Tableau商业分析从新手到高手（视频版）

本书共分为 4 个部分，分别是产品主题分析、客户主题分析、营销主题分析、技术扩展主题分析。 本书偏重于商业分析思路的讲解，采用 6 个人物场景对话的方式讲授商业问题。每一章的结构 ：先抛出商业环境中一个真实、具有挑战性的业务或需要决策的问题，然后提出解决问题的思路并得出结论（“分析思路”部分），再介绍如何用 Tableau 实现其中的关键部分（“技术实现”部分），最后给出相应的练习（“课后练习”部分）。“分析思路”部分，通常与具体的软件工具无关 ；“技术实现”部分，若用到了 R 或 Kettle 等相关软件工具，则在相应节中呈现详细的操作步骤 ；“课后练习”部分，是对所学内容的实践练习，加以理解巩固。

本书适合企业中从事数据分析岗位 1 ～ 3 年的职场人员作为自学教程，适合大中专院校相关专业作为教学参考书，也适合社会上的商业分析类培训机构作为教材。

由于书中案例均采用 Tableau 2020.3 版本完成，某些功能旧版本无法实现，请先下载新版本。

何业文，博易智讯（Bizinsight）创办人。

十五年专注应用商业智能、数据挖掘与可视化分析；学业背景为国际贸易与会计学双学位，传播统计学硕士，经济学博士生；数字化转型资深顾问，致力于用适合的思路，最好用的工具获得最佳商业决策。

季刚，德勤管理咨询合伙人。

专注于企业数字化战略、数据分析、大数据应用、数据挖掘算法、云计算等领域。有超过十五年的管理咨询和系统实施的实战经验。成功帮助很多大型企业的CIO（首席信息官）和CDO（首席数字化官）完成数据驱动的企业转型，将数据变成企业寻找盈利，降低成本的新能源。

《Tableau商业分析从新手到高手（视频版）》尽量还原了一些现实商业分析场景，展现了在这些场景下如何结合数据和‎Tableau的可视化技术，对多种商业问题进行探索和解答。希望通过这样的方式让读者更容‎易学会使用Tableau，快速成为一名合格的分析师，而非软件操作匠人。

前言

本书讲什么

本书主要讲解 Tableau 的使用方法，而不是 Tableau 的操作方法。

Tableau 作为一个操作简单的可视化分析软件，在连接好数据后，通过拖动鼠很快就可以获得一幅可视化作品，至于它是美观的或者丑陋的，取决于使用者的审美能力和一些运气。但无论怎样，快速生成图形仅仅是 Tableau 提供的能力，并不是它存在的主要价值。

数据是一种数字化的信息承载形式。只有使用者通过工具处理数据，从中捕获到需要的信息，并且使用信息指导现实的行动，才会让数据产生价值。

可视化技术的主要目标是帮助用户高效地捕获数据中的信息。掌握了 Tableau 的各种功能，能够制作各种数据图表，并不算会使用软件。将软件作为一种工具，熟练地操作和探索数据，发现有价值的东西，才是软件的使用之道。

所以，我们尽量还原了一些现实商业分析场景，展现了在这些场景下如何结合数据和 Tableau 的可视化技术，对多种商业问题进行探索和解答。希望通过这样的方式让读者更容易学会使用 Tableau，快速成为一名合格的数据分析师，而非软件操作匠人。

基于这样的目标，本书每个部分的开始，都是先结合数据图表进行某种商业分析。分析逻辑有时候简单，有时候复杂，有时候没有获得确定答案，但这就是商业分析环境的现实情况，我们尽量把它还原出来，以帮助读者了解在真实分析环境中，如何更好地使用 Tableau 解决问题。

本书在深挖软件能力的同时，也展现了软件的局限在哪里，以及如何结合其他工具和技术更好地解决问题。当然，本书主要内容还是关于 Tableau 的，对其他技术的介绍，更多的是给读者一种信息线索，指出 Tableau 和其他相关工具组合运用的方向。

