步驟一 · Installation
安裝 Microsoft Power BI Desktop
今天第一次動手安裝 Microsoft Power BI Desktop（x64）。看著安裝進度條緩緩推進，心中既期待又有些緊張。這套軟體對我來說是全新的領域，從來沒想過「資料分析」可以用這麼視覺化的方式呈現。安裝過程雖然簡單，卻是踏入商業智慧世界的第一步——再長的旅途，也是從按下「下一步」開始的。
⬛ Power BI Desktop · x64
步驟二 · Data Import
匯入員工資料表
成功將客服中心員工個人資料匯入 Power BI！看著密密麻麻的員工資料（624 筆）出現在畫面上，感覺既壯觀又有點頭暈。這一步讓我體會到「資料來源」的重要性——垃圾進、垃圾出，匯入前的資料整理是成功分析的基石。每一列數字背後，都是真實存在的人與故事。
📊 CSV 資料匯入 · 624 筆記錄
步驟三 · DAX Formula
使用 DATEDIFF 計算工齡
今天學到了關鍵公式：工齡 = DATEDIFF（入職日期，TODAY()，YEAR）。這個 DAX 函數讓我大開眼界——原來日期之間的計算可以如此優雅。看著「工齡」欄位從無到有出現在資料表中，有種創造的成就感。這也讓我意識到，Power BI 不只是圖表工具，更是強大的計算引擎。
🔢 DAX · DATEDIFF · TODAY()
步驟四 · Data Cleaning
刪除欄位與重新命名
學習了如何刪除不必要的欄位，並將欄位重新命名為更直覺的名稱。這個步驟看似繁瑣，卻是「資料整理」中最重要的環節之一。乾淨、命名清晰的資料模型，能讓後續的分析工作事半功倍。就像整理房間一樣——平時多花時間歸位，用的時候才不會到處找東西。
🧹 資料清理 · 欄位管理
步驟五 · Sorting
資料排序操作
練習了對工齡欄位進行升冪排序。在排序之後，資料的規律立刻清晰呈現——可以看出哪些員工是老前輩，哪些是新人。這讓我深切體會到「排序」不只是技術操作，更是一種思考方式：找到資料的順序，才能找到資料的故事。從混亂中梳理出脈絡，這正是數據分析的魅力所在。
↑ 升冪排序 · 年資分析
步驟六 · Visualization
建立直條圖與折線圖
第一次成功製作出結合直條圖與折線圖的複合視覺化圖表！看到「不同地區服務員數量及平均入薪統計」的圖表從空白頁面浮現，那種感動難以言喻。數字變成了圖形，抽象的數據變成了可以一眼看懂的洞察。右側的「視覺效果」面板選項繁多，今天只是冰山一角，但已足以讓我對 Power BI 的潛力深感驚嘆。
📈 視覺化 · 直條圖 · 折線圖
步驟七 · Analysis Result
圖表結果：地區薪資分析
報表完成後，可以清楚看到各省市（福建、北京、上海、廣東等）的服務員人數與平均薪資分佈。有趣的是，人數多的地區未必薪資最高——例如福建有 49 位員工，平均薪資卻達 256,713。這讓我思考：地區差異背後有哪些因素？Power BI 提供了「看見問題」的視角，而思考問題的能力，才是分析師真正的價值所在。
🗺 地區分析 · 薪資 vs 人數
步驟八 · Chart Sorting
圖表依薪資升冪排列
將圖表按照平均薪資從低到高重新排列後，資料的差異立刻顯而易見。排序後的圖表像是一個「排行榜」，讓人一眼就能找到高薪地區與低薪地區。這次練習讓我體會到：同樣的資料，不同的呈現順序，傳達的訊息可以截然不同。視覺化不只是美觀，更是一種溝通的語言。
↑ 薪資升冪 · 對比分析第二階段 · Phase Two
網頁資料來源與 Python 爬蟲
步驟九 · Web Data Source
新增網頁資料來源（Bankrate）
今天進入第二階段！透過 Power BI 的「從 Web 取得資料」功能，成功連接到 Bankrate 的退休城市排名網頁，並擷取到表格資料。新罕布夏州（New Hampshire）排名最佳，路易斯安那州（Louisiana）墊底。這讓我意識到：網際網路上有無限的公開資料等待被分析。能夠直接從網頁「吸」資料，讓 Power BI 的應用場景一下子擴展了無數倍。
🌐 Web 來源 · Bankrate 退休排名
步驟十 · Python Scraping
Python + pandas 網頁爬蟲
看到老師示範用 Python 的 pandas.read_html() 函數來抓取網頁上的所有表格，感覺像打開了另一扇門。程式碼寫得簡潔有力：傳送請求 → 解析 HTML → 提取第一個表格，短短幾行就完成了手動需要花好幾分鐘的工作。雖然這次是老師示範，但讓我對 Python 與數據分析的結合有了更深的嚮往。
🐍 Python · pandas · read_html()
步驟十一 · Output
爬蟲結果匯出至 Excel
最後一個步驟！看到 Python 爬蟲的結果成功呈現在 Excel 中（retirement_2025_v2），內容正是 Bankrate 網站的退休州排名表格。整個流程從 Power BI 取資料，到 Python 爬蟲，再到 Excel 輸出，形成了一條完整的資料管線。雖然程式中出現了「Permission denied」的小錯誤，但這反而提醒我：錯誤是學習的一部分，每個 error message 都是老師。
📋 Excel 輸出 · 資料管線完成