《大数据基础与实务》《数据采集》操作手册.docx

实训操作手册
无 1^1 - Power 81 Desktop
文件 主页 播入 e 蜘 岫
匚.①辱□ ■ Cfc S He身
咕阳WRS I £>心 3。& SQL戴入E 晚£奶的胃 gS^S
*ZnSfl Sew*-
跻- HXE
, 3 S3仅
.下宣
Finance^€.20200101jdw Microsoft Excd ItW lai KB
文件名(M): Fu>«nce Z$_20200101jc»w
打开。）
▼

图2-9获取数据
打开数据表后，进入Power Bi导航器中，如图2-10。在导航栏中，找到excel 表，勾选数据表，通过【加载】加载表中的数据，进入编辑器页面，如图2-11。
导航器ds
ds
ds

ds
2^®!! .Q
♦ Fin&fKe.Zs.2O2OOlOLx!$x [1]
5次 I
20205/30 03 AWS/30Q6 XM/6/30 02 2WCW/JJ 01 0WIS1 rr NWli/M FY NISS1 口 2017/11/31 tf 2014/12/31 Vf 2OIS/12/31 N 2014/12/31 rt
2020/9/30 Qi AWS/J0Q2 AW3/31 QI 2019/12/31 04
R1S/8Q3
20WI-V31人民币 X20/12/31人民币 2020/12/31 人民而 人民而 2OW12/31 ARifi Md/12/31人民而 2GWIS1 ARrfi X20/12/31人民币 WC/12/31 ARrfi 应MZZ”人民币 2C2W12/31人民而 血WUJ AR?fi 冲皿，31人民而 NWUZ” ARifi 20W12/31人民而 2WWU/3】人民而 20W12/3J人民币
5 214746^11
1 74214^11
347259€^11
20WM21
1 “2053】
$ 7MSt・Xl
5
4 8051
3 3323 J
?#*”

11500^11
1 74214^21
MW545
1 4620S^ll
1
1 坤

②，
5««3« | 匚 S3»
图2T0导航器
图2T0导航器
图2T0导航器

图2T0导航器
文件主!5■的
<7名粽劣
^SXjSWW
字侄
”h・ , tmxs • EH
标亦E 03
02 网g柄诂01 09时n WG和 E k mn"财 E rr E—2 如 E N 号北三rt *H«3?勿JW FY «Wn
aM林6研ow a
•»HXW^/fSCS 02
aM*布贝饵qi
MM EQ如由G4 ■MRJ*彩百 0)
JWMI初咱 02 RL*林哄8百8 «it»«3
心C如g人B g*J?S】W 人Q h«gz初】£人其巧 *跪2与“E人*5 X«g洒】E人FW xw卒1?与”百人户 gg湘话人W xw^lj^nfi 人 W xwc凯旨人5 0^1gsxS AR3?
冲6?勿倨入房马 xw«lz^nS AR^ 0CS®S 人8 KW«ir伽4人te弓 *♦1?中1巳人Q 2tw«i2^n5人反马 *6湖15人Q «w«)2^n5人反巧
«A .・]
枚入・K •
初 .
€H«K
■ SHU ・
, SM1K •
“•MS

gmgg
H imSMWSTt
yn^Mvx

Mnrnm
its mrnMMi

MM
A
P IM
J74?J4«W
29 ：MXM03f7J]
247tiC：tOOC
3 心 A0711S1
7WAIW0C
X154 M2tWJWl
4U
47

AWM林
力的* WA
5i：W9n(»
HA切

IX

Kimwwoo
U 7K7UXH1127
2Mi$U7XC
”4?SJ：4R«&
04^142 JOOC
2WTtM7tU&4l
-
-

X尸*比，

22SM2WC
n收应

asxgws 03?
:M

•MrreM
STCMiMMXV
24»unnM9tn
«W>KX0C
2i00MmXiQ?l
:JU4：S30DC
343 Q0379KZ2WO
4"
411

y炊炒
Z#(WP 丽 Xk
121U1SSW
做《W<«g
4 IS
<11

«JW 9730X0
2/3UKV79inrj
dSMMJJOOC
为酒 MU44354S
■2492133000
X53fl4«nCCM?
■0”
•0*7

■Z.WW

40ZMW»»J47»
0：猊妣
4J
HitSTW

405
4»

