關(guān)于我們
書單推薦
新書推薦
|
數(shù)據(jù)可視化分析(第2版):分析原理和Tableau、SQL實(shí)踐(全彩) 讀者對(duì)象:企業(yè)數(shù)據(jù)分析師、業(yè)務(wù)助理、Tableau分析師和愛好者、大學(xué)大數(shù)據(jù)分析專業(yè)
本書以敏捷分析工具Tableau為基礎(chǔ),部分章節(jié)輔以SQL講解,系統(tǒng)介紹了數(shù)據(jù)可視化分析的體系和方法,內(nèi)容涵蓋問題分析方法、數(shù)據(jù)合并和建模、可視化圖形的選擇和構(gòu)建、多種交互方式及其組合、儀表板設(shè)計(jì)與高級(jí)交互、基本計(jì)算和高級(jí)計(jì)算等。 本書以Tableau Desktop的應(yīng)用為中心,借工具講解原理,以原理深化工具應(yīng)用,并由點(diǎn)及面地介紹了業(yè)務(wù)分析的思考和原理,特別是提出了實(shí)踐性的"業(yè)務(wù)—數(shù)據(jù)—分析”層次框架,并以三類"詳細(xì)級(jí)別”的概念貫通數(shù)據(jù)模型、高級(jí)篩選和高級(jí)計(jì)算三大主題。 本書重點(diǎn)介紹工具應(yīng)用背后的思考方式和原理,幫助讀者建立"詳細(xì)級(jí)別”的思考框架,舉一反三,從而實(shí)現(xiàn)多維、結(jié)構(gòu)化分析。
喜樂君Tableau Visionary(2020—2023)、數(shù)據(jù)分析咨詢顧問、培訓(xùn)講師·敏捷BI“布道師”。連續(xù)創(chuàng)業(yè)者、上海唯知唯識(shí)創(chuàng)始人。山東大學(xué)法學(xué)學(xué)士、教育學(xué)碩士,首屆“碩士研究生國(guó)家獎(jiǎng)學(xué)金”獲得者。站在業(yè)務(wù)角度、深入行業(yè)一線,借Tableau洞悉敏捷分析,重新理解和詮釋“業(yè)務(wù)數(shù)據(jù)分析”。
目錄
內(nèi)容及說(shuō)明 XVIII 第1篇 奠基:數(shù)字化轉(zhuǎn)型與業(yè)務(wù)分析原理 第1章 數(shù)字化轉(zhuǎn)型:21世紀(jì)的機(jī)遇與挑戰(zhàn) 2 1.1 理解數(shù)據(jù)的層次及分析的價(jià)值 2 1.2 數(shù)據(jù)應(yīng)用的3個(gè)階段 4 1.2.1 初級(jí)·報(bào)表展現(xiàn):信息的整理與固定展現(xiàn) 5 1.2.2 中級(jí)·業(yè)務(wù)分析:分析輔助決策,決策創(chuàng)造價(jià)值 7 1.2.3 終極·智能商業(yè):大數(shù)據(jù)重塑商業(yè)模式 8 1.3 數(shù)字化轉(zhuǎn)型到底“轉(zhuǎn)”什么 10 1.3.1 塑造實(shí)事求是的數(shù)據(jù)文化:一切用數(shù)據(jù)說(shuō)話 10 1.3.2 數(shù)字化轉(zhuǎn)型源自各個(gè)業(yè)務(wù)場(chǎng)景的數(shù)字化和持續(xù)進(jìn)化 12 1.3.3 業(yè)務(wù)和技術(shù)兼?zhèn)涞淖吭街行暮头治鲂腿瞬?13 1.3.4 統(tǒng)一并持續(xù)優(yōu)化分析方法論,提高分析效率和準(zhǔn)確性 15 參考資料 18 第2章 “業(yè)務(wù)—數(shù)據(jù)—分析”體系與企業(yè)數(shù)據(jù)地圖 19 2.1 “業(yè)務(wù)—數(shù)據(jù)—分析”體系:BDA分析框架 19 2.1.1 分析層:指標(biāo)體系建設(shè)和分析儀表板 21 2.1.2 數(shù)據(jù)層:數(shù)據(jù)管理與數(shù)據(jù)倉(cāng)庫(kù) 