【综合实战】实战：销售数据→分析→汇报一条龙

摘要：从一份粗糙的销售 Excel → Power Query 清洗 → Power BI 建模做 DAX 分析 → 导出图表/数据 → AI 一键生成汇报 PPT。整套跑通 30 分钟，DAX 公式真实可复制。

一、痛点引入

周一早上 9 点，老板在群里甩一句话："上周华东区销售情况怎么样？这周五给我个汇报。"

你摊开手边的 Excel，大概是这么个场景：

一份从 ERP 导出来的 销售明细_2025.xlsx，3 万行，列名全是英文缩写（cust_id、prod_sku、amt、region_cd），还有一堆空白行、合并单元格、日期格式混着"2025/10/1"和"2025-10-01"两种写法；
另一份 产品主数据.xlsx 和一份 客户主数据.xlsx，跟销售明细靠"产品编号"和"客户编号"关联，你得手动 VLOOKUP 出来；
老板想要的是：总销售额、同比增长、Top 10 产品、各区域占比，最后塞进 PPT。

如果纯手撸，你大概的剧本是这样：先花 30 分钟在 Excel 里清洗数据（删空行、改格式、补列）→ 花 1 小时做透视表（产品、区域、时间三个维度各做一遍）→ 把透视表数据手动复制到 PPT，每页塞一张柱状图、改改配色 → 一份"看起来像样"的汇报至少 3-4 小时。更痛苦的是，数据每更新一次，所有步骤都得重来一遍。

这篇文章就帮你把这条流水线压缩到 30 分钟左右，而且数据更新时只刷新、几乎不返工。咱们串 5 个工具：

Excel（原始数据）→ Power Query（数据清洗，"ETL 工具"里的 T 转换步骤）→ Power BI（建模 + DAX 分析 + 可视化）→ 截图 / 导出数据（搬运图表）→ AI 工具（一键生成 PPT 草稿）。其中 Power BI 是主战场，DAX 和 Power Query 是硬核知识点。

你需要先知道几个术语

第一次出现都加了人话解释，后面就不重复：

Power Query = Excel 和 Power BI 自带的"数据清洗流水线"，可视化点点鼠标，背后是 M 语言（一种类 SQL 的函数式语言，描述"从哪取、怎么转、放到哪"）。
Power BI = 微软的商业智能工具，把数据"建模 + 出图 + 出报表"一条龙搞定；可以做交互式仪表盘。
DAX（Data Analysis Expressions）= Power BI 里专门写公式的语言，公式会随用户筛选自动重算（比如点了"只看 10 月"，整个看板数字一起变）。
度量值（Measure）= DAX 写出来的、能跟着筛选上下文变化的"动态数字"，和"计算列"（一行一算、写死在表里）不同。
Copilot = 微软的 AI 助手，集成在 Power BI / PowerPoint / Excel 里，能根据你的话生成草稿。

二、目标产出

照着做完，你能拿到 4 样东西：

一个 Power Query 清洗脚本（.pq 或 .txt）：从原始 Excel 一键完成"去空行 + 改类型 + 合表 + 出规范表"，每周新数据来了只刷新一次。
一个 Power BI 数据模型（.pbix）：包含 3 张表（销售明细、产品、客户）+ 1 张日期表，关系图清晰。
7 个核心 DAX 度量值：总销售额、订单数、客单价、同比增长、累计销售、Top 10 排名。全部真实可运行，复制即用。
一份 AI 生成的汇报 PPT（.pptx，8 页）：封面 + 关键指标卡 + 区域分布 + 产品 Top 10 + 趋势分析 + 结论 + Q&A。

前置条件

项目	最低版本	说明
Excel	2016 / Microsoft 365	用来装 Power Query 和导出数据
Power BI Desktop	2024 年 8 月版及以上	建模、写 DAX、出图；微软官方免费下载
PowerPoint	2019 / Microsoft 365	装 Copilot / 用 AI 工具生成草稿
AI 工具	任意	通义千问、Kimi、ChatGPT、文心一言都行；本文示例用 Copilot + 通义千问
原始数据	3 份 Excel	销售明细 / 产品主数据 / 客户主数据

关于 Copilot 的能力边界（重要，先看）：Power BI 的 Copilot 2024 年起在 Fabric / Premium 容量（PPU 也算） 下才能用全部功能，免费版 Power BI Desktop 用不了 Copilot 自动写 DAX 的功能。本文的 DAX 全部手写，不依赖 Copilot，照着复制就能跑。Copilot for Microsoft 365 在 PowerPoint 里能"根据 Word 文档生成 PPT 草稿"，但能否直接读取 Power BI 截图再生成 PPT——目前不能保证，稳妥做法是手动截图后让 AI 看图生成。

