數據可視化分析：Tableau原理與實踐 ( 簡體 字) |
| 作者：喜樂君 | 類別：1. -> 程式設計 -> Tableau |
| 譯者： |
| 出版社：電子工業出版社 |  3dWoo書號： 53099
詢問書籍請說出此書號！【缺書】
NT售價： 845 元 |
| 出版日：7/1/2020 |
| 頁數：464 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787121391293 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：推薦序一
英國數學家和企業家、消費者洞察公司Starcount的首席數據科學家Clive Humby曾經說過：“數據是新的石油！”但是如果數據不能被提煉，就不能被真正利用。就像石油需要被轉換成燃料、化工制品等才可以變成有價值的物品驅動盈利的行為，數據必須被整合、分析后才會產生價值。
越來越多的企業領導者認識到數據的價值，并且付出行動，開始向“數據驅動型企業”轉型。根據咨詢公司麥肯錫的調查，在數據轉型的道路上，92%的企業面臨挫折，只有8%的企業取得了成功。市場咨詢公司IDC和Gartner的研究指出，在推動數據驅動型企業的轉型道路上，企業員工的數據素養是企業轉型的關鍵因素之一；所謂的數據素養是指人們讀取、處理分析和討論數據的能力。Gartner 預測，數據素養是21世紀人類需要的最重要的技能之一。自2003年誕生以來，Tableau一直致力于“幫助人們看到和理解數據”這一偉大使命，很多數據分析愛好者、Tableau的粉絲也在默默傳播數據分析文化。
在國內，有很多學術機構和商業機構編寫了不少Tableau主題的書籍，介紹如何使用Tableau進行數據分析。最近，我拜讀了“Tableau 傳道士”喜樂君（吳玉鵬）的《數據可視化分析：Tableau原理與實踐》初稿，馬上給人眼前一亮的感覺。喜樂君以非技術人員的背景，將數據可視化的原理、過程和方法娓娓道來，以淺顯的道理將讀者帶入了可視化分析的領域，進而用Tableau 將這些理論方法變成實踐。
在國內眾多的圖書中，本書創造了眾多“第一次”，具有鮮明的特征：
? 國內第一本用DIKW模型解釋可視化分析原理的書——在商業用戶中，很多人問Tableau和其他廠商有什么區別？當你了解DIKW模型后，你自然會理解為什么Tableau可視化分析與其他廠商產品有本質區別。
? 國內第一本以可視化心理學研究的成果解釋了什么是可視化的前意識屬性（Preattentive Attribute）的書，并利用可視化最佳實踐將這些元素用于可視化分析。
? 國內第一本詳細闡述了Tableau可視化分析全流程的書，并一一講解可視化分析的平臺，真正反映了Tableau可視化數據分析平臺的精髓。
? 國內第一本系統介紹Tableau 可視化數據準備產品——Tableau Prep Builder的書，方便用戶進行數據準備。
? 數據是為了回答業務問題的，本書以業務實例的方式展示了技術人員和業務人員看待數據的不同方式，按照業務人員的分析思維用Tableau將數據分析層層展示，探索數據的價值。
? 本書也展示了大量Tableau使用中的最佳實踐和業務模型，方便讀者快速應用到實際業務場景中。
感謝喜樂君傾心編寫本書，無論你是數據分析的老兵還是數據數據分析的小白，這本書都會給你提供非常有價值的信息。作為幫助企業推廣數據分析文化的同道中人，感謝喜樂君將自己的實踐心得整理成書，奉獻給讀者！感謝喜樂君在踐行Tableau的使命——Help People See and Understand Data！祝愿更多的讀者通過本書進入數據分析領域，幫助企業成為數據驅動型企業，成為企業數據分析文化的布道者！
Tableau大中華區副總裁 張磊
2020年3月21日于新加坡
推薦序二
欣聞喜樂君要寫一本關于Tableau學習方面的書，我很是期待。
我在2007年真正深入接觸數據分析，除了Office里面的Excel和Access，公司正在逐步推行BI，在早些年接觸過SAP BW、SAP BO等建模和展示工具，直到2014年7月公司升級BI系統，引入Tableau，從此被這款絢麗的可視化工具所吸引。Tableau這些年在國內發展迅猛，版本不斷迭代，但我們對其的認識和應用基本還是停留在最初的作圖展示階段。
