以減少人為錯誤。 但仍然有學員在下課空檔拿自己公司的資料來詢問 : 如果目前的資料結構已經相當完整，資料量也還不到需要縮減資料量才能正常運作的大小，是否就不需要做成關聯式資料庫的形式呢 ? 我的答案是 " 看需求而定，可以不用但做了會更好 " 。其實我在最一開始使用 Power BI 時也有這種疑問，因為我其實跟這位學員一樣，即使沒有做成關聯式資料庫，我的資料結構也已經夠完整了。但評估了幾個面向後，最後還是決定花點時間調整成關聯式資料庫的結構。除了上面已經提到的兩點外，下面再分享幾個重點讓各位可以自行評估。 一、是否有 " 有價值 " 的額外資訊可以加入分析 ? 例如在 " 日期維度表 " 中，可以加入財務年 / 季等資訊。在 " 業務維度表 " 中，我可以加上每位業務的所屬分店 / 地區，他的到職日 / 年資 … 等資訊。 二、需分析的資料庫的規模數量有多大 有的公司分工細，每位員工只需要負責單一報表，對這點可能沒什麼感覺。但如果你需要負責較多或較廣的資料面向時，可能會遇到以下的狀況 : 多個明細資料表 共用同個維度資料表，可避免重複工作 從圖中我們可以看到，時常會有不同的報表但有著相同的維度資料。這時如果有一個專屬的維度資料表，一來可以讓各報表共用，省下重複做的力氣外；二來在新增 / 更動維度表中的相關資料時，有統一的維度資料表會大大的降低維護資料所需的時間。 三、是否會有更複雜的資料表結構需要連結 ? 很多時候我們連結的資料表並非只有 " 單一明細資料表 (Fact table)" ；也可能需要連結兩個以上的明細表，或是還有延伸的維度明細表，這時關聯式資料庫就扮演了很重要的角色。 ( 在專業的說法，前者的結構稱為 " 星形結構 " Star schema ；後者的結構則稱為 " 雪花結構 " Snowflake schema 。以個人的實際經驗來說，其實後者出現的頻率比較高。 )

各位最近半個月如果有更新 Power BI 的話，一定會發現一個很大的不同 : 「介面的顏色變了 ! 」 雖然介面的顏色改變對操作使用上幾乎沒有影響，但卻是最讓人能夠第一時間感受到不同的地方。最近的 Power BI 除了介面有變之外，還有什麼好用的更新呢 ? 接下來在這邊跟各位分享最近幾個月比較重要的一些更新。 【 M language 介面更新】 2019 年 1 月開始， PBI 陸陸續續開始調整 M language 的編寫環境 "Advance editor" 。這讓過去很多對 M language 感到恐懼的使用者感到歡欣鼓舞。直到四月開始這些功能終於從 preview 階段進入正式階段了 ! 不管是用顏色來區別各種元件的屬性、或是直接跳出可選擇的項目，這些都能幫助使用者更快更方便的完成資料整理。    更方便清楚的M language編輯器 (in advance editor) 【 Power Query 的 資料分析功能 (Data Profiling enhancements) 】 你是否曾因為在 Power Query 中無法看到資料的完整面貌而困擾呢 ? 過去在 Power Query 裡，因為預設只能看到資料的前 999 筆資料。當後面的資料有問題時，我們通常無法第一時間知道 & 處理。導致常常資料分析到才發現有問題，必須再回頭去整理資料的情形。 在我個人的經驗中，反覆的回到 Power Query 中進行資料整理，是我在用 Power BI 分析資料時最浪費時間的一個狀況了。 有了 Data Profiling enhancement 的功能，我們可以在初步整理資料時就快速了解整筆資料的狀況，馬上針對可能需要處理的資料做進一步了解。 有了新的資料檢視功能，可以更快速了解整筆資料的健康狀況 【全新的 Model view ，方便管理過多的 table & measure 】 過去我在使用 Power BI 時，常常會覺得 table & measure 過多難以管理。我嘗試過許多方式、也參考了國外使用者的一些建議，但都覺得不太方便，直到二月的更新終於讓我解脫了。

