도서 소개

데이터 탐색과 시각화 WITH POWER BI 3rd 도서는 비전공자도 쉽게 따라 할 수 있는 직관적인 설명과 최신 데이터 기반의 실전 예제를 통해, 이 책은 복잡한 데이터를 쉽고 빠르게 시각화하고 실무에 활용하는 방법을 알려주는 실전형 데이터 시각화 입문서다.

<기본편>에서는 Microsoft Power BI를 중심으로, 데이터 분석의 기본기를 다진다. 분산된 데이터를 수집하고 정제하며, 모델링을 통해 원하는 구조로 재가공하고, 시각화와 공유를 통해 결과를 전달하는 전 과정을 실제 업무 흐름에 맞춰 학습한다. 파워 쿼리 편집기와 DAX 수식을 활용해 데이터를 다차원적으로 분석하고, Power BI 서비스에 게시함으로써 협업 환경에서의 데이터 활용까지 경험할 수 있도록 구성했다.

<실전편>에서는 공공 데이터를 기반으로 사회적 이슈를 분석하는 과정을 실습한다. 서울 1인 세대의 분포와 이동 패턴, 대기질과 기후 요소 간의 상관관계, 카페 창업 관련 상권 분석 등 실제적이고 흥미로운 주제를 바탕으로, 수집–전처리–분석–시각화의 흐름을 자연스럽게 익힐 수 있다. 특히 각 사례는 단순한 수치 나열이 아닌, 데이터 속에서 통찰을 이끌어내는 방법에 집중한다.

  출판사 리뷰

보고도 못 믿을 데이터 시각화의 마법, Power BI로 체험하라!
데이터 탐색과 시각화 WITH POWER BI 3rd

데이터 탐색과 시각화 WITH POWER BI 3rd 도서는 비전공자도 쉽게 따라 할 수 있는 직관적인 설명과 최신 데이터 기반의 실전 예제를 통해, 이 책은 복잡한 데이터를 쉽고 빠르게 시각화하고 실무에 활용하는 방법을 알려주는 실전형 데이터 시각화 입문서입니다.

<기본편>에서는 Microsoft Power BI를 중심으로, 데이터 분석의 기본기를 다집니다. 분산된 데이터를 수집하고 정제하며, 모델링을 통해 원하는 구조로 재가공하고, 시각화와 공유를 통해 결과를 전달하는 전 과정을 실제 업무 흐름에 맞춰 학습합니다. 파워 쿼리 편집기와 DAX 수식을 활용해 데이터를 다차원적으로 분석하고, Power BI 서비스에 게시함으로써 협업 환경에서의 데이터 활용까지 경험할 수 있도록 구성했습니다.

<실전편>에서는 공공 데이터를 기반으로 사회적 이슈를 분석하는 과정을 실습합니다. 서울 1인 세대의 분포와 이동 패턴, 대기질과 기후 요소 간의 상관관계, 카페 창업 관련 상권 분석 등 실제적이고 흥미로운 주제를 바탕으로, 수집–전처리–분석–시각화의 흐름을 자연스럽게 익힐 수 있습니다. 특히 각 사례는 단순한 수치 나열이 아닌, 데이터 속에서 통찰을 이끌어내는 방법에 집중합니다.

이 책은 Power BI의 기능적인 설명을 넘어서, 데이터를 읽고 해석하고 설득력 있게 전달하는 일련의 과정을 체계적으로 익힐 수 있도록 도와줍니다. 데이터를 처음 접하는 입문자부터, 실제 업무나 프로젝트에서 바로 활용하려는 실무자까지 모두에게 유용한 안내서가 될 것입니다.

* 예제/완성 파일 다운로드
영진닷컴 홈페이지(www.youngjin.com) - [고객센터] - [부록 CD 다운로드] - [IT도서·교재]에서 도서명 검색 후 다운로드

* 주요 내용
<기본편>
PART 01 Power BI 기본
수집한 데이터를 효과적으로 분석하고 원하는 결과를 도출하기 위해서는 적절한 분석 도구의 활용이 필수입니다. PART 01에서는 Microsoft에서 제공하는 대표적인 데이터 분석 도구인 Power BI를 중심으로, 데이터 전처리부터 모델링, 시각화까지의 기본 흐름을 익힙니다.