三、案例实战

咱们用一家虚构的"快消品公司"做案例，跑一遍整条流水线。所有文件名、列名、数据都是真实可复现的，你拿自己的数据按字段映射替换就行。

第一步：准备原始 Excel 数据（5 分钟）

打开 Excel，建 3 个文件（或用公司现有数据），放文件夹 C:\Sales_Data\：

销售明细_2025.xlsx（主表，约 3 万行）

列名（英文原样保留）	人话	样例
order_date	下单日期	2025-10-15
order_id	订单号	SO20251015001
cust_id	客户编号	C0001
prod_sku	产品编号	SKU001
qty	数量	10
unit_price	单价	89.5
amt	销售金额	895
region_cd	区域编码	EAST

产品主数据.xlsx

prod_sku	product_name	category
SKU001	矿泉水 550ml	饮料
SKU002	花生米 200g	零食

客户主数据.xlsx

cust_id	cust_name	cust_type
C0001	上海大润发	KA 客户
C0002	北京物美	KA 客户

关键点：销售明细的列名故意保留英文缩写（ERP 导出来啥样就啥样），后面 Power Query 统一改中文。这比"先在 Excel 里改好再导入"省一倍时间——改名的活儿让 Power Query 干。

第二步：用 Power Query 清洗数据（10 分钟）

打开 Power BI Desktop → 点顶部 "主页" → "获取数据" → "Excel 工作簿" → 选 销售明细_2025.xlsx → 在导航器里勾 销售明细$sheet → 点 "转换数据"。

这一步会进入 Power Query 编辑器，整个界面分三栏：左栏是查询列表、中栏是数据预览、右栏是"应用的步骤"（每改一次会自动加一步）。

2.1 销售明细的清洗步骤

按下面顺序操作，每一步"应用的步骤"里都会自动生成一行（这就是 Power Query 的精髓——所有操作变成可重放的步骤，下次新数据来了点"刷新"就重跑一遍）：

提升标题行：主页 → 将第一行用作标题（自动生成 #"Promoted Headers"）
改列类型：选中 qty / unit_price / amt 三列 → 转换 → 数据类型 → 小数；选 order_date → 数据类型 → 日期
删除空白行和错误行：主页 → 删除行 → 删除空行（自动生成 #"Removed Empty Rows"）
过滤脏数据：点 region_cd 列的下拉箭头 → 取消勾选 null 和 (null)
改列名为中文：双击列名依次改名 order_date → 下单日期、cust_id → 客户编号、prod_sku → 产品编号、qty → 数量、unit_price → 单价、amt → 销售金额、region_cd → 区域编码、order_id → 订单号

改完后，点左栏 "高级编辑器"，你能看到 Power Query 生成的 M 语言代码（M 语言 = Power Query 背后的脚本语言，类 SQL 的函数式风格），长这样：

powerquery-m
let
    // 1. 从 Excel 文件读销售明细 sheet
    源 = Excel.Workbook(File.Contents("C:\Sales_Data\销售明细_2025.xlsx"), null, true),
    销售明细_sheet = 源{[Item="销售明细",Kind="Sheet"]}[Data],

    // 2. 第一行提升为标题
    提升的标题 = Table.PromoteHeaders(销售明细_sheet, [PromoteAllScalars=true]),

    // 3. 改列类型：日期、数字、文本
    更改的类型 = Table.TransformColumnTypes(提升的标题, {
        {"order_date", Date.Type},
        {"order_id", type text},
        {"cust_id", type text},
        {"prod_sku", type text},
        {"qty", Int64.Type},
        {"unit_price", Number.Type},
        {"amt", Number.Type},
        {"region_cd", type text}
    }),

    // 4. 去空行 + 过滤无效区域
    删除的空行 = Table.SelectRows(更改的类型, each not List.IsEmpty(List.RemoveMatchingItems(Record.FieldValues(_), {"", null}))),
    过滤的行 = Table.SelectRows(删除的空行, each [region_cd] <> null and [region_cd] <> "")
in
    过滤的行

关键点：这段 M 代码你不用手写，Power Query 编辑器点点鼠标就会自动生成。但看懂这段代码很重要——因为下次字段变了、文件路径变了，你可以直接改代码，比点鼠标快 10 倍。建议把这段保存到 sales_fact.pq 文件里做备份。

