業務可視化分析： 從問題到圖形的 Tableau 方法 (全彩)

Tableau Zen Master，Tableau Desktop & Server CA Certification，Tableau培訓師和諮詢顧問；
山東大學法學學士、教育學碩士，首屆研究生國家獎學金獲得者（2013）；
多次創業者、知識工作者，忠於分享，全心全意服務客戶。

第1 篇 從業務和問題出發的可視化體系
第1 章 我的故事：業務分析需要可視化 2
1.1 生活/工作面前，我們都一樣 . 2
1.2 帶著問題啟程 6

第2 章 奠基：業務可視化分析的價值 . 7
2.1 古往今來，分析的終極目的是輔助決策 7
2.2 決策：獲得信息、做出判斷 10
2.3 簡單可視化：幫助領導更快地獲得信息 11
2.4 交互可視化：可視化是假設驗證的工具 14
2.5 高級可視化：分佈、相關性分析與結構化分析 16
2.6 Tableau：敏捷BI 助力決策分析 18

第3 章 地平線：問題分析的方法與數據基礎 . 20
3.1 問題的結構化分析與“第一字段分類” 21
3.2 分析的動態過程：聚合是本質 23
3.2.1 Excel 數據透視表：拖曳即聚合 23
3.2.2 SQL 的聚合查詢：窗口式查詢 24
3.2.3 Tableau VizQL 可視化聚合查詢 . 26
3.3 行級別明細數據是聚合的起點，是分析的原料 27
3.3.1 數據表中包含的數據常識：數據類型與分類 . 27
3.3.2 理解數據表行級別的業務邏輯及其唯一性 . 34
3.3.3 聚合度是以數據表行級別為基準點的、衡量問題層次高低的尺度 . 37
3.4 直接聚合：基於行級別的直接聚合類型 40
3.4.1 描述規模：總和、平均值、計數 . 40
3.4.2 描述數據的波動程度：方差和標準差 . 41
3.4.3 關注個體、走向分佈：百分位函數及最大值、最小值、中位數 . 44
3.5 從數據到問題的關鍵：“第三字段分類” 47
3.5.1 第三字段分類：行級別計算與聚合計算 . 47
3.5.2 理解聚合計算中的典型代表：“比值聚合” . 49
3.6 間接聚合：基於視圖聚合的二次聚合 50
3.6.1 “複雜問題”的兩個方向特徵 . 50
3.6.2 基於直接聚合的二次聚合：大數據的OLAP 分析 51
3.7 從問題分析視角看數據分析的發展階段 57
3.7.1 小數據時代的多角度明細展示 . 57
3.7.2 數據統計時代的聚合匯總 57
3.7.3 大數據時代的結構化分析 58

第4 章 啟程：可視化構建方法與擴展路徑 60
4.1 從聚合到圖形：第二字段分類與圖形構成要素 60
4.1.1 可視化坐標空間：坐標係與坐標軸 . 62
4.1.2 “第二字段分類”與坐標軸. 63
4.1.3 可視化視覺模式與圖形類型. 70
4.1.4 可視化的意義描述 74
4.2 7 種主要的問題類型及其主要圖形 . 75
4.2.1 傳統三大圖及其局限性 76
4.2.2 文本表：側重度量指標的高密度展現 . 78
4.2.3 分佈分析的三大典型圖形 78
4.2.4 相關性：散點圖與雙軸折線圖 . 82
4.2.5 地理位置可視化 83
4.3 從基本問題類型到復雜圖形的延伸方法綜述 85
4.3.1 從問題分析到圖形增強分析的完整路徑 . 85
4.3.2 基於行列的空間擴展：分區與矩陣 . 86
4.3.3 基於標記的增強分析：分層繪製方法 . 89
4.3.4 基於坐標軸的擴展：雙軸、同步與多軸的合併處理 . 96
4.3.5 基於參考線的擴展：增加視圖聚合的二次聚合 . 97