Power BI는 정리되지 않았거나 여러 곳에 흩어진 데이터를 쉽게 연결하고, 시각화 및 공유할 수 있도록 도와주는 강력한 비즈니스 인텔리전스 도구입니다. 사용법이 직관적이고 진입 장벽이 낮아 초보자도 금세 익힐 수 있으며, 실무에서도 즉시 활용 가능한 기능을 다양하게 제공합니다.

더불어, Power BI의 주요 구성 요소를 소개하고, 이를 활용한 데이터 분석과 시각화의 핵심 과정을 하나씩 살펴보며, 본격적인 실습에 앞서 탄탄한 개념과 기본기를 갖출 수 있도록 구성했습니다.

PART 02 Power BI 활용
PART 02에서는 Power BI를 실무에 효과적으로 활용하는 방법을 다룹니다. 파워 쿼리 편집기를 활용해 여러 파일을 결합하거나 데이터를 추가해 하나의 통합 데이터로 구성하는 방법부터, 전월대비·전년대비 증감률 등 다양한 계산식을 DAX 함수로 구현하는 실습까지 함께합니다.

또한 Power BI Desktop에서 만든 대시보드와 리포트를 Power BI 서비스에 게시하고 조직 구성원들과 공유함으로써, 협업 환경에서도 손쉽게 정보를 전달하고 분석 결과를 공유할 수 있는 흐름을 익히게 됩니다. 데이터 가공, 분석, 시각화, 공유까지의 일련의 과정을 따라가며 Power BI의 진정한 활용법을 체감할 수 있는 중심 파트입니다.

<실전편>
PART 03 서울의 1인 세대, 어디서 살고 있을까?
서울의 10가구 중 4가구가 1인 세대일 정도로, ‘혼자 사는 삶’은 이제 특별한 현상이 아닌 한국 사회의 주요한 변화 흐름이 되었습니다. PART 03에서는 행정안전부의 주민등록 인구 데이터 및 인구이동 데이터 등 공공 데이터를 바탕으로, 서울 426개 행정동을 분석하고 1인 세대의 분포와 이동 특성을 파악합니다.

Power BI를 활용해 데이터 수집부터 전처리, 시각화까지의 흐름을 직접 실습하며, 단순한 수치가 아닌 삶의 패턴과 도시 구조의 변화를 읽는 방법을 배웁니다. 혼자 사는 사람들은 주로 어느 동네에 살고 있을까? 어떤 특성을 가진 이들이 어디로 이동하고 있을까? 이 파트는 데이터를 통해 도시와 사람 사이의 관계를 통찰하는 경험을 제공할 것입니다.

PART 04 서울의 미세먼지, 어떻게 변화하고 있을까?
"미세먼지가 많아서 아이를 밖에 내보내기가 걱정이에요." 이처럼 미세먼지는 이제 서울 시민의 일상과 건강에 큰 영향을 주는 사회적 문제로 자리 잡았습니다.

PART 04에서는 Power BI를 활용해 서울특별시의 대기오염 측정 데이터와 기상청의 기후 데이터를 분석하며, ‘과연 미세먼지는 해마다 더 심해지고 있는지’, ‘기온, 강수량 등 기후 요소는 미세먼지 농도에 어떤 영향을 미치는지’, ‘내가 사는 지역의 공기 질은 어떤 수준인지’와 같은 일상적인 궁금증을 공공 데이터를 통해 해석해 봅니다.

