복잡하고 이해하기 힘든 데이터를 Power BI로 시각화해 보자
데이터 탐색과 시각화 WITH POWER BI 2nd
가장 최신의 데이터를 바탕으로, Power BI와 함께하는 슬기로운 데이터 생활
Power BI와 함께라면 데이터 시각화가 정말 쉬워진다!
비전공자도 OK! 복잡한 코딩은 No Thanks! 데이터 속에 숨어 있는 인사이트를 찾아보자!

이 책은 Power BI를 이용하여 로우데이터를 입맛에 맞게 가공하고 시각적 개체로 데이터를 시각화하며, 조건에 따른 시각적 개체의 변화를 통해 데이터를 제대로 활용할 수 있는 방법을 매우 쉽게 소개하고 있다. 가장 최신의 데이터를 예제로 활용하기 때문에 IT 전공자나 데이터 분석 경험이 없더라도 책의 내용을 따라하다 보면 자연스럽게 필요한 기능을 자신의 것으로 만들 수 있을 것이다.

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 본다. PART 04에서는 우리 사회의 중요한 문제로 떠오르는 미세먼지에 관련된 일상의 궁금증을 시각화해 보고, PART 05에서는 카페 창업에 관심이 있는 사람들이라면 반드시 알아야 하는 내용(폐업률, 생존 기간 등)을 탐색해보는 시간을 갖는다. 마지막으로 PART 06에서는 코스피와 코스닥 지수를 분석해보고, 실시간 모니터링이 가능한 대시보드를 구성하는 방법을 소개한다.

[이론편]

PART 01 Power BI 기본

Chapter 01 Power BI 살펴보기
01 Power BI란?
02 Power BI 제품
03 Power BI 작업 흐름
04 Power BI Desktop이란?
05 Power BI 서비스란?
06 Power BI 콘텐츠
데이터 세트
시각화
보고서
대시보드
07 Power BI 라이선스
08 Power BI 참고
Custom Visual Gallery
Data Stories Gallery
Power BI Update
Power BI Community
Chapter 02 Power BI Desktop 시작하기
01 Power BI Desktop 다운로드
Microsoft Store에서 앱으로 설치
Power BI Desktop 직접 다운로드
Power BI Desktop 시작하기
02 Power BI Desktop 화면 구성
03 Power BI 옵션
옵션 설정
Chapter 03 데이터 가져오기
01 데이터 가져오기
Excel 데이터 가져오기
텍스트/CSV 데이터 가져오기
웹 데이터 가져오기
SQL Server에서 가져오기
Excel 파워 쿼리, 파워 피벗 가져오기
02 테이블과 필드 다루기
데이터 보기 화면 구성
테이블 이름 바꾸기
테이블 삭제
열(필드) 이름 바꾸기
열(필드) 삭제
데이터 형식 바꾸기
보고서 뷰에서 숨기기
데이터 정렬과 필터
03 데이터 새로 고침
04 데이터 원본 변경
05 파일 저장
Chapter 04 파워 쿼리 편집기 다루기
01 파워 쿼리 편집기 시작하기
쿼리 편집기 실행과 닫기
파워 쿼리 편집기 화면 구성
02 데이터 변환
첫 행을 머리글로 사용
행/열 제거
값 채우기
값 바꾸기
데이터 형식 변경
날짜에서 월 추출
열 피벗 해제
쿼리 편집과 삭제
03 열 병합과 분리, 열 추가
열 병합
열 분할
추출
사용자 지정 열
조건 열
예제의 열
쿼리 닫기 및 적용
Chapter 05 데이터 모델링
01 테이블 구조
팩트(Fact) 테이블과 차원(Dimension) 테이블
기본 키와 외래 키
관계 설정(Relationship)
02 관계 설정과 편집
로드하는 동안 자동 검색
자동 검색으로 관계 만들기
수동으로 관계 만들기
관계 편집
관계 속성
관계 삭제
03 DAX 수식 작성
DAX 구문
DAX 연산자
DAX 함수
04 계산 열
날짜 정보
매출 분석
05 측정값
총매출금액과 매출이익률
총수량, 거래건수와 평균매출
시각화
06 열 기준 정렬
07 데이터 범주
위치 정보
08 데이터 그룹 설정
데이터 그룹
숫자 범주화
데이터 그룹 편집
Chapter 06 데이터 시각화
01 보고서 페이지 관리
새 페이지 추가
페이지 복사
페이지 숨기기
페이지 삭제
페이지 서식 변경하기
02 시각적 개체 다루기
시각적 개체 추가
시각적 개체 서식 지정
축 서식
데이터 색
데이터 레이블
제목 서식
시각적 개체에 추가 분석 추가
03 시각적 개체 옵션
포커스 모드
데이터 내보내기
시각적 개체 복사, 붙여넣기
정렬
필터
04 보고서 작성하기
데이터 시각화 기법
텍스트 상자, 셰이프, 이미지
묶은 가로 막대형 차트
도넛형 차트
꺾은선형 차트
꺾은선형 및 누적 세로 막대형 차트
카드
맵(Map)
슬라이서
목록, 드롭다운 슬라이서
날짜 슬라이서
반응형 슬라이서
슬라이서 복사
트리맵(Treemap)
테이블
행렬
05 상호 작용
상호 작용
상호 작용 편집