F ■初5
J3«^9»«^XV
UJO^MOKV
V SMJMX1KV1
P4?4WS1«?W
J353SJ29DDC
2X42MW
M 以 X24WWI r
M?03eiJJ544MS XM
WWHSS -)N
•2J6
>»

Fge (幻
”saes】E
"々JMMXV
es nsiitnstnt
R lf4XW>l97tl
:HKt7400C H^WKOC
11 刀"〃为 RSI
■49M33WDC
7^0ll900C
9912 94224312912
UM f<2tW
■S»
4M
SM
47

• tt F
GC*r<W?J5
2woM»«w
14MM9000
umntXMiif R
2M5M4^00
g“：E
JJW4JCU7MI04
：M4M：X0C i97MiOOC
WgZM»M】 <s心m心in
0>7
ON

1AM40MXV
U4IH77tSa90
MstHnntws N EHCKWCM
299^2f^KW
X：：4H4C0C
心” ms
X AMIS 心 W
mn^ooc
CJJSJOOO
in is290^9234 ■79i»t^mQ0t74
W
042
2M
041

X E*遇
x 丽*

IkWOMUOV 熟5,m UU»i9m 好 9〃RW^由HU2WC丸《s -
XW<J?Sj3 人3WEEWOO2t imiWOO37l 77WC：3OOC ^OUiOSAiiMt2K7i77KQCW1217W0KO33U 75
E«U目力£ AR^WiSMg512WtfW HA诊””WM175：MMODO3A«*X奶S-
X19^^ZGB 09
KK912K931E 入户 4GU0M4OXV 24 : WU0J1W3 W22K>OOOC 29 ISW3O2：MU
图2-11数据编辑器页面
3. 财务数据预处理
对加载数据进行预处理，对原数据集中的文本类型数据转化为数值型数据。
具体操作：
1）数据簿选，选择报表类型为“年报"的数据。如图2-12,选中“分类" 字段，在弹窗中选择“年报"数据，点击【确认】，完成数据簿选。
■国」
n州e
i n・e
22
■■崔 •仝描 •季推
*计却 E♦懵 ”却
2020850

USX
人民币
XW^-K

»->l
人医而
20208”

U>91
人腾布

u-»
ARFfi
»1»U51

12*91
人反而

U-31
AR甫
»i>u-n

UJ1
人尻而
2O1S-D-31
rt
U-31
ARlfi
»1M2U
FT
12-n
人医而
2DlfrU 91
rt
u>»
ARffi
201S-1M1
rt
u-»
入医而
2DX4U SI
K
12S
人Rffi
3O3^l^K
02
u-»
ARFfi
»»»”
~01
12*91
人尻而
201A】g
Q*
U-31
ARlfi

3
1M1
人尻而
201Me-50
02
U-31
ARlfi

<U
1H1
入周币
»»850
8
u*sx
ARffi
201W-I0
8
n-»
人医而

—a
U>91
ARffi

<w
S2-SI
ARifi

1 必 KIbHM
•戒 W0iB
, A gf!
1231
ARffi I Q*
=========3
««
JU?
&^r«08CU ctwv^CXCO：君
gl»3U>
2i9i. un 9^Kiw>nn9t^图2-12数据饰选
2）对筛选数据进行特征筛选，在下图（图2-13中），在【主页】菜单栏点击【选择列】按钮，选择报表日期、收入、收入增长率、销售毛利率、销售净 利率5个字段，点击【确定】，完成特征筛选。
--
MH
n
ay
e[句 at
戏皿所
4
.戏，A
*W»tt
■茂,为
□ H*
■ fi»a«
□ ma
201>U51
201S-U-S1
2M2WMW0
UHOCgQQ
11SOO251W0
WP-U-ll 201frU-31 K1S-U-M 201* U JI
4MOWTWOOO
M2»17MO»
-m
*r«06W c»-v^C^001 O
ARrfi ARlfi AM
ARffi ARffi ARffi
Fattafi-
o«UE A Aztre 习
■■ E^ZI
5 ：2 »T«r«
5 ：2 »T«r«
5 ：2 »T«r«

5 ：2 »T«r«
2iR. to u^Kimnrar^图2-13数据特征选取
3）对数据类型进行转化，将“报表日期"转换为“日期"类型、将“收 入"转换为“整数"类型、将“收入增长率”、“销售毛利率"、“销售净利率" 转换为“定点小数"类型。选中待处理字段，在“转化"菜单栏中，单击“数据 类型”，根据要求进行转化，如图2-14。
■LB =■；卜勺'■ *?

