业务可视化分析 从问题到图形的Tableau方法

"从业务视角出发，总结了不同阶段的代表性工具（Excel、SQL、Tableau）背后的共同点和差异，总结了“样本范围、问题描述和问题答案”的分析方法，并借助“层次”的概念与高级计算、结构化分析前后关联，为业务用户走向高级分析指明了一条鲜明的道路。 在层次分析的基础上，把可视化分析分为结果分析、特征分析和结构化分析3 个阶段，借助Tableau 字段维度和问题层次的概念，精彩地阐述了“大数据分析是多维度、结构化分析”的观点。 《业务可视化分析： 从问题到图形的Tableau方法》从问题出发阐述图形，而非为了图形讲解图形，其中讲解了很多具有启发性的案例，比如从绝对坐标轴到相对坐标轴的转化、文本表的修饰等。"

对广大的业务分析师而言，业务分析（或者称为商业分析）应该从业务和问题出发，可视化是实现的方法，辅助决策是最终的目的。本书以业务分析为起点，介绍了“样本范围、问题描述和问题答案”的解析方法，以及聚合过程、连续与离散的字段分类，共同作为业务分析、可视化分析的理论基础。本书借助敏捷BI工具Tableau，详细介绍了7种基本问题类型（排序、时序、占比、文本、分布、相关性、地理）及其对应的基本图形，并介绍了基于标记、坐标轴、参考线、计算的增强分析方法。本书的目的是让读者从“三图一表”的结果分析，经由分布和相关性的特征分析，走向业务分析中的关键领域――多个问题的结构化分析。

