每周一早上，你可能都在做同一套动作：从业务系统导出销售明细 → 粘进 Excel → 刷新透视表 → 调好透视图的格式 → 另存一份副本 → 邮件发出去。到了下周一，数据一换，这套动作原封不动再来一遍。
这套流程本身没有错，问题在于它绑在人身上：人不在、人忘了、人有别的事，报表就是旧的。
Power BI 要解决的核心问题，就是把这套“每次手动做一遍的动作”，改写成一条“写一次、以后自动跑”的流程。它并不会让你的分析变得更聪明，它把你从重复劳动里挪出来。
先看清 Excel 透视表的能力边界
透视表做的事很具体：把一张明细表按行、列、值、筛选器四个位置重新摆一遍，每个交叉格子给出一个汇总。它快、直观、贴着手边的数据，是探索性分析最好的工具之一。
三处限制会在“这份报表要长期、反复地给别人看”时暴露出来。
第一，分析范围通常只在一张表里。想按客户行业看销售额，而行业字段在另一张客户表里，你就得先 VLOOKUP 拼一张大表。
第二，数据变新靠人触发。数据存在于文件内部，文件不打开、不点刷新，格子里的数字就停留在上次的状态。
第三，分发靠副本。给十个人发，就有十个版本的 Excel 文件在流转，谁手上的数字是旧的、谁又偷偷改了公式，没人说得清。
这里要补一句更准确的话：Excel 自己有一个“数据模型”（就是 Power Pivot），它能把多张表按关系连起来、用 DAX 算指标、容纳百万行以上的数据——第一条限制它解决了大部分。但刷新仍然要人打开文件点一下，分发仍然是文件副本。这一点恰恰说明 Power BI 和 Excel 的关系，下一节接着说。
Power BI 和 Excel 是两个形态，不是两套本事
Power BI 的底层技术和 Excel 的数据模型是同一套：连数据、清洗数据用的是 Power Query，建模和算指标用的是和 Power Pivot 同源的引擎。你可以理解成，微软先把这套能力做成了 Excel 里的可选配件，后来觉得它值得有一个独立的产品，就做成了 Power BI。
所以你已经会的透视表思维可以直接搬过来——“维度放行、指标放值、筛选器切范围”这套逻辑没有变。真正的差别有两条。
一条是工作方式。Excel 的基本单位是单元格和公式，你在一张表上手工操作；Power BI 的基本单位是模型和度量值，你先定义“数据之间是什么关系、指标怎么算”，再由报表去引用它们。前者的结果是“这一次算出来的数字”，后者是“以后每次都会这样算的规则”。
另一条是分发方式。Excel 分发的是文件副本，Power BI 分发的是一个链接加一组权限，所有人看的是同一份数据。
Power BI 由三样东西组成
弄明白这三样东西，后面的步骤才不会糊。
Power BI Desktop 是免费的 Windows 客户端。你在这里连接数据、清洗、建模、画图，成果保存成一个 .pbix 文件。这是你的工作台。
Power BI 服务 是云端。你把 Desktop 的文件“发布”（Publish）上去，它就变成在线内容，别人通过浏览器和手机 App 查看。浏览器和手机 App 就是第三样，消费端。
这里有个关键细节，很多人学了很久都没意识到：发布之后，你的一个文件在云上会拆成两样东西。
一样是 语义模型（semantic model，早期文档里叫“数据集”dataset），它负责“数据从哪来、怎么清洗、指标怎么算”。另一样是 报表，它负责“长什么样、有哪些图表和切片器”。
拆开的意义是：多个报表可以接同一个模型，共用一套数据和指标定义；而数据更新只发生在模型身上，报表的定义根本不动。这就是“数据换了、图表不用重做”背后的技术原因。
从原始数据到自动更新：五步
第一步：获取数据。 在 Desktop 里点“获取数据”（Get data），从 Excel 文件、CSV、数据库、SaaS 系统等各种来源连进来。这里要养成一个习惯：连到最原始的那一层。如果连的是别人手工整理过的汇总表，上游一改格式，你的整条流程就断。
第二步：用 Power Query 清洗。 这是整篇文章最该记住的一步，也是自动化真正的机制所在。