在Tableau官方的推薦下，2019年夏天，我請喜樂君為我的團隊提供了3天的Tableau深層應用培訓，這使得我們第一次比較系統地學習了Tableau的理論基礎、數據處理以及深層次應用。也正因為這3天的培訓，使我對作者對Tableau的掌握和理解程度感到由衷贊嘆。因為他并非技術人員出身，而是一個典型的應用人員，通過自己的實踐、摸索和自學達到了專家級的水平。
數據分析的難點在哪里？在理解業務的前提下，無非是復雜的數據處理、錯綜的邏輯表達以及如何直觀地展示，而Tableau具備了解決以上問題的所有特點。不過，市面上很多Tableau相關書籍或一些視頻課程，都偏于功能介紹，卻不能系統地從原理和應用兩個方面闡述。
我翻閱了這本書的樣稿，除去前面的理論介紹，大致分為3個方面：數據基礎處理、數據可視化和高級應用。作者都結合自己的實踐經驗將其故事化、場景化，通過優雅的文筆、哲學的思維在紙上娓娓道來。通過閱讀，你會發現技術并不枯燥，數字亦很有趣。作為由業務人員成長起來的數據分析師，本書作者更加了解業務需求的痛點、使用的難點以及Tableau的核心優點。
我也相信讀者通過閱讀學習此書，不僅能繪制適合應用場景的圖表，更能學會和理解其原理和方法；還能養成數據思維，進而能在自己的領域達到一定的高度。
作者是一位有深厚修為、深諳哲學且學識淵博的人，本書雖為側重應用的工具書，但也不乏是一本介紹數據思維培養的難得讀本！每一個章節不僅有專業的統計學術語，也有對數據處理原理通俗的解釋，這些論述內容都融入了作者哲理性的思維和個人的虔誠。
這是一本可以面向初級、中級和高級各個階段應用者學習的書籍，我相信每位讀者都會有不同的收獲！
石家莊以嶺藥業股份有限公司，營銷效率部經理 宋洪濤
2020年4月3日
推薦序三
十年前，作為供應鏈管理咨詢顧問團隊成員，我為外企、國企、民企等各類型企業提供數據方案規劃時，感受特別深的就是各層級領導和部門關注的KPI差異很大。當我們試圖提供一套通用的KPI報告時，公司的各級管理層、經營層和執行層，都會提出層出不窮的新需求。那時我就想，如果能有一個工具，讓各層級的人員結合自己的業務經驗，確定分析視角，自行完成數據提取、分析展現和預測趨勢，那么將會使行業管理變得更輕松。
五年前，我開始深入零售數據分析領域，我和團隊列出了25個影響門店銷量和利潤的關鍵點，借助數據分析精確指導門店鋪貨、調貨，不僅完全控制了貨物損失，更是實實在在地將銷售額增長了65%以上，凈利潤增長自不必說。不過，那時僅靠團隊成員從各種報表中手動提取數據，再用Excel分析，不僅工作量巨大，而且需要每天反復地進行數據驗證，這對團隊中的每個人的能力、體力、精力是考驗也是折磨。那時我就想，如果能有一個工具可以即時呈現、靈活驗證、固化模型，將會減少非常多的工作量。
很幸運的是，2019年年底，我認識了喜樂君，他向我簡單介紹了敏捷BI的代表作Tableau，不足兩小時的時間，我就確定它能解決我多年來的數據困擾，能讓我的團隊發揮更大的價值。
喜樂君并非IT專業，卻有深厚的業務背景，正因為如此，他更清楚業務分析的需求點，更明白如何可視化數據，讓管理者一目了然，包括各種維度、習慣，所以基于業務目標或者問題的分析，他總是能深入淺出地解析。他那種不驕不躁的沉穩、執著讓人佩服，Tableau工具的靈活、便捷也被他演繹得淋漓盡致。當他說想寫一本Tableau主題的數據分析的書，幫助所有愛好者、需要者快速掌握并受益時，我就非常期待這本書的問世。
時隔不足半年，喜樂君便將本書的第一稿寄給了我。他用通俗易懂的方式，特別是大量的圖形和示例，向讀者展示了他多年來使用Tableau的經驗和思考。特別是他總結的報表分析的多個步驟、高級分析的過程，可以幫助公司的數據分析師少走彎路，從而大幅度地提高效率。
衷心地感謝這本書介紹的工具、方法、分析維度給我帶來的輕松感，它可以說是讓IT部門升級為DT部門并得到企業認可的催化劑。
湛江國聯水產開發股份有限公司，信息總監 王強
2020年4月26日
推薦序四
