【PowerBI必学技巧】：10个步骤带你从新手到高手


# 摘要
本文旨在介绍和深入探讨Power BI的多项实用技能，涵盖从基础知识到高级分析的全过程。首先介绍了Power BI入门基础，为初学者提供必要的工具和概念。接着，文章详细探讨了数据建模和转换技巧，包括数据导入、清洗、星型与雪花模式的建立，以及DAX函数的应用。在可视化和报告创作方面，本文讨论了如何制作高效的数据可视化图表，优化报告页面布局，并利用切片器和钻取功能进行深度交互。此外，还涉及使用DAX进行数据分析，机器学习在Power BI中的应用，以及数据故事讲述的技巧。最后，文章强调了性能优化、部署发布以及安全性与合规性的高级议题，为Power BI的高级使用提供了全面指导。

# 关键字
Power BI；数据建模；数据可视化；DAX；机器学习；性能优化

参考资源链接：[PowerBI中文官方教程：数据连接、建模与分析深度解析](https://wenku.csdn.net/doc/6412b725be7fbd1778d49429?spm=1055.2635.3001.10343)
# 1. Power BI入门基础

在当今数据驱动的时代，掌握有效的数据可视化工具对于任何IT专业人员来说都是必不可少的。Microsoft Power BI正是这样一款受欢迎的工具，它允许用户快速将复杂的数据集转换为直观的图表和报告，从而更好地分析和呈现信息。

## 1.1 Power BI简介

Power BI是一款由Microsoft开发的强大的商业智能工具，它通过易于使用的界面和一系列的云服务，使数据分析师能够收集、分析、可视化并分享数据洞察。它支持从各种数据源导入数据，并提供了丰富的数据建模、可视化、和报告功能。

## 1.2 安装和初体验

要开始使用Power BI，您需要下载并安装Power BI Desktop应用程序。安装完成后，通过几个简单的步骤，即可开始导入数据、创建基本的可视化图表，进而构建您的第一个报告。

graph LR;
    A[开始] --> B[下载Power BI Desktop]
    B --> C[安装Power BI Desktop]
    C --> D[打开一个新的Power BI文件]
    D --> E[导入数据源]
    E --> F[创建基本图表]
    F --> G[构建报告]

## 1.3 导入数据基础

Power BI支持多种类型的数据源，如Excel工作簿、SQL Server数据库、甚至是在线服务。在导入数据后，用户可以对数据进行基本的探索和清洗，为下一步的数据建模打下基础。这一过程涉及数据筛选、转换以及对数据结构的初步设计。

通过这一章节的学习，您将对Power BI有一个全面的认识，并具备启动和运行Power BI项目的基础知识。接下来的章节将深入探讨数据建模和转换技巧，以及如何使用Power BI创建引人注目的可视化和报告。

# 2. 数据建模和转换技巧

### 2.1 数据导入与清洗

#### 导入不同类型的数据源

在Power BI中，第一步通常是将数据导入到平台中，以便进行后续的建模和分析。Power BI支持多种数据源，包括但不限于Excel文件、CSV文件、数据库（如SQL Server、MySQL等）、云服务（如Azure、Google Analytics等）、其他在线服务以及Web数据等。

要导入数据，用户可以通过Power BI Desktop界面的"获取数据"按钮开始。例如，如果你有一个CSV文件需要导入，可以按照以下步骤操作：

1. 打开Power BI Desktop。
2. 选择"获取数据" > "文本/CSV"。
3. 浏览到并选择包含数据的CSV文件。
4. 点击"加载"，将数据导入到Power BI。

对于其他类型的数据源，操作步骤类似，主要区别在于选择对应的数据源类型。值得注意的是，一些特定数据源可能需要额外的认证信息，如用户名和密码。

#### 数据清洗与预处理方法

导入数据后，往往需要进行清洗和预处理以确保数据的质量。数据清洗步骤可能包括处理缺失值、删除重复项、纠正数据格式错误、过滤不需要的数据等。Power BI提供了强大的数据转换和清洗功能，主要通过"查询编辑器"来实现。

- 在"查询编辑器"中，用户可以使用各种转换函数进行数据清洗。
- 过滤操作可以移除不必要或错误的数据行。
- 数据类型转换可以确保字段包含正确的数据类型。
- 使用"填充"功能可以处理空白字段。

