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
1.2.1 初级·报表展现:信息的整理与固定展现 5
1.2.2 中级·业务分析:分析辅助决策,决策创造价值 7
1.2.3 终极·智能商业:大数据重塑商业模式 8
1.3 数字化转型到底“转”什么 10
1.3.1 塑造实事求是的数据文化:一切用数据说话 10
1.3.2 数字化转型源自各个业务场景的数字化和持续进化 12
1.3.3 业务和技术兼备的卓越中心和分析型人才 13
1.3.4 统一并持续优化分析方法论,提高分析效率和准确性 15
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
2.1.1 分析层:指标体系建设和分析仪表板 21
2.1.2 数据层:数据管理与数据仓库 22
2.1.3 业务层:业务流程与“业务在线化” 23
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
2.3.1 自下而上:从数据出发的分析之路 26
2.3.2 自上而下:从问题和指标出发的分析之路 27
2.4 可视化是大数据分析的桥梁和媒介 28
2.4.1 数字、文字的可视化及可视化要素 28
2.4.2 从可视化到抽象分析:走向仪表板和高级分析 30
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
6.1.1 筛选的两类位置:独立筛选和“条件计算” 176
6.1.2 使用不同工具完成“独立筛选” 177
6.2 筛选的分类方法:基于详细级别的视角 182
6.2.1 【入门】数据表行级别的筛选:维度筛选器 183
6.2.2 【进阶】指定详细级别的聚合筛选:简单条件和顶部筛选 186
6.2.3 【难点】指定详细级别聚合的筛选:建立在自定义计算之上 192
6.3 筛选范围的交互方法:快速筛选和参数控制 195
6.3.1 快速筛选器及其基本配置 195
6.3.2 特殊的日期筛选器:默认筛选到最新日期 196
6.3.3 参数控制:完全独立和依赖引用 197
6.4 多个筛选的处理:交集计算和优先级 199
6.4.1 多个筛选的基础知识:数据集及运算 199
6.4.2 多个筛选的计算原则(上):相同类型取交集 200
6.4.3 多个筛选的计算原则(下):不同类型按优先级计算交集 200
6.4.4 调整筛选器优先级(上):上下文筛选器和表计算筛选器 202
6.4.5 调整筛选器优先级(下):数据源筛选器和数据提取筛选器 204
6.4.6 筛选与计算的优先级 206
6.5 集(Set):把筛选保留下来的“神奇容器” 207
6.5.1 创建自定义集及集的本质 207
6.5.2 自定义集内成员:“集控制”(Tableau 2020.2 版本) 209
6.5.3 创建动态条件集 209
6.5.4 集动作:以视图交互方式更新集成员 211
6.6 集的运算、优先级和应用 212
6.6.1 多个集的合并与“合并集”运算 212
6.6.2 集和筛选的关系及优先级 215
6.6.3 集的高级应用:控制用户权限的“用户筛选器” 217
6.7 中级交互:仪表板中的快速筛选、集交互 218
6.7.1 交互设计的基本分类 218
6.7.2 “以图筛图”:仪表板中的多表快速关联筛选 218
6.7.3 共用筛选器、集和参数:典型的仪表板交互 220
6.7.4 工具提示“画中画”:最简单的多表关联 223
6.8 更多实用工具:分组、数据桶、分层结构、排序 224
6.8.1 作为数据准备的“组” 224
6.8.2 分层结构钻取分析与仅显示相关值 225
6.8.3 排序:对离散字段的数据值排序 226
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
7.1.1 仪表板设计的基本过程和常见功能 231
7.1.2 仪表板大小、布局和对象 233
7.1.3 常用的交互对象:隐藏按钮、导航按钮 237
7.1.4 仪表板布局中的分层结构 239
7.1.5 跨设备类型的仪表板适配 240
7.2 故事:以数据故事叙事、探索 241
7.2.1 故事及其基本设置 241
7.2.2 故事的阐述方式 242
7.3 仪表板进阶:指标、初始模板、性能优化与“数据指南” 243
7.3.1 指标:聚焦仪表板关键度量 244
7.3.2 初始模板:专家分析模板加速分析 246
7.3.3 发布工作簿和“工作簿优化器” 247
7.3.4 数据指南(Tableau 2022.3 版本) 251