「沒事千萬別更新啊 ! 」「每次一更新就會出問題」，類似這樣的說法不知道各位是否經常聽到 ? 在過去不論是討論到電腦軟體或是手機 APP ，我們總是對「更新」這件事情有著不太好的印象，像是介面被改得很不習慣、更新後的問題很多、甚至是原本免費的軟體在更新後就要開始收費等。因此包括我在內，很多人對於「軟體更新」的看法都是「能不更新就不更新」。 剛開始接觸 Power BI 的朋友們應該都會發現一件事 : Power BI 怎麼常常要我更新啊 ? 而且更新的連結總是把我導到 軟體下載頁面 ? 是要我整個軟體重新下載安裝嗎 ? 接下來就跟各位分享 PBI 讓我覺得最棒的一個部分 : 定期更新 ! 首先， Power BI 的更新確實需要重新下載整個安裝檔，但是在安裝時無需將原本的軟體解除安裝，只要直接安裝新下載的檔案即可。 再來，關於更新內容的部分，這也是這篇文章最主要想跟各位分享的 : Power BI 每次的更新都超有用 !!! 下面這張截圖，是 2018 年 12 月的更新內容。各位可以看到更新內容在整個畫面中，用條列式寫得滿滿的，有沒有很豐富的感覺 ? 基本上 PBI 從 2016 年開始，每個月的月中都會發布更新 ( 大約在 10~15 號左右 ) ，每一次的更新內容都是像這樣滿滿一整頁。除了文字解說外，微軟的開發人員也會錄製一段影片，針對每一個更新進行示範與解說，通常一個影片都要 30 分鐘左右才能講完所有更新內容。 你可能會想說，有些軟體的更新也是都寫一大堆字，問題是我每次更新都沒什麼感覺啊。這就要介紹一下 Power BI 的官方論壇了。前一篇文章在介紹 " 使用英文介面 " 時，曾經稍微提過 PBI 的官方論壇可以讓使用者提問 & 討論。但除此之外，其實還有一個很特別的區，叫做 "Power BI Idea" 。 在 Idea 區裡面的所有文章，都是 PBI 的使用者針對軟體使用上遇到的問題，提出 「 使用者希望的解決方法」 。在提出之後，所有使用者就會針對這個想法進行投票。並且微軟負責 Power BI 的開發者或 PM ，也會跳出來針對這個問題進行回覆。告訴大家這個想法是 可行 / 不可行；

我在上課前的通知，都會建議學員安裝英文版的 Power BI 有些學員會問，為什麼建議使用英文版的介面。是不是中文介面翻譯有問題 ? 還是中文版和英文版操作上會有什麼不同 ? 邊學邊用，方便搜尋資訊 為什麼建議使用英文介面? 我個人在Power BI 的學習與使用上，就像剛開始使用Excel時一樣，常常都是邊學邊用，隨著遇到的新問題，我會透過各種管道尋求解答。 Excel由於已經非常普遍被使用了，因此網路上的中文資訊量非常多，很容易能夠找到中文的解答。但由於 Power BI 還是個很新的產品，目前中文的資訊相當有限 ， 能搜尋到的大多是經過翻譯的微軟官方說明文件。官方說明僅有基本的說明資訊 ，且只有針對文字做翻譯，所有的說明圖片都還是英文的。 以我過去的經驗，大部分網路上有用的資訊，都 是由使用者所產生的，像是部落格文章、Youtube影片、論壇上的提問與解答等。目前這類資訊 都還是以英文為主，我個人在遇到問題的時候，基本上也都必須使用英文做搜尋。 然而因為翻譯的問題，很多時候中文介面的名稱並沒有辦法直接轉換成英文。舉例來說， " 交叉分析篩選器 " 就中文直翻的話，篩選器這個東西很多人會聯想到 "filter" 這個字，但事實上英文對應的名稱叫做 "Slicer" ( 如果您是用 "Power BI filter" 這樣的詞在網路上搜尋，會出現的通常會是 DAX 裡面的 filter 函式。 ) Google "power bi filter" 出現的前幾個結果，都是DAX中的filter函式 如同前面所說， PBI 還是個很新的產品，目前每個月也都會釋出一些優化的更新，再有經驗的使用者，也有可能會在使用上遇到問題。因此我認為在一開始就習慣使用英文介面，會讓後續遇到問題及查找資料上輕鬆許多。 方便自訂新量值/欄位 另外，不只是操作介面，我也建議大家在自訂新的量值(measure) 或 欄位(column)時，盡量也用英文來命名。原因有兩個: 1. 目前 Power BI在輸入中文時，如果是用微軟新注音，在還沒完成選字之前是看不到目前打的是什麼字的，這個時常造成我選字的困難。