22 2.1.3 業(yè)務(wù)層:業(yè)務(wù)流程與“業(yè)務(wù)在線化” 23 2.2 建立全局視角:企業(yè)數(shù)據(jù)地圖 24 2.3 兩種企業(yè)級(jí)分析推進(jìn)路徑:“自上而下”與“自下而上” 26 2.3.1 自下而上:從數(shù)據(jù)出發(fā)的分析之路 26 2.3.2 自上而下:從問題和指標(biāo)出發(fā)的分析之路 27 2.4 可視化是大數(shù)據(jù)分析的橋梁和媒介 28 2.4.1 數(shù)字、文字的可視化及可視化要素 28 2.4.2 從可視化到抽象分析:走向儀表板和高級(jí)分析 30 2.5 TABLEAU:大數(shù)據(jù)敏捷業(yè)務(wù)分析的“代表作” 32 參考資料 34 第3章 業(yè)務(wù)可視化分析:關(guān)鍵概念與方法論 35 3.1 解析問題結(jié)構(gòu)、理解聚合過程和指標(biāo) 35 3.1.1 問題的結(jié)構(gòu)及其相互關(guān)系 36 3.1.2 聚合是問題分析的本質(zhì) 38 3.1.3 基于聚合的字段分類:維度描述問題,度量回答問題 40 3.1.4 指標(biāo)是聚合度量的業(yè)務(wù)形態(tài) 41 3.2 明細(xì)表與聚合表:聚合的邏輯過程 42 3.2.1 業(yè)務(wù)明細(xì)表和問題聚合表:聚合的起點(diǎn)和終點(diǎn) 43 3.2.2 物理表與邏輯表:數(shù)據(jù)表的抽象類型 45 3.2.3 字段的數(shù)據(jù)類型:數(shù)據(jù)表字段的抽象類型 46 3.3 可視化圖形:聚合交叉表的“另一面” 49 3.3.1 問題類型與可視化增強(qiáng)分析 50 3.3.2 可視化背后的數(shù)據(jù)類型:連續(xù)和離散 51 3.3.3 Tableau中的字段屬性及其作用 55 3.4 簡(jiǎn)單問題的“三步走”方法和TABLEAU示例 56 3.5 聚合度和詳細(xì)級(jí)別:構(gòu)建復(fù)雜問題層次理論 58 3.5.1 數(shù)據(jù)明細(xì)表和聚合度:多個(gè)問題的基準(zhǔn)點(diǎn)和衡量尺度 59 3.5.2 詳細(xì)級(jí)別:不同“聚合度”問題對(duì)應(yīng)的抽象依據(jù) 60 3.5.3 結(jié)構(gòu)化分析的兩個(gè)應(yīng)用方向 62 3.5.4 關(guān)鍵概念匯總:聚合、聚合度、詳細(xì)級(jí)別、顆粒度 64 參考資料 66 練習(xí)題目 66 第2篇 數(shù)據(jù)準(zhǔn)備、可視化、交互設(shè)計(jì) 第4章 數(shù)據(jù)合并與關(guān)系模型(Tableau/SQL) 68 4.1 概論:數(shù)據(jù)合并與連接數(shù)據(jù)源 69 4.1.1 理解數(shù)據(jù)合并、數(shù)據(jù)模型的重要性 69 4.1.2 數(shù)據(jù)合并和數(shù)據(jù)模型的相關(guān)概念 71 4.2 數(shù)據(jù)合并的分類矩陣與數(shù)據(jù)模型案例 72 4.2.1 “所見即所得”的行級(jí)別數(shù)據(jù)合并:Union和Join 72 4.2.2 Excel的局限:基于數(shù)據(jù)透視表的數(shù)據(jù)合并 74 4.2.3 Tableau數(shù)據(jù)混合初探,在聚合后完成連接 76 4.2.4 數(shù)據(jù)合并分類矩陣:兩種合并方法、兩個(gè)合并位置 78 4.3 行級(jí)別并集、連接與TABLEAU/SQL方法 81 4.3.1 數(shù)據(jù)并集 81 4.3.2 