•

___^^也 a —

.■杪■ •-•
l -落■* ・
dh/备 M
空器io*
,| 固。。
at .会
R

X*NR
明《m切.
普！. 5
痴t 壮 MT , “ g・■・ fc3B- 1 S'
日 f! X
nn-
—
an « tin fyi »*
M
ST
1

•<Wi
BB&rtWR
9fM\
V*
5< O.,
E—
空
M~] . -"■*
，4 MKK*
戏

X
Oi
E・
SX—1414100

L4&UMM1M03
2M1O72M4U74]

-m
2

心 lEKOO
rsi?ac*mj：?3
14 2?MCnX?ll
Q0CC”，g3»4

IMF
1
tM
M2U17M0Q0
sniouvKxn
L4a^MlMC3U40
-oooMUiwn4M?n

4

42 MUMSCAXl
L3MU2SM1UO3
-lUlHMlTVSm

*n«e
5

1110*2300000
S?4X)niM^2M
12 WT»U?32M】
SCOC1»1«31W4：

6

nsoaninoo
»I53^*T3M?M
lia«6U»5»l
4544S7DM7tllS

.
*

93 行■,
2-14数据转化
4）完成数据转化后，点击【关闭并应用】，返回Power BT Desktop,如图 2-15o2*1
2*1

2*1
z'«
eQog"-
曰* 5 ESIK 言QTF 可&.UD9QET" ・tW "
S1
■ 151（矣】艾）图 2-15 Power BI Desktop
4. 数据可视化
对数据进行盈利能力、营运能力、投资回报、偿债能力、资本结构等五个维 度进行分析。
（1）盈利能力及可视化
对盈利能力分析将从收入、收入增长率、销售毛利率、销售净利率四个指标 来进行分析，并进行可视化。
具体操作：
1）在Power BI主界面中，选择【折线图】，将图形加载到画布中。
2）在【字段】模块中，选择“报表日期"和“收入"两个字段，完成图 数据设置。
3）对图表的属性进行设置，在【格式】中，设置X轴、Y轴字体大小， 打开“数据标签”并设置数据标签的大小。
4）根据步骤1）至3）,完成另外三个指标的图表设置。
MIC! ♦
图2-16图表设置
数据分析结论：
收入方面来看，京东从2014年的1150亿营业收入增长到2019年的5768 亿，逐年增长，说明企业在发展壮大。
收入（按年）
图2-17营业收入增长变化图（2015-2019年）

收入增长率来看，从2014年的65. 9%逐年下降到2019年的24.9%,结合收 入时序图来看，收入增加额几乎数一年比一年多，而收入增长率得结合实际增长 值综合来看。
收入IS忸按年)70图2-18收入增长率变化图(2015-2019年)

销售毛利率来看，销售毛利率=毛利/收入，可以从2014年11. 6%逐年增加 到2019年的14. 6%,在15年到16年增加最快，从12. 1%增加到13. 6%,根据京 东这两年发展，2015年7月，京东凭借高成长性入选纳斯达克100指数、和纳 斯达克100平均加权指数。2016年6月与沃尔玛达成深度战略合作，1号店并 入京东。可以发现京东在这两年成长迅速。
销售毛利率按年)年a 2-19销售毛利率变化图(2015-2019年)
销售净利率来看，销售净利率二净利润/销售收入X100%,从数据变化来看,只有2019年的值为正，说明京东在19年之前都是亏损的，而在15年的销售净 利率是近几年最低，为-5%,再结合财务数据中归母净利率，可以看出京东15 年的净利润最低为-91亿，亏损最多，这可能跟京东战略扩张有关，京东作为互联网企业，亏损是相对来说正常的事情，而前期的引流，占据市场主导性对未来公司的发展是很有帮助,
公司的发展是很有帮助,

