正版资源【曾贤志】Power Pivot For Excel商业智能数据分析（第1季 基础篇）
《【曾贤志】Power Pivot For Excel商业智能数据分析（第1季 基础篇）》这门课程由曾贤志老师主讲，专注于Power Pivot在Excel中的应用。通过学习基础篇，你将掌握商业智能数据分析的技巧。【技能收获】学完可掌握：Power、Pivot、Excel。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：Linux 运维工程师、SRE、云计算工程师
Power Pivot 在 Excel 里是一个容易被低估的组件：它把 Excel 从"表格工具"推向"本地数据模型工具"，用关系模型和 DAX 表达式处理几十万行级别的数据，而不用把数据先聚合再透视。曾贤志这套《Power Pivot For Excel 商业智能数据分析（第 1 季 基础篇）》讲的就是这条路径的起点。它适合已经会用透视表、但一遇到多表关联和复杂度量就退回手工汇总的人。
这门课的技术栈落点
核心是 Excel 内置的 Power Pivot 加载项，配套三块内容：一是数据模型层，包括表关系、主键外键、关系方向；二是 DAX 语言基础，涉及计算列与度量值的区别、CALCULATE 与筛选上下文、常用聚合函数；三是数据导入与刷新，涉及从工作表、外部数据源接入模型以及后续更新。三者是绑在一起的——关系不建好，DAX 写出来就是错的；上下文不理解，度量值只会照抄。
值得注意的是，这套知识不是孤立的 Excel 技巧。Power Pivot 的模型思路与 Power BI 的数据模型层同源，DAX 也是同一套语言。学完之后迁移到 Power BI 的成本很低，这一点在设计自学路径时值得纳入考虑。
结构上怎么组织
基础篇的组织方式基本是从概念到操作再到小案例：先说明为什么需要数据模型，再进入界面与加载项启用、数据导入、关系建立，然后展开 DAX 的计算列与度量值，最后用贴近业务的场景把前面几块串起来。这种安排的好处是每讲一个概念都紧接着一次可验证的操作，不会出现"听完不知道能干什么"的段落。
学习时建议不要把计算列和度量值当成两种写法来记，而要盯住它们的求值时机：计算列在数据刷新时逐行求值，结果存在模型里；度量值在报表上下文中按需计算，不占存储。这个区别决定了后面所有关于筛选上下文的讨论，绕开它去背函数，遇到稍复杂的场景就会卡住。
可复用的模块与对照点
- 数据模型骨架：一张事实表加多张维度表的关系设计，可以直接套用到销售、库存、财务等不同主题的数据集上。
- 度量值写法：累计、同比、占比、排名这几类指标的 DAX 模式，属于可以反复搬运的模板。
- 刷新与接入配置：数据源路径、刷新方式这些工程细节，决定文件交付到别人手里还能不能用。
- 章节笔记：适合在每完成两三个小节后整理一次，把当天写的度量值连同它的上下文一起记下来。
把这四块当成可复用资产来对待，而不是当成一次性练习。每学完一段，试着换一份自己的数据重做一遍同样的模型，能立刻暴露哪些是真正掌握、哪些只是跟着敲了一遍。
自学路径与练习方法
合理的顺序是：先用一份结构简单的多表数据把关系建起来，确认透视结果正确；再引入度量值，从最简单的求和、计数开始，逐步加上 CALCULATE 和筛选条件；最后找一份行数较多的数据，观察计算列和度量值在性能与刷新上的差异。
练习的关键在于"独立复现"。看完一节之后合上资料，用自己的数据从零建模型、写度量值，做完再回头对照。能独立走通一遍，才算把上下文这个概念真正吃透。资料包里的章节笔记更适合作为复盘索引，而不是替代动手的材料。
最后提醒一点：Power Pivot 的能力边界与数据量、Excel 版本、内存都有关系，基础篇打的是模型与 DAX 的底子。真正决定分析是否可靠的，是你对业务口径的理解，而不是函数写得多花哨。带着这个前提去看这门课，收益会更实在。
这门课程由曾贤志老师主讲，专注于Power Pivot在Excel中的应用。通过学习基础篇，你将掌握商业智能数据分析的技巧。
课程推荐