第2 篇 問題的7 種基本類型與可視化方法
第5 章 從問題到圖形的可視化邏輯 . 102
5.1 從問題到圖形的啟蒙與進化 102
5.1.1 《用圖表說話》中的三步走方法 . 102
5.1.2 “問題的字段解析方法”與基本問題類型 . 103
5.2 可視化圖形分類方法與可視化過程 105
5.2.1 FT 可視化詞典 . 105
5.2.2 Data Points 中的數據可視化過程 107
5.2.3 Abela 的“圖形推薦”邏輯 108
5.2.4 面向IT 的Echarts 分類與Tableau . 109

第6 章 排序與對比（部分與部分） . 111
6.1 基本條形圖與多個離散維度條形圖 111
6.1.1 並排條形圖（side-by-side bar）：離散字段並排構成分區 . 112
6.1.2 條形圖矩陣：離散字段交叉構成矩陣 . 113
6.1.3 矩陣實例：日曆矩陣條形圖. 114
6.1.4 堆疊條形圖：你喜歡喝什麼咖啡 . 116
6.1.5 比例條形圖：把堆疊條形圖轉化為佔比分析 . 118
6.2 包含多個度量坐標軸的條形圖 119
6.2.1 字段重要性遞減的多種佈局方式 . 119
6.2.2 考慮字段關係的雙軸佈局方式 . 120
6.2.3 並排條形圖：多個絕對值度量字段的對比 . 122
6.2.4 重疊條形圖：多個絕對值度量字段的包含關係 . 124
6.3 字段類型和屬性對可視化的影響 125
6.3.1 字段類型和屬性對顏色的影響 . 125
6.3.2 “絕對值”與比值：字段屬性對標記選擇的影響 . 127
6.4 坐標軸的調整與組合 128
6.4.1 默認零點：除非必要，謹慎更改 . 129
6.4.2 坐標軸“倒序”：有些數據越大越差 . 129
6.4.3 絕對值刻度與百分位刻度 130
6.4.4 從“等距坐標軸”到“不等距坐標軸” . 131
6.4.5 棒棒糖圖：虛擬雙軸 132
6.5 以條形圖為底色的進階與高級圖形 133
6.5.1 靶心圖：在排序基礎上增加對比關係 . 133
6.5.2 “進度條”：展示單一對比關係的條形圖變種 . 135
6.5.3 結構化分析實例：條形圖的“高級化” . 138

第7 章 時間序列與序列相關性 140
7.1 時間序列的構成 140
7.2 折線圖的多種延伸形式 141
7.2.1 時間的層次與連續/離散屬性 . 141
7.2.2 並排折線圖和矩陣折線圖 143
7.2.4 多維度折線圖、堆疊面積圖、百分比堆疊面積圖 . 144
7.2.3 包含時序的柱狀圖與結構化分析 . 147
7.3 包含多個度量的時間序列 149
7.3.1 時間序列中的雙軸與柱狀圖. 149
7.3.2 雙軸的改變：柱狀圖與折線圖的結合 . 150
7.3.3 基於公共基準的多軸合併 151
7.4 時間序列與條形圖的結合：甘特圖及其變種 152
7.4.1 標準甘特圖：沿著連續日期延伸 . 152
7.4.2 股票蠟燭圖：兩個甘特圖的重疊 . 154
7.4.3 跨度圖：“偽裝的甘特圖樣式” . 155
7.4.4 階梯圖：以階梯方式表達“跨度” . 157
7.5 日期的高級轉化：絕對日期與相對日期 159
7.5.1 原理：何為絕對和相對時間軸 . 159
7.5.2 “公共基準”案例：產品在不同時間段的業績對比 . 160
7.5.3 “公共基準”案例：客戶复購分析 . 163
7.6 時序分析中度量的處理與高級圖形 166
7.6.1 聚合度量的累計匯總處理 166
7.6.2 絕對值與同比雙軸圖：同比或環比的比率 . 167
7.6.3 排序圖：絕對值轉化為相對排序 . 168
7.6.4 高級案例：地平線圖——借助高級計算處理度量 . 170
7.7 坡面圖：次序字段的前後變化 174
7.8 在趨勢中增加對比關係：雙折線增加陰影區 175