2.2 产品和客户的清洗（简单版）

产品和客户主数据一般很干净，最多两步：提升标题 + 改类型。然后 主页 → 关闭并应用，回到 Power BI 主界面。

2.3 关键一步：建立关系（Relationships）

回到 Power BI 主界面，左栏点 "模型视图"（图标是三个方块连成线）。你会看到 3 张表。拖线建关系：

销售明细[产品编号] → 产品主数据[prod_sku]（多对一，多 = 销售明细）
销售明细[客户编号] → 客户主数据[cust_id]（多对一）
卡片筛选方向勾 "单向"（筛选从"一"侧流向"多"侧：主数据 → 销售明细，箭头指向销售明细/事实表那侧）

坑点预警：建关系前先确保两表的关联列数据类型一致（都是文本），不然会建不上。如果那条线是实线，说明是活动关系（生效中）；虚线表示非活动关系（没生效，需在"编辑关系"里勾选"将此关系保持活动状态"）——看到虚线别急着用，先把它激活。

2.4 建一张独立的"日期表"（必做）

时间智能（同比、累计、本年累计）必须有一张独立的日期表（Date Table）——这是 DAX 时间函数的"标准日历"。点 主页 → 表 → 新建表，输入：

dax
Date = CALENDAR(DATE(2025,1,1), DATE(2025,12,31))

然后给日期表加 3 个计算列：

dax
Year = YEAR('Date'[Date])
Month = MONTH('Date'[Date])
YearMonth = FORMAT('Date'[Date], "YYYY-MM")

最后让日期表和销售明细建关系：销售明细[下单日期] → Date[Date]。

关键点：日期表必须标记为"日期表"——点日期表 → 上方菜单 表工具 → 标记为日期表 → 选 Date 列。不标记的话，SAMEPERIODLASTYEAR、TOTALYTD 这些时间函数会报错或算错。

第三步：写 DAX 度量值（10 分钟）

打开 Power BI 主界面左侧 "数据视图" → 选中 销售明细 表 → 上方菜单 表工具 → 新建度量值。下面 7 个度量值挨个复制：

1. 总销售额（最基础的 SUM）

dax
总销售额 = SUM('销售明细'[销售金额])

2. 订单数（数行数，不是数某列）

dax
订单数 = COUNTROWS('销售明细')

坑点：这里用 COUNTROWS 不用 COUNT('销售明细'[订单号])——如果订单号列有空白，COUNT 会漏算。COUNTROWS 数的是表里实际有几行，永远准。

3. 客单价（销售额 ÷ 订单数，加 DIVIDE 防除零）

dax
客单价 = DIVIDE([总销售额], [订单数], 0)

人话解释：DIVIDE(A, B, 兜底) = A ÷ B，如果 B 是 0 就返回兜底值，不会算成错误。这写法是 DAX 的标准习惯。

4. 同比增长率（去年同期的销售额）

dax
去年销售额 = CALCULATE([总销售额], SAMEPERIODLASTYEAR('Date'[Date]))

dax
同比增长率 = 
DIVIDE(
    [总销售额] - [去年销售额],
    [去年销售额],
    0
)

关键点：SAMEPERIODLASTYEAR 是时间智能函数，会把当前筛选上下文（比如"10 月"）平移到去年 10 月。前提是日期表必须标记为日期表（上一步刚做完）。

5. 累计销售（本年累计，YTD）

dax
累计销售额 = TOTALYTD([总销售额], 'Date'[Date])

人话解释：TOTALYTD 是 DAX 的本年累计时间函数，自动汇总"从当年 1 月 1 日到当前筛选上下文对应日期"的所有销售额，跨年也准。前提仍然是日期表必须标记为日期表，且与销售明细建立关系。注意：原 FILTER(ALL('Date'[Date]), 'Date'[Date] <= MAX('Date'[Date])) 写法其实是"从 Date 表最早日期累计到当前"，跨年场景会失真——这就是为啥推荐用 TOTALYTD。如果不方便改，可以写成等价形式 CALCULATE([总销售额], DATESYTD('Date'[Date]))。

6. 产品销售排名（用 RANKX 给产品排第几）

dax
产品销售排名 = 
RANKX(
    ALL('产品主数据'[product_name]),
    [总销售额]
)

关键点：ALL 是"去掉筛选器"。如果不加 ALL，产品 A 的排名会受到"当前选了产品 B"的筛选影响，永远排第 1。加了 ALL 之后，不管用户怎么筛产品，每个产品都能跟所有产品比，排名才稳。

7.（进阶）滚动三月平均（看趋势用）

dax
滚动三月均值 = 
AVERAGEX(
    DATESINPERIOD('Date'[Date], MAX('Date'[Date]), -3, MONTH),
    [总销售额]
)