《【曾贤志】Power Pivot For Excel商业智能数据分析（第1季 基础篇）》这门课程由曾贤志老师主讲，专注于Power Pivot在Excel中的应用。通过学习基础篇，你将掌握商业智能数据分析的技巧。【技能收获】学完可掌握：Power、Pivot、Excel。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：Linux 运维工程师、SRE、云计算工程师、DevOps 工程师。云原生与自动化运维仍是企业 IT 刚需方向，认证 + 实战项目组合能显著提升面试通过率，适合向中高级运维或架构岗进阶。 若你已有一定编程或运维基础，本课程可帮助你在现有技能栈上快速叠加热门方向能力，提升求职时的项目说服力与薪资谈判空间。
视频目录（53 节）
* 1-1 1.1 什么是Power Pivot.mp4
* 1-2 1.2 简单示例演示.mp4
* 1-3 1.3 Power Pivot在Power BI系列的重要性.mp4
* 1-4 1.4 Power Pivot数据源导入之从表格区域.mp4
* 1-5 1.5 Power Pivot数据源导入之从剪贴板.mp4
* 1-6 1.6 Power Pivot数据源导入之从工作簿.mp4
* 1-7 1.7 Power Pivot数据源导入之从文本文档.mp4
* 1-8 1.8 Power Pivot数据源导入之从数据库.mp4
* 1-9 1.9 Power Pivot计算列的应用.mp4
* 1-10 1.10 重新理解数据透视表.mp4
* 1-11 1.11 仿写、扩写数据透视表的汇总方式.mp4
* 1-12 1.12 初识度量值.mp4
* 1-13 1.13 度量值实例应用.mp4
* 1-14 1.14 DAX公式中的运算符.mp4
* 1-15 1.15 重温表关系.mp4
* 1-16 1.16 初识数据模型.mp4
* 1-17 1.17 数据模型进阶.mp4
* 1-18 1.18 DAX公式编写规范.mp4
* 1-19 1.19 变量的使用.mp4
* 2-1 2.1 什么是上下文？.mp4
* 2-2 2.2 什么是迭代器？.mp4
* 2-3 2.3 筛选函数FILTER.mp4
* 2-4 2.4 行上下文应用.mp4
* 2-5 2.5 筛选上下文应用.mp4
* 2-6 2.6 重构计值环境CALCULATE.mp4
* 2-7 2.7 CALCULATE叠加筛选应用.mp4
* 2-8 2.8 初识ALL函数的特性.mp4
* 2-9 2.9 ALL函数应用1（清除单列筛选器）.mp4
* 2-10 2.10 ALL函数应用2（清除多列筛选器）.mp4
* 2-11 2.11 ALL函数应用3（清除所有筛选器）.mp4
* 2-12 2.12 ALL函数应用4（隐式ALL应用）.mp4
* 2-13 2.13 ALL函数应用5（模拟差异百分比 ）.mp4
* 2-14 2.14 ALLEXCEPT函数应用(排除法清除筛选器).mp4
* 2-15 2.15 ALLSELECTED函数应用（将筛选条件参数化）.mp4
* 2-16 2.16 CALCULATETABLE函数应用（独立修改筛选.mp4
* 2-17 2.17 行上下文转换为筛选上下文应用1.mp4
* 2-18 2.18 行上下文转换为筛选上下文应用2.mp4
* 3-1 3.1 聚合类迭代函数之SUMX.mp4
* 3-2 3.2 聚合类迭代函数之ERAGEX.mp4
* 3-3 3.3 聚合类迭代函数之MAXX和MINX.mp4
* 3-4 3.4 聚合类迭代函数之COUNTX.mp4
* 3-5 3.5 聚合类迭代函数之CONCATENATEX.mp4
* 3-6 3.6 RELATED关联函数.mp4
* 3-7 3.7 RELATEDTABLE关联表.mp4
* 3-8 3.8 EARLIER与EARLIEST返回指定层级列的值.mp4
* 3-9 3.9 DISTINCT与VALUES去重应用.mp4
* 4-1 4.1 移动平均.mp4
* 4-2 4.2 毛利润计算.mp4
* 4-3 4.3 累计毛利润.mp4
* 4-4 4.4 同比增长率.mp4
* 4-5 4.5 环比增涨率.mp4
* 4-6 4.6 Power Query与Power Pivot结合应.mp4
* 4-7 4.7 Power Pivot与Power View结合应用.mp4