很 多使用者在學習使用 Power BI 普遍會遇到的第一個問題，就是軟體的 " 名稱混淆 " 。 像是已經報名了 2018 年 9 月份 Power BI 商業分析實戰營 的學員，有些已經開始詢問 : " 我應該用哪個版本的 Excel 才能安裝 Power BI" 、 "Power BI 的版本不同會不會有影響 " 、 "Power Pivot 要安裝嗎 ? 還有沒有其他要安裝的 ?" 其實我自己在剛開始使用 Power BI 時，也因為同樣的問題受到困擾。我想就在這邊一次解釋清楚。 Power BI( 以下簡稱 PBI) 有兩種 : "Excel PBI" & "PBI Desktop" 簡單來說， Excel PBI 算是 PBI Desktop 的前身，由四個依附在 Excel 下的增益集所組成 : Power Pivot, Power Query, Power View, Power Map 。但由於 Excel PBI 的視覺化功能受到諸多限制，因此後來砍掉重練，才演變成 PBI Desktop 這個獨立的軟體。 所以兩者的差異 可以簡單的理解成 : Excel PBI 是 PBI 第一代， PBI Desktop 則是第二代。 PBI Desktop 是現在微軟主力推廣的一款 獨立於 Excel 並且 免費 的軟體。它保留下原本 Excel PBI 中的 Power Query & Power Pivot 兩部分 ( 資料匯入及整理 ) ，並重新開發視覺化報表。由於獨立於 Excel ，因此使用上並不會受到 Excel 的版本影響，甚至電腦上沒有安裝 Excel 照樣可以使用。 至於 PBI Desktop 的版本，目前官方 " 每個月 " 都會發佈PBI的更新，使用者可以很方便的從網站上下載更新。可能很多人會擔心版本差異造成檔案無法正常開啟。不過我到目前為止已經經歷過 10 多次的更新，使用上還不曾遇到過大問題 ， 頂多就是檔案中的新功能在舊版軟體無法顯示，只要把軟體更新就一切正常了 。

'You see, but you do not observe. The distincion is clear' Sherlock Holmes Quote -A Scandal in Bohemia 在這個充滿資訊與數據的時代，統計學的各種方法與原理，普遍的被使用在各種科學領域中 ，甚至我們說 "這整個世界" 是由統計學所建構出來的也不為過。(之前提到過一本 「統計，改變了世界」 也有提到類似的觀念) 像是我們常常看到網路上有大學/碩士生找網友幫忙填問卷 ，或者是餐廳用餐完後填寫的滿意度調查表，都是統計分析的一部分。(這裡暫時不討論那些隨便做的、無用的、錯誤的分析) 如果你是社會科學相關學系畢業的(像是心理學、社會學、或者像我是公共衛生學系)，或者是曾經接觸過統計學，又或者你曾經使用過spss、SAS或是R統計軟體，那你肯定更能理解我所說的。 不過以上所提到的所有方法，其實都只是研究方法中的一部份，我們稱之為量性研究(大部分的數據分析都屬於這部分)。那有量就有質， 然而質性研究則是許多人都忽略的一個重要項目，而這本書在我看來就是在跟讀者強調質性研究的重要性。 我還記得在讀碩士班的時候，我的老師曾經告訴我， 所有的量性研究都必須由質性研究開始 。這個觀念顛覆了當時我認為數據就是一切、就是證據、就是王道的想法。 質性與量性研究，像是天平的兩邊，應該是互補的 其實質性研究跟量性研究應該是相輔相成的。質性研究用來尋找問題，量性研究用來尋找答案，這兩者缺一不可。 然而現在我們常常還沒有尋找問題，就開始想要找答案。這樣的邏輯雖然看起來很荒謬，但我認為這正反映了一個狀況: "數據的取得過於容易，但人的思考並沒有更加進步"。 我想這也是作者在這個Big data的潮流在世界上盛行時，特地丟出小數據(small data)這個概念的用意。 不論是大數據或小數據，資訊背後的解讀永遠是通往真理的關鍵 開頭的引言，是福爾摩斯對華生說的話，我覺得很適合放在這篇心得文的開頭。這段文字出自"波希米亞醜聞"中，當時福爾摩斯面對久久未見面的華生，一瞬間就推測出了華生最近的生活狀況。華生在驚訝之餘，也詢問福爾摩斯是如何