PART 02 Power BI 활용

Chapter 07 파워 쿼리 편집기 활용
01 파일 결합
CSV 파일 결합
Excel 파일 결합
02 쿼리 추가와 결합
쿼리 추가
쿼리 병합
03 쿼리 복제와 참조
복제
참조
로드 사용 해제
04 행 그룹화
05 쿼리 새로 고침
Chapter 08 DAX 함수 활용
01 날짜 테이블 만들기
CALENDAR와 ADDCOLUMNS 함수
날짜 테이블 만들기
02 측정값 관리
새 테이블 만들기
측정값 이동
03 유용한 DAX 함수
IF, SWITCH
CALCULATE, FILTER
SUMX
전월대비 증감률, 전년대비 증감률
월간 누계, 연간 누계
변수를 사용하여 수식 향상
기간별 매출
ALL, ALLSELECTED
구성비, 비율 계산하기
04 빠른 측정값
05 DAX 참조, 빠른 측정 갤러리
Chapter 09 다양한 시각화
01 계층 구조
시각화 드릴 모드
인라인 계층 구조 레이블
계층 구조 만들기
02 조건부 서식
데이터 막대 설정
배경색 설정
글꼴색 설정
아이콘 설정
사용자 지정 조건부 서식
조건부 서식 제거
03 스파크라인
스파크라인 추가
스파크라인 편집
04 다양한 시각화
슬라이서
계기 차트
KPI
분산형 차트
폭포 차트
분해 트리
스마트 설명
질문과 답변(Q&A)
05 새 매개 변수
숫자 범위 매개 변수
필드 매개 변수
06 더 많은 시각적 개체 가져오기
AppSource에서 가져오기
파일에서 가져오기
시각적 개체 삭제
AppSource에서 다운받기
유용한 시각적 개체 활용
Chapter 10 다양한 맵 시각화
01 Power BI 맵 시각적 개체
맵
등치 지역도
도형 맵
ArcGIS
02 맵 시각화를 위한 Tip
지리적 필드 재분류
위도 및 경도 사용
전체 위치 정보는 장소 범주 사용
03 등치 지역도
04 도형 맵
05 ArcGIS
Chapter 11 보고서 관리
01 필터
필터 환경
시각적 개체 필터
페이지 필터와 모든 페이지 필터
상대 날짜 필터
드릴스루 필터
02 보고서 도구 설명
도구 설명
보고서 도구 설명 페이지
다중 보고서 도구 설명 페이지 만들기
03 보고서 테마
테마 전환
테마 갤러리에서 다운받기
04 페이지 탐색 단추 만들기
페이지 탐색기 추가하기
도형에 탐색할 페이지 연결하기
05 책갈피 만들기
책갈피 추가하기
책갈피 단추 추가하기
선택 창
책갈피 단추로 시각적 개체 표시하기
Chapter 12 Power BI
01 Power BI 서비스 살펴보기
Power BI 서비스에 로그인
Power BI 서비스 화면 구성
데이터 가져오기
보고서
보고서 자동 생성
새 보고서 만들기
대시보드
데이터에 대해 질문하기
02 보고서 게시와 공유
Power BI 서비스에 보고서 게시
매출현황 대시보드 구성
보고서 공유
보고서 공유 해제
웹에 게시
03 보고서 내보내기
Powerpoint로 이미지 내보내기
Powerpoint로 데이터 포함하여 내보내기
04 데이터 새로 고침