例如，假设我们有一个包含客户信息的数据集，其中包含许多空白的电子邮件地址字段。为了清洗这些数据，我们可以使用以下步骤：

1. 打开"查询编辑器"。
2. 选择包含电子邮件地址的列。
3. 点击"填充" > "向上填充"或"向下填充"来填充缺失值。

在Power BI中，数据清洗是迭代的过程，可能需要多次调整直到得到满意的清洁数据集。

### 2.2 数据建模的核心概念

#### 创建和管理数据模型

创建数据模型是Power BI中进行数据分析前的重要步骤。数据模型不仅涉及单个表的创建，还涉及多个表之间的关系定义、计算列的添加以及度量值的创建。数据模型是构建高效数据透视表和报告的基石。

在Power BI中创建和管理数据模型通常包括以下步骤：

1. 在Power BI Desktop中，通过"模型"视图来查看和编辑数据模型。
2. 定义表之间的关系，这些关系是基于共同的列（如外键和主键）建立的。
3. 使用"新建列"功能创建计算列，这些列是基于现有数据列计算得出的新数据。
4. 利用DAX语言创建度量值，这些度量值可以用来计算聚合数据。

例如，假设你有一个销售表和一个日期表，你希望添加一个新的计算列来表示每个销售记录的月度总销售额。这可以通过编写以下DAX公式实现：

Total Sales Amount Per Month =
    CALCULATE(SUM(Sales[Sales Amount]), ALLEXCEPT(Date, Date[Month]))

该公式首先计算销售表中"Sales Amount"的总和，然后使用`ALLEXCEPT`函数忽略除了"Date[Month]"之外的所有筛选器，从而得到每个月份的总销售额。

#### 星型模式与雪花模式的建立

在数据建模中，星型模式（Star Schema）和雪花模式（Snowflake Schema）是两种常见的数据仓库模式，用于优化查询性能和简化复杂的数据关系。

- 星型模式包含一个或多个事实表（记录业务事务的表），和多个维度表（用于提供上下文信息的表）。
- 雪花模式是星型模式的一个扩展，其中维度表可以进一步规范化（即被分解为更多的表）。

在Power BI中，可以手动创建这些模式：

1. 将数据导入并转换为事实表和维度表。
2. 创建表之间的关系，保证每个维度表都连接到事实表上。
3. 将维度表进一步分解为更细粒度的表，形成雪花模式。

创建这些模式不仅有助于改善报告性能，还有助于提高数据的可理解性。同时，适当的模式设计可以使得报告更加灵活和易于管理。

#### DAX函数在数据建模中的应用

DAX（Data Analysis Expressions）是一种专门为数据分析而设计的函数语言。在Power BI中，DAX主要用于创建计算列、度量值以及使用高级分析功能。DAX语言提供了丰富的函数，包括聚合函数、时间智能函数、逻辑函数等。

在数据建模中，DAX通常用于：

1. 创建新的计算列来丰富数据表。
2. 创建度量值以计算关键业务指标。
3. 通过时间智能函数进行趋势分析。

例如，创建一个年度销售总额的度量值可以使用以下DAX公式：

Total Sales By Year = SUMX(VALUES(Date[Year]), CALCULATE(SUM(Sales[Sales Amount])))

这个度量值使用`SUMX`函数来对每个年份的销售总额进行求和，其中`VALUES`函数用来获取所有不同的年份值。

DAX函数的应用极大地增强了Power BI在数据分析和报告制作中的能力，使得用户可以进行复杂的数据计算和分析。

### 2.3 高级数据转换技巧

#### 使用查询编辑器进行高级转换

Power Query是Power BI中的数据准备和转换引擎，而"查询编辑器"是Power Query的用户界面。在查询编辑器中，用户可以进行数据的高级转换，例如合并查询、追加查询以及分组和聚合数据等。

使用查询编辑器进行高级转换的步骤如下：

1. 在Power BI Desktop中选择"编辑查询"。
2. 使用"查询编辑器"中的功能进行数据转换，如"合并查询"可以合并来自不同数据源的表格。
3. 调整数据转换的顺序，确保以正确的顺序应用转换，从而避免错误和数据不一致。
4. 使用"高级编辑器"可以手动编辑M语言代码，实现更复杂的转换。