數(shù)據(jù)連接:連接條件與連接方式 84 4.3.3 高級(jí)連接的形式:僅左側(cè)連接、交叉連接與“自連接” 89 4.3.4 明細(xì)表并集與連接的異同點(diǎn)與局限性 93 4.4 從數(shù)據(jù)關(guān)系匹配到關(guān)系模型 96 4.4.1 “臨時(shí)”數(shù)據(jù)關(guān)系:基于問題層次創(chuàng)建數(shù)據(jù)關(guān)系匹配 96 4.4.2 數(shù)據(jù)模型:在最詳細(xì)且有業(yè)務(wù)意義的詳細(xì)級(jí)別預(yù)先構(gòu)建數(shù)據(jù)關(guān)系 98 4.4.3 【關(guān)鍵】層次分析方法:從數(shù)據(jù)合并到數(shù)據(jù)關(guān)系模型 100 4.4.4 【難點(diǎn)】關(guān)系模型優(yōu)化(上):匹配類型(基數(shù)) 106 4.4.5 【難點(diǎn)】關(guān)系模型優(yōu)化(下):匹配范圍(引用完整性) 111 4.4.6 共享維度表:從雪花模型到網(wǎng)狀模型 116 4.4.7 通往最佳實(shí)踐:業(yè)務(wù)關(guān)系模型的可視化表達(dá) 117 4.4.8 案例:圖書及銷售的數(shù)據(jù)關(guān)系模型 118 4.5 重說(shuō)數(shù)據(jù)混合:編輯匹配關(guān)系和匹配詳細(xì)級(jí)別 120 4.5.1 數(shù)據(jù)混合設(shè)置:自定義混合條件和自定義匹配字段 121 4.5.2 高級(jí)數(shù)據(jù)混合:數(shù)據(jù)匹配詳細(xì)級(jí)別不同于主視圖 123 4.6 不同數(shù)據(jù)合并類型的相互影響 127 4.7 TABLEAU與SQL/PYTHON的結(jié)合 128 4.7.1 Tableau和SQL的結(jié)合 128 4.7.2 SQL中的連接 129 4.7.3 Tableau Table Extensions:給數(shù)據(jù)源插上“算法之翼”(Tableau 2022.3+版本) 132 參考資料 133 練習(xí)題目 133 第5章 可視化分析與探索 134 5.1 數(shù)據(jù)準(zhǔn)備:理解業(yè)務(wù)過程與整理數(shù)據(jù)字段 134 5.1.1 數(shù)據(jù)表:理解業(yè)務(wù)過程及數(shù)據(jù)表詳細(xì)級(jí)別 134 5.1.2 字段:理解業(yè)務(wù)過程的對(duì)象并做分組分類 136 5.2 從問題到可視化圖形:如何確定主視圖框架 138 5.2.1 從問題類型到主要的可視化圖形 138 5.2.2 初級(jí)可視化:“三圖一表” 139 5.2.3 中級(jí)可視化:分布分析、相關(guān)性分析 143 5.2.4 地理位置可視化 148 5.2.5 數(shù)據(jù)圖像角色可視化(Tableau 2022.4+版本) 155 5.3 可視化繪制方法與可視化增強(qiáng) 156 5.3.1 像油畫一樣做可視化:可視化三步驟和標(biāo)記的使用 156 5.3.2 度量雙軸及其綜合處理 158 5.3.3 多個(gè)坐標(biāo)軸的“公共基準(zhǔn)”:度量值 160 5.4 高級(jí)分析入門:參考線與參考區(qū)間 161 5.4.1 參考線的創(chuàng)建及其組合 161 5.4.2 標(biāo)準(zhǔn)甘特圖和標(biāo)靶圖:條形圖與參考線的兩種結(jié)合方式 163 5.4.3 參考區(qū)間 166 5.4.4 置信區(qū)間模型 167 5.4.5 趨勢(shì)線與預(yù)測(cè)線 168 5.4.6 群集 169 5.5 