第8 章 佔比（部分與總體佔比） . 179
8.1 佔比問題類型與餅圖 179
8.2 樹狀圖：佔比與層次關係 181
8.3 初級：餅圖作為輔助圖形查看結構 184
8.4 中級：結合計算自定義分組及其占比 186
8.4.1 行級別分組：使用組和行級別計算自定義分組 . 186
8.4.2 特定層次的分組：使用集和高級計算動態分組 . 187
8.5 中級：使用多種方法展示類別的佔比 189
8.5.1 方法一：使用“隱藏”功能分析單一類別佔比 . 189
8.5.2 方法二：使用“行級別計算”分析單一類別佔比 . 190
8.5.3 方法三：使用“篩选和高級計算”分析單一類別佔比 . 191
8.6 高級圖形：環形圖、旭日圖、南丁格爾玫瑰圖 192
8.6.1 環形圖：最簡單的雙層次結構 . 192
8.6.2 旭日圖：雙層佔比 193
8.6.3 南丁格爾玫瑰圖及個人建議. 194

第9 章 文本表及其延伸形式 196
9.1 文本表的關鍵場景：最高聚合與“總分結構” 196
9.2 交叉表的優勢與推薦場景 198
9.3 讓交叉表更實用：增加可視化修飾的方法 200
9.3.1 典型交叉表的樣式與說明 200
9.3.2 簡易法：基於度量名稱的顏色修飾 . 201
9.3.3 簡易法：基於單一度量的突出顯示表 . 203
9.3.4 高級法：基於坐標軸和標記的“文本自定義” . 204
9.3.5 高級法：使用自定義字段邏輯控制形狀或其他 . 208
9.4 讓簡單豐富起來：善用工具提示與儀表板互動 209
9.5 文字云與氣泡圖：不常使用和不推薦的圖形 211
9.6 總結：用好“三圖一表”，展開業務面紗 212

第10 章 大數據的關鍵：超越個體、走向分佈 . 214
10.1 從個體分析到分佈分析 214
10.2 直方圖：分佈分析第一圖 215
10.2.1 簡單直方圖：使用數據桶（bin）在數據表行級別創建直方圖 216
10.2.2 高級直方圖：使用高級聚合計算和數據桶生成直方圖區間 . 217
10.2.3 基於RFM 模型的客戶分佈分析 219
10.3 箱線圖：離散分佈與異常發現 221
10.4 帕累托圖：特殊的頭部集中分佈 222
10.4.1 橫軸百分位處理：將離散維度序轉化為連續百分位坐標軸 . 224
10.4.2 縱軸累計百分比處理：連續度量的百分位轉化 . 224
10.4.3 空間分類處理：帕累托圖的顏色分類和互動篩選 . 225
10.5 自定義分佈分析：參考線與參考分佈模型 227
10.5.1 使用多條“百分比”參考線構建區間 . 228
10.5.2 自定義百分位分佈區間 229
10.5.3 分位數分佈區間 230
10.5.4 標準差分佈與“質量控製圖”和“六西格瑪區間” . 230

第11 章 超越經驗，走向探索：廣義相關性分析 . 234
11.1 散點圖與參考分區：波士頓矩陣 234
11.2 中級：散點圖矩陣和“散點圖鬆散化” 237
11.3 高級：用皮爾遜係數生成相關值矩陣 241
11.4 層次關係：多個維度字段之間的結構關係. 244
11.5 次序字段的流向分析：漏斗圖和桑基圖 247
11.5.1 漏斗圖（上）：基於次序字段的變化 . 247
11.5.2 漏斗圖（下）：基於度量值的變化 . 250
11.5.3 桑基圖：多階段的流向變化（簡要） . 252
11.6 瀑布圖：多個數值的依賴關係 253
11.7 雷達圖：多角度的綜合關係 256
11.8 相關性或因果關係：基於空間的流行病學案例 . 259