例如，如果你想将两个表格基于某列合并，可以使用"合并查询"功能，并选择适当的合并类型，如"左外部"合并。

#### Power Query M语言的应用案例

Power Query M语言是Power BI中的查询和转换引擎使用的编程语言。M语言功能强大，能够处理复杂的数据转换和查询任务。它允许用户以声明式方式编写代码，实现各种数据转换逻辑。

一个常见的应用案例是将多个数据源合并，并对合并后的数据进行转换和清理。以下是一个简单的M语言代码示例：

let
    Source1 = Excel.Workbook(File.Contents("C:\path\to\your\file1.xlsx"), null, true),
    Sheet1 = Source1{[Item="Sheet1",Kind="Sheet"]}[Data],
    Source2 = Excel.Workbook(File.Contents("C:\path\to\your\file2.xlsx"), null, true),
    Sheet2 = Source2{[Item="Sheet1",Kind="Sheet"]}[Data],
    Merged = Table.NestedJoin(Sheet1, {"Column1"}, Sheet2, {"Column2"}, "NewTable", JoinKind.LeftOuter),
    Expanded = Table.ExpandTableColumn(Merged, "NewTable", {"Column3", "Column4"})
in
    Expanded

这段代码首先从两个Excel文件中加载数据，并将两个工作表的数据基于"Column1"和"Column2"进行左外部合并。接着，它展开了合并后的"NewTable"列，以包含来自第二个表格的"Column3"和"Column4"的数据。

#### 高级聚合和数据重塑技术

在数据建模和分析过程中，经常需要对数据进行高级聚合和重塑。Power BI提供了多种工具和方法来实现这一点。

高级聚合通常涉及到创建基于多个表的复杂度量值，比如跨表聚合和时间序列分析。数据重塑技术则包括了如重塑表、分组以及添加计算列等。

例如，使用"分组"功能可以将数据按一定的分类汇总成一个单一的值，这样可以快速获得每个分类的统计数据。此外，"重塑表"功能可以将列转换为行或将行转换为列，这样可以优化数据的展示和后续分析。

执行高级聚合和数据重塑，可以通过"查询编辑器"的用户界面来完成，也可以直接使用M语言编写相应的代码。这些技术的掌握，对于提升数据建模和分析的效率至关重要。

let
    Source = Excel.Workbook(File.Contents("C:\path\to\your\data.xlsx"), null, true),
    Sheet1 = Source{[Item="Sheet1",Kind="Sheet"]}[Data],
    Pivoted = Table.PivotTable(Sheet1, List.Distinct(Sheet1[Column2]), "Column2", "Column1", List.Sum)
in
    Pivoted

这个示例使用M语言的"Table.PivotTable"函数将数据按"Column2"的值进行转置，然后对"Column1"中的数值进行求和。

利用Power BI的高级数据转换技巧，可以帮助用户有效地进行数据的聚合分析和展示，是数据建模和分析过程中的重要环节。

# 3. 可视化和报告创作

在本章节中，我们将深入探讨如何通过Power BI创建直观且信息丰富的数据可视化和报告。从高效的数据可视化原则到报告页面布局设计，以及实现交互式元素，我们将逐步揭开构建引人注目的报告背后的技术和策略。

## 3.1 创造高效的数据可视化

### 3.1.1 掌握基本图表的制作

数据可视化是将复杂的数据集转换为图形表示的过程，它允许用户快速理解并提取有价值的信息。Power BI提供了多种基本图表类型，如条形图、折线图、饼图、散点图等，这些图表是构建报告的基础。

在Power BI中创建一个图表非常简单。通过选择合适的字段放入值和轴区域，一个基础图表就会自动生成。然而，仅仅创建图表是不够的，重要的是要确保图表有效地传达了分析的关键点。

**参数说明：**
- **值（Values）**：图表中显示的度量值，可以是数字或聚合的数字字段。
- **轴（Axis）**：图表中横轴或纵轴上显示的类别字段。

**代码块示例：**

<!-- 示例代码，展示如何在Power BI中创建一个简单的条形图 -->
<BarChart>
  <Axis>
    <CategoryAxisField Value="Category"/>
  </Axis>
  <Values>
    <ValueField Value="Sales"/>
  </Values>
</BarChart>