[실전편]

PART 03 혼밥족들이 살고 싶은 곳은?

Chapter 01 분석 개요
01 분석 배경
02 분석 절차
03 분석 특징 및 한계
Chapter 02 문제 정의
01 세대 형태의 변화
02 1인 시대 주 거주 지역
03 1인 세대 특성별 선호 지역
Chapter 03 데이터 수집
01 ‘세대원별 세대수’ 데이터 수집
02 ‘인구이동 통계’ 데이터 수집
Chapter 04 데이터 전처리
01 세대원별 세대수 데이터
데이터 구조 파악
데이터 가져오기
행정구역 분할 및 코드 추출
집계 행 제거
서울시 외 지역 제거
불필요한 열 제거
행 중심 테이블로 변환
날짜와 세대구분 열 분할
테이블 피벗팅
열 병합
열 이름 변경
나머지 파일 전처리
모든 테이블 합치기
02 인구 이동 데이터
데이터 구조 파악
데이터 가져오기
행정구역 열 병합
날짜 열 병합
1인 세대 추출
열 이름 변경 및 불필요한 열 제거
데이터 형식 및 값 변경
연령대 그룹화
03 ‘행정구역 코드’ 데이터 전처리
데이터 가져오기
행정구역 코드 정리하기
04 닫기 및 적용
Chapter 05 세대 구성 형태의 변화 분석
01 세대수의 변화 시각화
세대수 합계 열 추가
세대수 변화 시각화
02 세대 구성 형태의 변화 시각화
세대원별 세대수 변화 시각화(꺾은선형 차트)
세대원별 세대수 분포 시각화(도넛형 차트)
03 세대수 및 형태의 변화 탐색
인구는 줄지만 세대수는 증가
1인 세대가 전체 세대의 43% 이상 차지
Chapter 06 1인 세대 많은 지역 분석
01 테이블 관계 및 필터 설정
테이블 관계 설정
페이지 필터 설정
02 1인 세대 많은 지역 시각화
1인 세대 많은 지역 시각화(자치구)
1인 세대 많은 지역 시각화(행정동)
1인 세대 비율 높은 지역 시각화(자치구)
1인 세대 비율 높은 지역 시각화(행정동)
03 도형 맵 활용
도형 맵 설치
행정동 공간 파일 다운로드
1인 세대수 시각화
1인 세대 비율 시각화
04 1인 세대 많은 지역 탐색
상호 작용 편집 설정
1인 세대가 많은 행정동은 강남구 역삼1동
1인 세대 비율이 높은 지역은 관악구 신림동
Chapter 07 1인 세대 특성별 선호 지역 분석
01 관계 및 필터 설정
테이블 관계 설정
페이지 필터 설정
02 특성별 선호 지역 시각화
성별 특성
연령대별 특성
이전 사유별 특성
지역 시각화(테이블)
지역 시각화(도형 맵)
03 1인 세대 특성별 신호 지역 탐색
상호 작용 편집 설정
30대의 여성 1인 세대가 가장 선호하는 지역은
강남구 역삼1동
교육 목적의 20대가 선호하는 지역은 서대문구 신촌동
Chapter 08 분석 결과 정리

PART 04 서울의 미세먼지 탈탈 털어보자!

