数据可视化分析(第二版)

本书以敏捷分析工具Tableau为基础，部分章节辅以SQL讲解，系统介绍了数据可视化分析的体系和方法，内容涵盖问题分析方法、数据合并和建模、可视化图形的选择和构建、多种交互方式及其组合、仪表板设计与高级交互、基本计算和高级计算等。

本书以Tableau Desktop的应用为中心，借工具讲解原理，以原理深化工具应用，并由点及面地介绍了业务分析的思考和原理，特别是提出了实践性的“业务—数据—分析”层次框架，并以三类“详细级别”的概念贯通数据模型、高级筛选和高级计算三大主题。

本书重点介绍工具应用背后的思考方式和原理，帮助读者建立“详细级别”的思考框架，举一反三，从而实现多维、结构化分析。

Tableau Visionary（2020—2023）、数据分析咨询顾问、培训讲师·敏捷BI“布道师”。

连续创业者、上海唯知唯识创始人。

山东大学法学学士、教育学硕士，首届“硕士研究生国家奖学金”获得者。

站在业务角度、深入行业一线，借Tableau洞悉敏捷分析，重新理解和诠释“业务数据分析”。

第2版自序

感谢Tableau和读者的支持，是你们给了笔者继续前进的动力。

2020年年初，我把多年学习Tableau的所思、所想毫无保留地写出来，配以精致的图片出版发行。《数据可视化分析：Tableau原理与实践》一书收到了众多读者的一致好评，累计印刷8次，发行逾万册，多次入围“京东大数据推荐榜单”前三名。在读者群中，笔者认识了很多Tableau粉丝、企业用户及可视化爱好者。

过去两年多，Tableau产品持续更新迭代，笔者也进一步补充了SQL、数据库、数据仓库等基础知识，并对比学习了Power BI、帆软、观远等国内外多家优秀BI产品的应用。“实践是最好的老师”，笔者在分析项目咨询、Tableau企业培训、可视化开发项目的锻炼中，日渐意识到这本书中的诸多不足甚至错误，并放弃了小修小补的计划，重写此书作为近两年学习的总结。

于是，2022年4月，笔者开始重写本书的内容，并重新绘制、调整了大部分插图，作为第2版。历经波折，多次延迟，本书终于与读者见面。

这里，笔者总结第2版相对于第1版的内容改进。

1. 第2版改进

?? 增加对数字化转型的实践思考。

结合笔者多年的切身项目实践，本书总结了数据的应用及其发展阶段，数字化转型的多种路径和循序渐进的组织方案（见第1章）。

?? 业务分析方法和体系更加成熟。

业务是分析的“土壤”。在项目咨询过程中，笔者提出了“业务—数据—分析”的框架体系，可以与企业业务流程相结合绘制数据地图（见第2章）。同时，围绕问题结构、聚合、聚合度和详细级别，构建了一个普适性的业务分析方法，适用于各种分析和BI工具，甚至可以作为衡量分析工具的一种尺度（见第3章）。

?? 在数据合并、筛选、计算三大主题中，对比介绍了Excel、Tableau和SQL的应用场景。书中总结了“数据合并的分类矩阵”“两类筛选位置”“计算的分类”等实用方法，帮助没有相关技术背景的人更快实现超越，也有助于熟悉SQL的“技术派”更好地理解敏捷BI的精髓。高阶的BI工具绝非拖曳那般简单，在技术平民化的背后，是更巧妙的“业务灵魂”。

?? 将“数据筛选和交互”独立为第6章内容，进一步强调筛选在业务分析中的重要性。筛选的类型多样、优先级复杂，应该尽可能避免滥用SUM+IF类型的条件聚合。将筛选视为分析的独立环节，是优化分析性能的关键方式。