格式設(shè)置:必要調(diào)整,但不要過度 170 5.5.1 常見的設(shè)置格式工具欄 170 5.5.2 設(shè)置“標(biāo)簽”格式,自定義文本表 171 5.5.3 工具提示的格式設(shè)置、交互和“畫中畫” 172 5.5.4 其他常用小技巧 173 參考資料 175 練習(xí)題目 175 第6章 Tableau/SQL篩選與集操作 176 6.1 理解不同工具背后的篩選方法與共同點(diǎn) 176 6.1.1 篩選的兩類位置:獨(dú)立篩選和“條件計(jì)算” 176 6.1.2 使用不同工具完成“獨(dú)立篩選” 177 6.2 篩選的分類方法:基于詳細(xì)級(jí)別的視角 182 6.2.1 【入門】數(shù)據(jù)表行級(jí)別的篩選:維度篩選器 183 6.2.2 【進(jìn)階】指定詳細(xì)級(jí)別的聚合篩選:簡(jiǎn)單條件和頂部篩選 186 6.2.3 【難點(diǎn)】指定詳細(xì)級(jí)別聚合的篩選:建立在自定義計(jì)算之上 192 6.3 篩選范圍的交互方法:快速篩選和參數(shù)控制 195 6.3.1 快速篩選器及其基本配置 195 6.3.2 特殊的日期篩選器:默認(rèn)篩選到最新日期 196 6.3.3 參數(shù)控制:完全獨(dú)立和依賴引用 197 6.4 多個(gè)篩選的處理:交集計(jì)算和優(yōu)先級(jí) 199 6.4.1 多個(gè)篩選的基礎(chǔ)知識(shí):數(shù)據(jù)集及運(yùn)算 199 6.4.2 多個(gè)篩選的計(jì)算原則(上):相同類型取交集 200 6.4.3 多個(gè)篩選的計(jì)算原則(下):不同類型按優(yōu)先級(jí)計(jì)算交集 200 6.4.4 調(diào)整篩選器優(yōu)先級(jí)(上):上下文篩選器和表計(jì)算篩選器 202 6.4.5 調(diào)整篩選器優(yōu)先級(jí)(下):數(shù)據(jù)源篩選器和數(shù)據(jù)提取篩選器 204 6.4.6 篩選與計(jì)算的優(yōu)先級(jí) 206 6.5 集(SET):把篩選保留下來(lái)的“神奇容器” 207 6.5.1 創(chuàng)建自定義集及集的本質(zhì) 207 6.5.2 自定義集內(nèi)成員:“集控制”(Tableau 2020.2+版本) 209 6.5.3 創(chuàng)建動(dòng)態(tài)條件集 209 6.5.4 集動(dòng)作:以視圖交互方式更新集成員 211 6.6 集的運(yùn)算、優(yōu)先級(jí)和應(yīng)用 212 6.6.1 多個(gè)集的合并與“合并集”運(yùn)算 212 6.6.2 集和篩選的關(guān)系及優(yōu)先級(jí) 215 6.6.3 集的高級(jí)應(yīng)用:控制用戶權(quán)限的“用戶篩選器” 217 6.7 中級(jí)交互:儀表板中的快速篩選、集交互 218 6.7.1 交互設(shè)計(jì)的基本分類 218 6.7.2 “以圖篩圖”:儀表板中的多表快速關(guān)聯(lián)篩選 218 6.7.3 共用篩選器、集和參數(shù):典型的儀表板交互 220 6.7.4 工具提示“畫中畫”:最簡(jiǎn)單的多表關(guān)聯(lián) 223 6.8 更多實(shí)用工具:分組、數(shù)據(jù)桶、分層結(jié)構(gòu)、排序 224 6.8.1 作為數(shù)據(jù)準(zhǔn)備的“組” 224 6.8.2 分層結(jié)構(gòu)鉆取分析與僅顯示相關(guān)值 225 6.8.3 排序:對(duì)離散字段的數(shù)據(jù)值排序 226 參考資料 228 練習(xí)題目 228 第7章 儀表板設(shè)計(jì)、進(jìn)階與高級(jí)交互 