Tableau 的产品除我们所重点讲解的 Tableau Desktop 之外，还包括 Tableau Prep 和Tableau Server 两个部分。本书也对这两部分进行了相应的介绍和讲解，将三种工具结合起来，可以让 Tableau 发挥出更大的价值。

数据分析师必须是践行者，所以本书在每个分析思路的后面，阐述了可视化图形的实现方式。在文字上，本书没有将这两部分糅合到一起，因为软件的实现操作和对数据图形的观察分析本质上是两种思维，我们不希望这两种思维互相干扰。

这种结构设置的另一个好处是，避免技术高手重复阅读自己已掌握的知识（对软件非常熟悉的用户，看到图形时一般就已经知道如何实现，重复阅读操作过程是浪费时间）。

在本书中，每一章节的末尾部分为练习题，可以根据每章所学知识举一反三，进行独立的数据分析，让学习者能够更好地领会书中的内容。习题是规范的，也是发散的，可以开拓思维，用所学知识从不同角度对题目进行探究，答案并不唯一，更重要的是过程。

案例数据及商业场景的设定

常见数据软件的操作案例使用的数据要么是一些玩具性质的数据集 a，只能演示软件功能，反映不出分析师面对的现实复杂情况和软件功能的现实意义 ；要么是国外一些公开的数据集，国内的用户进行学习的时候，很难进行场景代入，分析也没有感觉。

本书内容融合了很多项目的实际经验，书中案例都是基于真实商业场景重新构建的数据集，所用数据，除规模缩小、对关键信息进行脱敏以保证合法使用外，数据中的模式基本保留了“原汁原味”b。依托这些数据，书中尽量重现了 Tableau 可视化技术在各种现实商业环境下的应用，希望能带给读者一些有价值的启发，帮助大家迅速建立起实战能力。

具体来讲，本书案例主要包括以下商业分析场景 ：

产品分析

产品线优劣的分析

销售时间变化模式的分析

产品价值分析

客户分析

客户的合理分群

客户留存分析

客户生命期分析

产品促销反应分析

营销效果的分析

媒体的营销价值分析

不同营销策略的对比测试

购物篮分析

商品评论分析

电商平台产品评论的综合分析（文本分析）

重要说明 ：

现实商业环境的复杂性和解决方案的细节，远远超过本书所阐述的内容范围。从分析上来说，不同企业的细节各不相同，可借鉴意义并不大。所以本书舍弃了很多细节，尽量陈述了比较通用的思维框架。读者在参考案例进行实际分析时，可以参考主要思考逻辑，但细节需要结合各自情况因地制宜地做出调整。

Tableau 的正确使用方式

Tableau 自诞生之日起，就不断地被用来与 Excel、Power BI、D3 等各种作图相关的软件进行对比，这充分证明了 Tableau 的影响力，但同时也说明了大家对它的误解。虽然Tableau 官方在不断重复“敏捷自助式分析”的设计初衷，但看来多数用户并没有充分理解Tableau 官方宣传中所传达的信息。

我们需要一种工具 ：能够快速灵活地连接和整合数据，提供简单的方式以实现从不同的角度观察研究数据，计算和展示不同的指标，马上分享获得的结果，获取反馈，并推进后续的分析。

Tableau 的设计初衷就是搭建这种工具，无论业务人员是自己连接数据进行分析，还是需要和其他相关人员分享和探讨结果，都可以在 Tableau 体系中简单快速地完成（随着Tableau 版本的不断更新，这种特性更加突出）。

理解了这些，你就会感受到 Tableau 提供的标准筛选控件，各种动态数据交互的展示方式，以及快速搭建“仪表板”和“故事板”能力所带来的高效率，也更容易理解由于组件标准化造成的一些灵活度上的限制。本质上，Tableau 是为业务人员准备的，以灵活的可视化的方式“玩”数据的工具，而不是为开发者准备的产品再开发工具。