公司的发展是很有帮助,
所以京东在19年实现了净利润121亿,
未来会有更大

的盈利空间。
销售净利率按年）
2014^
2015^
20心
2017 年
201眸
年
2019^
图 2-20
销售净利率变化图（2015-2019年）

（2）营运能力分析及可视化
营运能力分析从应收账款周转率（次）、存货周转率（次）、总资产周转率（次）、 应收账款周转天数、存货周转天数、总资产周转天数六个指标进行分析。这六个 指标可以分成三类，即应收账款方面、存货周转方面和总资产周转方面。
具体操作：以应收账款周转率（次）时序图为例
1）加载“日期”、“应收账款周转率（次）”、“存货周转率（次）”、“总 资产周转率（次）"、“应收账款周转天数”、“存货周转天数”、“总资产周转 天数”这些字段数据。
2）选择【折线图】图表，分别对“应收账款周转率（次）”、“存货周转率（次）”、 “总资产周转率（次）”、“应收账款周转天数”、“存货周转天数”、“总资产周转天数”着6个指标进行作图分析。
3）根据图示结果进行分析，分析姑果如下:

年
图2-21应收账款周转率变化图（2015-2019年）
应收账款方面来看，2014年京东应收账款周转次数一年大概78次，是近今 年最高，对应应收账款天数为平均4.6天回款，19年应收账款周转次数是第二 高维66次，对应应收账款天数为平均5.4天回款，而16、17年京东应该账款周 转次数一年最低，在21、22次，其回款周期也在16天以上。
应收账款周转天散（按年）184 4.62014^2015 年2016年2017 年2018^2019 年年
存货周转方面来看，与应收账款方面类似，京东2014存货周转次数为一年 12.3次，近几年最高，相对应的存货周转天数为29天，19年存货周转次数为 11. 3次，相对应存货周转天数为31.9天，而16J7年存货周转次数分别问10.4、 10. 2次，近几年最低，相对应存货周转天数分别为34. 4、35天。

年图2-23存货周转率变化图（2015-2019年）
存货周转天数（按年
36年
总资产周转方面来看，也与应收账款和存货周转方面类似，在14年总资产 周转次数为一年2. 48次，近几年最高，相对应总资产周转天数为144天，19年总资产周转次数为2. 46,与14年相差无几，相对应总资产周转天数为146天。
而16、17年总资产周转次数最低，都为2.1次，相对应总资产周转天数为171 天。
总资产周转率变化图（2015-2019年）
总资产周转率变化图（2015-2019年）
总资产周转率变化图（2015-2019年）

总资产周转率变化图（2015-2019年）
图 2-25

总资产周转天数（按年）
1752015^
2015^

2015^
2018^
201昨
2016^2017 年
年
一、系统登录1二、实训操作之“案例一单项实训-数据采集” 3
（一）任务一京东财务指标数据采集3
（二）任务二“苹果”公司股票历史数据采集25
（三）任务三汽车产量统计数据采集34
（四）任务四今日头条新闻数据采集41
图2-26总资产周转率变化图（2015-2019年）
结合京东发展进程来看，通过三方面的六个指标来分析营运能力，14年的京 东刚开始上市，规模还没有今天这么大，应收账款、存货量、和总资产没有19 年这么多，回款速度、存货周转相对较快。在15-18年京东大力发展阶段，从 14年美国上市，到16年与沃尔玛深度合作、再到17年组建京东物流子集团， 逐步的扩大规模，发展业务，使得相对的应收账款周转次数、存货周转次数、总 资产周转次数较少而应收账款周转天数，存货周转天数、总资产周转天数较多， 而19年则是京东迈入成熟期的阶段，从营运能力方面，应收账款周转、资产周 转变快，流动性变高，企业的偿债能力变强，企业也开始盈利了。
（3）投资回报分析及可视化
投资回报分析从净资产收益率、总资产净利率两个指标进行分析。具体操作 方法与盈利能力、运营能力一致，在此不再赘述。
净资产收益率按年
20图2-27净资产收益率变化图（2015-2019年）
-20 -21.4

