Python

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。 ...