你在 Power Query 编辑器里做的每一步——删掉没用的列、改数据类型、替换异常值、合并另一张表、追加多个月的明细——都会被记录成一串按顺序排列的 步骤（右侧“应用的步骤”面板里那些名字）。它不是一次性改在你的数据上，而是一份操作说明书。
点刷新的时候，Power BI 会拿着这份说明书，从第一步开始 完整重放一遍。
由此可以推出一条很实用的判断标准：你做每个动作时都问自己，我这是在“改这一次的结果”，还是在“定义一条每次都要执行的规则”？只有后者在自动化流程里有位置。任何手工改动——把几个错误值直接敲成对的、在表格旁边另加一列辅助公式——都会在下次刷新时消失得无影无踪。
第三步：建模。 把多张表之间的关系（relationship）建立起来，通常是一个“一对多”：一张客户表对应多行销售记录。再把要反复使用的指标写成 度量值（measure，用 DAX 语言写）。透视表里“值区域放什么”的位置，在这里由度量值承担，但它是可复用、可命名、层次更丰富的。度量值具体怎么写值得单独讲，这里先按下。
第四步：画报表页。 把字段拖到画布上，选图表类型，加切片器和其他图表做交叉筛选，排版。这一步最容易上手，但它只是整条流水线的出口，不是全部。
第五步：发布并设置计划刷新。 点“发布”，把文件送到 Power BI 服务里，然后找到 语义模型（注意，是模型，不是那个同名的报表——报表的设置里没有“计划刷新”这一项，很多人在这里找半天），打开刷新开关，选频率和时间点，再勾上“刷新失败时通知我”。
之后每次到点，云端会按顺序做三件事：重新执行 Power Query 的全部步骤 → 把新结果装进模型 → 所有引用这个模型的报表自动读到新数字。你电脑关着、你人在休假，都不影响。
自动更新的三条边界
上面说的“自动”不是无限的，有三条边界值得一开始就知道，能省掉很多困惑。
一、导入模式是一份快照。 Power BI 最常用的模式叫导入（Import）：它把数据真的复制一份存进模型里。所以你看到的永远是“上次刷新的那一刻”的数据，不是实时的。刷新时间隔多久，数据新鲜度就是多久。
二、刷新频率和时长有上限。 语义模型放在共享容量上（对应 Power BI Pro 许可）时，每天最多 8 次 计划刷新；放在 Premium、PPU 或 Fabric 容量上，上限是 48 次。另外在共享容量上，单次刷新必须在 2 小时 内跑完，超了就会失败。这几个数字决定了“每天早八点更新一次”和“每小时更新一次”不是同一种诉求。
三、数据源在内网就需要网关。 云端服务访问不到你公司内网的数据库或文件服务器。解决办法是在内网一台常开的机器上装 网关（gateway），它作为桥梁，云端刷新时通过它去取数据。网关里的服务器名、数据库名必须和你在 Desktop 里填的完全一致，配置不匹配是刷新失败最常见的原因之一。
如果你的需求确实需要接近实时，还有另一条路叫 DirectQuery：不复制数据，每次打开图表就直接去源数据库查，因此压根不需要计划刷新。代价是清洗步骤必须能“下推”成源数据库看得懂的原生查询，DAX 也受限制（比如不能用计算表）。新手阶段先不用管它，把导入这条路跑通再说。
那 Excel 还要不要用
要。手工录入、场景测算、一次性探索、需要精确控制单元格排版的报告，Excel 依然更合适。而且它还有一个很实用的用法：通过“分析 Excel 中的 Power BI 数据集”，Excel 里的透视表可以直接连到已发布的语义模型，看的是同一份受管控的数据，不用你手动贴数据。
大致的分界线是：这件事会不会重复做、要不要给一组人看、数据会不会持续更新。三个答案里有两个是“会”，就值得做成 Power BI；只是自己这一次想看看数，Excel 更快。
记住这条主线
Power BI 和 Excel 透视表不是替代关系，是同一个思路的两种形态。透视表让你手动完成一次分析；Power BI 让你把这次分析写成一条流水线：连到源头 → 定义清洗规则 → 建模型 → 画报表 → 定时刷新。
所以学 Power BI，重点不在“学会用哪个图表”，而在于养成一个习惯：每做一步都问一句，我是在做这一次，还是在定规则。