7.4 三种基本交互类型:筛选、高亮和页面 252
7.4.1 突出显示:以聚焦实现间接筛选 253
7.4.2 页面轮播:快速筛选的连续叠加 255
7.5 两类高级交互工具:参数、集交互 257
7.5.1 关键原理:参数、集的共同点和差异 257
7.5.2 参数与逻辑判断结合:切换视图度量 260
7.5.3 动态参数:动态更新范围和初始值 262
7.5.4 集控制:以控件方式手动更新集成员 264
7.6 参数动作:参数、计算和交互(Tableau 2019.2 版本) 264
7.6.1 参数动作:使用动作更新度量值 265
7.6.2 动态筛选:参数动作和计算实现差异化筛选 266
7.6.3 动态基准分析:使用参数动作控制参考线和计算基准 268
7.6.4 自定义分层结构:使用参数展开指定的类别 270
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
7.8.1 经典集动作:交互更新自定义集(Tableau 2018.3 版本) 276
7.8.2 集的控制与更新:赋予集以强大的灵魂 278
7.8.3 使用集完成对比分析和标杆分析 279
7.8.4 高级互动的使用建议 282
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
8.1.1 计算的本质及其与业务过程的关系 287
8.1.2 以Excel理解详细级别与计算的两大分类 288
8.1.3 从Excel“存取一体”到“数据库-SQL”的存取分离 292
8.1.4 集大成者Tableau:将查询、计算和展现融为一体 294
8.2 计算的两大分类:分析是聚合的抽象过程 297
8.2.1 行级别计算、聚合计算的差异和关系 297
8.2.2 从业务角度理解计算的结果:业务字段VS分析字段 300
8.3 数据准备类函数(上):字符串函数、日期函数 302
8.3.1 字符串函数:截取、查找替换等清理函数 302
8.3.2 日期函数:日期独特性与转换、计算 306
8.3.3 数据类型转换函数 315
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
8.5.1 描述规模:总和、计数、平均值 319
8.5.2 描述数据的波动程度:方差和标准差 320
8.5.3 关注个体,走向分布:百分位函数及最大值、最小值、中位数 322
8.5.4 ATTR属性——针对维度字段的聚合判断 324
8.6 通用型计算:算术函数和逻辑函数 325
8.6.1 算术运算、精度控制函数 325
8.6.2 逻辑表达式和逻辑判断符 329
8.7 行级别计算与聚合计算的区别与结合 332
8.7.1 案例:各子类别的利润与盈利结构分析 332
8.7.2 复习:行级别计算和聚合计算的差异 334
8.7.3 SUMIF条件聚合:将行级别筛选和聚合分析合二为一 335
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
9.1.1 入门:从Excel理解“合计百分比”计算的层次关系 347
9.1.2 高级分析的层次框架:数据表详细级别和聚合度 348
9.1.3 进阶:“合计百分比”的两种SQL方法 349
9.1.4 Tableau敏捷BI,让业务用户轻松驾驭二次聚合分析 351
9.1.5 “广义LOD表达式”与计算的分类 354
9.2 “同/环比”偏移计算及表计算设置方法 356
9.2.1 维度作为偏移计算依据:单一维度的同比差异 356
9.2.2 包含多个维度的同比(上):区别范围和依据 358
9.2.3 包含多个维度的同比(下):设置多个依据 360
9.2.4 SQL窗口函数:偏移类窗口函数案例介绍 361
9.3 小结:表计算的独特性及两种设置方法 365
9.3.1 从差异计算的两种方法理解窗口计算的独特性 365
9.3.2 Tableau设置范围的两种方法:相对/绝对方法与适用场景 368
9.4 高级分析函数之排序计算:INDEX与RANK 369
9.4.1 Tableau/SQL排序与百分位排序 370
9.4.2 公共基准对比:不同时间的电影票房对比(TC2) 374
9.4.3 凹凸图:随日期变化的RANK函数(TC4) 376
9.5 最重要的二次聚合函数:WINDOW(窗口)函数 380
9.5.1 合计:最简单、常用的WINDOW(窗口)函数 381
9.5.2 累计聚合:RUNNING_SUM函数——累计汽车销量 383
9.5.3 移动聚合:移动窗口计算函数MOVING AVG 385
