新書推薦：
《
唐长安城坊古今注
》
售價：HK$
112.7
《
持家的人 ： 女性劳动与能源变革
》
售價：HK$
71.3
《
教育心理学
》
售價：HK$
182.9
《
中亚古代史
》
售價：HK$
102.4
《
村上春树·音乐
》
售價：HK$
67.9
《
金钱、道德和做派：法国和美国中上阶层的文化
》
售價：HK$
101.2
《
大明律（中华经典名著全本全注全译丛书-三全本）
》
售價：HK$
57.5
《
广州：向海而生的商业之都
》
售價：HK$
89.7
|
| 編輯推薦： |
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
由点及面地介绍了业务分析的思考和原理
提出了实践性的“业务—数据—分析”层次框架
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
|
| 內容簡介： |
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。
|
| 關於作者： |
喜乐君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”。
|
| 目錄：
|
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
|
| 內容試閱：
|
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。
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。
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
2023年1月20日
第1版自序
鸟会飞是因为有羽毛吗——Tableau与笔者的分析之旅
笔者于2017年偶遇Tableau，从昨日的爱好到今朝的工作，仿佛一瞬，又好似半生。如今，笔者完成了之前未曾想象的任务——把笔者的所思所想、所知所悟以出版的方式分享给更多人。
理想主义者总是习惯性地低估困难，写书这件事情尤其如此。累计638张精心制作的插图，有别于博客文章，力求建立新的体系框架，你我虽隔书相望，但希望每一位读者都能感受到笔者毫无保留的写作态度与努力。2021年，有幸与Tableau艺术家Wendy一起入围Tableau Zen Master全球榜，这是读者和Tableau对笔者最好的认可。
与此同时，还是想谈一下笔者和Tableau的渊源，以此说明笔者如何以文科学历和业务背景从零开始成为今日的“Tableau大使”，这条路每个人都可以走，只需要用心与努力即可抵达。
1．笔者和Tableau的渊源
笔者在毕业后历经国企、创业、私企几番锻炼，于2017年回到婴贝儿担任总裁助理，忙里偷闲四处学习，并且获得了“买任何图书均可报销”的公司特权，受领导鼓励，也在公司义务培训Excel、消费心理学等。考虑到公司低效的“PPT数据传统”和自身专业数据分析知识的薄弱，因此私下搜寻各种大数据分析工具，最后被Tableau的灵活、易用和美观所折服。之后陆陆续续为运营、采购、人力资源等板块做了一些并非成熟的分析。
笔者是典型的“写作型”，因此从学习第一周开始，就陆陆续续记笔记、写博客，纯粹为了帮助自己增强理解，不料几年下来，竟然积累了可观的笔墨。“所有的成功都是长期主义的胜利”。数据和数据分析恰好是一个不错的“风口”，于是误打误撞地进入了这个“陌生但新鲜的行业”。
《经济学人》杂志中曾写道：“21世纪最重要的资源是数据”，但是不经分析的数据没有价值，如同“不经反省的人生不值得过”（苏格拉底），而这正是转型期的企业遇到的成长烦恼。笔者决定和Tableau同行，将自己多年的工作经验与笔者对数据的理解融为一体，认真服务每一位客户，同时获得自我的提升。笔者选择了Tableau，之后通过了Tableau Desktop和Server QA认证，并在参加Tableau峰会时认识了众多Tableau员工和爱好者，开始了开发客户、服务客户的美好旅程。
在服务客户的过程中，笔者不断积累自己的Tableau知识和业务理解，并持续更新博客以增强理解，并向更多客户传播Tableau文化。笔者从不拒绝客户的任何问题，把它视为最好的收集问题和不断学习的机会——没有什么是学习不能解决的问题，如果问题不能被解决，那就是学艺不精。追求超过预期的交付，不仅帮助笔者提高了客户的续费和增购的概率，而且不断积累了下一本书的素材。
2．从所知到所悟
在学习过程中，笔者不断阅读各类数据分析书籍，并仔细翻阅官方近万页的文档和白皮书。可惜的是，笔者找到的国内外每一本Tableau主题书籍，都只能满足笔者的初学需求，却不能满足向中高级进阶时的胃口，总觉得要义未精、框架欠明，如同武林秘籍缺少最后一章，即便各种招式纯熟，也难以在实战面前随心所欲。这种理解上的束缚，阻碍了为客户提供最高品质的培训和咨询。跟随山东大学王思悦老师学习，他教给笔者一种处事态度：“和人交往改变自己，和物交道改变对方”，因此，笔者希望重新构建Tableau的知识体系，并希望帮助初学者和高级分析师更好地使用Tableau产品。
