Power BI資料視覺化練習題：以澳洲農場打工一年三個月的薪資為例

建置數位儀錶板的實務練習

Patrick Wong

Dec 12, 2020

先前一篇文章《PowerBI資料視覺化初體驗：以澳洲薪資、賦稅、匯率為例》提到自己有個朝資料產業發展的夢，以及分享自己視覺化的成品與過程中所面臨的瓶頸。

會選擇POWER BI進行練習，主要是因為對微軟的辦公室軟體較為熟悉，尤其EXCEL幾乎是各公司的標配與必備軟體，其次則是配合公司業務要求，因此選擇POWERBI當作學習的起點。

繼上次分享完澳洲宏觀經濟環境（薪資、稅率、匯率）的概況後，這次來看微觀的數據：敝人在澳洲農場打工一年多的薪資資料來進行視覺化的部分。

前言就說到這，以下就準備進入正題。

數據資料簡介

此次視覺化的練習題資料來源：《結束了，我的澳洲打工生活，最後一次的農場薪資收入大公開》，探討一年多來的稅前與稅後收入、薪資結構組成（時間＋績效）與各別占比、每周平均工時與周薪，並針對不同時間點進行比較。

資料來源是依照農場兩周一次的薪資單為依據，根據薪資單上頭的總薪資、薪資結構組成，紀錄到EXCEL在整理成底層資料。

而後續會提到時間點的部分，是根據農場的淡旺季，以及個人的職場規劃，因此用時間序列的方式，分成

三大節點：
第一個半年（休息兩個月）+第二個半年（淡季）+最後三個月（旺季）=一年三個月因為中間有短暫離職，因此也可以分成上半場跟下半場，共兩段來看：
第一個半年+九個月（下半年＋三個月）=一年三個月根據個人工作績效，分成
第一年（上半年＋下半年）＋最後三個月

所以資料視覺化的項目中，根據時間序列會有六大項：

一年三個月（上半年＋下半年＋最後三個月）
九個月（下半年＋最後三個月）
第一個半年
第二個半年
最後三個月
一年（上半年＋下半年）

最後，內文皆已澳幣為基準，台澳匯率約1:20左右。

相關的數據資料，有興趣的就直接點擊上方文章連結觀看，以下直接將關鍵數據帶入Power BI進行視覺化。

視覺化展現

先來看整體的視覺化呈現效果，這次分成兩頁呈現（如下圖所示）：

第一頁

第二頁

接下來針對各項視覺效果一一說明。

一年三個月的薪資全貌

同數據資料簡介所述，我們農場為兩周發薪一次，因此依照每次的薪資單，將薪資結構組成輸入到EXCEL紀錄後呈現。

可以看到2019/7/4的薪資最低，主要是因為5月到七月有一段時間休息出去玩，而當時澳洲也已入冬，農場進入淡季。

因此從上圖可以看到那段時間的薪資都明顯低於其他時期一大截；反之薪資的最高點落在2020/1/30，因為澳洲每年12月開始進入夏天，農場也逐漸進入旺季，因此薪資在那段時間算下來幾乎可以說是「周周破千」也不為過。

針對一年三個月的農場打工做個總結（第二頁），做得簡單且一目了然，直接清楚看到稅前、稅後以及稅率共為多少，以及總共工作多少小時。

薪資結構的組成是時薪加上績效獎金，時薪的部分除了公共假期有加乘外，平時沒有額外加乘，而績效獎金針對不同部門又有不同的計算標準，因此又能拆成採果、包裝跟植物照護。

從上面的圓餅圖可以看到，薪資結構中有將近8成的薪資都是來自時薪，可以證實先前文章《我採果，不代表我賺得多》不僅僅是抱怨文，而是有公式和實務的數據資料依據的。（延伸閱讀：基本薪資與績效獎金，專注何者才划算？）

工作週數與平均工時

因為澳洲大多是領周薪（我們農場是雙周），為了方便後續作各時間節點的比較基準，因此先將各節點的工作週數分出來，之後就能將薪資相關的資料根據週數去計算各節點的薪資組成、工時各為多少。

拆出來之後可以看到，在農場打工的各時期，雖然總工時落差很大，但是除了第一個半年落在35.2外，平均工時卻穩定落在31.7~33.5之間。
以每周工作五天、每天8小時來看，除了上半年每周工作四天半之外，其餘時期每周都大概工作4天左右。
至於為什麼上半年跟其他時期的每周平均工時差那麼多，個人初步推斷是因為當時有一段新人時期，幾乎沒有績效獎金可言，因此幾乎都是「用時間換薪資」，至於是否如此，可以在繼續往下看，看是否有任何線索可循。

薪資結構組成與各自佔比

雖然圓餅圖上有將公共假期的時薪以及植物照護的績效納進薪資結構，但是在整體的薪資占比中，份額過於渺小，因此公假假期的加乘納入時薪中，植物照護的績效獎金則納入包裝績效作占比計算。

項目釐清後，再依照上述樹狀圖各時間點的週數，算出各週的平均薪資，以及薪資結構各項組成的比重占比分別為多少：

從上面的推疊橫條圖可以看到：

包裝以及植物照護的績效獎金少到可以忽略不計。
整體薪資結構大多都維持在時薪佔八成、績效佔近兩成左右的成績。
離職前的三個月剛好面臨旺季，而自己的採果技術也達到顛峰，可以看到最後三個月的績效獎金達到27%，跟一年前的績效17.26%提升了近10%左右的佔比！