人话解释：DATESINPERIOD 返回"从今天往前推 3 个月"的日期区间，AVERAGEX 在这个区间里逐月算销售额再求平均。月波动大的时候用滚动均值看趋势，比直接看月销售额稳得多。

把 7 个度量值都建好后，选中度量值后到 "度量值工具"功能区 → 格式 里调成千分位/百分比（同比增长率改"百分比"，其他改"千分位整数"）。

第四步：搭可视化看板（10 分钟）

回到 Power BI 报表视图，从右栏 可视化 面板拖组件：

KPI 卡片（关键指标）：拖 4 个 卡片图（Card），分别绑 [总销售额]、[订单数]、[客单价]、[同比增长率]。同比增长率记得改格式为百分比。
柱状图（区域销售）：拖 簇状柱形图，轴 = region_cd（或中文"区域编码"），值 = [总销售额]。
折线图（趋势）：拖 折线图，轴 = Date[YearMonth]，值 = [总销售额] 和 [累计销售额] 两条线。
Top 10 产品表：拖 表，行 = 产品主数据[product_name]，值 = [总销售额]。点 TopN 筛选器 → 选"按总销售额" → Top 10。
切片器（日期筛选）：拖 切片器，字段 = Date[YearMonth]，这样别人点月份整个看板就跟着变。

调好位置和大小后，点 文件 → 保存 为 销售看板.pbix。

第五步：导出图表素材（5 分钟）

汇报 PPT 里需要 Power BI 的图，但 PPT 不能直接插活的 Power BI 报表（Power BI 服务里的"发布到 Web"和"嵌入 PPT"是企业版功能，免费用户用不了）。稳妥方案：

方案 A（推荐，免费）：用 Power BI 截图

看板调好后在 Power BI Desktop 里直接按 Print Screen 或用 Win + Shift + S 截图，存成 区域销售.png、趋势图.png、Top10产品.png。

方案 B（数据驱动）：导出关键数据 CSV

在报表视图里把鼠标移到 Top 10 产品表（视觉对象）右上角，会浮出 ...（更多命令）按钮 → 点 ... → 选 导出数据 → 选 CSV → 保存为 top10_products.csv，后面让 AI 看这个 CSV 生成 PPT 数据卡。

第六步：用 AI 生成汇报 PPT（10 分钟）

这一步有两条路径，根据你有没有 Copilot 选一条：

路径 1：PowerPoint + Copilot（Microsoft 365 订阅用户）

打开 PowerPoint → 新建空白演示文稿 → 顶栏 Copilot 按钮（或 开始 选项卡里的 Copilot 面板）→ 选 "使用文件创建演示文稿" → 在弹窗里：

附加文件：上传你刚才的截图（区域销售.png、趋势图.png）+ 一份预先准备的 Word 大纲（汇报大纲.docx，里面写"我要一份销售周报 PPT，8 页"）。

不确定标注：Copilot 能否直接识别 Power BI 截图并生成图表式幻灯片——不能保证。稳妥做法是把截图粘到 Word 大纲里当插图，Copilot 看 Word 文档时能识别图片位置。
提示词（在 Copilot 对话框里输入）：

请根据我上传的大纲和图片，生成一份 8 页的销售周报 PPT。
风格：商务简洁，配色用深蓝+白底。
每页要点不超过 5 行，标题用动宾结构。
第 1 页封面、第 2 页关键指标、第 3-4 页区域分析、第 5 页趋势、
第 6 页 Top 10 产品、第 7 页结论与下周计划、第 8 页 Q&A。

点 "生成"，Copilot 会给你一个草稿，数字一律不准——它只是排版机器，不读你的数据。

路径 2：通义千问 / Kimi / ChatGPT（通用方案）

如果你没买 Microsoft 365 Copilot，可以用通义千问或 Kimi：

准备素材包：把截图 + 关键数据 CSV + 汇报要点（手写 5 条），打成 zip 上传。
提示词：

你是资深销售分析师，帮我把下面的素材整理成一份 8 页的 PPT 大纲（Markdown 格式），
每页格式如下：
## 第N页：标题
- 要点 1
- 要点 2
- 配图建议：（写明用哪张截图）

【关键数据】
总销售额 XXX 万元，同比 +XX%，订单数 XXXX，客单价 XXX 元。
Top 3 产品：SKU001（XX 万）、SKU002（XX 万）、SKU003（XX 万）。
区域分布：华东占 45%、华南 30%、华北 25%。

【截图清单】
1. 区域销售.png（柱状图）
2. 趋势图.png（折线图）
3. Top10产品.png（表格截图）

把 AI 给的 Markdown 大纲复制到 PowerPoint 里，手动排版，每页粘上对应截图。30 分钟能出活儿。

关键点：永远不要让 AI 自己"算"数字，它会瞎编。所有数据必须来自 Power BI，AI 只负责"排版 + 写连接句 + 起小标题"。这是用 AI 做汇报的第一红线。