能為我的學生作序，十分開心，因為我看到玉鵬（喜樂君）在繼續前行。
我和玉鵬在2007年的山東大學創新教育的課堂上結下師生之緣，至今保持了十多年的師生友誼。玉鵬是法學本科和教育學碩士畢業，對學習創新一直保持著渴望，更難能可貴的是，他能在學習中加入自己的理解、展望。他早早地寄來他的書稿請我過目，這本書有許多與眾不同之處。
其一，他在書中展示的不只是操作方法，而更多是自己的理解；其二，理念超前，他從自己的分析經驗中努力構建各種分析方法，“營造方法”是發明創造中關鍵的部分。
玉鵬時常和我溝通他的工作、學習，以及動態性思考問題的方法，呈現在你眼前的這本書，是他最近幾年的學習成果。當你讀完本書后就會發現，他沒有教科書一般地羅列知識點，而是獨具匠心地將軟件的工具知識和來自經驗的所思所想創造性地結合，并用問題分析和層次思維一以貫之。
如今，數據分析師成為21世紀最重要的職業之一，正因如此，越來越多的大學開設了數據相關專業，旨在為企業培養具有豐富的知識基礎、創新性的分析能力的從業者。以Tableau為代表的數據可視化分析軟件，是這個專業中非常重要的細分領域。不管是大學生，還是企業的從業者，都可以從本書中快速地了解數據可視化分析的思維和原理，以及Tableau的基礎知識與應用。
本書中也包含了很多企業真實的分析場景和案例，故有助于讀者提前了解企業的真正需求，更有針對性地進行學習，對于尚未進入職場的學生或者初入職場的新人而言非常重要。
期待每位讀者都有所收獲。
山東大學發明創造研究室主任 王思悅教授
2020年4月
自序
鳥會飛是因為有羽毛嗎——Tableau與筆者的分析之旅
從2017年在嬰貝兒偶遇Tableau至今整整三年時間，從昨日的愛好到今朝的工作，仿佛一瞬，又好似半生。如今，筆者完成了之前未曾想象的任務——把筆者的所思所想、所知所悟以出版的方式分享給更多人。
理想主義者總是習慣性地低估困難，寫書這件事情尤其如此。累計638張精心制作的插圖，有別于博客內容，建立新的體系框架，你我雖隔書相望，但筆者希望每一位讀者都能感受到我毫無保留的寫作態度與努力。
與此同時，還是想說一下筆者和Tableau的淵源，以此說明筆者如何以文科學歷和業務背景從零開始成為今日的 “Tableau大使”，這條路每個人都可以走，只需要用心與努力即可抵達。
1．我和Tableau的淵源
畢業后歷經國企、創業、私企幾番鍛煉，2017年回到嬰貝兒擔任總裁助理，忙里偷閑四處學習，并且獲得了“買任何圖書均可報銷”的公司特權，受領導鼓勵，也在公司義務培訓Excel、消費心理學等；考慮到公司低效的“PPT數據傳統”和自身專業數據分析知識的薄弱，因此私下搜尋各種大數據分析工具，最后被Tableau的靈活、易用和美觀所折服。之后陸陸續續為運營、采購、人資等板塊做了一些并非成熟的分析。
筆者是典型的“寫作型”，因此從學習第一周開始，筆者就陸陸續續記筆記、寫博客，純粹為了幫助自己增強理解，不料三年下來，竟然積累了可觀的筆墨。筆者相信 “所有的成功都是長期主義的勝利”。數據和數據分析恰好是不錯的風口，而且至少會常年不衰，于是誤打誤撞進入了這個“陌生但新鮮的行業”。
《經濟學人》中曾寫道：“21世紀最重要的資源是數據”，但是不經過分析的數據沒有價值，如同不經過反省的人生沒有意義，而這正是轉型期的企業遇到的成長煩惱。筆者決定和Tableau同行，將自己多年的工作經驗與筆者對數據的理解融為一體，認真服務每一位客戶，同時獲得自我的提升。筆者選擇了Tableau，之后通過了Tableau Desktop和Server的原廠QA認證，并在參加Tableau峰會時認識了眾多的Tableau員工和愛好者，之后開始了開發客戶、服務客戶的美好旅程。
在服務客戶的過程中，筆者不斷積累自己的Tableau知識和業務理解，并持續更新博客增強理解并向更多客戶傳播Tableau文化。筆者從不拒絕客戶的任何問題，把它視為最好的收集問題和不斷學習的機會——沒有什么是學習不能解決的問題，如果有，那就是學藝不精。
2．從所知到所悟