Chapter 01 분석 개요
01 분석 배경
02 분석 절차
03 분석 특징 및 한계
04 미세먼지의 이해
미세먼지의 개념
미세먼지의 기준 및 예보
Chapter 02 문제 정의
01 미세먼지(PM-10)와 미세먼지(PM-2.5)의 상관관계는?
02 미세먼지는 계속 나빠지고 있을까?
03 기후 요소는 미세먼지에 어떤 영향을 끼칠까?
04 내가 사는 동네의 미세먼지 농도는?
Chapter 03 데이터 수집
01 미세먼지 측정 데이터
02 미세먼지 측정소 데이터
03 기후 관련 데이터
Chapter 04 데이터 전처리
01 대기오염 측정 데이터
데이터 가져오기
데이터 구조 확인
파워 쿼리 편집기 실행
측정 항목 선택 추출
측정기 상태 선택 추출
불필요한 열 제거
날짜 형식 변경
피벗팅
결측값 보정
닫기 및 적용
02 기후 데이터
데이터 가져오기
데이터 구조 확인
풍향명 열 추가
열 제거 및 닫기
03 대기오염 측정소 데이터
데이터 가져오기
데이터 구조 확인
자치구 코드 열 추가
중복 행 제거
열 제거 및 닫기
Chapter 05 미세먼지(PM-10)과 미세먼지 (PM-2.5)의 상관관계
01 상관분석의 이해
02 미세먼지의 상관관계 시각화
꺾은선형 차트
분산형 차트
03 상관계수 계산
04 상관관계 탐색
슬라이서 배치
미세먼지 상관관계
Chapter 06 미세먼지는 계속 나빠지고 있을까?
01 데이터 가져오기
02 연 평균값의 변화
03 일 기준 초과 건수
일 평균 테이블 생성
미세먼지(PM-10) 초과 건수
미세먼지(PM-2.5) 초과 건수
04 미세먼지 농도 추이 탐색
연 평균값 변화 추이 탐색
일 평균값 기준 초과 건수 탐색
Chapter 07 기후 요소는 미세먼지에 어떤 영향을 끼칠까?
01 테이블 관계 설정
측정일시 필드 생성
테이블 관계 설정
02 기온과 미세먼지의 관계 시각화
기온 데이터 분포
기온과 미세먼지의 관계
03 습도와 미세먼지의 관계 시각화
습도 데이터 분포
습도와 미세먼지의 관계
04 풍속과 미세먼지의 관계 시각화
풍속 데이터 분포
풍속과 미세먼지의 관계
05 풍향과 미세먼지의 관계 시각화
풍향 데이터 분포
풍향별 평균값 생성
풍향과 미세먼지의 관계
06 기후와 미세먼지의 관계 탐색
Chapter 08 내가 사는 동네의 미세먼지 농도는?
01 테이블 관계 설정
02 지역별 미세먼지(막대 차트)
03 도형 맵으로 지역별 차이 확인
04 지역별 미세먼지 농도 탐색
미세먼지(PM-10) 농도 탐색
미세먼지(PM-2.5) 농도 탐색

PART 05 직장 그만두고 카페나 차려볼까?