?? 强化“详细级别”的概念（替代之前的“层次”概念）。在数据表详细级别（Table LOD）、视图详细级别（Viz LOD）之外，使用“引用详细级别”（Reference LOD）代表视图之外预先指定的详细级别。笔者把数据关系、筛选和计算融为一体，这是本书最重要的知识资产，是超越Tableau理解不同工具背后的分析共性的关键。

?? 调整了第3篇的知识框架。没有计算，就没有无尽的业务分析，这也是本书最重要的内容之一。

?? 第8章深入介绍了计算的两大分类：行级别计算完成数据准备、聚合计算完成业务分析。在介绍常见函数后，借助逻辑计算介绍了两类计算的区别和联系。

?? 第9章使用了新的框架介绍Tableau表计算和SQL窗口函数，表计算代表的“抽象的二次抽象”，是迈向高级分析的台阶。

?? 第10章则结合“SQL聚合子查询”深入讲解LOD原理，结合购物篮分析、客户分析等经典案例，把高级分析中“预先聚合”的理念，推广到更普遍的业务分析中。

?? 增加了“从数据管理到数据仓库”的内容（见第11章），相关内容是从可视化分析走向专业的数据建模、数据方法的关键。“视Tableau Server为DW/BI平台”，给了更多企业全新选择。

?? 受限于篇幅，移除了之前Prep Builder数据处理、Tableau Server相关的大部分内容。

2. 致谢

每次写作完成，笔者总是迫不及待地分享。本书付梓之前，笔者在上海组织了“喜乐君精品课”线下活动，详尽介绍了本书的核心内容。教学相长，在分享过程中笔者进一步发现了自身知识体系的盲点。感谢来自天合光能、汉德车桥、上海电气、海南航空、上汽集团、英飞凌等企业的热心读者。

感谢继续支持和信任笔者的企业客户，笔者希望能用专业和热爱回报大家。

感谢Tableau，你给了笔者穿过迷雾的勇气，笔者也将无期限地支持你，对得起“Tableau传道士”的称号，对得起Tableau Zen Master/Visionary的全球荣誉。