PART 05 직장 그만두고, 나만의 카페를 창업해 볼까?
“퇴사하고 카페 차릴까, 고민 중인데, 망하면 어쩌죠?” SNS에서 흔히 볼 수 있는 이 질문은 단순한 상상이 아니라 수많은 직장인들의 진짜 고민입니다. 실제로 카페 창업은 많은 이들의 로망이지만, 5년 내 폐업률이 70~80%에 달한다는 통계 앞에서는 누구나 망설일 수밖에 없습니다.

PART 05에서는 Power BI를 보다 심화된 분석 도구로 활용해, 서울의 카페 창업 데이터를 분석합니다. 지자체 인허가 정보와 생활인구 데이터를 결합하여 상권별 카페 분포, 폐업률, 생존 기간 등을 시각화하고, 성공 가능성이 높은 지역의 특성을 다양한 시각화 객체를 이용하여 직관적으로 살펴봅니다.

  목차

<기본편>
PART 01 Power BI 기본
Chapter 01 Power BI 살펴보기
01 Power BI란?
02 Power BI 제품 구성 요소
03 Power BI 작업 흐름
04 Power BI Desktop이란?
05 Power BI 서비스란?
06 Power BI 콘텐츠
07 Power BI 라이선스
08 Power BI 참고

Chapter 02 Power BI Desktop 시작하기
01 Power BI Desktop 다운로드
02 Power BI Desktop 화면 구성
03 Power BI 옵션

Chapter 03 데이터 가져오기
01 데이터 가져오기
02 테이블과 열(필드) 다루기
03 데이터 새로 고침
04 데이터 원본 변경
05 파일 저장

Chapter 04 파워 쿼리 편집기 다루기
01 파워 쿼리 편집기 시작하기
02 데이터 변환
03 열 병합과 분리, 열 추가
04 쿼리 닫기 및 적용

Chapter 05 데이터 모델링
01 테이블 구조
02 관계 설정과 편집
03 DAX 수식 작성
04 계산 열
05 측정값
06 열 기준 정렬
07 데이터 범주
08 데이터 그룹 설정

Chapter 06 데이터 시각화
01 보고서 페이지 관리
02 시각적 개체 다루기
03 시각적 개체 옵션
04 보고서 작성하기
05 상호 작용 편집

PART 02 Power BI 활용
Chapter 07 파워 쿼리 편집기 활용
01 파일 결합
02 쿼리 추가와 결합
03 쿼리 복제와 참조
04 행 그룹화
05 쿼리 새로 고침

Chapter 08 DAX 함수 활용
01 날짜 테이블 만들기
02 측정값 관리
03 유용한 DAX 함수
04 빠른 측정값
05 DAX 참조, 빠른 측정 갤러리

Chapter 09 다양한 시각화
01 계층 구조
02 조건부 서식
03 스파크라인
04 다양한 시각화
05 새 매개 변수
06 더 많은 시각적 개체 가져오기

Chapter 10 다양한 맵 시각화
01 Power BI 맵 시각적 개체
02 맵 시각화를 위한 Tip
03 등치 지역도
04 도형 맵
05 ArcGIS

Chapter 11 보고서 관리
01 필터
02 보고서 도구 설명
03 보고서 테마
04 페이지 탐색 단추 만들기
05 책갈피 만들기

Chapter 12 Power BI 서비스
01 Power BI 서비스 살펴보기
02 보고서 게시와 공유
03 보고서 내보내기
04 데이터 새로 고침
부록 생성형 AI를 활용한 데이터 분석


<실전편>
PART 03 서울의 1인 세대, 어디서 살고 있을까?
Chapter 01 분석 개요
01 분석 배경
02 분석 절차
03 분석 특징 및 한계

Chapter 02 문제 정의
01 세대 구성의 변화 추이는?
02 1인 세대의 공간적 분포는?
03 1인 세대의 이동 패턴은?

