2018 PASS峰會于 11.5~11.9 舉行完畢，本文簡介PASS峰會中有關(guān)PowerBI企業(yè)現(xiàn)代商務(wù)智能的進展以及未來展望，絕對震撼，超乎想象。

文后附贈完整大會視頻。

關(guān)于 PASS

PASS是一個由社區(qū)和社區(qū)運營的非營利組織。PASS支持全球使用Microsoft數(shù)據(jù)平臺的數(shù)據(jù)專業(yè)人員。PASS峰會是Microsoft數(shù)據(jù)平臺社區(qū)最大的技術(shù)會議。

PASS努力通過以下方式履行其使命：

• 通過我們的本地和虛擬團體，在線活動，地方和區(qū)域活動以及國際會議促進會員聯(lián)網(wǎng)和信息交流。
• 為深入學(xué)習(xí)和專業(yè)發(fā)展提供高質(zhì)量，及時的技術(shù)內(nèi)容。

PASS由CA Technologies和Microsoft于1999年共同創(chuàng)立，旨在推廣和教育全球的SQL Server用戶。自成立以來，PASS已在全球范圍內(nèi)擴展，并使其成員多元化，以包容所有使用任何Microsoft數(shù)據(jù)技術(shù)的專業(yè)人士。

PowerBI 主題演講

開始。

總結(jié) PowerBI 的發(fā)展

PowerBI最新的發(fā)展現(xiàn)狀：

PowerBI要做的就是打造數(shù)據(jù)文化：

PowerBI堅守著不變的宗旨：

這又是PowerBI不可思議的一年：

已經(jīng)形成了興旺的生態(tài)：

并已形成了大型的社區(qū)：

一起回顧下2018年P(guān)owerBI的發(fā)展：

總結(jié)下來，可以歸類為：

回顧最近12個月，可以概括為：

• 自助分析趨于成熟
• 大規(guī)模企業(yè)應(yīng)用不斷增強
• 跨越式的改進

PowerBI 在自助分析角度的發(fā)展

從 自助分析 角度來看，可以概括為：

具體包括：

佐羅：視覺對象智能對齊，該功能目前暫未出現(xiàn)（截止2018.11），或許這將在2018.12發(fā)布。

除此以外：

PowerBI 在企業(yè)應(yīng)用方面的發(fā)展

BI佐羅：對于企業(yè)級應(yīng)用使用 Premium 版本，實際 8 核的 P1 可以覆蓋1450個用戶的使用，折算成本相當于3.45美元/人/月。

目前正在使用 PowerBI 的各行業(yè)典型客戶：

PowerBI的使用飛速增長：

BI佐羅：PowerBI的使用增長速度非常快，截止2018.10，同比YTD增長了7倍。

OK。以上就是截止 2018.11 PowerBI 的發(fā)展總結(jié)。相信大家和我一樣，對PoweBI 在 2018年的整體發(fā)展有了一個宏觀了解。

現(xiàn)代商業(yè)智能的未來趨勢

該部分由 Amir Netz 為大家呈現(xiàn)。

首先介紹一下 Amir Netz，他是：

他是微軟PowerBI及商業(yè)智能平臺首席技術(shù)官，也是SSAS，VertiPaq（運行在PowerBI內(nèi)部的引擎）以及PowerPivot 教父。

他是位非常有激情的技術(shù)專家：

不難看出，Amir 為技術(shù)的付出已經(jīng)表現(xiàn)在他的照片上了。致敬！讓我們來認真聽取 Amir 為我們帶來的精彩演講。

教父指出：數(shù)據(jù)文化的形成是一種網(wǎng)絡(luò)效應(yīng)，需要人人都可以參與進來，人們應(yīng)該可以找到他們所需要的所有數(shù)據(jù)并同時可以分享給任何需要的人，從而一起自然形成一個沒有邊界的數(shù)據(jù)組織。并強調(diào)：各自為政的分散式模式是不利于構(gòu)成數(shù)據(jù)文化的。

因此，微軟構(gòu)建了統(tǒng)一的全局BI平臺，為每一個組織，應(yīng)對任何工作負荷及規(guī)模。

首先就是要將自助式BI與企業(yè)級BI統(tǒng)一起來：

我們知道 PowerBI 已經(jīng)可以讓任何人都可以在其基礎(chǔ)上快速構(gòu)建模型和交互式報告，但我們很快就會面臨企業(yè)級的需求：

BI佐羅：很多人（包括自己）都會發(fā)現(xiàn)，使用 Power BI Pro 很快就會達到極限（邊界），例如：企業(yè)有 上千萬行 數(shù)據(jù)要處理，并統(tǒng)一提供給終端用戶使用，這在現(xiàn)實中超出了 Power BI Pro 的能力范圍，不管從加載速度，數(shù)據(jù)重復(fù)利用，性能等方面。