感谢父母，感谢家人，“大爱无言”，笔者当用余生以行动回报。

喜乐君

内容及说明 XVIII

第1篇 奠基：数字化转型与业务分析原理

第1章 数字化转型：21世纪的机遇与挑战 2

1.1 理解数据的层次及分析的价值 2

1.2 数据应用的3个阶段 4

1.3 数字化转型到底“转”什么 10

参考资料 18

第2章 “业务—数据—分析”体系与企业数据地图 19

2.1 “业务—数据—分析”体系：BDA分析框架 19

2.2 建立全局视角：企业数据地图 24

2.3 两种企业级分析推进路径：“自上而下”与“自下而上” 26

2.4 可视化是大数据分析的桥梁和媒介 28

2.5 Tableau：大数据敏捷业务分析的“代表作” 32

参考资料 34

第3章 业务可视化分析：关键概念与方法论 35

3.1 解析问题结构、理解聚合过程和指标 35

3.1.1 问题的结构及其相互关系 36

3.1.2 聚合是问题分析的本质 38

3.1.3 基于聚合的字段分类：维度描述问题，度量回答问题 40

3.1.4 指标是聚合度量的业务形态 41

3.2 明细表与聚合表：聚合的逻辑过程 42

3.2.1 业务明细表和问题聚合表：聚合的起点和终点 43

3.2.2 物理表与逻辑表：数据表的抽象类型 45

3.2.3 字段的数据类型：数据表字段的抽象类型 46

3.3 可视化图形：聚合交叉表的“另一面” 49

3.3.1 问题类型与可视化增强分析 50

3.3.2 可视化背后的数据类型：连续和离散 51

3.3.3 Tableau中的字段属性及其作用 55

3.4 简单问题的“三步走”方法和Tableau示例 56

3.5 聚合度和详细级别：构建复杂问题层次理论 58

3.5.1 数据明细表和聚合度：多个问题的基准点和衡量尺度 59

3.5.2 详细级别：不同“聚合度”问题对应的抽象依据 60

3.5.3 结构化分析的两个应用方向 62

3.5.4 关键概念汇总：聚合、聚合度、详细级别、颗粒度 64

参考资料 66

练习题目 66

第2篇 数据准备、可视化、交互设计

第4章 数据合并与关系模型（Tableau/SQL） 68

4.1 概论：数据合并与连接数据源 69

4.1.1 理解数据合并、数据模型的重要性 69

4.1.2 数据合并和数据模型的相关概念 71

4.2 数据合并的分类矩阵与数据模型案例 72

4.2.1 “所见即所得”的行级别数据合并：Union和Join 72

4.2.2 Excel的局限：基于数据透视表的数据合并 74

4.2.3 Tableau数据混合初探，在聚合后完成连接 76

4.2.4 数据合并分类矩阵：两种合并方法、两个合并位置 78

4.3 行级别并集、连接与Tableau/SQL方法 81

4.3.1 数据并集 81

4.3.2 数据连接：连接条件与连接方式 84

4.3.3 高级连接的形式：仅左侧连接、交叉连接与“自连接” 89

4.3.4 明细表并集与连接的异同点与局限性 93

4.4 从数据关系匹配到关系模型 96

4.4.1 “临时”数据关系：基于问题层次创建数据关系匹配 96

4.4.2 数据模型：在最详细且有业务意义的详细级别预先构建数据关系 98

4.4.3 【关键】层次分析方法：从数据合并到数据关系模型 100

4.4.4 【难点】关系模型优化（上）：匹配类型（基数） 106

4.4.5 【难点】关系模型优化（下）：匹配范围（引用完整性） 111

4.4.6 共享维度表：从雪花模型到网状模型 116

4.4.7 通往最佳实践：业务关系模型的可视化表达 117

4.4.8 案例：图书及销售的数据关系模型 118

4.5 重说数据混合：编辑匹配关系和匹配详细级别 120

4.5.1 数据混合设置：自定义混合条件和自定义匹配字段 121

4.5.2 高级数据混合：数据匹配详细级别不同于主视图 123

4.6 不同数据合并类型的相互影响 127

4.7 Tableau与SQL/Python的结合 128

4.7.1 Tableau和SQL的结合 128

4.7.2 SQL中的连接 129

4.7.3 Tableau Table Extension：给数据源插上“算法之翼”（Tableau 2022.3+版本） 132

参考资料 133

练习题目 133

第5章 可视化分析与探索 134

5.1 数据准备：理解业务过程与整理数据字段 134

5.1.1 数据表：理解业务过程及数据表详细级别 134

5.1.2 字段：理解业务过程的对象并做分组分类 136

5.2 从问题到可视化图形：如何确定主视图框架 138

5.2.1 从问题类型到主要的可视化图形 138

5.2.2 初级可视化：“三图一表” 139

5.2.3 中级可视化：分布分析、相关性分析 143

5.2.4 地理位置可视化 148