在學習過程中，筆者不斷閱讀各類數據分析的書籍，并仔細翻閱官方近萬頁的文檔和白皮書。可惜的是，國內外筆者能找到的每一本Tableau主題書籍，只能滿足筆者的初學，卻不能滿足中高級進階的胃口，總覺得要義未精、框架欠明，如同武林秘籍缺少最后一章，即便各種招式純熟，卻難以在實戰面前隨心所欲。這種理解上的束縛，阻礙了為客戶交付最高品質的培訓、實施和咨詢。跟隨山東大學王思悅老師十年學習，他教給筆者一種處事態度：“和人交往改變自己，和物交道改變對方”，因此，筆者希望重新構建Tableau的知識體系，并希望幫助初學者和高級分析師都能更好地使用Tableau產品。
在克里斯坦森教授《你該如何衡量你的人生》一書的開篇，作者提出了一個讓我終生難忘的問題：“鳥會飛是因為有羽毛嗎？” 筆者曾經以為是，但正如作者所言，人類上千年來一直嘗試模仿輕盈的翅膀飛上天，最后，倒是成噸的鋼鐵飛機實現了。100年前，人類在“流體力學”和“空氣動力學”領域積累了足夠的知識，才實現了飛翔的夢想，這就是原理的重要性，重要的不是翅膀，而是如何創造升力。
在瑞?達里奧的《原則》一書中，作者說：“要明白幾乎所有‘眼前的情況’都是‘類似情景的再現’，要識別‘類似情景’是什么，然后應用經深思熟慮的原則來應對。”生活如此，工作如此，分析亦是如此。
因此，筆者迫切地希望洞察Tableau“拖拉曳”、可視化，特別是高級計算背后的原理，只有能掌握了原理，筆者才能用最簡單的語言，讓所有的客戶以最低的時間和金錢成本換來最高效的培訓和使用效果。
而通往大徹大悟的道路只有一條，那就是持續的努力和深度的思考相融合的道路。
整個2019年，筆者一方面不斷地向Tableau最難的高級計算和高級互動發起總攻，并持續修改博客作為通達明了的明證；另一方面每月組織Tableau公開課程，在分享過程中不斷深化自我理解，并在為中原消費金融、以嶺藥業等客戶交付培訓的過程中不斷總結本書的宏觀框架。2019年年底在國聯水產的項目中，帶著寫書的心態為客戶額外提供了多天的培訓，又獲得了本書第5章的關鍵靈感。如今，筆者的不少Tableau博客文章，特別是關于“LOD詳細級別表達式”原理和案例解讀系列，幾乎可以與官方的介紹文章并駕齊驅。2020年年初，因疫情在家，得以從頭重寫每一個細節及其思路，并把基礎計算和高級計算融為一爐，形成了全新的講解體系，從而保證初學者也可以快速掌握最高難度的知識環節。
最后，筆者找到了從Excel分析到Tableau數據分析的根本性差異，即層次。客觀的數據層次用于描述數據結構和顆粒度，主觀的視圖層次用于描述業務問題及其相關性，并通過計算的多種分類把二者融為一體。全書都貫穿了“層次分析”的思路，并在高級計算部分得以升華——高級計算的實質就是多層次問題分析。因此，讀者在本書中能看到很多全新的內容，比如用DIKW模型理解數據的層次，用層次理解大數據分析的核心特征，用層次理解數據結構并識別行級別唯一性，以層次理解Tableau的計算并引導如何選擇等。
而精心繪制的插圖，旨在用可視化的方式增強理解，而非僅僅是文本。并通過二次處理，盡可能提高每一個圖片的知識密度。
同時，本書特別推崇集和集動作，大數據分析通常都是某一個樣本的分析，集正是保存樣本的絕佳功能，隨著Tableau 2020.2集控制功能的推動，可以進一步將集作為傳遞多值變量的媒介，與之相對的是參數作為傳遞單值變量的媒介。筆者之前把“集、詳細級別表達式和表計算”稱之為Tableau的“三劍客”，如今有了數據關系，大家不妨以“F4”稱之。
3．大數據時代的趨勢與業務驅動的數據分析
隨著互聯網經濟的蓬勃發展，大數據時代已經成為不可回避的事實。在經濟危機面前，企業更應該追求精益分析驅動的精益成長。
正因為此，敏捷BI已經是大勢所趨、不可抵擋。企業成長依賴于在競爭環境中不斷做出最優的決策，而決策來自于充分的建立假設并高效地驗證，數據分析是連接數據資產與價值決策的紐帶，而敏捷BI提高數據的利用效率和企業的決策效率。“分析即選擇，決策即擇優”，數據分析可以直接創造企業價值，未來已來，所有的企業都將是數據驅動型的組織。
以Tableau為代表的敏捷BI，超越了Excel的局限性，操作靈活，對業務用戶足夠友好，幫助他們把數據與業務緊密結合，為企業中最龐大的群體打開了一扇進入大數據的窗戶。