目前正將 SSAS 的能力逐步引入 PowerBI，其實這些能力早就在那里了，因此 PowerBI 的底層和 SSAS 的底層技術(shù)是一樣的。

BI佐羅：Amir Netz 既然是 SSAS 及 VertiPaq 教父，相信他應(yīng)該會一直優(yōu)化 VertiPaq ，也就是 Tabular 模型。

另外正在做到就是處理企業(yè)級報表。

再有，就是企業(yè)如何治理及控制：

這其實也包括很多重要內(nèi)容：

例如：中國的網(wǎng)路安全法規(guī)定中國的數(shù)據(jù)不可以離開中國，那PowerBI應(yīng)該保證這點；以及如何追蹤數(shù)據(jù)的使用；元數(shù)據(jù)管理及生命周期管理等。

至此，教父的演講告一段落，接下來應(yīng)該演示一些內(nèi)容，教父請出高級項目經(jīng)理 Christian Wade 為大家演示：

讓我們一起跟隨 Christian 來實際感受 PowerBI 帶來的可能：

一上來就直接高潮，整出來100張表的模型：

利用已經(jīng)在 2018.11 發(fā)布的模型視圖功能，可以輕松管理大型模型并將其拆分成不同部分：

并將度量值裝入文件夾，進行管理：

接著演示企業(yè)報表功能：

當然，每次都會刷新一下PowerBI處理大規(guī)模數(shù)據(jù)的能力：

這次是：60000億行數(shù)據(jù)。

用戶可以直接拖拽字段和指標并可視化，而且非常流暢，例如達成如下效果不到3秒：

這反映了Top100的客戶的所有歷史訂單，高達10億筆，也是個不小的數(shù)字。

PowerBI 采用了 聚合 的原理（該功能已于2018.11正式發(fā)布）在物理上實現(xiàn)這點。但如果用戶向下鉆取到詳細數(shù)據(jù)，這是非聚合數(shù)據(jù)，又會怎樣呢？

系統(tǒng)也會很快返回明細數(shù)據(jù)。可以用性能監(jiān)視器監(jiān)測，可以看到：

當用戶（拖拽的）查詢請求可以命中聚合時，將直接返回結(jié)果；而若無法命中聚合，則使用 DirectQuery 的方式去數(shù)據(jù)源進行查詢。

BI佐羅：目前這里有兩個物理限制，或者說是技術(shù)難點，第一，數(shù)據(jù)源與PowerBI之間必須可以實現(xiàn) DirectQuery ；第二，數(shù)據(jù)源在運行和返回大規(guī)模查詢時必須很快。

這里使用的數(shù)據(jù)源是 Azure SQL Data Warehouse , 中國的用戶可以參考：

https://www.azure.cn/zh-cn/home/features/sql-data-warehouse/

這里非常值得一提的是：

用性能監(jiān)視器是可以連接到 PowerBI 平臺內(nèi)部引擎以查看其引擎工作狀態(tài)的，因為前面已經(jīng)介紹了，PowerBI 的底層原理正是 SSAS 教父當年發(fā)明的 VertiPaq 引擎，所以只要 教父 同意企業(yè)可以連接到發(fā)動機，那就可以查看其運行情況。

如果用 SSMS 連接 PowerBI 工作區(qū)的話，會發(fā)現(xiàn)：

這好像是 SSAS 服務(wù)嘛~ 沒錯，這的的確確就是 SSAS Tabular 模型服務(wù)，PowerBI 將會開放內(nèi)部引擎連接點給到企業(yè)用戶，以便企業(yè)用戶可以追蹤其工作性能，PowerBI 將會成為 SSAS 的超集存在。

（現(xiàn)場發(fā)出驚呼）

演示完畢，教父上臺繼續(xù)接著講，高潮起來了，教父也很激動，先切換好PPT，繼續(xù)：

由于 SSAS 和 SSRS 是非常成熟的技術(shù)并廣泛用于現(xiàn)代，很多企業(yè)中甚至布滿了孤立的 SSAS ，到處都是：

但現(xiàn)在企業(yè)可以將這些分散的無法得到有效控制的孤立SSAS及SSRS全部整合到PowerBI：

PowerBI 正在致力于實現(xiàn)這件事，不久，企業(yè)就可以做到把這些全部整合到云端，完全受控，全局統(tǒng)一。

下面，來說說接下來（明年，2019）的變化，首先來看看統(tǒng)一數(shù)據(jù)準備：

這被稱為：數(shù)據(jù)流。

數(shù)據(jù)流的核心使命是：打造可重用的ETL。并且使用的技術(shù)是 PowerQuery，PowerQuery 已經(jīng)內(nèi)置在 PowerBI，甚至是Excel中，不再需要使用IT才能玩轉(zhuǎn)的SSIS，甚至在家中就可以定義 PowerQuery ，輕松完成企業(yè)統(tǒng)一的數(shù)據(jù)準備。

