精读《Tableau 入门》

1. 引言

引用著名瑞典统计学家 Hans Rosling 的一句话：想法来源于数字、信息，再到理解。

分析数据的最好方式是可视化，由于可视化承载的信息密度更高，甚至能够从不一样维护对数据进行交互式分析。今天要精读的文章就分析了经典可视化分析工具 Tableau：data-visualisation-made-easy。

2. 精读

Tableau 是一款普遍用于智能商业的强大数据分析工具，经过不一样可交互的图表和仪表盘帮助你得到业务洞见。

安装

Tableau 提供了三种使用方式：

Tableau Desktop

拥有 14 天免费试用的桌面版，能够将工做数据存储在计算机本地，若是你是学生或老师能够得到一年的无偿使用权。

Tableau Public

公开版彻底免费，和桌面版的惟一区别是，全部数据都没法保存在本地，只能保存在 Tableau 服务器的云端，并且是公开的。

Tableau Online

网页版也彻底免费，是 Tableau Public 的网页版。

链接数据源

安装好 Tableau 后，第一步就是链接数据源。它支持链接本地或云端的数据源，本地最经常使用的数据源能够从 Excel 转换。这里是一份 样例数据，包含了一个超市几年内的销售状况，咱们能够用这份数据练手。

下载好这份数据后，选择从 Excel 导入，确认后将 Orders 表拖拽到右侧区域，以下图所示：

能够看到，导入的数据格式有些问题，这是由于这份 Excel 文件表头有一些描述信息干扰。勾选 Use Data Interpreter 后，能够开启数据解析功能，自动分析出你想要的表结构：

能够看到表结构已经正常了，在数据清洗的过程当中，Tableau 强大的数据分析功能已经初见端倪。你甚至能够点击 Review ths results 看看它是如何清洗数据的：点击后会下载一份分析 Excel，其中过滤掉的数据会被标记，自动分析出的表结构会被高亮。

数据可视化

在页面最底部有几个切换项，依次是 Data Source：数据源、Sheet：工做簿，后面跟随的三个按钮能够继续建立多个 Sheet、Dashboard、Story，这些后面都会讲到。首先点击 Sheet 进入可视化分析的工做簿：

能够看到，Orders 表的字段已经被自动分析成 维度 度量 了。维度和度量是数据分析中重要的概念：

• 维度： 维度是不能被计数的字段，通常为字符串或离散的值，用来描述数据的维度。
• 度量： 度量是能够被计数的字段，通常为数字、日期等连续的值，用来描述数据的量。

右侧空白区域是图表展现区域，能够响应拖拽交互，顶部的 Columns、Rows 表示列与行，Filters 是过滤器，拖拽字段上去能够对此字段进行过滤，Marks 是标记，Tableau 将图表全部辅助标记功能都抽象为：颜色、大小、文本、具体值、工具提示。举个例子，若是将销量 Sales 字段拖拽到大小区域，那么任何能描述大小的图表，都会以销量的多少来决定大小，好比散点图。

右上角的 Show Me 是图表自动推荐区域，当你拖拽不一样字段的时候，Tableau 会自动展现合适的图表，但你也能够点击 Show Me 进行图表切换。

那么开始动手吧！首先咱们要看看大盘数据如何，也就是这家超市的总利润、质量、销量：

在左侧维度栏目下，最后一个字段 Measure Names 表示全部度量的集合。

1. 将 Measure Names 拖拽到画布的空白区域。
2. 移除咱们不关心的 Row ID, Discount 等字段。

能够看到，总利润大概是总销量的 10%。若是想展现横向表格，将 Measure Names 从 Rows 拖拽到 Columns 便可。

Tips: 为了方便区分，Tableau 贴心的将维度标记为蓝色，度量标记为绿色。 同时能够看到，Tableau 对于单指标拖拽，默认采起表格方式渲染。

接下来咱们要看每年的详细销量与利润：

1. 将 Order Date 与 Sales 拖拽到 Rows。
2. 右键 Sales，将类型从连续改为非连续，这样就会自动变成表格展现。
3. 为了展现利润，将 Profit 字段拖拽到 Marks 的 Text 字段上。

咱们能够看到，不管是销量仍是利润都在逐年上升。接下来咱们想具体看看每月份的数据：

1. 右键 Order Date，将日期维度从年切换到月。

咱们能够看到，销量较高的月份分布在：三、九、十一、12 月。注意因为没有对年份作筛选，这里的每个月统计数据是整合了 2013～2016 四年份的。也就是 1 月的数据其实表明了 2013.1 + 2014.1 + 2015.1 + 2016.1 共四个 1 月份数据的总和。