'如杵
>26.8
2015^
2016^
年
2017 年
2018 年
2019 年
从净资产收益率来看，净资产收益率二净利润/净资产，净资产收益率与销售 净利率类似，关键是分母不一样，净资产收益率体现了股东投资的回报结果。从 数据来看，只有19年净资产收益率为正数，其余几年都为负值，而15年最低为 -26. 8%, 15年之后逐步上升至接近0,这在18年又有小幅下降。

2014^2015^2016^2017年2018^2019^
年
E 2-26总资产净利率变化图(2015-2019年)
从总资产净益率来看，总资产净利率二净利润/平均资产总额X100%,总资产 净利率与净资产收益率类似，折线图的波动变化也一样，只有19年为正值，其 余几年都为负值，15年总资产净利率最低为-12%,随后也是逐年上升到17年， 18年时又有下降。
结合波动变化来看，15年到17年的快速发展，与沃尔玛的深度合作，建立 京东物流子集团，是投资回报能力有一定提升，而18年的下降，或许跟刘强东 事件有一定关系，18年9月发生的刘强东事件使京东市值损失150亿美元，这 对京东的造成不少影响，在19年底这件事情解决后，19年的京东迎来了蓬勃发 展，在利润是实现正值突破，投资回报能力实现质的飞远。
(4) 偿债能力分析及可视化
偿债能力将从流动比率、速动比率和经营业务现金净额/流动负债三个指标 来进行分析。
流动t阕倍K按年)1.8年
@ 2-28流动比率变化率(2015-2019年)
流动比率来看，京东流动比率从2014年的1. 7倍一直下降到2018年的0. 9 倍，达到最低值后，在19年有所上升，值为lo 2014年到2015年下降幅度最大。
速动好倍)(按年)1.4年
图2-29速动比率变化图(2015-2019年)

速动比率来看，与速动比率趋势类似，从2014年的1.3倍一直下降到2018 年的0.5倍，达到最低值后，在19年有所上升，值为0.58。2014年到2015年 下降幅度最大。
经营业务现金净额/流动负债按年）2014^2015 年2016 年2017 年2018 年 201*年
图2-30经营业务现金净额/流动负债变化率（2015-2019年）
经营业务现金净额/流动负债来看，经营业务现金净额/流动负债二经营现金 流量比率，是反映企业短期偿债能力的的指标，从数据中看到，这个指标的值都 很小，最高的是2017年0. 23,也不足0.5,说明京东企业短期偿债能力较弱。
偿债能力的三个指标都是判断企业短期偿债能力，从CR和QR综合判断来看:
CR<1 and QR<0. 5资金流动性差
1. 5<CR<2 and 0. 75<QR<1 资金流动性一般
CR>2 and QR>1资金流动性好
京东14年、15年资金流动性还算一般，而最近三年资金流动性较差，直到 19年有所提升。
（5）资本结构分析及可视化
资本结构从资产负债率和产权比率两个指标进行分析。
资产负债率按年）
2019^
2015 年
201眸
%心
201 昨2017 年
年
图 2-31
经营业务现金净额/流动负债变化率
资产负债率来看，资产负债率二总负债/总资产，2014
年京东资产负债最
低为43. 6%,随后两年大幅增长，到2016年资产负债率达到74.3%,最近三年则
有所降低，到19年资产负债率为61. 26%。
产权比率按年）
2014^
2015^
2017 年
20伯年
20饷
年
(2015-2019 年)
(2015-2019 年)
(2015-2019 年)