Chapter 01 분석 개요
01 분석 배경
02 분석 절차
03 분석의 특징 및 한계
Chapter 02 문제 정의
01 창업 및 폐업 추이
02 폐업률과 영업기간
03 유명 브랜드 카페
04 카페 과밀 지역
Chapter 03 데이터 수집
01 인허가 신고 데이터
인허가 신고의 이해
데이터 다운로드
02 서울시 생활인구 데이터
생활인구의 이해
데이터 다운로드
Chapter 04 데이터 전처리(인허가 신고 데이터)
01 데이터 구조 확인
02 분석 대상 추출
서울 지역 추출
카페 업태 추출
불필요한 항목 삭제 및 저장
03 공간정보 전처리
QCIS 설치
카페 위치 표시
행정동 정보 추가
새로운 좌표값 추가
행정동별 면적 계산
04 Power BI로 데이터 전처리
데이터 가져오기
날짜 형식 변환
날짜 범위 설정
영업기간 추가
불필요한 열 삭제
Chapter 05 데이터 전처리(행정구역/생활인구)
01 행정구역 데이터
데이터 가져오기
행정구역 분리
불필요한 열 삭제
02 생활인구 데이터
데이터 가져오기
20대~40대 인구 합계 열 생성
카페 이용 시간 인구 추출
불필요한 열 삭제 및 테이블명 변경
03 닫기 및 적용
Chapter 06 창업 및 폐업 추이
01 날짜 테이블 생성 및 관계 설정
날짜 테이블 생성
테이블 관계 설정
02 창업 및 폐업건수 시각화
창업건수 열 생성
폐업건수 열 생성
창업 및 폐업건수 시각화
03 연도별 운영 카페의 수 시각화
창업 누적건수 집계
폐업 누적건수 집계
연도별 카페의 수 시각화
04 창업 및 폐업 추이 탐색
Chapter 07 폐업률과 영업기간
01 연도별 폐업률 시각화
폐업률 정의
측정값 생성
폐업률 시각화
02 영업기간 시각화
연 단위 영업기간 생성
영업기간 분포
03 폐업률과 영업기간 탐색
Chapter 08 유명 브랜드 카페 분석
01 브랜드 카페 선정 및 데이터 추가
브랜드 카페 10
대문자로 변경
브랜드 열 추가
02 시장 점유 현황 시각화
페이지 필터 설정
기타를 포함한 시장 점유 현황
기타를 제외한 시장 점유 현황
03 지역별 분포 시각화
맵 배치 및 설정
슬라이서 배치
04 창업 추이 시각화
05 유명 브랜드 카페 탐색
Chapter 09 카페 과밀 지역
01 지역별 카페 분포 시각화
페이지 필터 설정
테이블 관계 설정
지역별 카페 분포
02 지역별 생활인구 시각화
변환 테이블 가져오기
테이블 관계 설정
행정동별 생활인구
밀도 반영 생활인구
03 카페 과밀 지역 시각화
생활인구 대비 카페의 수
생활인구 밀도 대비 카페의 수
04 카페 과밀 지역 탐색
Chapter 09 분석 결과 정리

PART 06 퀀트 투자 괜찮을까?

Chapter 01 분석 개요
01 분석 배경
02 분석 절차
분석 특징 및 한계
Chapter 02 문제 정의
01 퀀트 투자 수익 분석
02 투자 현황 대시보드 개발
Chapter 03 데이터 수집
01 주식 기초 정보 데이터(증권 정보 포털 사이트 )
02 주식 가격 데이터
Chapter 04 퀀트 투자 수익 분석
01 퀀트포트 선정
데이터 가져오기
시가총액 기준 하위 20% 선별
영업이익 흑자 종목 선별
PER 값이 2 이상 종목 선별
ROE 상위순, PER 하위순으로 10개 종목 선별
02 주가 데이터 수집
API 매개 변수 생성
API 호출 함수 생성
주가 조회 열 생성
지수 조회 테이블 생성
03 퀀트 투자 시각화
퀀트포트 주가 변화 시각화
퀀트포트 수익률 시각화
코스피 지수 변화 시각화
코스피 지수 수익률 시각화
코스닥 지수 변화 시각화
코스닥 지수 수익률 시각화
퀀트 종목별 수익률 시각화
Chapter 05 간편 대시보드
01 데이터 생성 및 전처리
투자 기초 데이터 만들기
데이터 가져오기
현재일 열 추가
실시간 주가 열 추가
실시간 지수 테이블 생성
02 간편 대시보드 시각화
퀀트포트 평가액 및 수익, 수익률 산출
주식 지수 수익률 산출
투자액과 평가액 시각화
수익 추세 차트 시각화
퀀트포트 및 지수 추세 차트 시각화
종목별 상세 내역 시각화
종목별 평가액 분포 시각화