在克里斯坦森教授《你要如何衡量你的人生》一书的开篇，提出了一个让笔者终生难忘的问题：“鸟会飞是因为有羽毛吗？”笔者曾经以为是，但正如克里斯坦森教授所言，人类上千年来一直尝试仿制轻盈的翅膀飞上天，最后，倒是成吨的钢铁飞机实现了。100年前，人类在“流体力学”和“空气动力学”领域积累了足够的知识，才实现了飞翔的梦想，这就是原理的重要性。很多人觉得掌握原理是少数人的事情，殊不知，原理是具有实践性的，它赋予了我们“举一反三”的能力。
因此，笔者迫切地希望洞察Tableau“拖曳”、可视化，特别是高级计算背后的原理，只有掌握了原理，笔者才能用最简单的语言，让所有客户以最少的时间和金钱成本换来最高效的培训和使用效果。而通往大彻大悟的道路只有一条，那就是持续的努力和深度的思考相融合的道路。
整个2019年，笔者一方面不断地向Tableau最难的高级计算和高级互动发起总攻，并持续修改博客文章作为通达明了的明证；另一方面每月组织Tableau公开课程，在分享过程中不断深化自我理解，并在为中原消费金融、以岭药业等客户提供培训的过程中不断总结本书的宏观框架。2019年在国联水产进行的客户培训中，获得了本书第5章的关键灵感。2021年，在长隆集团信息部门的内部交流中获得了“业务字段、分析字段”的关键灵感，并在平安普惠的项目中开始构思“业务数据分析地图”。
在这个过程中，笔者持续写作博客文章以作记录和思考，如今笔者的不少Tableau博客文章，特别是关于“LOD详细级别表达式”原理和案例解读系列，几乎可以与官方的介绍文章并驾齐驱。2020年年初，因疫情在家，得以从头重写每一个细节及其思路，并把基础计算和高级计算融为一体，形成了全新的讲解体系，从而保证初学者也可以快速掌握最高难度的知识环节。
最后，笔者找到了从Excel分析到Tableau数据分析的根本性差异，即层次（LOD详细级别）。客观的数据表详细级别（Table LOD）描述数据结构和颗粒度，主观的视图详细级别（Viz LOD）描述业务问题及其相关性，并通过计算的多种分类把二者融为一体。全书都贯穿了“层次分析”的思路，并在高级计算部分得以升华——高级计算的实质就是多层次问题分析。因此，读者在本书中能看到很多全新的内容，特别是用层次（详细级别）理解大数据分析的核心特征、理解数据结构并识别行级别唯一性、理解Tableau的计算并引导如何选择等。
而精心绘制的插图，旨在用可视化的方式增强理解。通过二次处理，尽可能提高每一幅插图的知识密度。
3．大数据时代的趋势与业务驱动的数据分析
随着互联网经济的蓬勃发展，大数据时代已经成为不可回避的事实。在经济竞争面前，企业更应该追求精益分析驱动的精益成长，构建以分析为中心的敏捷平台变得不可或缺。
因此，敏捷BI（商业智能）已经是大势所趋、不可抵挡。企业成长依赖于在竞争环境中不断做出最优的决策，而决策来自充分地建立假设并高效地验证，数据分析是连接数据资产与价值决策的纽带，而敏捷BI能提高数据的利用效率和企业的决策效率。“分析即选择，决策即择优”，数据分析可以直接创造企业价值，未来已来，所有的企业都将是数据驱动型的组织。
对于企业而言，Tableau提供了敏捷的“数据仓库、商业智能一体化”整体方案。不管是中小企业还是大型企业，Tableau都是极佳的企业级大数据可视化分析平台，它在面向业务方面的卓越表现，迄今难有同行产品可以比拟。
对于业务分析师而言，Tableau入门容易、使用灵活，因此它几乎适用于企业中的每一位数据用户和业务决策者。同时，Tableau博大精深、足够专业，在可视化样式、互动探索、高级计算等方面有无限空间值得探索，因此不断钻研的Tableau分析师可以为自己构建足够高的技术壁垒，从而捍卫自己的专业领地。这也是笔者的选择和道路，只要努力，人人皆可模仿，没有所谓的“学习力”，需要的只是用心和努力而已。
在这条充满光明的道路上，最大的障碍其实不是工具，而是人和文化。借助本书，衷心地希望更多的人能熟练使用Tableau，并建立自己的职业壁垒，节省时间就是拯救个人生命，提高效率就是创造企业利润。
4．致谢
从博客文章到一本书，这是之前笔者还未曾预料的事情；因为疫情在家隔离，一个春天，不料梦想就变成了现实。
特别感谢唐小强先生、百威啤酒刘洋先生、红塔集团付聪先生、金发科技黄彬祥先生及其他众多读者为本书勘误做出的贡献。
特别感谢Tableau赋予的学习机会，让笔者认识了各行各业的企业客户、朋友和读者。
感谢家人，他们给了笔者生活的意义。
感谢时间，感谢充满坎坷与喜乐的人生。
喜乐君
2023年1月20日修改
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