(2015-2019 年)
图2-32产权比率变化图产权比率来看,
产权比率来看,
产权比率来看,

产权比率来看,
产权比率二负债总额/股东权益=负债总额/所有者权益，与资产负债率趋势变化类似，从2014年产权比率最低的77. 3%,增长到2016年的 产权比率289%,这两年增幅较大，从2016年开始，慢慢下降到2019年的158%, 产权比率高是高风险、高报酬的财务结构。
综合两个指标来看，京东企业在15年到18年的资产负债率和产权比率都很 高，说明企业长期负债能力较弱，且资本结构主要是债券人投资的资本远大于股 东投资的资本，而19年来看，资产负债率也是超过50%,说明企业长期偿债能 力较弱，但从经营者角度来看，高资产负债率和高产权比率说明经营者对企业未 来前途充满信心，企业具有长期向好发展趋势。
（二）任务二“苹果”公司股票历史数据采集
1. “苹果”公司股票历史数据采集
选择“任务二“苹果"股票历史数据采集”，进入数据采集任务，如图3-1, 根据任务描述，完成股票数据采集。
图3T数据采集
具体操作：
1）点击【新建】按钮新增项目，选中项目名称，鼠标右键，对项目进行 重命名，完成后点击【保存】保存数据。
2）点击【注册表名】，弹出注册数据表弹窗，如图3-2,进行数据存储 表注册。在图3-2的输入框中输入表名，点击【注册】。
开发语言：• »a 锹存m行①111■囊各BKfte 9tUBKWAASBffflM*«»» ： (I) *f5Rj*AfiWWi*X. tr?» FHOO(2)水名的_ (3)建说表名取名方式为：自定义衣名JI陷 —
②注.③
*8an图3-2注册表名注意：数据库表名的设计应该根据以下规则：
① 表名可输入的范围为英文、数字及下划线（_）;
② 表名的长度最大为30个字符；
③ 建议表名取名方式为：自定义表名—账号，可根据储存信息（股票）+ 名字标识（名字首字母）+日期，如Stock_Zs_20200101o
④ 如果系统提示表名被注册，用户可重新设计表名进行注册。注册成功后, 在数据向导中的“设置存储数据的数据表名"参数中输入注册成功的表名，保持 注册的表名与数据向导中的表名一致。
3）点击【数据向导】，弹出关键词替换弹窗，根据任务描述要求，对每 一关键词填入正确的参数，然后点击【确认】，传入参数数据。
4）完成步骤1） -3）的操作后，点击【保存】保存数据，然后点击【执 行】，执行采集数据代码，执行完成后，选中项目，鼠标右键，通过【查看结果】， 进行结果确认。
5）点击【导出数据】，将储存数据的数据表导出，点击【导出】按钮下 载数据。
2. 将股票数据导入到Power BI工具
将数据导入到Power BI,对数据进行可视化呈现与展示。打开Power BI,进行数据库连接，具体连接操作方法详见“任务一 “京东"财务指标数据采集” 中“2.将财务数据导入到Power BI工具"中的操作方法一致。
3. 股票数据预处理
对加载的数据进行预处理，对原数据集中的文本类型数据转化为数值型数 据。
具体操作:
1）对数据进行特征筛选，在数据编辑器页面，如图3-3中，在【主页】菜单栏点击【选择列】按钮，选择报表日期、收盘、开盘、涨幅、交易量5个字段，点击【确定】，完成特征筛选。

段，点击【确定】，完成特征筛选。
瘀列
313
a a
>»»
5»12
wits
51TM
mn
nau n&n
Jisw
Fateafi • o<s
rxft fwr咛心w跄zmoi盐*小泪22WCW”日joxrirtRita
3 ”必Gil"日 e 小泪
7 xxircHna a wWiRita
9icU您xi »«*组50U15it woirifl”e
17 "必 W1MEJ h mi询“日
19 "见沮“a
力林>5”日
22冲5X臼
> ”皿询，娘
24 XXttSHllH图3-3选择列
2）对数据类型进行转化，在“转化"菜单栏中，单击“数据类型"，根据要求进行转化，如图3-4。将“日期"转换为“日期"类型、将“开盘"、“收 盘”转换为“定点小数”类型、将“涨跌幅"转换为“百分比"类型。
3）选择“交易量"字段，点击【替换值】，查找的值填M,替换为空值,确认替换后，点击【数据类型】将数据转换为整数类型。
■匕\・ zw
EkS iff gIA