230 7.1 儀表板:最重要的主題展現(xiàn)形式 230 7.1.1 儀表板設(shè)計(jì)的基本過程和常見功能 231 7.1.2 儀表板大小、布局和對(duì)象 233 7.1.3 常用的交互對(duì)象:隱藏按鈕、導(dǎo)航按鈕 237 7.1.4 儀表板布局中的分層結(jié)構(gòu) 239 7.1.5 跨設(shè)備類型的儀表板適配 240 7.2 故事:以數(shù)據(jù)故事敘事、探索 241 7.2.1 故事及其基本設(shè)置 241 7.2.2 故事的闡述方式 242 7.3 儀表板進(jìn)階:指標(biāo)、初始模板、性能優(yōu)化與“數(shù)據(jù)指南” 243 7.3.1 指標(biāo):聚焦儀表板關(guān)鍵度量 244 7.3.2 初始模板:專家分析模板加速分析 246 7.3.3 發(fā)布工作簿和“工作簿優(yōu)化器” 247 7.3.4 數(shù)據(jù)指南(Tableau 2022.3+版本) 251 7.4 三種基本交互類型:篩選、高亮和頁(yè)面 252 7.4.1 突出顯示:以聚焦實(shí)現(xiàn)間接篩選 253 7.4.2 頁(yè)面輪播:快速篩選的連續(xù)疊加 255 7.5 兩類高級(jí)交互工具:參數(shù)、集交互 257 7.5.1 關(guān)鍵原理:參數(shù)、集的共同點(diǎn)和差異 257 7.5.2 參數(shù)與邏輯判斷結(jié)合:切換視圖度量 260 7.5.3 動(dòng)態(tài)參數(shù):動(dòng)態(tài)更新范圍和初始值 262 7.5.4 集控制:以控件方式手動(dòng)更新集成員 264 7.6 參數(shù)動(dòng)作:參數(shù)、計(jì)算和交互(TABLEAU 2019.2+版本) 264 7.6.1 參數(shù)動(dòng)作:使用動(dòng)作更新度量值 265 7.6.2 動(dòng)態(tài)篩選:參數(shù)動(dòng)作和計(jì)算實(shí)現(xiàn)差異化篩選 266 7.6.3 動(dòng)態(tài)基準(zhǔn)分析:使用參數(shù)動(dòng)作控制參考線和計(jì)算基準(zhǔn) 268 7.6.4 自定義分層結(jié)構(gòu):使用參數(shù)展開指定的類別 270 7.7 高級(jí)交互:指定區(qū)域?qū)ο蟮膭?dòng)態(tài)可見性(TABLEAU 2022.3+版本) 272 7.8 高級(jí)互動(dòng)的巔峰:集動(dòng)作和集控制 275 7.8.1 經(jīng)典集動(dòng)作:交互更新自定義集(Tableau 2018.3+版本) 276 7.8.2 集的控制與更新:賦予集以強(qiáng)大的靈魂 278 7.8.3 使用集完成對(duì)比分析和標(biāo)桿分析 279 7.8.4 高級(jí)互動(dòng)的使用建議 282 練習(xí)題目 283 第3篇 以有限字段做無(wú)盡分析:Tableau、SQL函數(shù)和計(jì)算體系 第8章 計(jì)算的底層框架:行級(jí)別計(jì)算與聚合計(jì)算 286 8.1 計(jì)算的演進(jìn)及分類:從EXCEL、SQL到TABLEAU 287 8.1.1 計(jì)算的本質(zhì)及其與業(yè)務(wù)過程的關(guān)系 287 8.1.2 以Excel理解詳細(xì)級(jí)別與計(jì)算的兩大分類 288 8.1.3 從Excel“存取一體”到“數(shù)據(jù)庫(kù)-SQL”的存取分離 292 8.1.4 集大成者Tableau:將查詢、計(jì)算和展現(xiàn)融為一體 294 8.2 計(jì)算的兩大分類:分析是聚合的抽象過程 297 8.2.1 