Chapter 03 데이터 수집
01 세대원별 세대수 데이터
02 인구이동 통계 데이터
03 행정동 코드 데이터

Chapter 04 데이터 전처리
01 세대원별 새대수 데이터
02 인구이동 데이터
03 행정동 코드 데이터
04 최종 데이터 적용

Chapter 05 세대 구성 형태의 변화 분석
01 세대수의 변화 시각화
02 세대 구성 형태의 변화 시각화
03 시각화 결과 탐색

Chapter 06 1인 세대의 공간적 분포 분석
01 분석 데이터 준비
02 지역별 1인 세대 현황 시각화
03 공간 분포 패턴 시각화
04 시각화 결과 탐색

Chapter 07 1인 세대의 이동 패턴 분석
01 분석 데이터 준비
02 1인 세대 인구 특성 분석
03 1인 세대 공간 분포 분석
04 시각화 결과 탐색

PART 04 서울의 미세먼지, 어떻게 변화하고 있을까?
Chapter 01 분석 개요
01 분석 배경
02 분석 절차
03 분석 특징 및 한계

Chapter 02 문제 정의
01 미세먼지(PM-10)와 초미세먼지(PM-2.5)의 상관관계는?
02 서울의 미세먼지, 개선되고 있나?
03 기후 요소는 미세먼지에 어떤 영향을 끼칠까?
04 서울시내 지역별 미세먼지 농도는?

Chapter 03 데이터 수집

Chapter 04 데이터 전처리
01 미세먼지 측정 데이터
02 기후 데이터
03 최종 데이터 연결하기

Chapter 05 미세먼지와 초미세먼지의 상관관계
01 데이터 준비
02 상관관계 시각화
03 측정일시 추가
04 시각화 결과 탐색

Chapter 06 서울의 미세먼지, 개선되고 있나?
01 데이터 준비
02 연평균 값의 변화 시각화
03 일 기준 초과 건수 시각화
04 시각화 결과 탐색

Chapter 07 기상 조건과 미세먼지 농도의 관계 분석
01 데이터 준비
02 기온과 미세먼지/초미세먼지 관계 시각화
03 습도와 미세먼지/초미세먼지 관계 시각화
04 풍속과 미세먼지/초미세먼지 관계 시각화
05 풍향과 미세먼지/초미세먼지 관계 시각화
06 시각화 결과 탐색

Chapter 08 서울시 지역별 미세먼지 농도 분석
01 데이터 준비
02 자치구별 미세먼지/초미세먼지 농도 시각화
03 지도로 미세먼지 농도 시각화
04 미세먼지/초미세먼지 농도별 시각화
05 시각화 결과 탐색


PART 05 직장 그만두고, 나만의 카페를 창업해 볼까?
Chapter 01 분석 개요
01 분석 배경
02 분석 절차
03 분석의 특징 및 한계

Chapter 02 문제 정의
01 창업과 폐업 현황은 어떨까?
02 폐업률과 영업기간은 어떨까?
03 프랜차이즈의 영향력은 어느 정도일까?
04 창업하기 좋은 입지는 어디일까?

Chapter 03 데이터 수집
01 카페 인허가 데이터
02 생활인구 데이터

Chapter 04 허가 데이터 전처리
01 데이터 구조 확인
02 분석할 데이터 정리
03 공간정보 정리
04 Power BI로 마무리

Chapter 05 생활인구 데이터 전처리
01 행정구역 데이터 정리
02 생활인구 데이터 정리

Chapter 06 창업과 폐업 추이 분석
01 데이터 준비
02 창업과 폐업 현황 시각화
03 서울시 카폐의 증감 시각화
04 시각화 결과 탐색

Chapter 07 폐업률과 영업기간 분석
01 연도별 폐업률 시각화
02 영업기간 현황 시각화
03 시각화 탐색 결과

Chapter 08 유명 브랜드 카페 분석
01 데이터 준비
02 시장 점유율 시각화
03 매장 분포 시각화
04 성장 추이 시각화
05 시각화 결과 탐색

Chapter 09 카페 입지 분석
01 데이터 준비
02 지역별 카페 분포 시각화
03 지역별 생활인구 시각화
04 카페 과밀 지역 시각화
05 시각화 결과 탐색

  회원리뷰