任何软件都不是万能的，虽然总有一些“大神”级别的人物，给出各种出乎意料的解决方案，完成各种软件提供的标准能力之外的任务。诚然，这也是 Tableau 的强大之处，当人们需要一些超脱软件标准能力的功能时，它仍能用一些方式来实现。

但我们应该明白，这些非常规的解决方式一定是有代价的，要么是工作量的增加，要么是软件效率的低下从而导致无法进行大规模部署。而随着 Tableau 版本更迭，一些外部插件也被允许使用到软件中，这也让软件的功能愈发完善，一些意想不到的功能，随之跃然于屏幕之上。同时，有些原本复杂的功能，也逐渐变得简单。

但正常的用户应该详细了解软件的设计初衷、优势及能力的边界，才能用好软件。所以，Tableau 的用户也应该知道如何正确地使用它，才能最大化地发挥其能力。虽然有人用 Tableau 绘制“维纳斯”，但理智一点来说，还是应该充分利用它数据探索的敏捷性，利用它交流和展示数据信息方便的交互性，这样才能发挥它最大的价值，物尽其用。

书写约定

下面是说明书中使用的一些术语的书写格式，方便帮助读者快速理解内容。

（1）Tableau 工作界面和数据源界面的术语约定，如图 1 和图 2 所示。

图 169 Tableau 工作界面的术语约定

图 269 Tableau 数据源界面的术语约定

如果你曾经阅读过 2015 年出版的《触手可及的大数据分析工具 ：Tableau 案例集》，可跳过这一步，相信你对 Tableau 的界面已了然于胸。

（2） 技术方面的扩展知识单独设有“拓展技术专题”体例。

（3）在对数据的操作说明中，为了避免让读者对软件操作动作和操作数据对象的混淆，所有数据字段（有时称为变量）都使用符号“『』”括起来，格式为『字段』。

（4）在文字说明中，软件内部需要输入和配置的内容用双引号括起来。例如，在公式面板内输入公式“{fixed[ 二级品类 ]:SUM( 销售数量 )}”。

书中主要人物介绍

作为一本技术书，用人物场景对话的方式引出一些分析主题，好像不太正式。但很多技术书已经证实，这种不太“正式”的方式，有助于避免学习的枯燥，帮助读者理解抽象的技术主题，提升记忆效率。毕竟向我们的大脑中输入的总是一些陌生的技术词汇，难免会导致瞌睡虫泛滥。

为了让读者不至于混乱，图 3 展示了书中主要虚拟人物的关系，其中还展示了每位人物的技术能力和行业背景，方便读者快速理解对话主题。

图 3 书中主要人物介绍

下面，让我们从认识书中角色开始数据分析之旅吧。 位于三里屯 SOHO 的这家 Costa

咖啡店原来充斥着一种慵懒的气息，以前大多是文化界和媒体的人到这儿来扯皮或小憩。如今周边的文化公司多数都搬走了，政府批准了园区内企业享受高科技税收优惠，于是一批软件公司搬了进来。咖啡店里也经常有 IT 工程师来这儿写代码，还有一些软件产品的小型发布会或技术研讨会在这里召开，无形中，在咖啡店慵懒的氛围中逐渐掺杂了更多的理性气味，节奏也快了许多，别有一种新气象……

最近，一群热爱数据可视化和数据分析的人把这儿作为了聚集地，不定期地约着来喝咖啡，说的都是销量预测、KPI、计算函数、数据整合之类的话题，这引起了店长 Lisa（梅丽莎）的注意。

Lisa，1994 年生人，被父母送到澳洲完成了市场营销本科学业，回国后因为喜欢咖啡，到Costa 求职。因为咖啡闻得准，手脚麻利，大半年前荣升了三里屯店的店长。店长这个工作，除了要求会做咖啡，还得管销售、管排班、管采购、管优惠券的推广……据说她使用了“洪荒之力”记住了许多到店客人点单的喜好，于是为店里带来了一季度月均接近两位数的业绩增长。总部通知说，正在考察她，想调她进入销售部，配合市场部完成新媒体促销的设计。