, M、，二
B a (2>®|Q|S 1 方g IMt KA CCA W15 阿 s・ »•电MI n w Sa
新.■宿 MS
iaSttpF] ii W — fl Ae»»tt «•丘■>«.#・
。八gMBX = 士d l-- Tate«»- o«s
：.□・■•学彳第■ S普2；色分小 A*八―习
■£WWWM*<8ftAiXM

mw< 05
「戏心F < Hft▼应AM-戏"传
mmx
* - m

d”JMMM UM<$Z
2
昔挽值
4
5
日
“见ttVS日
决.拷gr®■祖一个僵

*w®«
6
7
”由明”日 >5M*cR｝：a
ffftKM [m
*
.
a
纳”日
■梅力

M_♦
9
xMn月吧

10

n u
"中tR娘 ”见
t MM

13
1<
15
盐牌四）8 ”必 CR28
•S 1 [ — 1

17
mx* 坍”a
51TM319 25M«M<10*
MKiwn»«M004%

:s
19
“g只”日
sun314142t24M0«*
n&n-om%

WWSA22H
MBHBISH»«SMOMH

n
22
"牌S"臼
316 n311 te2SA7MQE
Mil27 MMli

24

SUMS1SM255<05
>14 M>U PMMM2M%

SR. mo

&德 3rF5M
图3-4替换值
4）完成数据转化后，点击【关闭并应用】，进入Power BI Desktop页面。
4. 可视化分析
（1）股票收盘价变动分析
以股票收盘价为对象，画出股价时序图，从股价变动趋势进行分析。
具体操作:
1)
2)
3)
在Power BI主界面中，选择【折线图】，将图形加载到画布中。
在【字段】模块中，选择“日期"和"收盘"两个字段，完成图数据 设置。
在可视化模块，在“字段中”对“轴”的进行设置，点击下拉菜单, 将轴改为日期。
4）对图表的属性进行设置，选择在【格式】中，设置X轴、Y轴字体大小，打开“数据标签”并设置数据标签的大小。
E 却 MA it.岫 •式 BS/UW
i S
v
K^r>Xff73fc»
F<
■璧珀
9・
■ in
KR±S75»
车.E*3£»
可槐化>字（》
.EXXMI
L 2—
EPWnett
TH
■3i

图3-5折线图设置（股票收盘价变动分析）
收食按日期，

图3-6苹果收盘价随时间变化时序图
收盘价波动分析：
从股价时序图可以明显看到股价从1月份300. 35美元增长到2月中旬的327.2美元，随后苹果股价从2月中下旬开始一路下跌，一直跌到3月下旬最低 值，为224. 37美元，之后进入反转，一路上涨到6月下旬的252. 84美元，最终高于1月初的值。结合美国国内经济和国际形势不难解释中间一段时间大幅下跌100多美元，美国2月底爆发新冠肺炎，3月初到3月底，美国股市出现4次熔断，这无疑是新冠肺炎造成的黑天鹅事件，之后美联储不断降息降准以拉动股市一、系统登录
在浏览器（建议使用谷歌浏览器）中输入系统网址http://lll.230.195.235:8087/fstbigdatafx/login.html,进入系统登录界面，如图1~10图1-1系统登录界面
在登录界面中，输入账号、密码，点击【登录】按钮，或者通过微信扫码登 录（点击【微信登录】按钮切换微信登录界面，如图1-2） o登录成功后，进入 系统的实训操作界面，如图2-1,根据每一任务的“具体操作”说明完成实训。

回升，后续的反转上升也有这一部分原因。
（2）股票成交量变动分析
以交易量为对象，画出交易量的柱状图，判断交易量的变动趋势。
具体操作：
1）在Power BI主界面中，选择【堆积柱形图】，将图形加载到画布中。
2）在【字段】模块中，选择“日期"和"交易量"两个字段，完成图数 据设置。
3）在可视化模块，在“字段中"对“轴"的进行设置，点击下拉菜单， 将轴改为日期。
4）对图表的属性进行设置，选择在【格式】中，设置X轴、Y轴字体大 小，打开“数据标签”并设置数据标签的大小。
国僵］
图3-7柱状图设置（股票成交量变动分析）
>UME0E sQdlEr - * oaRael ESJKS3Q7 瞅 Eaw-WEPa-- 可巨tMQRT <<#¥
交易重，疫日期，图3-8苹果交易量随时间变化时序图
交易量波动分析：
从成交量来看，三月份的交易量普遍较高，可以联想到刚才的股价趋势分析 中三月是下跌的一个趋势。其他月份来看，2月初左右成交量较高为54, 5月1 号成交量较高为60, 6月19号交易量也较高为66。
（3）股票涨跌幅与交易量关系分析
以涨跌幅和交易量为对象，判断两者之间的关系。
具体操作：
1）在Power BI主界面中，选择【折线和堆积柱形图】，将图形加载到画 布中。
2）在【字段】模块中，选择“日期"、"收盘"和“交易量"三个字段, 完成图数据设置。
3）在可视化模块，在“字段中”对“轴"的进行设置，点击下拉菜单， 将轴改为日期，将“交易量''设置列值、“涨跌幅"设置为行值。
4）对图表的属性进行设置，选择在【格式】中，设置X轴、Y轴字体大 小。
w Uft ax am w
□ Q］刑匾P翻唱朋IS皿囚庭 国输0! tt W* F«M p<M«<w $a QEteRrui w*B36 “ wrtXTTact«BMsra r*»M
。嘻 50• S3KM $«**•»**•
Q
UMEE5民
3AO园
h£珂3DR3 £粉 ADQ
MtMQRT
7
"-
图3-9折线和堆积柱形图设置(股票涨跌幅与交易量关系分析)'交易堇和薄(核巳期，V £2 ...'
•女宜■•口
'交易堇和薄(核巳期，V £2 ...'
•女宜■•口