### 3.1.2 利用自定义视觉对象增强报告

虽然Power BI自带的图表类型已经很全面，但它还支持使用来自Power BI市场或自定义视觉对象库的第三方图表。这些自定义视觉对象可以为你的报告增添独特而强大的视觉效果，使得报告更加吸引人且具有说服力。

为了使用这些视觉对象，你可以在市场中搜索并导入相应的视觉对象，然后像使用内置图表一样将其应用到数据上。

**参数说明：**
- **视觉对象**：市场中提供的第三方图表类型。
- **自定义设置**：根据视觉对象的指导文档，调整特定于该视觉对象的属性和参数。

### 3.1.3 优化图表设计原则

图表不仅仅是数据的简单展示，它们需要精心设计以确保信息的准确传达。有效的数据可视化设计应该考虑到颜色的使用、数据的比较、趋势的清晰表达等。

**优化措施：**
- 使用一致的颜色方案来区分不同的数据系列。
- 对比图表中的重要数据点，使用突出的颜色或图标进行强调。
- 确保图表中的文本清晰易读，包括标题、轴标签和图例。

**图表设计流程图：**

graph TD
A[开始设计图表] --> B[选择合适的图表类型]
B --> C[定义视觉层次]
C --> D[选择并应用颜色方案]
D --> E[添加必要的文本元素]
E --> F[审核并优化图表]
F --> G[完成设计]

在设计图表时，应始终记得我们的目标是让最终用户能够迅速且准确地理解数据所传达的信息。

## 3.2 深入理解报告页面布局

### 3.2.1 页面布局和导航设计

报告页面布局是构建报告体验的第一步。良好的布局不仅能增强报告的可读性，还能指导用户如何在报告中导航。

在Power BI中，页面布局可以通过拖放的方式来调整各种元素的位置和大小。导航设计需要考虑如何使用户能够轻松地在不同的报告页面之间切换。

**设计建议：**
- 保持布局整洁有序，避免过于拥挤。
- 使用视觉线索帮助用户识别重要的报告元素。
- 设计一个直观的导航栏或书签，以便用户可以轻松回到他们感兴趣的特定部分。

### 3.2.2 使用书签和按钮实现交互

为了提高报告的可用性，Power BI提供了书签功能，允许用户保存一组视觉对象和页面的布局状态，并在需要时快速返回。

**书签应用示例：**

<!-- 书签功能示例 -->
<Bookmark>
  <Name>InitialLayout</Name>
  <HiddenVisuals>
    <!-- 列出隐藏的视觉对象 -->
  </HiddenVisuals>
  <ShownVisuals>
    <!-- 列出显示的视觉对象 -->
  </ShownVisuals>
</Bookmark>

按钮是实现报告交互的另一个强大工具。通过配置按钮的“动作”属性，用户可以触发诸如过滤、导航到其他页面或书签等动作。

### 3.2.3 提升报告的响应式设计

随着移动设备的普及，响应式设计已成为报告设计的重要组成部分。在Power BI中，可以创建适应不同屏幕尺寸的报告，确保报告在任何设备上都能保持良好的视觉效果和可操作性。

**调整报告大小代码：**

// 示例代码，用于调整报告大小以适应不同屏幕
$(document).ready(function(){
  $('#reportContainer').attr('width', screen.width + 'px');
  $('#reportContainer').attr('height', screen.height + 'px');
});

## 3.3 利用切片器和钻取功能

### 3.3.1 切片器的创建和管理

切片器是一个交互式控件，允许用户通过选择切片器中的不同项来过滤报告中的数据。创建切片器非常简单，只需从字段列表中选择合适的字段，然后将其拖放到报告画布上即可。

创建切片器时，需要考虑如何组织切片器中的项，以及如何设置默认的过滤器，以便用户能够快速理解他们所操作的内容。

### 3.3.2 钻取和分层分析的应用

Power BI的钻取功能允许用户深入查看数据的细节。通过设置钻取层次，可以预定义数据的查看深度，这在对数据集进行层次化探索时非常有用。

### 3.3.3 交互式视觉化的高级技巧

实现高级交互性，可以显著提升报告的用户体验。这包括使用R或Python脚本增强视觉对象的功能，以及通过自定义视觉对象实现复杂的数据分析。

在Power BI中，通过“高级编辑器”可以编写自定义脚本，以实现复杂的数据处理和视觉效果。

**自定义脚本示例：**

// 示例代码，展示如何使用R脚本在Power BI中进行数据处理
let
    // 加载R脚本所需的包
    source = PowerBI.EmptyData(),
    R = R.Execute("library(ggplot2)"),
    // 执行R脚本进行数据处理
    R_data = R.Execute("ggplot(mtcars, aes(x = wt, y = mpg)) + geom_point()"),
    data = R_data{0},
    table = Table.FromList(data, Splitter.SplitByNothing(), null, null, ExtraValues.Error),
    TypedTable = Table.TransformColumnTypes(table,{{"Column1", type number}, {"Column2", type number}})
in
    TypedTable