作為世界首屈一指的敏捷BI和大數據可視化分析平臺，Tableau為企業提供了低成本試錯、高杠桿收益，且面向業務、模型構建的解決方案。作為文科背景、業務出身、自學成長起來的Tableau分析師，筆者享受了大數據時代的“數據紅利”，提前從傳統BI切換到了敏捷BI的快車道，如果有朝一日筆者重返業務崗位，就如同手握尚方寶劍必然更加得心應手。如果企業有更多用戶能在Tableau幫助下發揮數據的價值，不僅能在危機面前確保個人的競爭力，而且能為企業創造更多的分析價值。
對于業務分析師而言，Tableau入門容易、使用靈活，因此它適用于企業中的幾乎每一位數據用戶和業務決策者；同時，Tableau博大精深、足夠專業，在可視化樣式、互動探索、高級計算等方面有無限空間值得探索，因此不斷鉆研的Tableau分析師可以為自己構建足夠高的技術壁壘，從而捍衛自己的專業領地。這也是筆者的選擇和道路，只要努力，人人皆可模仿，沒有所謂的“學習力”，需要的只是用心和努力而已。
在這條充滿光明的道路上，最大的障礙其實不是工具，而是人和文化。借助于本書，衷心地希望更多的人能熟練Tableau，并建立自己的職業壁壘，節省時間就是拯救個人生命，提高效率就是創造企業利潤。
4．致謝
從博客到一本書，這是一年之前筆者還未曾預料的事情；因為疫情在家隔離，一個春天，不料夢想就變成了現實。
特別感謝筆者工作之旅中遇到的每一位同事和領導，以及服務的每一家Tableau客戶。特別是山東嬰貝兒的領導早年為筆者提供了廣泛學習的機緣，中國軟件的各位領導對我工作的支持，感謝北投集團、紅塔山玉溪卷煙廠、航科院、中國人民銀行沈陽分行、河南中原消費金融、以嶺藥業、石藥恩必普、野村綜研、大連日信、上海煙草、國聯水產股份、青島啤酒、煙臺創跡等眾多客戶對筆者的信任和支持。
感謝電子工業出版社石編輯為本書付出的努力，她幫筆者實現了而立之年的第一個夢想，也幫助大家目睹了這本書的精彩。
特別感謝2019年陪筆者一起學習的幾位朋友：濟南公安局于警官、秦皇島稅務局馮偉、沈陽李博、百威啤酒劉洋、嬰貝兒史國麗等，他們不遠萬里來聽我不成熟的課程；古人云“教學相長”，在筆者才疏學淺之時，每一位聆聽者都是對筆者的激勵。
特別感謝Tableau給我的學習機會，認識了各行各業的企業客戶和朋友，結交了眾多的Tableau愛好者。
感謝山東大學七年求學歷程最重要的導師王思悅教授，追隨他學習“發明創造學”前后逾十年，他已年邁，我正年輕，亦師亦友，受益良多。感謝每一位信任與支持筆者的朋友，他們給了筆者諸多勇氣。
感謝我的家人，他們給了筆者生活的意義，并陪伴了筆者寫書的每一天。
感謝時間，感謝充滿坎坷與喜樂的人生。
喜樂君（吳玉鵬）
2020年6月10日
注：
本書主體部分依據Tableau 2020.1版本完成寫作和繪圖；同時增加了Tableau 2020.2版本的新功能，特別是數據關系、集控制。不同版本之間的界面略有差異，但不影響功能展示和使用，后續重印或修訂會逐步更改。 |
內容簡介：（全彩）
本書系統地講解了Tableau Prep Builder和Tableau Desktop的原理與實踐應用。全書以可視化分析、Tableau計算為重點，詳細介紹了如何理解數據的層次、如何使用Tableau Prep Builder整理和準備數據、如何使用Tableau Desktop開展敏捷數據分析、Tableau高級互動，特別是深入介紹了Tableau的各種計算，從而以有限的數據實現無限的業務場景分析。全書貫穿數據與問題的層次分析方法，并用實例加以說明，不僅適合希望系統學習Tableau的初學者，而且適合Tableau的中高級分析師。 |
目錄：第1篇 從數據到圖形：Tableau可視化
第1章 可視化分析：進入大數據時代的理性與直覺之門 2
1.1 數據金字塔：從數據到決策有多遠？ 2
1.2 直覺先于理性：可視化的心理學 5
1.3 Tableau：大數據時代的“梵高” 8
1.4 Tableau快速學習路線圖 11
第2章 數據可視化：理念與基礎 13
2.1 從Excel到Tableau：不同的視角與層次思維 13
2.1.1 IT分析師和業務人員看待數據的不同視角 14
2.1.2 數據分析的層次模型 16
2.1.3 層次、聚合度和顆粒度 18
2.2 數據基礎概念：字段、圖形與拖曳邏輯 20
2.2.1 編碼：從真實世界到虛擬世界 20