最近常来店里的一位 20 岁出头的小伙子和一位 30 岁左右的职业女性一直聊产品分析的问题，Lisa 一直想搞清楚书本的营销理论如何与现实数据结合，也想学学产品分析怎么做，于是借着共同的咖啡爱好，干脆和他们俩交上了朋友。

小伙子名叫鹏辉，每次换着花样地戴 X-Large 的大猩猩帽子，这让 Lisa 很快就记住了他。他在一家国际知名的老牌服装企业 BestCloth 工作，该公司旗下的全球男装、女装、童装品牌一共有 12 个，其中在中国销售的 4 个主打品牌价格比较亲民，因此曾一度开店近 6000 家且占据了各大商场中流行服饰馆的黄金铺面。随着中国年轻一代消费者需求的变化，受到彰显个性的小众潮牌及无牌有品的商品的冲击，这家老牌的服装企业不得不重构自己在中国区的业务。

鹏辉在上海财经大学完成学业后，作为校园招聘生进入 BestCloth 销售部，配合主管进行销售数据的分析。据他的老板说，BestCloth 最后选中他的原因是他的简历中写着“Tableau 软件操作熟练”，这个软件是上海财经大学统计实验室的标配，也是 BestCloth 的常用软件。

尽管算是名校毕业，可毕竟是“小白”，工作这一个月，压力大得让鹏辉快要喘不过气来了。他发现自己会的那点儿 Tableau 的简单操作在庞大的 IT 架构面前不过是蜻蜓点水，而 BestCloth日平均 15 万笔的交易记录也远超实验室的那点儿 Excel 数据。

坐在鹏辉对面的女性被他称为“萧岚老师”，有时候也单独来买咖啡。她应该也在附近办公，Lisa 知道每个月他们公司都包下咖啡店的第二层举办一两场技术研讨会，萧岚经常作为讲师谈一些数据分析指标。鹏辉算是萧岚在技术研讨会上认识的小粉丝。

还有几位人物在后面会经常出现。

大威 ：萧岚的老同事，身为数据挖掘分析师，可视化技术很牛。作为可视化人员，又精通数据挖掘，用自己的话说属于“遭老板爱，招同事恨”的角色。

术术 ：鹏辉的同学，热爱 IT 技术，工作主要是提供 IT 技术支持，但经常给分析师提供数据支持，对数据相关的技术也有一定的钻研。视大威为偶像，正努力成为“斜杠青年”。但对“师傅”大不敬，口头禅是 ：“虽然我 ×× 方面不如你，但我代码写得比你快！”