接下来咱们想了解销量与利润增加的趋势：

1. 将 Order Date 拖拽到 Columns。
2. 将 Sales 拖拽到 Rows，此时会出现一条线。接下来将 Profit 拖拽到 左 Y 轴。

这里就涉及到线图拖拽交互设计了，线图一共有三种拖拽方式。若是将一个新字段拖拽到左 Y 轴，就会在左 Y 轴多出一条线；若是拖拽到中间图表区域，则这个字段会看成已有字段的工具提示；若是拖拽到右 Y 轴，则会自动变成双轴图。

从上图中能看到，销量增加明显，但利润增加缓慢，看来经营是存在必定问题的，还要继续分析问题在哪。

咱们再看看数据按月分布状况，一样右击 Order Date，选择 月 粒度：

上图能够明显看到三个峰值出如今 三、九、11 月份，然而这段期间利润增加幅度却不大，能够看出这段期间采起了薄利多销的手段。

再从地区维度分析数据：

1. 将 Regions 和 Sales 拖拽到 Columns。
2. 切换到饼图。
3. 将 Sales 拖拽到 Marks Pane 的 Label 上。

能够看到东西部地区是销量最高的区域。接下来咱们想看具体城市的销量：

1. 将 States 拖拽到画布空白区域，此时会自动出现地图并定位到美国。将 Profits 拖拽到 Color。
2. 将地区切换到 Filled Map，将 Profits 拖拽到 Label。

这样就绘制了一张地区，颜色越深利润越高，数字表示销量。

能够看到数值越大的区域通常颜色也越深，但这不是分析利润/销量性价比的最佳方式，咱们先只看到加州和纽约是销售业绩最好的区域，而科罗拉多州虽然销量不错，但利润倒是负的。

上面的地图对地形比较直观，但要分析销售健康度，仍是用散点图更合适。咱们想看看城市销量/利润的健康度分布：

1. Profit 拖拽到 Columns，Sales 拖拽到 Rows，此时散点图出现，但只有一个点（之因此出现散点图，是由于横纵轴拖拽的都是度量）。
2. 咱们想按城市下钻，只要把 State 拖拽到 Detail 便可。

能够看到，遥遥领先的城市有三个，加州是销售之王。

因为尚未介绍到筛选条件，这里简略介绍一下，其实还能够将年份拖拽到筛选条件，只看 2013 年的分布图，也能够点击或圈选其中某些点选择排除某些城市。

如今须要进一步分析明细数据，将不一样商品种类按年份细分，看按月的销量，并看看这些月份的利润如何：

1. 此时须要用到高亮表格。首先将 Category 和 Order Date 拖拽到 Rows，简单的表格出现了。
2. 将 Order Date 再拖拽到 Columns，并右键将其粒度改成月。
3. 在 Show Me 中切换为 Highlight Table，从新将 Order Date（Year）拖拽回 Rows。
4. 为了展现颜色与文字，将 Profit 拖拽到 Color，Sales 拖拽到 Label。

能够看到，办公套件和科技产品业绩最好，其中办公套件在 2015 年 12 月销量利润双丰收，科技产品在 2015 年 10 月与 2016 年 3 月销量利润双丰收。总体来看前半年是淡季。

但这张图没法看到销量与利润性价比关系，咱们要找出利润率最高的商品和利润率最低的商品：

1. 将 Proft 拖拽到 Columns。
2. 将 Sub-Category 拖拽到 Rows。
3. 切换到 Horizontal Bars。
4. 将销量 Sales 拖拽到 Color。

能够明显看到 Copiers 就是性价比之王，拥有最高的利润，但销量却不是很高（颜色深度中等），而桌子是性价比最低的，利润为负，并且销量不低。

其余功能

除了上面基本可视化分析能力以外，Tableau 还有许多辅助功能。

筛选器

在按月分布的折线图中，若是咱们只想看某一年的，能够将 Order Date 拖拽到 Filters 区域，只勾选想要保留的年份：

Tablueau 这种交互等价于 Sql 中 in 语句，固然 Tablueau 还支持更复杂的条件或代码表达式，这里只是将更友好的筛选方式优先展现区来。

上卷下钻

Tableau 支持任意维度之间的上卷下钻，只要你将他们分好组。

好比将 Order Date、Order ID、Ship Date、Ship Mode 拖拽到一块儿，成为 Orders 组；将 Category、Sub-Category、Product ID Product Name 造成 Product 组：