복잡하고 이해하기 힘든 데이터를 Power BI로 시각화해 보자
데이터 탐색과 시각화 WITH POWER BI 2nd

· 가장 최신의 데이터를 바탕으로, Power BI와 함께하는 슬기로운 데이터 생활
· Power BI와 함께라면 데이터 시각화가 정말 쉬워진다!
· 비전공자도 OK! 복잡한 코딩은 No Thanks! 데이터 속에 숨어 있는 인사이트를 찾아보자!

“구슬이 서 말이라도 꿰어야 보배다”
넘쳐나는 데이터 홍수 속에서 누구나 쉽게
데이터를 시각화하고 통찰력을 높일 수 있도록 도와주는
비즈니스 인텔리전스(Business Intelligence) 도서

이 책은 Power BI를 이용하여 로우데이터를 입맛에 맞게 가공하고 시각적 개체로 데이터를 시각화하며, 조건에 따른 시각적 개체의 변화를 통해 데이터를 제대로 활용할 수 있는 방법을 매우 쉽게 소개하고 있습니다. 가장 최신의 데이터를 예제로 활용하기 때문에 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 시각화해 보고, PART 05에서는 카페 창업에 관심이 있는 사람들이라면 반드시 알아야 하는 내용(폐업률, 생존 기간 등)을 탐색해보는 시간을 갖습니다. 마지막으로 PART 06에서는 코스피와 코스닥 지수를 분석해보고, 실시간 모니터링이 가능한 대시보드를 구성하는 방법을 소개합니다.

* 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
Power BI는 제대로 정리되지 않았거나, 여러 곳에 분산된 데이터 원본 소스를 연결하고, 중요한 항목을 시각화 및 검색하고, 모든 사람과 공유할 수 있도록 도와주는 획기적인 프로그램입니다. Part 01에서는 이러한 Power BI가 무엇이며, 어떠한 일들을 처리할 수 있는지 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?
1인 가구는 저출산, 고령화와 함께 대한민국의 현재를 관통하는 주요한 사회 현상입니다. Part 03에서는 행정안전부, 통계청 등 정부기관에서 공개하는 데이터의 수집, 분석, 전처리 과정을 비롯하여 세대 구성이 어떻게 변해 왔는지 알아보고 1인 세대가 서울시에 어떻게 분포되어 있는지 확인하는 시간을 갖습니다.

PART 04 서울의 미세먼지 탈탈 털어보자!
미세먼지 문제가 우리 사회의 중요한 문제로 대두됨에 따라 미세먼지의 원인을 밝히기 위한 연구가 활발히 이루어지고 있습니다. Part 04에서는 공공 데이터를 바탕으로 ‘과연 미세먼지는 계속 나빠지고 있을까?!’, ‘기후 요소는 미세먼지와 어떤 영항을 끼칠까?!’, ‘내가 사는 곳의 미세먼지 농도는 어떨까?!’와 같은 일상의 궁금증을 풀어보겠습니다.

PART 05 직장 그만두고 카페나 차려볼까?
Part 05에서는 Power BI를 좀 더 심층적으로 활용할 수 있는 방법을 소개합니다. DAX(Data Analysis Expressions)를 활용하여 폐업률과 생존 기간을 산출하고, 도형 맵, 맵 박스 등 다양한 시각적 개체를 이용하여 카페의 지역별 분포를 시각화합니다.

PART 06 퀀트 투자 괜찮을까?
우리나라에서 현재 머니러시의 대표적인 수단이라면 주식 투자와 부동산을 꼽을 수 있습니다. 특히 주식 투자는 소액으로 쉽게 시작할 수 있어, 사회생활을 시작하는 젊은 세대들의 관심이 많습니다. 이런 트렌드를 반영하여 Part 06에서는 데이터 시각화와 탐색 대상을 주식 투자로 합니다.