行級(jí)別計(jì)算、聚合計(jì)算的差異和關(guān)系 297 8.2.2 從業(yè)務(wù)角度理解計(jì)算的結(jié)果:業(yè)務(wù)字段VS分析字段 300 8.3 數(shù)據(jù)準(zhǔn)備類函數(shù)(上):字符串函數(shù)、日期函數(shù) 302 8.3.1 字符串函數(shù):截取、查找替換等清理函數(shù) 302 8.3.2 日期函數(shù):日期獨(dú)特性與轉(zhuǎn)換、計(jì)算 306 8.3.3 數(shù)據(jù)類型轉(zhuǎn)換函數(shù) 315 8.4 數(shù)據(jù)準(zhǔn)備類函數(shù)(下):正則表達(dá)式 316 8.5 分析函數(shù):從明細(xì)到問題的“直接聚合” 318 8.5.1 描述規(guī)模:總和、計(jì)數(shù)、平均值 319 8.5.2 描述數(shù)據(jù)的波動(dòng)程度:方差和標(biāo)準(zhǔn)差 320 8.5.3 關(guān)注個(gè)體,走向分布:百分位函數(shù)及最大值、最小值、中位數(shù) 322 8.5.4 ATTR屬性——針對(duì)維度字段的聚合判斷 324 8.6 通用型計(jì)算:算術(shù)函數(shù)和邏輯函數(shù) 325 8.6.1 算術(shù)運(yùn)算、精度控制函數(shù) 325 8.6.2 邏輯表達(dá)式和邏輯判斷符 329 8.7 行級(jí)別計(jì)算與聚合計(jì)算的區(qū)別與結(jié)合 332 8.7.1 實(shí)例:各子類別的利潤(rùn)與盈利結(jié)構(gòu)分析 332 8.7.2 復(fù)習(xí):行級(jí)別計(jì)算和聚合計(jì)算的差異 334 8.7.3 SUMIF條件聚合:將行級(jí)別篩選和聚合分析合二為一 335 8.8 專題:地理空間分析之“空間函數(shù)” 338 參考資料 345 練習(xí)題目 345 第9章 高級(jí)分析函數(shù):Tableau表計(jì)算/ SQL窗口函數(shù) 346 9.1 合計(jì)的兩個(gè)方法及“廣義LOD表達(dá)式” 346 9.1.1 入門:從Excel理解“合計(jì)百分比”計(jì)算的層次關(guān)系 347 9.1.2 高級(jí)分析的層次框架:數(shù)據(jù)表詳細(xì)級(jí)別和聚合度 348 9.1.3 進(jìn)階:“合計(jì)百分比”的兩種SQL方法 349 9.1.4 Tableau敏捷BI,讓業(yè)務(wù)用戶輕松駕馭二次聚合分析 351 9.1.5 “廣義LOD表達(dá)式”與計(jì)算的分類 354 9.2 “同/環(huán)比”偏移計(jì)算及表計(jì)算設(shè)置方法 356 9.2.1 維度作為偏移計(jì)算依據(jù):?jiǎn)我痪S度的同比差異 356 9.2.2 包含多個(gè)維度的同比(上):區(qū)別范圍和依據(jù) 358 9.2.3 包含多個(gè)維度的同比(下):設(shè)置多個(gè)依據(jù) 360 9.2.4 SQL窗口函數(shù):偏移類窗口函數(shù)案例介紹 361 9.3 小結(jié):表計(jì)算的獨(dú)特性及兩種設(shè)置方法 365 9.3.1 從差異計(jì)算的兩種方法理解窗口計(jì)算的獨(dú)特性 365 9.3.2 Tableau設(shè)置范圍的兩種方法:相對(duì)/絕對(duì)方法與適用場(chǎng)景 368 9.4 高級(jí)分析函數(shù)之排序計(jì)算:INDEX與RANK 369 9.4.1 Tableau/SQL排序與百分位排序 370 9.4.2 公共基準(zhǔn)對(duì)比:不同時(shí)間的電影票房對(duì)比(TC2) 