1

从数据到图形:Tableau可视化

可视化分析:进入大数据时代的理性与直觉之门

1.1数据金字塔:从数据到决策有多远?

1.2直觉先于理性:可视化的心理学

1.3TABLEAU:大数据时代的“梵高”

1.4TABLEAU快速学习路线图

2

数据可视化:理念与基础

3

数据准备:用PrepBuilder进行数据整理与结构调整

全篇读完，再次回顾，下载Prep进行动手操作。

4

1、“数据合并”最终概括

?数据并集优先于数据连接，二者都是行级别的合并；

?数据并集和连接是构建视图的准备，因此必定优先于视图完成；

?数据混合是对已有视图的升级完善，因此必定后于视图而可用；

?构建主视图的数据源是主数据源，通过混合加入的是辅数据源。

2、合适的数据合并方法：

?完全相同的数据用并集Union，常见于本地文件。

?有共同字段、详细级别相同的数据表可以连接Join合并；

?超级大的数据、不同详细级别的数据在视图层次的合并，使用数据混合。

1、“数据关系类型：一对一、一对多、多对多

2、性能选项：基数（一个或多个）、

引用完整性（某些记录匹配或所有记录匹配）

3、数据关系与数据连接、数据混合的区别

4、主要特点总结：

?并集：数据结构完全一致的数据合并，常见于本地文件。

?连接：有共同字段、详细级别相同的数据合并，并且希望生产独立数据表。

?混合：完全独立的数据源之间的临时关联分析。

?关系：数据量大的数据表之间，保持相互独立，又能反复使用。

5、业务分析师和IT分析师的中间地带，PrepBuilder更能很好的弥补。

5

5.1报表可视化的三个步骤：完整的数据源、清晰的字段分层、关联关系基础。

5.2复杂业务问题中的关联分析（计算、推荐视图、数据解析）

5.3如何选择可视化图表框架

l常见的问题类型与图表（条形图、折线图、饼图）

l简单可视化到复杂可视化（堆叠图、环形图、散点图、直方图、甘特图、瀑布图）

5.4高级可视化功能

此部分制作图表时常用功能

度量名称与度量值

两个度量构建双轴图

堆叠度量

聚合度量与解聚度量

5.5可视化增强分析技术

筛选：缩小可视化数据范围

集：按照一定条件把数据分为2个部分

参数：视图交互

排序：按规则排序

分成结构：多个字段按照层次结构组织架构

分组：数据分组，合并相似数据，减少字段内数据量

参考线、趋势线和预测线：模型化的辅助线

其他：别名、字段合并、字段拆分

6

1.符号地图：侧重于表达极大值

2.填充地图：表达数据的层次

3.点图和热力图：分析-聚合度量

4.路径图：路径字段必须是维度

5.空间函数：MAKEPOINT、MAKELINE、DISTANCE、BUFFER

6.地图与形状的结合

7

7.1工作表、仪表板设计，界面、精确设计和布局，

更节省空间的折叠工具，多种设备设计和大屏设计。

7.2构建DataPoint故事，推荐“另存新节点”命令。

7.3多重筛选器和共用筛选器，页面与动画、突出显示。

7.4高级互动：动态参数与参数动作。

TOP集的大小、参考线的日期、选择的度量名称

参数动作：更改参数、选择、悬停、菜单

参数控制视图的度量：推荐casewhen

控制视图参考线：创建数值参数，添加参考线，添加参数动作

展开指定的类别：IIF函数判断逻辑

7.5集动作

1、参数只能传递一个数值，集可以传递多个数值；参数可以传递连续的日期和度量；集主要用于传递客户、省份等离散数据。

示例1：指定省份的销售额占比

示例2：查看所选省份在各商品类别的销售占比（计算依据-省份集）

示例3：各省份相对于指定省份的销售差异

示例4：指定省份随着日期的销售趋势

2、技巧：集与分层机构、工具提示的结合。