最後來看平均周薪以及各項績效獎金的組成：

用折線圖探討每周平均時數時，第一個半年平均工時最高，在推疊直條圖可以證實上半年的時薪也是各時期最高。
推疊橫條圖提到最後三個月的採果績效獎金達到27%，此圖證實採果績效來到各時期來的最高。
另一個重點是，最後三個月的時薪占比雖然是各時期最低，但是從各時期來看卻落在中間水準。表示時薪占比低並非為時薪降低導致，而是在保持水準不變下，因為績效獎金大幅度成長，變相拉低了佔比，而最後三個月的平均周薪也來到各時期來的最高！（約台幣18000元左右）

整個視覺化效果的探討篇章，到此告一段落，最後再來看一次成果：

過程中所遇到的瓶頸

挑戰不使用重複的圖表

有了第一次的經驗後，這次在考量呈現效果上給自己要求多元，順便嘗試不同圖表可以呈現出來的效果與重點為何。跟上次比起來，這次的圖表呈現舒服許多，也達到我想要表達脈絡的效果。

簡易的函數計算練習

為了作簡單的總結稅前、稅後薪資所得與總工時的部分，一開始是用函數計算加總，後面發現卡片的視覺效果可以達到自動拉數值加總的效果。

資料轉置，視覺化呈現不同維度

原先沒有打算用各時期的角度去比較和呈現薪資結構與各項占比的數值，而是用薪資結構與各項占比的數值去看各時期的差異。

在打算呈現時發現各時期的基準不同，會導致將數據放在一起呈現會沒有任何意義，純粹為了呈現而呈現，也無從比較，最終決定用轉置的方式重新思考呈現效果。

最終展現的成果出乎自己意料。

尚未解決的問題點

圖表呈現的數值問題

跟上次有同樣的問題，視覺化上面的數值單位，當數值太大時會跑出國字，像是「千」等，數值呈現方式非常不直觀。所幸這次全部都是用澳幣為單位，不像上次算完會有「百萬」等級的單位，因此整體視覺不像上次國語與數字大量參雜。

有嘗試想要改變數值呈現方式，但目前找不到解（是我太笨？），不像EXCEL可以直接調整數值，因此只好暫時放著等解。

內建的計算功能不會使用

為了作簡單的總結稅前、稅後薪資所得與總工時的部分，一開始是用函數計算加總，後面發現卡片的視覺效果可以達到自動拉數值加總的效果，但是較複雜的兩兩變數處理，對我來說還是有點挑戰。

舉例來說，各時期的總周數跟總時數有了，我還是得在EXCEL加工數據得到各時期的每周平均工時，而不是在POWER BI上操作，薪資也是同理。

不過跟第一次完全不會使用比起來，這次算是自己的一大進步。

數值無法直接分類與排序

除了EXCEL去作規格化處理外，我希望盡量少仰賴EXCEL去作處理，保持資料的原貌，包括已經處離完的中繼資料。

因為資料之前就處理完成並輸入POWER BI，導致在拉圖表才發現有些數值無法放在一起比較，或是想要拉到別的圖表，才發現不知道該如何明確利用POWER BI重新分組，像是

上半年、下半年、最後三個月
前一年、最後三個月

因為在EXCEL上已經放入同個表格中，所以如果重拉又要再多花時間，也導致視覺化將兩種不同分類的時間別放在一起比較，但其實不同族群比較起來基準不同，因此放在一起沒有實質意義。

就像是總收入跟各周平均工時和薪資的計算，也因為沒有再次分割，全部攪和在一起，拉到同個圖表中會有數值過大或過小的問題，圖表會因為數值差距過大，圖表被壓縮，在顯示上會有不清楚的情形。

因此這議題給我兩個思考點：

在EXCEL就該先處理好表格分類
在POWER BI上針對項目去呈現，或是透過POWER BI去另行分類的方式處理。

有待之後再去驗證。

結語

雖然過程中許多問題點，但這次從GOOGLE上打撈資料、EXCEL資料正規化、一直到POWER BI視覺化，速度跟上次比起來就快上很多。

有些雷在初期就已經避開，像是資料格式化、日期、資料類型上的設定，在EXCEL能先行處理的部分就先處理好，雖然還是有回頭在處理EXCEL資料在重新拉到POWER BI中，但次數與規模跟上次相比，已經少很多很多。

最終將視覺化效果呈現出來，跟上次相比，自己這次應該有從10分提升到40~50分的水準吧？不知道看的人有何觀感（歡迎讀者留下自己的看法）？不過對自己而言，算是跨出一大步，開始朝資料視覺化之路邁進。

後記

原先的課題是打算探討產業數據，並以地圖的方式呈現視覺效果，但發現地圖視覺化的水很深，光是API什麼的不懂，還有經緯度定位的問題，直接死一票腦細胞。

還是腳踏實地，一步一步慢慢學、慢慢來吧。預計未來想針對自己現有的資料庫，做視覺化的練習題：

MEDIUM後臺數據：經營MEDIUM近兩年，寫百篇文章、粉絲破200人、月流量破萬的MEDIUM生涯
澳洲生活支出：澳洲的消費水準高不高？我在澳洲生活一年七個月的花費總結與分析
墨爾本地圖資訊收入：我有個賣地圖資訊的副業：經營數據不藏私，兩年來的地圖資訊經營報告大公開（延伸閱讀：利用資訊差創造資訊價值，我在澳洲建立人生第一份被動收入）

最後，有關個人的數據文，我就放在文末，有興趣的人可以再去爬文看看。