高级篇——Power BI数据建模语言：DAX精讲

**先判断是否需要深入 DAX**

DAX 是 Power BI 中构建度量值的语言，它的核心不在于“画图”，而在于如何对数据进行精确的聚合、过滤和逻辑判断。如果你目前只用 Power BI 做简单的折线图、饼图，且数据量小、逻辑单一（如直接求和、计数），那么标准汇总功能或许足够。但一旦涉及同环比计算、移动平均、时间智能函数、复杂的条件筛选，或者需要编写可复用的动态度量值，DAX 就是绕不开的门槛。这门课解决的核心问题是：从“能看图”进阶到“懂数据逻辑”，让你明白每一个数字是如何被计算出来的，避免在复杂报表中陷入“公式能跑通但逻辑错误”的陷阱。

**适合的基础与学习路径**

这门课定位为“高级篇”，意味着它默认你已经具备 Power BI 桌面版的基本操作能力。你不需要从零开始学习如何获取数据、建立基本图表或理解 Power Query 基础清洗，但必须清楚什么是“度量值（Measure）”与“计算列（Calculated Column）”的区别，以及星型模型的基本概念。如果你连基本的数据透视表都没用过，建议先补基础操作课，否则 DAX 的语法细节会显得晦涩难懂。

建议的学习重点应放在三个模块：一是上下文转换机制，这是理解 DAX 计算逻辑的基石，必须彻底搞懂行上下文与筛选上下文的交互；二是核心函数精讲，重点掌握 CALCULATE、SUMX、AVERAGEX 等迭代器函数，以及 RELATEDTABLE 与 USERELATIONSHIP 等关系处理函数；三是时间智能函数，这是财务和业务分析中最难啃的骨头，包括 YTD、LY、同比环比的标准写法。不要试图一口气背下所有函数，而是通过场景去反推函数选择。

**学完能做什么与资料配合**

学完这门课，你应当具备独立构建复杂业务看板的能力。具体表现为：能够独立编写动态 KPI 卡片，实现跨年份、跨季度的灵活对比；能够处理多表关联时的筛选传递问题，解决“为什么数据没过滤干净”的经典 Bug；能够编写可维护的语义模型，为团队提供标准化的数据字典。

在资料使用上，请勿只看不练。建议按照“场景驱动”的方式复习：先准备一个包含销售、库存、用户行为的多表模型，尝试手动实现“近 30 天复购率”或“毛利率同环比”等指标。当卡住时，再回去查阅课程中对应的函数解析部分。重点阅读关于“迭代函数 vs 聚合函数”选择标准的章节，这是初学者最容易犯错的地方。另外，务必实践课程中提到的“使用 Burett 模式调试度量值”的技巧，这能极大提升你排查逻辑错误的效率。记住，DAX 是一门语言，只有通过在 Power BI 中不断报错、调试、修正，才能真正内化为解决问题的能力，而非机械的代码搬运工。