5.2.5 数据图像角色可视化（Tableau 2022.4+版本） 155

5.3 可视化绘制方法与可视化增强 156

5.3.1 像油画一样做可视化：可视化三步骤和标记的使用 156

5.3.2 度量双轴及其综合处理 158

5.3.3 多个坐标轴的“公共基准”：度量值 160

5.4 高级分析入门：参考线与参考区间 161

5.4.1 参考线的创建及其组合 161

5.4.2 标准甘特图和标靶图：条形图与参考线的两种结合方式 163

5.4.3 参考区间 166

5.4.4 置信区间模型 167

5.4.5 趋势线与预测线 168

5.4.6 群集 169

5.5 格式设置：必要调整，但不要过度 170

5.5.1 常见的设置格式工具栏 170

5.5.2 设置“标签”格式，自定义文本表 171

5.5.3 工具提示的格式设置、交互和“画中画” 172

5.5.4 其他常用小技巧 173

参考资料 175

练习题目 175

第6章 Tableau/SQL筛选与集操作 176

6.1 理解不同工具背后的筛选方法与共同点 176

6.2 筛选的分类方法：基于详细级别的视角 182

6.3 筛选范围的交互方法：快速筛选和参数控制 195

6.4 多个筛选的处理：交集计算和优先级 199

6.5 集（Set）：把筛选保留下来的“神奇容器” 207

6.6 集的运算、优先级和应用 212

6.7 中级交互：仪表板中的快速筛选、集交互 218

6.8 更多实用工具：分组、数据桶、分层结构、排序 224

参考资料 228

练习题目 228

第7章 仪表板设计、进阶与高级交互 230

7.1 仪表板：最重要的主题展现形式 230

7.2 故事：以数据故事叙事、探索 241

7.3 仪表板进阶：指标、初始模板、性能优化与“数据指南” 243

7.4 三种基本交互类型：筛选、高亮和页面 252

7.5 两类高级交互工具：参数、集交互 257

7.6 参数动作：参数、计算和交互（Tableau 2019.2+版本） 264

7.7 高级交互：指定区域对象的动态可见性（Tableau 2022.3+版本） 272

7.8 高级互动的巅峰：集动作和集控制 275

练习题目 283

第3篇 以有限字段做无尽分析：Tableau、SQL函数和计算体系

第8章 计算的底层框架：行级别计算与聚合计算 286

8.1 计算的演进及分类：从Excel、SQL到Tableau 287

8.2 计算的两大分类：分析是聚合的抽象过程 297

8.3 数据准备类函数（上）：字符串函数、日期函数 302

8.4 数据准备类函数（下）：正则表达式 316

8.5 分析函数：从明细到问题的“直接聚合” 318

8.6 通用型计算：算术函数和逻辑函数 325

8.7 行级别计算与聚合计算的区别与结合 332

8.8 专题：地理空间分析之“空间函数” 338

参考资料 345

练习题目 345

第9章 高级分析函数：Tableau表计算/ SQL窗口函数 346

9.1 合计的两个方法及“广义LOD表达式” 346

9.2 “同/环比”偏移计算及表计算设置方法 356

9.3 小结：表计算的独特性及两种设置方法 365

9.4 高级分析函数之排序计算：INDEX与RANK 369

9.5 最重要的二次聚合函数：WINDOW（窗口）函数 380

9.6 最常用的表计算：快速表计算及其附加计算 389

9.7 表计算应用（1）：自定义参考线、“合计利润率” 393

9.8 表计算应用（2）：标杆分析——多种类型的计算组合 402

9.9 表计算应用（3）：帕累托分布——累计、合计及嵌套 406

9.10 表计算应用（4）：金融ANR计算——表计算高级嵌套 409

9.11 表计算筛选器：优先级最低的筛选类型 413

9.12 表计算延伸应用：预测建模函数 416

练习题目 420

第10章 结构化问题分析：LOD表达式与SQL聚合子查询 421

10.1 业务解析：理解LOD表达式的逻辑和本质 421

10.2 LOD表达式的“详细级别”及其与视图关系 428

10.3 相对指定的LOD表达式及运算优先级 435

10.4 超越LOD：计算的详细级别体系及其优先级 441

10.5 走向实践：多遍聚合问题与结构化分析方法 446

10.6 客户分析专题：客户RFM相关案例分析 454

10.7 产品分析高级专题：购物篮分析的多个角度 470

10.8 总结：高级计算的最佳实践 480

练习题目 484

第11章 从数据管理到数据仓库：敏捷分析的基石 486

11.1 数据管理功能：以数据为中心 486

11.2 从数据管理（DM）到数据仓库（DW） 499

11.3 ETL：数据仓库中的数据处理 504

11.4 建议：视Tableau为DW/BI平台 506

参考资料 507