當然，這里要應(yīng)對復(fù)雜場景的挑戰(zhàn)：
首先，就是一致性。如果確保企業(yè)中不斷變化的ETL過程，而且可能是多個不同的ETL過程，總是得到完全一致的數(shù)據(jù)結(jié)果：

上圖反映了來自85個數(shù)據(jù)源的313個數(shù)據(jù)轉(zhuǎn)換過程，該過程被革命性的計算引擎管控，一旦任何數(shù)據(jù)源發(fā)生變化，整體全部刷新，永遠保持一致性。這就像在Excel中按 F9 來重新計算，所有有關(guān)聯(lián)關(guān)系的單元格全部計算，保持 Excel 不同頁面凡是用到同樣數(shù)據(jù)的全部保持最新并且一致，而 Excel 的公式引擎自動完成了這些，未來，PowerQuery的計算引擎也會是這樣。

其次，一個重大挑戰(zhàn)是：數(shù)據(jù)量級。面對企業(yè)級海量的數(shù)據(jù)，PowerQuery處理后放在哪里呢？無縫實現(xiàn)大數(shù)據(jù)：

答案是采用 Azure Data Lake 來存放數(shù)據(jù)，并以內(nèi)置在 Power BI Premium 服務(wù)中：

這里值得驚嘆的是：

• 所有數(shù)據(jù)以 csv 格式存放
• 所有數(shù)據(jù)元數(shù)據(jù)（用來描述數(shù)據(jù)類型，關(guān)系，引用等）以 json 格式存放

并且微軟的所有服務(wù)在 Data Lake 中均采用這種格式存在，這是一個標準。不僅如此，這個標準是開放的，微軟的生態(tài)將和 Adobe，SAP等更多廠商一起使用這個標準，一旦數(shù)據(jù)存放，不需要做任何轉(zhuǎn)義處理，因為所有服務(wù)都是同一個標準。這將推動整個業(yè)界的數(shù)據(jù)標準化。

下面請出 Justyna Lucznik 為大家演示：

Justyna Lucznik 將為大家演示如何利用 PowerBI 數(shù)據(jù)流自動使用微軟認知服務(wù)來處理數(shù)據(jù)，將 AI 能力無縫整合進入 BI，無需一行代碼實現(xiàn)：

• 關(guān)鍵詞提取（例如：美團評價可以識別為標簽）
• 觀點分析（例如：評價可以判斷客戶的滿意度）
• 圖像識別（例如：可以識別客戶照片是誰）

該功能已經(jīng)發(fā)布，目前為預(yù)覽階段。這里連接到 SQL Database，和普通的PowerQuery體驗完全一樣：

選擇【AI洞察】如下：

然后就可以看到一堆 PowerQuery 函數(shù)等你使用：

這里使用 分詞 功能，選擇 分詞 函數(shù)以及要處理的字段和語種：

然后，幾秒后，分詞完畢：

就是這么簡單和任性，沒有代碼，不需要編程。

BI佐羅：微軟的認知服務(wù)以PowerQuery函數(shù)的形式給出，用戶直接使用即可，沒有任何門檻。

還可以做觀點分析（），如下：

幾秒鐘后，結(jié)果如下：

就是這么簡單和任性，沒有代碼，不需要編程。

再來看看做圖像識別，這里演示使用 Azure 機器學(xué)習(xí)的示范，一樣的，機器學(xué)習(xí)訓(xùn)練好的算法也會以 PowerQuery 函數(shù)的形式給出，如下：

這個機器學(xué)習(xí)識別圖像分類的函數(shù)時怎么來的呢？假設(shè)你的企業(yè)有稱為數(shù)據(jù)科學(xué)家的人或者可以找專業(yè)做機器學(xué)習(xí)開發(fā)的服務(wù)提供商開發(fā)一個算法，這里在 Azure 中使用 Python 訓(xùn)練一個圖像識別分類的算法，如下：

該算法由某數(shù)據(jù)科學(xué)家訓(xùn)練得到，然后授權(quán)指定用戶使用即可，獲得授權(quán)的用戶便可以在數(shù)據(jù)流中自動看到以 PowerQuery 函數(shù)形式出現(xiàn)的該機器學(xué)習(xí)算法，輕松使用。