2.2.2 數據分析的兩種表達方式：數據交叉表與可視化圖表 21
2.2.3 字段的兩種分類：維度和度量 21
2.2.4 字段的兩種特征：連續和離散 23
2.2.5 從字段到圖形：Tableau Desktop的設計邏輯 25
2.3 Tableau Desktop初級可視化：過程與方法 27
2.3.1 數據連接：建立連接和基本整理 28
2.3.2 數據可視化：基本方法與基本圖形 30
2.3.3 數據洞察：組合與互動 37
2.3.4 分享數據見解 39
第3章 數據準備：用Prep Builder進行數據整理與結構調整 41
3.1 Prep Builder基礎操作 41
3.2 初級字段整理：數據清理和篩選 44
3.2.1 數據拆分 47
3.2.2 數據分組 49
3.2.3 篩選器 51
3.2.4 字符串清理 53
3.3 中級結構整理：數據轉置 53
3.3.1 Prep Builder和Desktop的列至行轉置 54
3.3.2 Prep Builder的行至列轉置 55
3.4 高級結構整理：數據聚合 56
3.4.1 聚合的必要性和用法——單一層次聚合 56
3.4.2 FIXED LOD——獨立層次聚合 59
3.4.3 Prep Builder聚合的注意事項 63
3.5 高級計算：在Prep Builder中計算排名 63
3.5.1 單一維度的排名計算 63
3.5.2 具有分區字段的排名計算 64
3.5.3 行級別排名與密集排名 65
第4章 數據準備：數據合并與數據建模 68
4.1 行級別合并：并集、連接與Desktop方法 68
4.1.1 數據并集 69
4.1.2 數據連接 72
4.1.3 并集與連接的異同點 76
4.2 視圖級別合并：數據混合與Desktop方法 78
4.2.1 使用Desktop進行數據混合 79
4.2.2 數據混合的邏輯及其與連接的差異 84
4.3 使用Prep Builder做數據合并 86
4.3.1 使用Prep Builder 完成數據并集 86
4.3.2 使用Prep Builder做數據連接 92
4.3.3 使用Prep Builder完成“數據混合”：聚合+連接 95
4.4 如何選擇數據合并方式 97
4.5 數據模型：數據關系 99
4.5.1 從物理表到邏輯表：數據關系的背景與特殊性 99
4.5.2 數據模型（上）：以數據關系實現數據連接 101
4.5.3 數據模型（下）：建立物理層和邏輯層的多層關系 103
4.5.4 改善數據模型的性能（上）：關系類型 107
4.5.5 改善數據模型的性能（下）：引用完整性 110
4.5.6 從數據合并邁向數據建模 111
4.6 數據準備綜合應用 112
4.6.1 使用Prep Builder快速合并和整理Excel數據 112
4.6.2 使用Prep Builder匹配和整合SAP HANA多表數據 117
4.7 為什么Prep Builder是數據整理的首選 121
4.8 如何優雅地使用Prep Builder 124
4.8.1 思考和問題先于數據 125
4.8.2 層次思維是關鍵 125
4.8.3 各有所長：與其他工具的匹配和合作 125
4.8.4 Prep Builder與Desktop的最佳結合 127
第5章 可視化分析與探索 128
5.1 Tableau報表可視化的三步驟 128
5.1.1 整理字段：理解數據表中的獨立層次結構 128
5.1.2 工作表：依據字段的層次結構完成數據可視化 131
5.1.3 儀表板：探索不同數據之間的關聯關系 137
5.2 Tableau復雜業務問題中的關聯分析 138
5.2.1 多數據分析：每個數據表行級別的唯一性 138
5.2.2 即席計算：通過計算字段完善分析模型 140
5.2.3 數據解釋：AI驅動的智能關聯分析 141
5.3 如何選擇可視化圖表框架 142
5.3.1 常見的問題類型與圖表 142
5.3.2 從簡單可視化到復雜可視化 152
5.4 高級可視化功能 163
5.4.1 度量名稱與度量值：并排比較多個度量 163