第12 章 特殊的分佈：地理空間分析 . 264
12.1 地理空間和地理圖層 264
12.2 點圖與熱力圖：地理空間分佈 265
12.3 符號地圖與填充地圖 267
12.4 自定義地理空間與空間矩陣 270
12.4.1 為數據點增加緩衝區 270
12.4.2 自定義地理空間：“化學元素週期表” . 271
12.4.3 高級案例：使用表計算自定義空間矩陣 . 272
12.5 路徑地圖：兩種數據結構，兩種繪製方式 274
12.6 地理空間圖形的說明 275

第3 篇 超越：從可視化分析走向結構化洞察
第13 章 樣本控制與假設驗證：交互 . 279
13.1 在Excel、SQL、Tableau 中構建分析樣本 . 279
13.1.1 Excel 與SQL 中的靜態篩選 . 279
13.1.2 在Tableau 中創建篩選的基本方法 281
13.2 樣本控制的形式與歸類 282
13.2.1 快速篩選器的常見形式與優先級 . 282
13.2.2 關聯篩選器和共用篩選器 285
13.3 基於中間變量的高級樣本控制 286
13.4 樣本控制的高級形式：指定層次的條件篩選 289
13.4.1 指定層次條件篩選的3 種方式 . 289
13.4.2 購物籃關聯分析的樣本解讀——量化篩選條件 . 290
13.5 性能：邏輯計算位置對篩選的影響 293
13.5.1 篩選的本質與篩選的標準位置 . 293
13.5.2 在聚合過程中間接篩選的“非標準操作”及其代價 . 295
13.5.3 不同篩選方法的高級分類與適用場景 . 296

第14 章 從表像到本質：結構化分析是業務可視化分析的靈魂 . 299
14.1 結構化分析是通往業務探索的必由之路 299
14.1.1 結構化分析是業務複雜性的要求 . 300
14.1.2 結構化分析的基本形式 301
14.2 可視化分析中常見的層次及其組合關係 303
14.2.1 行級別層次、問題層次及聚合度 . 303
14.2.2 結構化分析的基本類型 305
14.3 結構化分析的幾種典型場景和案例 305
14.3.1 交易的利潤結構分析：主視圖引入行級別層次的聚合 . 305
14.3.2 客戶的利潤結構分析：主視圖引入更低層次的聚合 . 307
14.3.3 客戶矩陣分析：當前視圖層次引入獨立層次的聚合 . 309
14.3.4 環形圖：當前視圖層次引入更高聚合度層次的聚合 . 310
14.4 結構化分析的高級形式：嵌套LOD 的多遍聚合 313
14.4.1 客戶購買力：使用嵌套LOD 完成多遍聚合 . 313
14.5 通用的層次分析方法 316
14.5.1 結構化分析與“問題結構” . 316
14.5.2 層次分析的4 個步驟 317
14.6 和結構化分析相反的“努力”方法 318
14.6.1 “形式大於內容”的圖形 318
14.6.2 缺乏代表性和意義的指標 321
14.6.3 缺乏互動性的圖表 321
14.6.4 不符合直覺的設計 322

第15 章 歸來：成為優秀的業務分析師的個人建議 . 323
15.1 好奇、探索和持續學習的慾望，是前進的源泉 323
15.2 學習理解原理，方能舉一反三、事半功倍 324
15.3 深入理解業務，方能立於不敗之地 325
15.4 分析要從明細開始，過度整理會遠離真相 326
15.6 循序漸進，不要好高騖遠 328

後記&參考資料 . 330