新書推薦：
《
中国漆艺技法全书：工艺原理与基础技法
》
售價：NT$
822.0
《
晋朝的死结
》
售價：NT$
458.0
《
文明的冲突：东西方文明的第一次交锋（第2版）
》
售價：NT$
374.0
《
神经形态光子学 Neuromorphic Photonics
》
售價：NT$
879.0
《
困顿与超越 ： 心理学家的逆境人生与智慧指引
》
售價：NT$
307.0
《
Web3时代的AI战略：构建BASICs框架，引领企业数字化转型
》
售價：NT$
411.0
《
一岁一喜欢
》
售價：NT$
223.0
《
巨浪：生成式AI的史诗与现实
》
售價：NT$
416.0
|
| 內容簡介： |
|
本教材是一部适合高职院校学生学习Power BI软件应用的基础性实操课程，对于初学者来说通俗易懂，易于掌握。全书分为Power BI软件介绍、数据获取整理、DAX函数应用、模型构建与数据可视化、报表智能可视化分析、资产负债表、利润表和现金流量表的水平与垂直分析八大项目。每个项目设有教学导航，包括知识目标、能力目标、素养目标、推荐教学方式四个指标供学生和教师参考，且书中包含大量数据图表等辅助学生理解所学内容。书中案例选取国内新能源汽车锂电池企业和白酒企业进行案例分析，通俗易懂，便于理解。
|
| 關於作者： |
|
陈亮，深圳信息职业技术学院财经学院大数据与会计专业副教授、高级互联网金融师、1 X财务服务共享高级证书获得者，在《金融经济学研究》《财贸研究》等核心期刊发表学术论文30余篇，出版学术专著2部，参加2021年广东省高等职业院校教师教学能力大赛获得一等奖，指导学生参加2021年广东省税务技能比赛获得一等奖，指导学生参加广东省数学建模大赛获得本科组三等奖。张立军，深圳信息职业技术学院财经学院院长，公开出版《大数据财务分析》等教材多部，指导学生获得技能大赛一等奖多项，主持参与各类教科研项目多项，公开发表学术论文数篇。刘顺姬，深圳信息职业技术学院财经学院大数据与会计专业讲师，深圳信息职业技术学院“卓越双师”校级培养对象，带学生技能比赛获得省一等奖多项，参与多项教科研项目。
|
| 目錄：
|
项目一 大数据理论内涵、财务报表分析概述与 Power BI 软件介绍
任务一 大数据理论内涵
子任务一 大数据的定义与特征
子任务二 大数据的分析方法与技术分类
任务二 财务报表分析概述
子任务一 资产负债表的内涵与结构
子任务二 利润表的内涵与结构
子任务三 现金流量表的内涵与结构
任务三 Power BI 软件介绍、 Power BI Desktop 安装与实操界面
子任务一 PowerBI软件介绍
子任务二 PowerBIDesktop安装与账号注册
子任务三 PowerBIDesktop实操界面
知识梳理与总结
思考题一
实训题一
项目二 Power BI Desktop 数据获取与整理
任务一 Power BI Desktop 数据获取
子任务一 从文件导入数据
子任务二 从文件夹导入数据
子任务三 从数据库导入数据
子任务四 从网页导入数据
任务二 Power BI 数据整理
子任务一 PowerQuery编辑器及其介绍
子任务二 PowerQuery中数据的行、列操作和筛选
子任务三 PowerQuery中数据类型与格式的转换
子任务四 PowerQuery中数据的拆分、提取和合并
子任务五 PowerQuery中数据的转置与反转
子任务六 PowerQuery中数据的透视与逆透视
知识梳理与总结
思考题二
实训题二
项目三 DAX 函数及其应用
任务一 DAX 函数语法解析、运算符号与基础函数
子任务一 DAX函数语法解析与运算符号
子任务二 DAX常用的基础函数
任务二 上下文解析、CALCULATE 函数与筛选器函数
子任务一 上下文解析
子任务二 CALCULATE函数
子任务三 筛选器函数
任务三 时间智能函数
子任务一 时间智能函数简介
子任务二 时间智能函数应用
任务四 其他常用函数语法
知识梳理与总结
思考题三
实训题三
项目四 Power BI 关系模型构建与报表数据可视化
任务一 Power BI 关系模型构建
任务二 Power BI 报表数据可视化
子任务一 PowerBI报表可视化设计概述
子任务二 比较类图表
子任务三 时间类图表
子任务四 结构类图表
子任务五 流向类图表
子任务六 相关类图表
子任务七 单值类图表
子任务八 其他类图表
任务三 Power BI 智能可视化报表美化