5.4.2 條形圖雙軸：各個子類別的銷售額和利潤 166
5.4.3 堆疊度量與重疊度量：重疊比較多個度量 166
5.4.4 聚合度量與解聚度量 169
5.5 可視化增強分析技術 170
5.5.1 常用篩選器及其優先級 170
5.5.2 集 177
5.5.3 參數 181
5.5.4 分組和分層結構 182
5.5.5 排序：對數據按照規則排序 183
5.5.6 參考線、參考區間、分布區間和盒須圖 185
5.6 格式設置 194
5.6.1 通過標簽設置突出度量值 195
5.6.2 工具提示的高級設置 196
5.6.3 其他常見設置 199
第6章 地理位置可視化 201
6.1 Tableau地理分析簡介 201
6.2 符號地圖和填充地圖 203
6.3 點圖和熱力圖 206
6.4 路徑地圖 207
6.5 空間函數 212
6.6 地圖與形狀的結合：自定義圖形與HEX函數 217
第7章 與數據對話：信息呈現與高級交互 220
7.1 比“數據”更多：從工作簿到儀表板 220
7.1.1 儀表板：可視化七巧板 221
7.1.2 精確設計和布局 223
7.1.3 更節省空間的折疊工具欄 225
7.1.4 多設備設計和大屏設計 226
7.2 故事：構建你的DataPoint 227
7.3 可視化交互：與數據對話 228
7.3.1 多重篩選和共用篩選器 229
7.3.2 頁面與動畫 231
7.3.3 突出顯示 234
7.4 高級互動：動態參數和參數動作 235
7.4.1 實例：使用參數更新度量 237
7.4.2 實例：使用操作動態更新度量 239
7.4.3 實例：使用參數動作動態控制參考線 240
7.4.4 實例：使用參數展開指定的類別 243
7.5 高級互動的巔峰：集動作 244
7.5.1 實例：指定省份的銷售額占比 245
7.5.2 實例：查看所選省份在各商品類別的銷售占比 247
7.5.3 實例：各省份相對于指定省份的銷售額差異 248
7.5.4 實例：指定省份隨著日期的銷售趨勢 251
7.5.5 關鍵原理：Tableau多種操作的優先級 254
7.5.6 高級實例：多個集動作構建的自定義矩陣 254
7.5.7 技巧：集與分層結構、工具提示的結合 258
7.6 讓集動作更強大：增量更新與集控制 258
7.6.1 集動作增減 259
7.6.2 集控制——“集”真正變身“多值參數” 260
7.7 高級互動的使用建議 261
第2篇 從有限到無限：Tableau計算
第8章 Tableau基本計算：原理與入門 264
8.1 數據的層次與兩類基本的計算類型 264
8.1.1 借助Excel學大數據：行級別計算和聚合計算 265
8.1.2 從Excel數據透視表到Tableau視圖計算 268
8.2 行級別函數及其作用 272
8.2.1 行級別函數的使用場景 272
8.2.2 字符串函數 274
8.2.3 日期函數 278
8.2.4 數字函數 285
8.2.5 類型轉換函數 286
8.2.6 高級字符串函數之“正則函數” 287
8.3 聚合函數 290
8.4 邏輯函數及行級別與聚合計算的差異 291
8.4.1 IF函數 292
8.4.2 IIF函數 293
8.4.3 CASE WHEN函數 294
8.4.4 其他簡化邏輯判斷 294
8.4.5 高級實例：各類別的盈利分層與盈利結構分析 295
8.4.6 高級說明：兩類邏輯表達式的差異 298
第9章 Tableau高級計算：表計算 302
9.1 多層次分析與高級計算原理簡介 302
9.1.1 表計算函數代表：WINDOW_SUM函數 303
9.1.2 狹義LOD表達式代表：FIXED LOD 306
9.1.3 廣義LOD表達式的分類及區別 310
9.2 表計算的獨特性與原理 311
9.2.1 表計算的獨特性原理 312
9.2.2 表計算的獨特性：維度如何參與計算過程 313
9.2.3 兩種指定方向的方法 316
9.3 表計算函數及實例 318
9.3.1 最具代表性的函數： LOOKUP函數和差異計算 319
9.3.2 RUNNING_SUM函數：移動匯總計算 320