通过这一系列的交互式技巧，可以将Power BI报告变成一个功能强大的数据探索和分析平台，从而为用户提供深入洞察和决策支持。

# 4. 高级分析和数据洞察

在Power BI的高级分析和数据洞察章节中，我们将深入探讨如何使用DAX（Data Analysis Expressions）进行数据分析、将机器学习服务集成到Power BI中，以及如何通过数据洞察讲述引人入胜的故事。

## 4.1 使用DAX进行数据分析
DAX是Power BI中用于计算和操作数据的一组函数，它让分析师能够执行复杂的计算和数据分析。接下来，我们将深入探索DAX的不同应用方式。

### 4.1.1 DAX基础：度量值与计算列
DAX函数可以创建两种类型的计算：

- **度量值**：动态计算的值，通常用于图表中的汇总。
- **计算列**：在表中添加新列，每个表行都有一个值。

在Power BI中创建度量值的一个简单例子是计算销售总额：

Total Sales Amount = SUM(Sales[SalesAmount])

### 4.1.2 理解和应用聚合函数
聚合函数在数据分析中十分常见，DAX提供了强大的聚合函数集，其中包括常用的聚合操作如SUM、AVERAGE、MIN和MAX。除此之外，还有专门针对时间智能的函数，比如 TOTALYTD 和 PREVIOUSMONTH。使用这些函数可以帮助我们更好地理解数据的时间序列变化。

### 4.1.3 高级DAX表达式和公式
掌握基础之后，我们来看看如何使用高级DAX表达式来解决更复杂的问题。高级DAX包括使用时间智能函数、CALCULATE函数以及Iterator函数。

- **时间智能函数**：这些函数帮助我们分析时间序列数据，如之前一年、季度或月份的数据。
- **CALCULATE函数**：它允许我们基于特定上下文修改现有的筛选器上下文。
- **Iterator函数**：如SUMX、COUNTAX和AVERAGEX，它们允许我们对表格的每一行执行计算，并聚合结果。

Sales this Month = CALCULATE([Total Sales Amount], 
    DATEADD('Date'[Date], -1, MONTH), 
    SAMEPERIODLASTYEAR('Date'[Date]))