子任务一 背景设置
子任务二 设置数据标签
子任务三 设置图例
子任务四 设置标题
子任务五 设置坐标轴
子任务六 设置编辑交互
知识梳理与总结
思考题四
实训题四
项目五 Power BI 上市公司财务报表数据智能可视化分析
任务一 上市公司数据获取、整理与建模
子任务一 获取与整理单一上市公司财务报表年度EXCEL数据
子任务二 PowerBI单一上市公司财务报表年度数据导入、整理与建模
子任务三 获取与整理多家上市公司财务报表季度EXCEL数据
子任务四 PowerBI多家上市公司财务报表季度数据导入、整理与建模
任务二 Power BI 上市公司资产负债表数据智能可视化分析
子任务一 PowerBI单一上市公司资产负债表数据智能可视化分析
子任务二 PowerBI多家上市公司资产负债表数据智能可视化分析
任务三 Power BI 上市公司利润表数据智能可视化分析
子任务一 PowerBI单一上市公司利润表数据智能可视化分析
子任务二 PowerBI多家上市公司利润表数据智能可视化分析
任务四 Power BI 上市公司现金流量表数据智能可视化分析
子任务一 PowerBI单一上市公司现金流量表数据智能可视化分析
子任务二 PowerBI多家上市公司现金流量表数据智能可视化分析
任务五 Power BI 上市公司偿债能力智能可视化分析
子任务一 PowerBI单一上市公司偿债能力指标数据智能可视化分析
子任务二 PowerBI多家上市公司偿债能力指标数据智能可视化分析
任务六 Power BI 上市公司营运能力智能可视化分析
子任务一 PowerBI单一上市公司营运能力指标数据智能可视化分析
子任务二 PowerBI多家上市公司营运能力指标数据智能可视化分析
任务七 Power BI 上市公司盈利能力智能可视化分析
子任务一 PowerBI单一上市公司盈利能力指标数据智能可视化分析
子任务二 PowerBI多家上市公司盈利能力指标数据智能可视化分析
任务八 Power BI 上市公司杜邦财务体系智能可视化分析
知识梳理与总结
思考题五
实训题五
项目六 Power BI 上市公司资产负债表水平与垂直分析
任务一 Power BI 上市公司资产负债表数据获取、整理与建模
任务二 上市公司资产负债表水平分析
子任务一 PowerBI编制上市公司资产负债表水平分析表
子任务二 EXCEL编制上市公司资产负债表水平分析表
子任务三 从投资或资产视角进行分析评价
子任务四 从筹资或权益视角进行分析评价
任务三 上市公司资产负债表垂直分析
子任务一 PowerBI编制上市公司资产负债表垂直分析表
子任务二 EXCEL编制上市公司资产负债表垂直分析表
子任务三 从资产结构视角进行分析评价
子任务四 从资本结构进视角行分析评价
子任务五 从资产负债表整体结构视角进行分析评价
知识梳理与总结
思考题六
实训题六
项目七 Power BI 上市公司利润表水平与垂直分析
任务一 Power BI 上市公司利润表数据获取、整理与建模
任务二 上市公司利润表水平分析
子任务一 PowerBI编制利润表水平分析表
子任务二 EXCEL编制利润表水平分析表
子任务三 从净利润、利润总额与营业利润视角进行水平分析评价
任务三 上市公司利润表垂直分析
子任务一 PowerBI编制利润表垂直分析表
子任务二 EXCEL编制利润表垂直分析表
子任务三 从净利润、利润总额、营业利润及其整体视角进行垂直
分析评价
知识梳理与总结
思考题七
实训题七
项目八 Power BI 上市公司现金流量表水平与垂直分析
任务一 Power BI 上市公司现金流量表数据获取、整理与建模
任务二 上市公司现金流量表水平分析
子任务一 PowerBI编制现金流量表水平分析表
子任务二 EXCEL编制现金流量表水平分析表
子任务三 从经营、投资与筹资活动视角对上市公司现金流量表进水平分析
任务三 上市公司现金流量表垂直分析
子任务一 PowerBI编制现金流量表垂直分析表
子任务二 EXCEL编制现金流量表垂直分析表
子任务三 从现金流入结构视角进行分析评价
子任务四 从现金流出结构视角进行分析评价
知识梳理与总结
思考题八
实训题八
参考文献
|
| 內容試閱：
|
一、 大数据的定义