9.3.3 實例：LOOKUP和RUNNING_SUM表計算（TC5） 321
9.3.4 WINDOW_SUM函數：窗口匯總函數 326
9.3.5 WINDOW_SUM函數初級實例：加權計算與合計百分比（TC6） 329
9.3.6 WINDOW_SUM函數中級實例：相對于任意選定子類別的相對差異 332
9.3.7 高級實例：相對于任意日期的百分比差異（TC1） 335
9.3.8 參數類表計算 338
9.3.9 INDEX與RANK函數：排序表計算 340
9.3.10 實例：基于公共日期基準的銷售增長（INDEX函數）（TC2） 341
9.3.11 實例：隨日期變化的RANK函數（TC4） 343
9.3.12 統計類表計算和第三方表計算 346
9.3.13 快速表計算 347
9.4 高級表計算設置 348
9.4.1 實例：多遍聚合的嵌套表計算（TC3） 348
9.4.2 實例：多個方向字段的深度優先原則 349
9.5 綜合實例：帕累托分布圖制作方法 351
9.6 綜合實例：作為篩選器的表計算 356
9.7 Tableau 2020新功能：Prep Builder計算特定層次的排名 359
第10章 高級計算：狹義LOD表達式 362
10.1 LOD表達式的獨特性和原理 362
10.2 LOD表達式的語法 365
10.3 FIXED LOD表達式的3種類型 367
10.3.1 聚合度高于視圖的詳細級別 368
10.3.2 聚合度低于視圖的詳細級別 372
10.3.3 獨立于視圖的聚合 375
10.3.4 3種語法的原理說明 376
10.4 INCLUDE/EXCLUDE LOD表達式 377
10.4.1 EXCLUDE LOD實現更高層次的聚合 377
10.4.2 INCLUDE LOD實現更低層次的聚合 378
10.4.3 FIXED、EXCLUDE、表計算的計算邏輯與優先級 379
10.5 如何選擇高級計算類型——層次分析 381
10.5.1 高級分析的4個步驟 381
10.5.2 高級分析4個步驟的簡要示例 386
10.6 高級應用：嵌套LOD表達式（NESTED LOD） 389
10.6.1 實例：使用4步分析完成嵌套LOD 390
10.6.2 嵌套LOD表達式的變化 395
10.7 高級分析模型：會員RFM分析模型 396
10.7.1 會員RFM-L指標體系 396
10.7.2 會員分析的常見視角 399
10.7.3 會員客戶頻率分析 （LOD15-1） 400
10.7.4 矩陣分析 （LOD15-2） 401
10.7.5 新客戶爭取率 （LOD15-5） 402
10.7.6 各時間段不同復購間隔的客戶數量（LOD15-10） 402
10.7.7 各個客戶矩陣的年度購買頻率（LOD15-15） 403
10.8 商品的交叉購買和購物籃分析 408
10.8.1 實例：不同交叉購買次數的客戶數量 408
10.8.2 超級實例：基于訂單中的購物籃交叉購買分析 410
10.9 高級計算的最佳實踐 416
10.9.1 視圖中哪些位置決定詳細級別 416
10.9.2 各類計算如何構成視圖的組成部分 417
10.9.3 如何選擇計算類型及其優先級 418
第3篇 從可視化到大數據分析平臺
第11章 Tableau Server數據平臺 422
11.1 敏捷BI加速從數據資產到價值決策的流動 422
11.2 從Desktop發布到服務器：分析模型自動化 423
11.3 從Prep Builder發布到服務器：數據流程自動化 425
11.4 Data Management：從復雜數據準備到深度業務分析 427
第12章 保證數據安全：Tableau Server的安全體系 430
12.1 推薦的Tableau Server權限機制 430
12.1.1 基于群組和項目設置權限 431
12.1.2 在項目中鎖定權限（必要時） 435
12.2 行級別數據安全管理：用戶篩選器與用戶函數 435
12.3 Tableau Server權限評估規則 437
寫在最后 439 |
| 序： |