'交易堇和薄(核巳期，V £2 ...'
•女宜■•口
图3-】()苹果涨跌幅与交易量关系图

涨跌幅与交易量关系分析：
从图中可以看出交易量和涨跌幅存在高度相关关系。从刚才的交易量分析可 以看出，对应成交量高的时候，涨跌幅波动较大。结合股市交易特点，成交量的 变化将影响股票价格，而每日股票收盘价则决定每日的涨跌幅。这里可以得出交 易量会影响每日的收益率，那么接下来分析股价与交易量的关系，进一步判断是 价先量后还是量先价后。
(4) 股票价格和交易量关系分析
以收盘价和交易量为对象，判断两者之间的关系。
具体操作：
1）在Power BI主界面中，选择【折线和堆积柱形图】，将图形加载到画 布中。
2）在【字段】模块中，选择“日期"、"收盘"和“交易量"三个字段, 完成图数据设置。
3）在可视化模块，在“字段中"对“轴”的进行设置，点击下拉菜单， 将轴改为日期，将“交易量"设置列值、“收盘”设置为行值。
4）对图表的属性进行设置，选择在【格式】中，设置X轴、Y轴字体大小。
幕a a as B 成国”囚够国输廓
3・’E3« 皈《PtMoU SQl QEdfi♦再HMC« m* »««??• S»«l*UMt»SM K
Se^e*•
Me««S"Sa*■«9
M *：faKit*H*«SS.-V E： •"
■ in +
>uHalBE 5应osi- - fcE3a « » ® Esi ynaQ? 蜘MSB^SP- 可匿一lMQRHIf-
< <

图3T1折线和堆积柱形图设置（股票价格和交易量关系分析）
V £2 ••
心和涨跌幅按日期，
•。受•»?«

图3-12苹果涨跌幅与交易量关系图
收盘价与交易量变动关系分析：
从图中可以看出股价和交易量成反向变动关系。3月时间段的股价下跌，对 应这段时间的交易量一直处在最高位置，可以解释为股市受到新冠疫情的影响， 出现暴跌，卖方纷纷出仓以减少损失，这使得成交量呈现高位趋势。而其他时间 段的上涨，所对应的交易量相对下跌时候的处在较低位置，可以解释为股市引来 上涨态势，买方持股看好走势，使得成交量不会处在较高位置。
股价反转信号分析：
苹果股价存在量先价后的规律。从图中2处标红记号可以看出，这是对应两 次反转时期，第一次股价处在1月以来最高值，随后迎来股市暴跌，我们观察发 现所对应交易量在股价下跌前出现下降趋势，而当交易量降到最近时期的最低 值，对应股价强烈的反转信号发出。同样当股价跌到最低值时，交易量从高位出 现下降趋势，再交易量回到正常值时，股价有一段小幅下降，但随后迎来牛市上 涨，交易量在高位出现下降时，虽然与最低值成同步变动，但先与后续小幅下降 后的上涨，不能完全作为抄底判断指标，但可以作为市场反转的信号指示。
（三）任务三汽车产量统计数据采集