374 9.4.3 凹凸圖:隨日期變化的RANK函數(shù)(TC4) 376 9.5 最重要的二次聚合函數(shù):WINDOW(窗口)函數(shù) 380 9.5.1 合計(jì):最簡(jiǎn)單、常用的WINDOW(窗口)函數(shù) 381 9.5.2 累計(jì)聚合:RUNNING_SUM函數(shù)——累計(jì)汽車銷量 383 9.5.3 移動(dòng)聚合:移動(dòng)窗口計(jì)算函數(shù)MOVING AVG 385 9.5.4 “大一統(tǒng)”:千變?nèi)f化的窗口函數(shù)WINDOW 386 9.6 最常用的表計(jì)算:快速表計(jì)算及其附加計(jì)算 389 9.6.1 快速表計(jì)算:預(yù)置的常見表計(jì)算應(yīng)用 390 9.6.2 快速表計(jì)算的嵌套:表計(jì)算的組合(TC3) 391 9.7 表計(jì)算應(yīng)用(1):自定義參考線、“合計(jì)利潤(rùn)率” 393 9.7.1 聚合值參考線——表計(jì)算的“可視化形式” 393 9.7.2 “合計(jì)利潤(rùn)率”:理解參考線對(duì)應(yīng)的表計(jì)算 394 9.7.3 【難點(diǎn)】理解TOTAL(合計(jì))與WINDOW_SUM(匯總)的差異 396 9.7.4 自定義參考線及其計(jì)算:箱線圖松散化與散點(diǎn)圖顏色矩陣 398 9.8 表計(jì)算應(yīng)用(2):標(biāo)桿分析——多種類型的計(jì)算組合 402 9.9 表計(jì)算應(yīng)用(3):帕累托分布——累計(jì)、合計(jì)及嵌套 406 9.10 表計(jì)算應(yīng)用(4):金融ANR計(jì)算——表計(jì)算高級(jí)嵌套 409 9.11 表計(jì)算篩選器:優(yōu)先級(jí)最低的篩選類型 413 9.11.1 使用RANK函數(shù)聚合判斷完成篩選 413 9.11.2 使用偏移函數(shù)LOOKUP完成年度同比和篩選 415 9.12 表計(jì)算延伸應(yīng)用:預(yù)測(cè)建模函數(shù) 416 9.12.1 MODEL_QUANTILE預(yù)測(cè)模型 417 9.12.2 MODEL_PERCENTILE預(yù)測(cè)模型 419 練習(xí)題目 420 第10章 結(jié)構(gòu)化問題分析:LOD表達(dá)式與SQL聚合子查詢 421 10.1 業(yè)務(wù)解析:理解LOD表達(dá)式的邏輯和本質(zhì) 421 10.1.1 簡(jiǎn)單詳細(xì)級(jí)別:“不同購(gòu)買頻次的客戶數(shù)量” 421 10.1.2 多維詳細(xì)級(jí)別:“各年度、不同矩陣年度的銷售額貢獻(xiàn)” 424 10.2 LOD表達(dá)式的“詳細(xì)級(jí)別”及其與視圖關(guān)系 428 10.2.1 從問題詳細(xì)級(jí)別出發(fā),理解高級(jí)問題的構(gòu)成 428 10.2.2 主視圖引用“更高聚合度”的詳細(xì)級(jí)別聚合:占比分析 429 10.2.3 主視圖引用“更低聚合度”的詳細(xì)級(jí)別之聚合:購(gòu)買力分析 432 10.2.4 主視圖引用獨(dú)立詳細(xì)級(jí)別的聚合:客戶矩陣分析 433 10.3 相對(duì)指定的LOD表達(dá)式及運(yùn)算優(yōu)先級(jí) 435 10.3.1 絕對(duì)指定和相對(duì)指定的LOD表達(dá)式 435 10.3.2 INCLUDE LOD引用更低聚合級(jí)別的聚合及優(yōu)先級(jí) 437 10.3.3 EXCLUDE LOD引用更高聚合級(jí)別的聚合,以及優(yōu)先級(jí)對(duì)比 