幾秒鐘后，結(jié)果如下：

就是這么簡單和任性，沒有代碼，不需要編程。

BI佐羅：AI（包括認知服務(wù)和機器學(xué)習(xí)），你可以自己關(guān)門造輪子，也可以直接使用大型科技公司的AI服務(wù)，微軟研究院歷經(jīng)多年磨礪，積累的技術(shù)開發(fā)的標準化AI產(chǎn)品服務(wù)可以極大規(guī)模降低企業(yè)使用AI的成本，而與PowerBI的集成更可以說將 AI 融入 BI ，讓 PowerBI 直接升級一個Level。

很多人和我一樣，一開始不理解到底什么是AI，什么是認知服務(wù)，什么是機器學(xué)習(xí)。以下插播一段案例，讓大家徹底明白。

BI佐羅插播：微軟認知服務(wù)

下面使用微軟認知服務(wù)的案例。

文本分析

你可以在：

https://azure.microsoft.com/zh-cn/services/cognitive-services/text-analytics/

自行實驗。這里演示從一句英文中分析：

• 語言判斷
• 關(guān)鍵詞分析
• 情緒
• 名詞提取

面部識別

您可以自行實驗：

https://azure.microsoft.com/zh-cn/services/cognitive-services/face/#detection

人臉分類

還可以人臉分類哦。你也可以自行實驗：

https://azure.microsoft.com/zh-cn/services/cognitive-services/face/#verification

來看看素顏和武媚娘范爺：

這都可以識別，佩服。來個難度更大的：

可以理解。

小結(jié)

以上內(nèi)容全部是成熟的 Azure 服務(wù)，未來就是一個 PowerQuery 函數(shù)，大家可以想象你可以展開很多場景在企業(yè)應(yīng)用而無需任何AI代碼。

整合 AI 進入 BI

Justyna 演示完畢，教父 再次登臺，繼續(xù)演講，接著來描述整合 AI 進入 BI：

包括：

• 輕松從數(shù)據(jù)中獲得洞察力
• 零代碼 AI 集成
• 定制機器學(xué)習(xí)模塊集成

首先是自然語言查詢：

接著是我們剛剛已經(jīng)看到過的 AI 集成：

以及定制機器學(xué)習(xí)模塊：

讓我們再請出 Justyna 為我們演示一個完整的案例。

基于我們剛剛介紹到的能力，可以看一個案例：

我們從賓館的住宿記錄中來進行分析，首先可以提取關(guān)鍵詞來分析：

可以通過篩選看出那類的賓館適合怎樣的客戶：

進而對銷售的商機進行機器學(xué)習(xí)分析來進行預(yù)測：

這里可以對銷售機會創(chuàng)建一個機器學(xué)習(xí)模型：

雖然我們不是數(shù)據(jù)科學(xué)家也不會用 R 或 PY 編寫任何 AI 算法，但依然可以從 PowerBI 中集成的機器學(xué)習(xí)模塊中定制自己所需要的，這里選擇一個 是/否 判斷模型：

選擇歷史數(shù)據(jù)來訓(xùn)練模型：

定義輸入并定義模型：

可以注意到這里給出了訓(xùn)練模型的說明：

訓(xùn)練模型需要一定時間：

然后就可以使用模型來預(yù)測判斷：

并將該算法用于原有PowerBI模型進行預(yù)測：

OK。如你所見，簡單任性，沒有代碼。

教父總結(jié)

PowerBI 正從自助式分析服務(wù)構(gòu)建三大能力：

• 與企業(yè)級BI統(tǒng)一整合
• 統(tǒng)一數(shù)據(jù)準備并使用DataLake
• 集成 AI 進入 BI

形成：新的 PowerBI 體系如下：

BI佐羅：可以看出現(xiàn)有的 PowerBI 在整體版圖中還只是很小一部分。

最終，PowerBI 將實現(xiàn)：

總結(jié)：全新 PowerBI 將打造適應(yīng) 任何負載，任何規(guī)模 的 全局一站式統(tǒng)一BI平臺，助力數(shù)據(jù)文化成為現(xiàn)實。

這就是微軟和PowerBI：

感謝。

總結(jié)

觀看完 PASS 大會對 PowerBI 前景的描述，讓我們可以更加清晰的理解 PowerBI 的全貌。

值得強調(diào)的是：

Power BI：

• 20年來 BI/AI 領(lǐng)域變革者及領(lǐng)導(dǎo)者
• 5秒注冊，5分鐘震撼，云服務(wù)，免費
• 打造一站式統(tǒng)一平臺
• 超級性價比打破市場秩序
• 快速迭代，社區(qū)驅(qū)動

現(xiàn)在，PowerBI 進化成為 新PowerBI，將打造適應(yīng) 任何負載，任何規(guī)模 的 全局一站式統(tǒng)一BI平臺，助力數(shù)據(jù)文化成為現(xiàn)實。

完。

歡迎留言以表達自己的感想，添加BI佐羅自由探討并獲取【原版視頻+字幕】。