咱们就能够将 Product 直接拖拽到画布区域，并选择矩形树图，经过点击指标上的 “+” “-” 号进行上卷或下钻：

上卷下钻是顺序相关的，好比 Product - Order Date 表示在产品类目基础上，对每一个类目按日期下钻。而 Order Date - Product 这个顺序，表示在日期分布的基础上，对日期按产品类目下钻，了解不一样日期下每一个产品的分布状况。

趋势线

为使用趋势线，先制做一个双轴图：

1. 将 Sales 与 Profit 拖拽到 Rows。
2. 将 Order Date 拖拽到 Columns 并切换到月维度。
3. 选择 Show Me 的 Dual Combination 即混合图。

点击 Analytics Tab，将 Trend Line 拖入 chart 中：

趋势图有几种算法，好比线性，Log 或指数，所以在作趋势分析前，首先要判断本身的业务属于哪一种增加阶段，若是是爆发期能够选择指数，平稳期能够选择线性等等。

预测

回到按月分布的图表，若是咱们想预测将来销量和利润的走势，可使用预测功能：

1. 切换到 Analytics Tab，并将 Forecast 拖拽到图表中。
2. 能够点击右键配置预测参数。

预测趋势有一个浅色区域，表示预测范围。

聚类

象限图的四象限是多维度综合判断的法则，然而 Tableau 支持的聚类分析能够自动作到这些：

1. 切换到 Analytics Tab，选择 Clusters。
2. 能够选择自动聚类个数，也能够手动指定个数。

从上图能够看到，指定了 4 个分类，最右上角加州就是最突出的一组，整个聚类只有它一个元素，而画面偏左下角的也是一类，这些是业绩较差的一组数据。使用了 K 均值聚类算法，而且当你点击右键查看详细星系时，还能把组间、组内方差展现出来：

仪表板

仪表板能够将多个 Sheets 内容聚合在一块儿并自由布局，但仪表板最精髓的功能是图表联动功能：

1. 点击任意图表，选择 “做为筛选条件”。

Tableau 的全部图表都支持点选，排除等操做，那么点选这类操做本质上实际上是个筛选的过程，好比柱状图点击了某根柱子，能够认为是选择了这根柱子当前的维度值做为筛选条件。

当一个 Sheet 做为筛选条件后，相似点选这种操做产生的筛选就会做用于其余同数据集的图表，所以如上图所示，当点击了条形图的某一根柱子时，上面的销量地图也自动作了筛选，仅展现当前选中的产品的销量分布。

故事

Story 更像是 PPT，将分析后有价值或有意义的图表组合在一块儿，再配合上说明，得出一些结论：

如上图所示，好比获得这家超市的大盘数据，这通常也是数据分析的最后一步，最后生成报表。

3. 总结

Tableau 的交互式分析思路印证了这句话：

数字、信息，再到理解最终才能产生 Idea。咱们从拿到 Excel 导入数据集开始，数据就已经变成了维度和度量的信息，再通过主动思考，将同一份数据进行不一样维度的展现，最终得出加州销量最好、家具销售业绩最差、而桌子是负利润的主要来源等等洞见。

经过原文对 Tablueau 功能的分析能看到，Tableau 的核心资产是具有交互式分析能力的图表，这些图表经过智能推荐的方式展现出来，能够在不知道如何分析数据时找到一些灵感，真正作到以数据角度思考，图表展现只是辅助的视觉效果。

目前国内还处于报表制做的时代，即先选择报表再配数据集，这种使用思路是展现数据优先，而不是分析数据优先，笔者认为缘由在于国内大部分作报表的业务场景都处于最末端，也就是数据洞见已经有了，再使用 BI 将这个洞见还原出来。而 BI 工具真正想作的仍是在前面 “分析洞见” 这一步，但愿数据分析师能能够经过 BI 平台挖掘出商业洞见。

要走到这一步，须要国内 BI 平台与使用 BI 的人都发展到下一阶段，而这种探索式数据分析功能早在 2012 年就在国外由 Tableau 团队实现，相信将来三年内国内必定能迎来一波探索式数据分析浪潮！

讨论地址是：精读《Tableau 入门》 · Issue #192 · dt-fe/weekly

若是你想参与讨论，请 点击这里，每周都有新的主题，周末或周一发布。前端精读 - 帮你筛选靠谱的内容。

关注 前端精读微信公众号

版权声明：自由转载-非商用-非衍生-保持署名（创意共享 3.0 许可证）