Hans Rosling是卡罗琳学院的国际卫生学教授，这位学者与众不同的技能是数据可视化，以直观的数据展现了令人信服的世界观，并且在gapminder.org提供无偿展示以及下载。如果你没有看过以下的TED讲座，真心建议你花点时间，保证物有所值：

1. Hans Rosling: Asia’s rise — how and when
2. Hans Rosling: Let my dataset change your mindset

这里，我们想通过Power BI模仿Hans Rosling来观察一下经济与健康之间的关系。经济数据最直接的就是GDP了，好在The World Bank提供了1960年至今的数据。健康指标有许多，比如预期寿命，不过我们这里想采用的是Body Mass Index身体指数。简而言之，BMI就是体重（公斤）除以身高的平方（米），是目前国际上常用的衡量人体胖瘦程度以及是否健康的一个标准，一般而言在18.5到25之间是比较合适的。我们感兴趣的是，一个国家经济越景气，人民的BMI是否越和谐。感谢Gapminder提供了从1980年到2008年的数据。当然，我们最好再加上一个人口维度，以便观察世界主要国家，数据也可以从The World Bank下载。

首先用Power Query准备数据。好在Gapminder和The World Bank都提供了Excel格式输出，下载完毕之后可以直接导入。这里有个技巧就是逆透视。比如，Gapminder提供了某个国家逐年的BMI数据，可惜透视完了的数据无法做分析的：

所以需要选中所有的年份列，然后选择Unpivot指令，整理以后如下所示：

对GDP以及人口数据做同样的操作，不再赘述。

接下来要对数据建模，以便聚合并分析。关于数据建模，第一步就是找到不同数据源列与列之间的关系。一种做法就是利用Power Query的Merge功能，具体做法请参考用Power BI展示中国摩天大楼一文。另一种做法就是直接利用PowerPivot建立内外键。个人感觉，Power Query的Merge功能仅仅对小型的数据集比较合适，对于大型数据，PowerPivot更有效率。这里采用后者，术业有专攻嘛。

老规矩，先把刚才所有建立的query全部导入Power Pivot中，然后建立之间的关系。很明显，三个数据集直接的关联就是Country和Year这对组合键。由于PowerPivot并不支持组合键的关联，我们需要分别建立计算列，=[Country] & “@” & [Year]，命名为Id，然后关联起来即可：

最后就可以展示数据啦。新建一个Power View，X VALUE放GDP，Y VALUE放BMI，SIZE放Population以示区别，DETAILS和COLOR都放Country，最后在PLAY AXIS放Year。考究一点的，还可以过滤人口在五千万以上，以及仅仅显示1979至2009年之间的数据。结果如下：

其中，横轴是GDP，越大经济越好；纵轴是BMI，18至25之间都合理；圆圈大小代表国家人口。结果是以动画形式展现的，这里请自行发挥想象。

可以看到，美国经济一马当先，在身材肥胖方面也是当仁不让。好莱坞里面的帅哥美女并不代表美国普罗大众，现实生活中由于肥胖导致的高额医疗费用也给国家带来不小负担。我认识一个美国朋友就经常抱怨说，他吃心吃力赚钱并锻炼，却要缴税给不锻炼不努力赚钱的人看病。英国、德国、意大利、法国等西欧国家，以及巴西、墨西哥等南美国家与美国也是相当类似。

与西欧和南美国家相比，日本、中国、印度、巴基斯坦等亚洲国家看起来身材都相当可以的嘛！不过仔细推敲一下，这到底是锻炼出来的呢还是饿出来的呢？让我们再计算一下人均GDP，如下图所示：

这么一来就真相大白了。日本是个可敬可畏的国家，与欧美国家不一样，在经济发达的同时也保持着很好的身材。以前在日本旅行的时候，判断一个人是否是日本人的一个重要依据就是身材，丰满一些的十有八九是外国人。而中国、印度、巴基斯坦、印尼等亚洲国家，我想还是生活物质不富足导致BMI正常的原因多一些，部分发达的大都市并不能代表整个国家。纵然中国的GDP能够赶超日本，看一下人均，应该会冷静客观很多。

至此，在Power BI的帮助下，我们看到经济与健康之间并没有必然的联系，主要还是每个国家自己的选择。中国需要更有清醒认识，在努力实现中国梦的同时，也应该力争高富帅和白富美。

原文链接：http://qizh.me。