PowerBI

为什么做这件事 做财务分析这些年，Power BI 是我最趁手的工具。但它有一个绕不开的问题：成品不好分享。 发给同事？对方要装 Power BI Desktop，还要会用 换一家公司、换一套数据？报表里的数据源、清洗逻辑、度量值要重新配一遍 想改个指标？得打开文件、改 DAX、刷新、重新发布 我的想法很简单：能不能把我做的数据建模"固化"成一个网页看板系统——别人只要丢一个 Excel 文件进来，看板就自动出数，还能交互、能分享，甚至不用装任何软件？ 这个想法验证了一个周末，成了。这篇文章记录完整过程。 整体思路 Power BI 的本质是"数据建模 + 度量值 + 可视化"三件套。我的思路是拆开它们： Power BI 当设计台：建模、验证、预览效果，这是它最擅长的事 模型定义文件当产品核心：把表结构、关系、度量值全部固化成一份代码定义（model.json） Web 引擎当成品：ECharts 看板 + 数据引擎，接受任何人的 Excel，自动算出所有指标 翻译过去之后，Power BI 文件不再是必需品——模型资产变成了代码资产，可版本控制、可分享、可迭代。 四步做法 第一步：识别模型（AI 读取 Power BI） 用微软官方的 Power BI 建模 MCP 工具，直接连接正在运行的 Power BI Desktop，把整个语义模型导出为 TMDL 格式（Power BI 模型的标准文本格式）。 导出的内容让我有点意外——这个模型比我想象的完整： 8 张表：1 张事实表（报表数据：公司/报表类型/报表项目/报表日期/金额）+ 7 张维度表（利润表结构、资产负债表结构、现金流量表结构、杜邦分析结构、日期表、公司名称等） 5 条关系：事实表分别关联各结构表和日期表 74 个度量值：从基础的营业收入、净利润，到杜邦分析的净资产收益率、权益乘数，再到存货周转天数、运营周期 AI 能完整识别数据建模，这条路是通的。 第二步：翻译度量值（DAX → Python） 这是整个流程里最有意思的一步。74 个 DAX 度量值，看起来复杂，但翻译成代码后模式其实很清晰： ...

项目背景 做财务分析，最头疼的就是数据源头。 以前我是手动导 SAP 报表、复制粘贴到 Excel 里做透视表，每次更新数据要花半天时间，还容易出错。后来用 PowerBI 做看板，但数据源还是手动维护的 CSV 文件——每季度更新一次，依然麻烦。 这个项目的目标：用 Python 自动抓取 A 股财务数据 → 自动清洗 → PowerBI 读取 → 生成可视化报告。 数据源完全自动化，我只用打开 PowerBI 点一下刷新。 技术栈 环节 工具 数据采集 Python AkShare（东方财富网开放接口） 数据清洗 Python Pandas 数据建模 PowerBI + PowerQuery + DAX 可视化 PowerBI 仪表盘 第一步：用 AkShare 自动抓数据 AkShare 是一个 Python 开源库，封装了东方财富、新浪财经等平台的公开数据接口。不需要爬虫、不需要 API Key，pip 安装就能用。 安装 1 pip install akshare 抓取财务三大报表 以华帝股份（002035）为例，抓取利润表、资产负债表、现金流量表： 1 2 3 4 5 6 7 8 9 10 11 12 13 14 import akshare as ak import pandas as pd # 利润表 income = ak.stock_financial_report_sina(stock="sz002035", symbol="利润表") income.to_csv("利润表.csv", encoding="utf-8-sig") # 资产负债表 balance = ak.stock_financial_report_sina(stock="sz002035", symbol="资产负债表") balance.to_csv("资产负债表.csv", encoding="utf-8-sig") # 现金流量表 cashflow = ak.stock_financial_report_sina(stock="sz002035", symbol="现金流量表") cashflow.to_csv("现金流量表.csv", encoding="utf-8-sig") 一条命令就能拿到完整的财务数据。利润表 147 列、资产负债表 241 列、现金流量表 211 列——比你在东方财富网上手动翻页快得多。 ...

为什么写这篇 在公司给财务部同事分享 PowerBI 时，我发现一个问题：很多人会用 PowerBI 画图，但不会建模。 拖一个柱状图、拉一个折线——这些操作几小时就学会了。但真正让报表"活起来"的是背后的数据模型：M 函数怎么写、表之间怎么关联、度量值怎么算。这些东西不懂，每次换数据源都要重做一遍。 这篇文章把我在华帝做财务看板时的建模经验整理出来，希望能帮到同样在学 PowerBI 的财务同行。 一、数据建模的核心概念 先理解三个东西，这是整个 PowerBI 建模的基础： 概念 是什么 类比 PowerQuery（M 语言） 数据清洗和转换，在数据进 PowerBI 之前处理 洗菜切菜 关系建模 多张表之间怎么关联（一对多、多对一） 搭积木 DAX 度量值 写计算公式，计算毛利率、增长率等指标 菜谱公式 一个完整的 PowerBI 项目，数据流向是这样的： 原始数据（Excel/CSV/数据库/API） ↓ PowerQuery 清洗（M 函数） ↓ 数据模型（建表关系） ↓ DAX 度量值（写业务指标） ↓ 可视化报告（图表/看板） 二、PowerQuery M 函数实战 M 语言是 PowerQuery 的内置脚本语言。每次你在 PowerQuery 编辑器里点按钮，背后都在生成 M 代码。 常用 M 函数 1. 合并查询（JOIN） 两张表通过关键字段关联，类似 SQL 的 JOIN： 1 2 3 4 5 6 7 8 9 let Source = Table.NestedJoin( 利润表, {"报告期"}, 资产负债表, {"报告期"}, "资产负债表", JoinKind.LeftOuter ), #"Expanded" = Table.ExpandTableColumn(Source, "资产负债表", {"资产总计", "负债合计"}) in #"Expanded" 2. 逆透视（把宽表变长表） 财务系统中导出的数据经常是"宽表"——每个月一列。用逆透视转成标准数据表： ...