Not Only Diagram But BI Visualization

明明一步步的操作都沒錯，怎麼匯出的XML檔案內容看不懂。

曾經在這個部落格園地，有了一系列學習Json檔案的介紹(學習Json檔案格式與實作系列)，也受到部分讀者與學員的建議和鼓勵，再規劃XML檔案格式相關的話題，與大家分享使用Power Query匯入XML檔案的實例與情境。

［關閉並載入至…］怎麼不能用了，一直是許多使用過Power Query編輯器的人會碰到的困擾，就在此為大家解疑囉！

經由Power Query編輯器所整理完成的資料，在Excel環境裡有多種輸出選擇，譬如：可以僅建立連線就好，爾後可再隨時伺機運用；也可以直接作為樞紐分析表與樞紐分析圖的資料來源，輕鬆製作摘要統計報表與圖表；甚至亦可複本存放至資料模型，為資料關聯與數據分析做準備。

資料拆分是整理原始資料（Raw Data）的關鍵步驟，能夠直接影響後續分析的準確性與效率。Power Query的「分割資料行」功能正是為此設計。藉由拆分作業，可以將複雜或混雜的數據資料分解為更有意義的部分，以便進行分析和整理。並且符合資料庫正規化原則，也能利於與其他系統的整合。

Power Query查詢編輯器提供了清晰直觀的操作環境，透過查詢列表的導覽，可快速切換和管理各個建立的查詢；右側的查詢設定工作窗格則鉅細靡遺地列出所有查詢步驟，方便使用者追蹤和修改。工具列上也提供常用功能選項，諸如篩選、排序和格式轉換。要成為資料整理大師，您肯定要熟悉Power Query查詢編輯器作業環境。

CSV（Comma-Separated Values）是一種簡單且普遍的輕量級的純文字資料格式，用來儲存表格數據。每欄(資料行)的資料均以逗號分隔，資料列則以換行標記，其特性包括結構簡單、易讀寫，且兼容幾乎所有數據處理工具（如 Excel、Python、Power Query）。檔案體積小、解析高效，並可跨平台使用，無需專用軟體即可編輯。廣泛應用於數據交換、資料庫匯入/匯出及分析領域，是數據科學和商業報表中最普及的格式之一。所以，許多企業、政府單位、機關團體、資訊系統等各領域廣受歡迎。

光就Query這個單字，就可以揣測得到肯定是與資料「查詢」相關的工作，再加上Power這個字眼，翻譯成「超級查詢」應該也不為過！只要學會這個工具，對於大量資料、結構性資料、非結構化資料的整理、篩選、彙整，將會更加輕鬆、有效率，到時可就回不去囉！

愈來愈多人喜歡Power Query了，我發現許多Excel使用者或者資料處理的工作者，愈來愈仰賴Power Query來進行資料的匯入、拆解、轉換、組合、…等等作業。而從一些來自學員、讀者的提問與疑惑中，也發覺到他們大大小小的困擾，尤其是若要進行更進一步的資料轉換時，基於並非資訊專業人員，資料庫基礎觀念涉獵不多，卡關的情境屢見不鮮，於是有了撰寫這系列文章的念頭。就從Power Query與Excel和Power BI的關係開始講起囉！

常見的JSON實務範例，裡面包含的物件是層層疊疊的，物件裡有清單、清單裡有物件，對應到Power Query編輯器的M語言，熟識List、Record、Table等容器後，會有更清楚的脈絡與思維，在資料轉換的操作上更有莫大的幫助。

前面為大家普科了JSON檔案格式的架構，並不是要讓大家無中生有的去撰寫JSON格式資料檔，因為，可以轉換與解析JSON檔案格式的工具及應用程式很多，筆者只是希望大家至少能看得懂簡單的JSON檔案格式，因為，未來勢必會有很多接觸JSON檔案格式的機會。而後來又跟大家講解了Power Query環境下的M語言，尤其是三大容器List、Record、Table，筆者的目的也不是要讓大家使用這些容器來建立資料，而是在使用Power Query匯入各種類型的外部資料來源時，譬如：JSON檔案、XML檔案，您就會很容易理解所匯入的資料元素是什麼，包含了哪些物件、含括了什麼成分，以及如何去展開與剖析。

Power Query在處理資料、解析資料的基礎上，並不僅僅是針對文字、數值、日期與時間等類型的資料而已，資料結構中的資料表、資料欄位、資料記錄，也都有其對應的儲存體，我們稱之為容器。在Power Query的資料結構中，會涉獵到資料表(Table)、記錄(Record)、清單(List)等容器，更是儲存與擷取結構化資料的重要元素，若要了解資料的深化、探勘、萃取、轉換、…等技巧，就必須深入了解這三大容器的關係、轉換、編碼與相關函數的運用。雖說使用Power Query操作介面與功能選單，就可以達到資料查詢的目的，但多方瞭解這些容器的標示方式，將有助於您再匯入JSON、XML等資檔案時，會有莫大的助益。

前一篇文章我們提到「JSON 物件基本上就是 JavaScript 物件」，而這敘述在大多數情況下都對。正如同標準的JavaScript物件，我們可在JSON內加入相同的基本資料型別，諸如：字串、數字、陣列、布林值，以及其他物件，也能同樣再建構出資料繼承，因此，非常適合結構化資料的儲存與傳遞。

資料、數據的傳遞在資訊蓬勃發展的今天，幾乎是不可避免、天天上演的劇情。譬如：手機訊息的傳遞、網絡檔案的分享、各種平台的資料下載，都是您我經常面臨的情境。而資料檔案的格式雖然多元，多變，普遍且具優勢的格式並不多，但其中的Json檔案格式被許多資源、系統與平台廣泛採用，不論您是否具備資訊背景，絕對是易懂易學且十分值得您花點時間認識與運用的。

完成員工專長需求的查詢介面設計後，測試一下各種情境的需要，檢視Power Query的運作與Excel的參數規劃是否符合我們的需求。

萬事具備了，我們就開始來建立選取專長項目後的名冊輸出，以顯示出到底有哪些員工符合我們的專長需求囉！因此，再度進入Power Query編輯器，以［員工專長列表］查詢結果來進行這項任務。

建立查詢是查找資料的基本，而查詢的比對準則內容，可以來自工作表上的儲存格，也就是利用儲存格的內容，做為查詢的比對參數，是直覺又便利的查詢操作介面設計。

上一篇文章【從Power Query實作認識「基元值」(Atomic Value)】的說明與實作中，我們將一份非結構資料，透過Power Query編輯器的操作，建立了兩張資料表，並載入到Power Pivot的資料模型裡，進行關聯式資料庫的建立。接著我們就延續這份資料，準備建構出員工專長查詢介面設計與應用。

上一篇文章我們使用Power Query編輯器實作了將非結構化資料表轉換成結構化資料的DAW DATA，也從範例中介紹了「基元值」(Atomic Value)這個專有名詞。然而，這份DAW DATA仍不是完美的關聯式資料表，理由是重複性資料站多，主要索引關鍵欄位也需要建構與釐清。

在關聯式資料庫系統中，常聽到「基元值」(Atomic Value)這個專有名詞，許多非資訊背景的工作者，常有不知所措、不易理解的窘境。在此就以Excel處理資料，轉換資料的概念，為大家說明與實作。