## 4.2 机器学习在Power BI中的应用
Power BI的新版本集成了Azure机器学习服务，为分析师提供了强大的工具来构建预测模型和应用数据科学。

### 4.2.1 集成Azure机器学习服务
集成Azure机器学习服务的第一步是创建和训练一个模型。在Azure机器学习工作室中创建一个实验，利用已有数据集训练模型，并在Power BI中发布为Web服务。

### 4.2.2 使用预测建模构建智能报告
当机器学习模型被部署为Web服务后，我们可以从Power BI中调用它，并直接将模型的预测结果集成到报告中。使用Power BI的“调用Web服务”功能，可以轻松实现。

### 4.2.3 数据科学工具的集成和使用
除了Azure机器学习服务之外，Power BI还允许集成其他R和Python脚本。R和Python是数据分析中广泛使用的语言，它们拥有丰富的数据分析和机器学习库。

## 4.3 数据洞察和故事讲述
数据故事讲述是一种艺术，它能够将数据分析转化为有力的商业洞察。通过有效的数据故事讲述，我们可以将复杂的数据分析结果以易懂的方式呈现给利益相关者。

### 4.3.1 数据故事的结构和叙事技巧
一个出色的数据故事通常遵循“问题-分析-解决方案”的结构，并且通过叙事技巧，如故事化和比较，来增强信息的传递效果。

### 4.3.2 制作引人入胜的视觉故事
视觉元素是吸引听众注意力的关键。利用Power BI的可视化工具，我们可以制作出既美观又直观的视觉故事板。

### 4.3.3 数据故事在商业决策中的作用
数据故事讲述的作用远远超出数据本身的表达，它可以影响和引导商业决策，改善商业策略，并最终驱动业务增长。

通过第四章的学习，Power BI用户不仅能够掌握高级数据分析技术，还能够将分析结果转化为具有商业影响力的数据故事。

# 5. Power BI的性能优化与管理

## 5.1 性能优化的策略和技巧

优化Power BI报告和模型的性能是确保用户获得流畅体验的关键环节。这不仅仅涉及到技术层面的调整，还涉及到对于数据处理流程的深刻理解。

### 5.1.1 优化查询和数据刷新性能

查询优化通常需要在数据获取阶段就开始考虑。Power BI中可以利用“查询性能分析器”来诊断和优化查询，例如减少不必要的列、选择正确的聚合函数和减少数据转换步骤等。此外，合理安排数据刷新计划和刷新频率，使用数据缓存，都是提升性能的有效手段。

### 5.1.2 管理大型数据集的最佳实践

对于大型数据集的管理，Power BI支持数据压缩技术和聚合。数据压缩可以减少模型大小，提高查询性能，而聚合则通过预先计算数据汇总来加快查询速度。此外，合理使用分区、索引以及优化存储模式，也是管理大型数据集时必须考虑的因素。

### 5.1.3 使用行级安全性控制数据访问

行级安全性（RLS）允许对数据进行基于用户或组的访问控制。通过配置RLS规则，可以确保特定用户只能看到他们被授权的数据，而不会影响报告的性能。正确配置RLS不仅可以增强数据的安全性，而且还能保证查询的效率。

graph LR
    A[开始] --> B[识别性能瓶颈]
    B --> C[应用查询优化]
    C --> D[使用数据压缩和聚合]
    D --> E[配置行级安全性]
    E --> F[监控性能指标]
    F --> G[结束]

## 5.2 部署和发布报告的最佳做法

在准备部署报告之前，确保所有测试都已完成，并且报告符合业务需求。接下来是Power BI报告的发布流程，涉及Power BI服务和门户的使用。

### 5.2.1 理解Power BI服务和门户

Power BI服务提供了一整套解决方案来管理、发布和分享报告。门户是管理报告、数据集和仪表板的中心，可以在此设置权限，发布报告，以及查看数据流。了解如何导航和使用Power BI门户，对于高效部署报告至关重要。

### 5.2.2 部署报告到Power BI服务

部署报告到Power BI服务后，用户可以随时随地通过Web浏览器访问报告。在Power BI Desktop中完成报告后，可以通过简单的导出或发布步骤将其部署到服务中。发布时需要确保选择合适的许可证和配置正确的工作空间。

### 5.2.3 设置订阅和数据刷新计划

为了确保报告反映最新的数据，可以配置数据刷新计划。Power BI服务支持定时刷新数据集，用户也可以根据需要手动刷新。此外，可以为报告设置订阅，使用户能够以电子邮件的形式接收到数据更新和报告快照。

## 5.3 安全性与合规性的高级议题

随着数据安全与隐私保护法规日益严格，Power BI的使用必须遵循相关的安全性与合规性标准。

### 5.3.1 配置数据安全和隐私设置

数据安全和隐私设置是Power BI中不可或缺的一部分。用户需要配置适当的隐私级别，使用数据加密，以及确保数据传输的安全性。Power BI提供了多层安全设置，从数据模型到报告层面都有相应的控制。

### 5.3.2 实现企业级的安全和合规性

对于企业级用户而言，需要采用Power BI的高级功能，如Azure Active Directory（AAD）集成、条件访问策略和多因素认证等，来实现企业级的安全性和合规性。这些功能有助于保护数据免受未经授权访问，同时遵循行业标准。

### 5.3.3 监控和审计Power BI的使用情况

监控和审计是确保Power BI平台安全合规的关键。Power BI提供了使用情况报告，日志和活动事件，管理员可以通过这些工具来审查和评估用户的活动，以及报告和数据集的使用情况。

在性能优化与管理方面，Power BI提供了许多工具和策略，从优化查询到确保数据安全，每一步都需要精心策划和执行。通过本章的介绍，您应该对如何提升Power BI应用性能、部署报告、以及如何确保数据的安全性和合规性有了一定的理解。