要学习数据分析，就绕不开Excel；要用Excel做数据分析，就绕不开Excel的“Power”家族：Power Query、Power Pivot、Power View和Power BI。一看名字，就知道这是兄弟，它们之间有什么联系和区别？能在数据分析中起到哪些作用？

Power Query—数据加载、数据清洗

Power Query是一种数据连接技术，可用于发现、连接、合并和优化数据源以满足分析需要。Power Query 的功能在 Excel 和 Power BI Desktop 中可用。

PQ的常用场景包括：

• 支持将导入的不同数据源的数据进行裁剪和合并生成一个新的表单。
• 操作完的步骤可以重复执行，下次再操作同样的步骤只需要刷新即可得到最新的数据。写好的操作步骤可以再次编辑和更改，还可调整操作步骤。
• 加载的数据可以突破Excel中100万行的限制，而加载数据的大小取决于你的内存上限。
  

Power Pivot—数据建模

PowerPivot 是一种数据建模技术，用于创建数据模型，建立关系，以及创建计算。

PP使用场景包括：

• 几乎可以从任意地方导入任意数据源中的数据，包括Web服务、文本文件、关系数据库等数据源。
• 在PP中，Excel的行、列限制被取消，能方便地操作更大型的数据。
• 通过使用固有的 Excel 2010 功能(例如数据透视表、数据透视图、 切片器等) ，以交互方式浏览、分析和创建报表。
  

Power View、Power BI—数据可视化

Power View 是一种数据可视化技术，用于创建交互式图表、图形、地图和其他视觉效果，以便直观呈现数据。 Power View 在 Excel、BI SharePoint、SQL Server 和 Power BI 中均可用。现在，Power BI Desktop是微软用于可视化数据浏览和报告的推荐工具，Power View在实际工作中已经不怎么使用了。

Power BI是一个独立的软件，提供了在线版、移动版、桌面版，而我们通常所说的PBI指的就是Power BI的桌面版（Power BI Desktop）。所以，要做数据可视化，使用Power BI Desktop即可。

最后，可能会有人提出疑问：既然Excel的“Power”家族就可以进行大量的数据分析，为什么还要学习更难的Python？

当然是效率问题。

用power系列做数据分析，处于不上不下的尴尬位置，普通人嫌复杂，专业人员嫌效率低。Power系列操作繁琐，复用性差，功能相对局限单一。譬如用Power Pivot、Power Query和Power BI做数据分析，不同的数据分析步骤，需要使用不同的插件或软件，大大降低了工作效率，打断了工作流程。

但使用Python编写，每一步过程就非常方便，统一语言带来记录方法的统一。另外，Python工具库非常丰富，可谓应有尽有，满足了数据分析过程中的所有需求。