娜娜 ：企业电商项目经理，统筹管理内外部项目对接，对数据应用的整体技术构建和流程很了解，但技术实施细节不是非常清楚。

通过他们在咖啡厅的讨论和分享，我们将逐渐了解到书中的各种可视化分析主题……

目录

第一部分　产品主题分析 / 001

第1章　见微知著：快速了解产品线状况 / 003

1.1　分析思路：两个女装品牌的产品线分析（1.0版） / 004

1.2　技术实现：用Tableau实现1.1节的分析 / 007

1.3　拓展技术专题1：盒须图 / 014

1.4　拓展技术专题2：Tableau连接其他数据库 / 015

1.5　课后练习 / 015

第2章　对比出真知：如何评估产品线的优劣 / 017

2.1　分析思路：两个女装品牌的产品线分析（2.0版） / 018

2.2　技术实现：用Tableau实现2.1节的分析 / 020

2.3　拓展技术专题3：数据清理 / 024

2.4　课后练习 / 027

第3章　穿越时空：结合时间发现销售模式的特征 / 029

3.1　一年销售期产品混合线图分析（不合理的方法） / 030

3.2　分析思路：长周期分组分析（萧岚的分析） / 032

3.3　技术实现：用Tableau实现3.2节的分析 / 034

3.4　拓展技术专题4：根据数值等级自动分组 / 038

3.5　课后练习 / 039

第4章　赔本是否赚吆喝？产品价值如何综合评估 / 041

4.1　产品促销情况的初步探查 / 042

4.2　数据ETL工具Kettle / 043

4.3　Kettle的数据处理过程 / 046

4.4　产品促销的价值再分析 / 050

4.5　技术实现：用Tableau实现综合分析气泡图 / 053

4.6　拓展技术专题5：用Tableau Prep Builder实现数据处理 / 056

4.7　课后练习 / 061

第二部分　客户主题分析 / 063

第5章　拒绝平均人：对客户进行合理的分群 / 065

5.1　分析思路：依据行为将客户分群 / 066

5.269 技术实现：用Tableau实现5.1节的分析 / 074

5.3　扩展技术专题6：直方图和散点图 / 081

5.4　拓展技术专题7：Tableau与R语言 / 082

5.5　拓展技术专题8：聚类分析 / 083

5.6　课后练习 / 084

第6章　重塑客户漏斗：研究客户流失模式、识别关键因素 / 086

6.1　分析思路：客户留存漏斗分析 / 087

6.269 技术实现：用Tableau实现6.1节的分析 / 092

6.3　拓展技术专题9：分析的数据粒度 / 097

6.4　课后练习 / 098

第7章　简约不简单：RFM分析与客户生命期分析结合 / 100

7.1　分析思路：关于客户生命期的分析 / 101

7.2　技术实现：用Tableau实现7.1节的分析 / 106

7.3　课后练习 / 111

第8章　你之蜜糖，我之砒霜：不同客户对价格优惠的态度观察 / 113

8.1　分析思路：优惠券的使用情况分析 / 114

8.2　技术实现：用Tableau实现8.1节的分析 / 120

8.3　拓展技术专题10：价格弹性 / 125

8.4　课后练习 / 126

第三部分　营销主题分析 / 129

第9章　抛弃糊涂账：如何衡量媒体的营销价值 / 131

9.1　分析思路：媒体的测量和筛选 / 132

9.269 技术实现：用Tableau实现9.1节的分析 / 137

9.3　课后练习 / 143

第10章　不猜测，不盲从：A/B测试分析 / 145

10.1　分析思路：新套装促销的A/B测试 / 147

10.2　技术实现：用Tableau实现10.1节的分析 / 151

10.3　拓展技术专题11：A/B测试 / 157

10.4　课后练习 / 157

第11章 　大巧若拙：重新认识购物篮分析 / 160

11.1　分析思路：购物篮分析 / 162

11.2　技术实现：用Tableau实现11.1节的分析 / 165

11.3　拓展技术专题12：购物篮Lift（提升）指标 / 171

11.4　课后练习 / 171

第四部分　技术扩展主题分析 / 175

第12章　人言可畏：快速捕获客户的产品关键评价 / 176

12.1　获取评论数据 / 178

12.2　相关软件的安装及介绍 / 178

12.3　R语言的中文分词及处理 / 180

12.4　应用Kettle进行后续处理 / 181

12.5　技术实现：分词文件的Tableau可视化分析 / 184

12.6　拓展技术专题13：文本分析的要点与难点 / 196

12.7　课后练习 / 197

第13章　设计仪表板：谁敢说自己不是“外貌协会”会员 / 199

13.1　报表的设计原则 / 200

13.2　报表的美化原则 / 206

第14章　使用与管理Tableau Server：分享意味着价值 / 211

14.1　Tableau Server概述 / 211

14.2　交互功能 / 214

14.3　数据治理 / 216

14.4　Tableau Mobile / 220

第15章　Tableau的新功能与新版本 / 222

15.1　数据解释：从描述现象到解释原因 / 222

15.2　数据问答：使用自然语言分析数据 / 224

15.3　数据角色：实现数据标准化 / 226

15.4　Tableau Prep Conductor：自动运行流程 / 228