439 10.4 超越LOD:計(jì)算的詳細(xì)級(jí)別體系及其優(yōu)先級(jí) 441 10.4.1 不同計(jì)算類型的應(yīng)用場(chǎng)景與作用 442 10.4.2 層次分析法:理解計(jì)算的運(yùn)算邏輯及其組合形式 443 10.4.3 Tableau計(jì)算、篩選、數(shù)據(jù)關(guān)系的優(yōu)先級(jí) 445 10.5 走向?qū)嵺`:多遍聚合問題與結(jié)構(gòu)化分析方法 446 10.5.1 方法論:高級(jí)問題分析的4個(gè)步驟 446 10.5.2 LOD多遍聚合:客戶購(gòu)買力分析的嵌套LOD計(jì)算 447 10.5.3 嵌套LOD的語(yǔ)法和SQL表示 452 10.6 會(huì)員分析專題:會(huì)員RFM相關(guān)案例分析 454 10.6.1 會(huì)員分析概論與常見指標(biāo)體系 454 10.6.2 使用Tableau完成 RFM主題分析 457 10.6.3 單維度的分布案例:會(huì)員頻次分布和生命周期分布 460 10.6.4 多維度的結(jié)構(gòu)分析:與“客戶獲客時(shí)間”相關(guān)的分析案例 461 10.6.5 復(fù)購(gòu)間隔:行級(jí)別計(jì)算和LOD計(jì)算的結(jié)合 464 10.6.6 客戶留存分析:LOD表達(dá)式、表計(jì)算的結(jié)合 465 10.6.7 客戶矩陣分析:客戶價(jià)值分類 468 10.7 產(chǎn)品分析高級(jí)專題:購(gòu)物籃分析的多個(gè)角度 470 10.7.1 購(gòu)物籃比率:任意子類別相對(duì)于所有訂單的比率 471 10.7.2 支持度、置信度和提升度分析:類別之間的關(guān)聯(lián)推薦 472 10.7.3 指定類別的關(guān)聯(lián)比率:篩選中包含“引用詳細(xì)級(jí)別” 475 10.8 總結(jié):高級(jí)計(jì)算的最佳實(shí)踐 480 10.8.1 問題的3大構(gòu)成與計(jì)算的4種類型 480 10.8.2 如何選擇計(jì)算類型 482 練習(xí)題目 484 第11章 從數(shù)據(jù)管理到數(shù)據(jù)倉(cāng)庫(kù):敏捷分析的基石 486 11.1 數(shù)據(jù)管理功能:以數(shù)據(jù)為中心 486 11.1.1 Tableau Catalog:數(shù)據(jù)資產(chǎn)目錄和世系管理 487 11.1.2 Tableau Prep Conductor:數(shù)據(jù)ETL流程管理 491 11.1.3 Virtual Connections:數(shù)據(jù)庫(kù)和分析之間的橋梁 492 11.1.4 Data Policy:為數(shù)據(jù)訪問增加行級(jí)別權(quán)限 495 11.2 從數(shù)據(jù)管理(DM)到數(shù)據(jù)倉(cāng)庫(kù)(DW) 499 11.2.1 數(shù)據(jù)倉(cāng)庫(kù)是數(shù)據(jù)分析發(fā)展到一定階段的產(chǎn)物 499 11.2.2 數(shù)據(jù)倉(cāng)庫(kù)的邏輯分層 502 11.3 ETL:數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)處理 504 11.3.1 敏捷ETL工具Prep Builder簡(jiǎn)介 504 11.3.2 敏捷ETL工具對(duì)數(shù)據(jù)分析的影響 505 11.4 建議:視TABLEAU為DW/BI平臺(tái) 506 參考資料
你還可能感興趣
我要評(píng)論
|