我是用釘釘郵箱做賬號登錄Power BI Desktop的。我用Power BI Desktop，做排版和統計。
Power BI由Power Query和Power Pivot組成，前者有M語言，后者有DAX。Power Query分步驟操作，可以對步驟進行引用。DAX動態變化，統計能手。
表，有字段工號、部門、姓名、計划離職日期，排版成兩個表，其一按計划離職日期10個姓名一行，其二按部門10個姓名一行。第一步，分組后加索引，從零開始。第二，除法取整、取余為行和列的編號。第三步，透視不聚合。復雜點再加上分組計數、求和等。
物流UPS發來的賬單，是Excel和PDF的壓縮包，要從PDF中提取賬單的分類、金額、日期、截止日期。這時Power BI Desktop就發揮作用了，把數據源設為PDF。
在Trello上做的看板，可以導出為JSON，導出為Excel要收費。我用PowerBI Desktop 來提取Card，並統計下Card的數量。
表，有字段工號、部門、姓名、入職日期、離職日期、生日，統計下每月在職人數、入職人數、離職人數、青年人數、短期招聘人數。用Power BI Desktop寫measure。第一步，建立日期表，我用calendarauto函數。第二步，把離職日期為空的替換為9999-12-31，當然，你也可以替換為9999-1-1、9999-9-9，方便后面的比較篩選。第三步，計算在職人數、入職人數、離職人數。第四步，計算年齡、青年人數、短期招聘人數。第五步，加篩選，控制日期段。
計算年齡，簡單粗暴的方法就是兩個年份直接減，科學的方法就是用yearfrac函數慢慢算，看你的需求。
爬蟲的話，試過抓取www.cmfu.net幾本書的粉絲榜，大致了解銷售形勢。初始，cmfu是公開粉絲榜以刺激銷量，然后被爬蟲抓了個遍，泄露了商業機密。然后只公開前十頁，再后來只顯示粉絲等級和前500名。
收到考勤表后，含日期分組統計打卡的min、max，即每日第一次打卡和最后一次打卡，然后不含日期分組統計前者的max、min，即第一次打卡的最晚和最后一次打卡的最早。另外含日期分組統計打卡的count，一般情況為偶數。