四、原理小结

整条流水线其实是经典的 "数据 → 信息 → 知识 → 行动" 四层模型：

数据层（Excel）：原始明细，杂乱、有错、格式不一。
信息层（Power Query）：把数据清洗成"规范的、能复用的"事实表 + 维度表。所有清洗步骤都变成 M 脚本，下次新数据来了"刷新"就行。
知识层（Power BI + DAX）：在规范表上建模型、写度量值、做可视化。DAX 的本质是"在筛选上下文里动态计算"——你点"只看 10 月"，所有用 Date 表筛选的度量值自动重算。
行动层（AI + PPT）：把图表和数据"翻译"成决策者能听懂的故事**。AI 在这里只做翻译，不做计算。

理解这四层后你会发现：Excel 和 PPT 都不是重点，重点是中间两层（Power Query + Power BI）的可复用性。这条流水线跑通一次，下周你要做的就是"把新 Excel 拖进来 → 刷新 Power Query → 刷新 Power BI → 重新截图 → AI 重出 PPT"，核心手工时间压到 10 分钟以内。

五、避坑指南

坑 1：DAX 度量值和计算列别混用

度量值（Measure）：写在 新建度量值 里，跟着筛选上下文变，不占内存。销售指标类的都用度量值。
计算列（Calculated Column）：写在 新建列 里，每行算一次、写死在表里，占内存。只在"需要按行判断"（如"客户分级 = IF(销售额>100万, 'VIP', '普通')"）时用。
误用后果：把"总销售额"写成计算列 → 3 万行算 3 万次存进表里 → 文件膨胀、刷新变慢。

坑 2：DAX 时间智能函数必须配日期表

SAMEPERIODLASTYEAR、TOTALYTD、PARALLELPERIOD、DATEADD 这几个时间智能函数都假设你有一张连续的、没有空缺的日期表。如果你的销售数据本身日期不全（节假日没单），直接用 Sales[Date] 做时间轴，会算出错误。必须建独立 Date 表 + 标记为日期表。

坑 3：Power BI 的筛选方向别乱改

关系建好后，卡片筛选方向默认"单向"（从销售明细指向主数据）。单个关系勾"双向"本身不会立刻出事；多条关系首尾相接形成环路时，报表才会报"检测到循环依赖/路径不明确"。保持单向，需要"双向筛选"时用 CALCULATE + CROSSFILTER 临时打开。

坑 4：AI 生成的数字一定人工核对

不管用 Copilot 还是通义千问，AI 一定会"看起来很专业地编造数字"。你看到的"销售额 1.23 亿，同比 +15.6%"——很可能就是它编的。只让 AI 干"排版 + 文字润色"两件事，数字一律从 Power BI 截图或导出的 CSV 里来。

坑 5：Power BI Desktop 的 Copilot 收费，普通用户用不上

Power BI 的 Copilot 需要 Fabric 容量或 Power BI Premium Per User（PPU，月费约 20 美元） 才能用全部功能。免费版 Power BI Desktop 看不到 Copilot 按钮。本文的 DAX 都是手写，不依赖 Copilot，成本为零。Copilot 主要价值在"自动生成 DAX 草稿"和"自动推荐图表"，对 L3 用户来说手写更快、更可控。

六、进阶延展

跑通这条流水线之后，可以往三个方向深入：

自动化刷新：把 销售明细.xlsx 放进 OneDrive / SharePoint，用 Power BI Service 配 计划刷新（每天早上 7 点；注意计划刷新需要 Pro 及以上许可，免费账号没有），早上打开 PPT 链接就是最新数据，连"刷新"都省了。
接入 Power Automate 自动出 PPT：Power BI 报告保存截图 → Power Automate 触发 → 调用 AI API 生成 PPT → 自动发邮件给老板。整条链路上没人按按钮。
加 Python 脚本做预测：在 Power BI 里装 Python 视觉对象，用 prophet 或 statsmodels 跑一个"下季度销售预测"，把预测图加进 PPT 倒数第 2 页，让汇报有"前瞻性"而不是只总结过去。

下一步：如果你想系统学 DAX，建议看《DAX 权威指南》（ Russo / Ferrari 著），重点看"筛选上下文"和"计算上下文"两章——理解这两个概念，DAX 就入门了一半。学完回头看本文的 CALCULATE、ALL、FILTER，会有"原来如此"的通透感。

📦 实战：销售数据→分析→汇报一条龙