“大智移云”的时代背景下，我们对大数据的认知并不陌生，但是当我们要对大数据给出一个比较科学的解释却并不容易，这是因为大数据本身就是一个比较抽象的概念，单从字面理解，就是在数据规模上，大数据比传统数据要更加庞大，但是多庞大才是大数据呢? 并没有给出一个科学的标准。因此，仅从数量上认知大数据是不全面的，也无法将它与传统的海量数据、超大规模数据等概念区分开。针对大数据的定义，目前国际上主要从两个方面进行论述:一方面是从技术维度，主要从大数据的采集、存储和应用过程进行分析;另一方面是从价值维度，主要从大数据的潜在价值和被挖掘的可能性进行分析。大数据技术是指利用非常规软、硬件工具对大量复杂数据进行处理，以获得分析预测结果的数据处理技术。大数据通常包括数据采集、存储、分析和应用等相关技术。
全球知名的管理咨询公司麦肯锡 (McKinsey)认为:“大数据是一种数据聚合，其数据容量超过了传统数据技术获取、存储、处理和应用的能力”。这个定义整体给人感觉是主观性较强。它只定义了一个多大的数据容量才能被称为是大数据。也许现在我们可以将容量超过某一特定TB的数据集称为大数据。但随着科学技术的发展，大数据的标准也将发生变化，只会越来越大。
全球最具权威的IT研究与顾问咨询公司高德纳 (Gartner)认为: “大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产”。它定义了大数据是超出正常处理范围和大小，用户不得不采用非传统方法来处理这些数据集。
全球知名的信息存储科技公司易安信 (EMC))认为:“大数据可以看作是一个描述性的术语，它可以用来描述结构复杂且呈指数增长的数据集。这种数据群不能被关系数据库分析和处理。它代表了各种数据 (其中大多数是非结构化的)的永无止境的累积。因此，无论是TB数量级还是PB数量级，即使数据的准确量更多，也不如最终的数据使用结果重要。易安信对大数据的定义强调数据的价值，也就是说，大数据的本质不在于数据的巨大，而在于数据背后隐藏的价值”。
百度百科定义:“大数据或称巨量资料，指的是所涉及的资料数量规模巨大到无法透过主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯”。
维基百科定义:“表面上，大数据指的是大量的数据收集。实际上，从技术角度来看，它是指使用常用的硬件和软件工具获取和分析数据所需的时间超过可接受时间的数据集”。这是一个非常容错的定义，既不限制常用软件的范围，也不提出容错时间的标准。
大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的 “加工能力”，通过 “加工”实现数据的 “增值”。大数据不仅具有技术的自然属性和社会属性，而且还具有价值属性。自然界的三个要素是物质、能量和信息，数据本身属于一种信息，它是人们在计算机网络和各种电子终端上留下的印记。数据本身是客观存在，具有自然属性。大数据的出现是时代的产物，是社会自动化发展的结果，大数据的发展受到政治、经济、文化等诸多社会因素的制约，具有社会属性。同时，大数据导致的数据安全和隐私泄露问题也引起了广泛关注，大数据本身就承载着价值属性。
二、 大数据的特征
关于大数据的特征，目前业界与学术界普遍认可大数据的特征总结起来就是具有“V”特征:一是准确性 (Veracity)。这是一个在讨论大数据时时常被忽略的一个属性，部分原因是这个属性相对来说比较新，尽管它与其他的属性同样重要。这是一个与数据是否可靠相关的属性，也就是那些在数据科学流程中会被用于决策的数据 (而这不同于与传统的数据分析流程)，精确性与信噪比 (signal-to-noiseratio)有关。例如，在大数据中发现哪些数据对商业是真正有效的，这在信息理论中是个十分重要的概念。由于并不是所有的数据源都具有相等的可靠性，在这个过程中，大数据的精确性会趋于变化，如何增加可用数据的精确性是大数据的主要挑战。
二是高速度 (Velocity)。大数据是在运动着的，通常处于很高的传输速度之下。它经常被认为是数据流，而数据流通常是很难被归档的 (考虑到有限的网络存储空间，单单高速度就已经是一个巨大的问题)。这就是为什么只能收集到数据其中的某些部分。如果我们有能力收集数据的全部，长时间存储大量数据也会显得非常昂贵，所以周期性的收集数据遗弃一部分数据以节省空间，仅保留数据摘要 (如平均值和方差)。这个问题在未来会显得更为严重，因为越来越多的数据正以越来越快的速度所产生。
三是体量大 (Volume)。大数据由大量数据组成，从几个TB到
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