9.5.4 “大一统”:千变万化的窗口函数WINDOW 386
9.6 最常用的表计算:快速表计算及其附加计算 389
9.6.1 快速表计算:预置的常见表计算应用 390
9.6.2 快速表计算的嵌套:表计算的组合(TC3) 391
9.7 表计算应用(1):自定义参考线、“合计利润率” 393
9.7.1 聚合值参考线——表计算的“可视化形式” 393
9.7.2 “合计利润率”:理解参考线对应的表计算 394
9.7.3 【难点】理解TOTAL(合计)与WINDOW_SUM(汇总)的差异 396
9.7.4 自定义参考线及其计算:箱线图松散化与散点图颜色矩阵 398
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
9.11.1 使用RANK函数聚合判断完成筛选 413
9.11.2 使用偏移函数LOOKUP完成年度同比和筛选 415
9.12 表计算延伸应用:预测建模函数 416
9.12.1 MODEL_QUANTILE预测模型 417
9.12.2 MODEL_PERCENTILE预测模型 419
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
10.1.1 简单详细级别:“不同购买频次的客户数量” 421
10.1.2 多维详细级别:“各年度、不同矩阵年度的销售额贡献” 424
10.2 LOD表达式的“详细级别”及其与视图关系 428
10.2.1 从问题详细级别出发,理解高级问题的构成 428
10.2.2 主视图引用“更高聚合度”的详细级别聚合:占比分析 429
10.2.3 主视图引用“更低聚合度”的详细级别之聚合:购买力分析 432
10.2.4 主视图引用独立详细级别的聚合:客户矩阵分析 433
10.3 相对指定的LOD表达式及运算优先级 435
10.3.1 绝对指定和相对指定的LOD表达式 435
10.3.2 INCLUDE LOD引用更低聚合级别的聚合及优先级 437
10.3.3 EXCLUDE LOD引用更高聚合级别的聚合,以及优先级对比 439
10.4 超越LOD:计算的详细级别体系及其优先级 441
10.4.1 不同计算类型的应用场景与作用 442
10.4.2 层次分析法:理解计算的运算逻辑及其组合形式 443
10.4.3 Tableau计算、筛选、数据关系的优先级 445
10.5 走向实践:多遍聚合问题与结构化分析方法 446
10.5.1 方法论:高级问题分析的4个步骤 446
10.5.2 LOD多遍聚合:客户购买力分析的嵌套LOD计算 447
10.5.3 嵌套LOD的语法和SQL表示 452
10.6 客户分析专题:客户RFM相关案例分析 454
10.6.1 客户分析概论与常见指标体系 454
10.6.2 使用Tableau完成 RFM主题分析 457
10.6.3 单维度的分布案例:客户频次分布和生命周期分布 460
10.6.4 多维度的结构分析:与“客户获客时间”相关的分析案例 461
10.6.5 复购间隔:行级别计算和LOD计算的结合 464
10.6.6 客户留存分析:LOD表达式、表计算的结合 465
10.6.7 客户矩阵分析:客户价值分类 468
10.7 产品分析高级专题:购物篮分析的多个角度 470
10.7.1 购物篮比率:任意子类别相对于所有订单的比率 471
10.7.2 支持度、置信度和提升度分析:类别之间的关联推荐 472
10.7.3 指定类别的关联比率:筛选中包含“引用详细级别” 475
10.8 总结:高级计算的最佳实践 480
10.8.1 问题的3大构成与计算的4种类型 480
10.8.2 如何选择计算类型 482
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
11.1.1 Tableau Catalog:数据资产目录和世系管理 487
11.1.2 Tableau Prep Conductor:数据ETL流程管理 491
11.1.3 Virtual Connections:数据库和分析之间的桥梁 492
11.1.4 Data Policy:为数据访问增加行级别权限 495
11.2 从数据管理(DM)到数据仓库(DW) 499
11.2.1 数据仓库是数据分析发展到一定阶段的产物 499
11.2.2 数据仓库的逻辑分层 502
11.3 ETL:数据仓库中的数据处理 504
11.3.1 敏捷ETL工具Prep Builder简介 504
11.3.2 敏捷ETL工具对数据分析的影响 505
11.4 建议:视Tableau为DW/BI平台 506
参考资料 507