第1篇从业务和问题出发的可视化体系
第1章我的故事：业务分析需要可视化2
1.1生活/工作面前，我们都一样.2
1.2带着问题启程6
第2章奠基：业务可视化分析的价值.7
2.1古往今来，分析的终极目的是辅助决策7
2.2决策：获得信息、做出判断10
2.3简单可视化：帮助领导更快地获得信息11
2.4交互可视化：可视化是假设验证的工具14
2.5高级可视化：分布、相关性分析与结构化分析16
2.6Tableau：敏捷BI助力决策分析18
第3章地平线：问题分析的方法与数据基础.20
3.1问题的结构化分析与“第一字段分类”21
3.2分析的动态过程：聚合是本质23
3.2.1Excel数据透视表：拖曳即聚合23
3.2.2SQL的聚合查询：窗口式查询24
3.2.3TableauVizQL可视化聚合查询.26
3.3行级别明细数据是聚合的起点，是分析的原料27
3.3.1数据表中包含的数据常识：数据类型与分类.27
3.3.2理解数据表行级别的业务逻辑及其专享性.34
3.3.3聚合度是以数据表行级别为基准点的、衡量问题层次高低的尺度.37
3.4直接聚合：基于行级别的直接聚合类型40
3.4.1描述规模：总和、平均值、计数.40
3.4.2描述数据的波动程度：方差和标准差.41
3.4.3关注个体、走向分布：百分位函数及优选值、最小值、中位数.44
3.5从数据到问题的关键：“第三字段分类”47
3.5.1第三字段分类：行级别计算与聚合计算.47
3.5.2理解聚合计算中的典型代表：“比值聚合”.49
3.6间接聚合：基于视图聚合的二次聚合50
3.6.1“复杂问题”的两个方向特征.50
3.6.2基于直接聚合的二次聚合：大数据的OLAP分析51
3.7从问题分析视角看数据分析的发展阶段57
3.7.1小数据时代的多角度明细展示.57
3.7.2数据统计时代的聚合汇总57
3.7.3大数据时代的结构化分析58
第4章启程：可视化构建方法与扩展路径60
4.1从聚合到图形：第二字段分类与图形构成要素60
4.1.1可视化坐标空间：坐标系与坐标轴.62
4.1.2“第二字段分类”与坐标轴.63
4.1.3可视化视觉模式与图形类型.70
4.1.4可视化的意义描述74
4.27种主要的问题类型及其主要图形.75
4.2.1传统三大图及其局限性76
4.2.2文本表：侧重度量指标的高密度展现.78
4.2.3分布分析的三大典型图形78
4.2.4相关性：散点图与双轴折线图.82
4.2.5地理位置可视化83
4.3从基本问题类型到复杂图形的延伸方法综述85
4.3.1从问题分析到图形增强分析的完整路径.85
4.3.2基于行列的空间扩展：分区与矩阵.86
4.3.3基于标记的增强分析：分层绘制方法.89
4.3.4基于坐标轴的扩展：双轴、同步与多轴的合并处理.96
4.3.5基于参考线的扩展：增加视图聚合的二次聚合.97
第2篇问题的7种基本类型与可视化方法
第5章从问题到图形的可视化逻辑.102
5.1从问题到图形的启蒙与进化102
5.1.1《用图表说话》中的三步走方法.102
5.1.2“问题的字段解析方法”与基本问题类型.103
5.2可视化图形分类方法与可视化过程105
5.2.1FT可视化词典.105
5.2.2DataPoints中的数据可视化过程107
5.2.3Abela的“图形推荐”逻辑108
5.2.4面向IT的Echarts分类与Tableau.109
第6章排序与对比（部分与部分）.111
6.1基本条形图与多个离散维度条形图111
6.1.1并排条形图（side-by-sidebar）：离散字段并排构成分区.112
6.1.2条形图矩阵：离散字段交叉构成矩阵.113
6.1.3矩阵实例：日历矩阵条形图.114
6.1.4堆叠条形图：你喜欢喝什么咖啡.116
6.1.5比例条形图：把堆叠条形图转化为占比分析.118
6.2包含多个度量坐标轴的条形图119
6.2.1字段重要性递减的多种布局方式.119
6.2.2考虑字段关系的双轴布局方式.120
6.2.3并排条形图：多个绝对值度量字段的对比.122
6.2.4重叠条形图：多个绝对值度量字段的包含关系.124
6.3字段类型和属性对可视化的影响125
6.3.1字段类型和属性对颜色的影响.125
6.3.2“绝对值”与比值：字段属性对标记选择的影响.127
6.4坐标轴的调整与组合128
6.4.1默认零点：除非必要，谨慎更改.129
6.4.2坐标轴“倒序”：有些数据越大越差.129
6.4.3绝对值刻度与百分位刻度130
6.4.4从“等距坐标轴”到“不等距坐标轴”.131
6.4.5棒棒糖图：虚拟双轴132
6.5以条形图为底色的进阶与高级图形133
6.5.1靶心图：在排序基础上增加对比关系.133
6.5.2“进度条”：展示单一对比关系的条形图变种.135
6.5.3结构化分析实例：条形图的“高级化”.138
第7章时间序列与序列相关性140
7.1时间序列的构成140
7.2折线图的多种延伸形式141
7.2.1时间的层次与连续/离散属性.141
7.2.2并排折线图和矩阵折线图143
7.2.4多维度折线图、堆叠面积图、百分比堆叠面积图.144
7.2.3包含时序的柱状图与结构化分析.147
7.3包含多个度量的时间序列149
7.3.1时间序列中的双轴与柱状图.149
7.3.2双轴的改变：柱状图与折线图的结合.150
7.3.3基于公共基准的多轴合并151
7.4时间序列与条形图的结合：甘特图及其变种152
7.4.1标准甘特图：沿着连续日期延伸.152
7.4.2股票蜡烛图：两个甘特图的重叠.154
7.4.3跨度图：“伪装的甘特图样式”.155
7.4.4阶梯图：以阶梯方式表达“跨度”.157
7.5日期的高级转化：绝对日期与相对日期159
7.5.1原理：何为绝对和相对时间轴.159
7.5.2“公共基准”案例：产品在不同时间段的业绩对比.160
7.5.3“公共基准”案例：客户复购分析.163
7.6时序分析中度量的处理与高级图形166
7.6.1聚合度量的累计汇总处理166
7.6.2绝对值与同比双轴图：同比或环比的比率.167
7.6.3排序图：绝对值转化为相对排序.168
7.6.4高级案例：地平线图――借助高级计算处理度量.170
7.7坡面图：次序字段的前后变化174
7.8在趋势中增加对比关系：双折线增加阴影区175
第8章占比（部分与总体占比）.179
8.1占比问题类型与饼图179
8.2树状图：占比与层次关系181
8.3初级：饼图作为辅助图形查看结构184
8.4中级：结合计算自定义分组及其占比186
8.4.1行级别分组：使用组和行级别计算自定义分组.186
8.4.2特定层次的分组：使用集和高级计算动态分组.187
8.5中级：使用多种方法展示类别的占比189
8.5.1方法一：使用“隐藏”功能分析单一类别占比.189
8.5.2方法二：使用“行级别计算”分析单一类别占比.190
8.5.3方法三：使用“筛选和高级计算”分析单一类别占比.191
8.6高级图形：环形图、旭日图、南丁格尔玫瑰图192
8.6.1环形图：最简单的双层次结构.192
8.6.2旭日图：双层占比193
8.6.3南丁格尔玫瑰图及个人建议.194
第9章文本表及其延伸形式196
9.1文本表的关键场景：优选聚合与“总分结构”196
9.2交叉表的优势与推荐场景198
9.3让交叉表更实用：增加可视化修饰的方法200
9.3.1典型交叉表的样式与说明200
9.3.2简易法：基于度量名称的颜色修饰.201
9.3.3简易法：基于单一度量的突出显示表.203
9.3.4高级法：基于坐标轴和标记的“文本自定义”.204
9.3.5高级法：使用自定义字段逻辑控制形状或其他.208
9.4让简单丰富起来：善用工具提示与仪表板互动209
9.5文字云与气泡图：不常使用和不推荐的图形211
9.6总结：用好“三图一表”，展开业务面纱212
第10章大数据的关键：超越个体、走向分布.214
10.1从个体分析到分布分析214
10.2直方图：分布分析第一图215
10.2.1简单直方图：使用数据桶（bin）在数据表行级别创建直方图216
10.2.2高级直方图：使用高级聚合计算和数据桶生成直方图区间.217
10.2.3基于RFM模型的客户分布分析219
10.3箱线图：离散分布与异常发现221
10.4帕累托图：特殊的头部集中分布222
10.4.1横轴百分位处理：将离散维度序列转化为连续百分位坐标轴.224
10.4.2纵轴累计百分比处理：连续度量的百分位转化.224
10.4.3空间分类处理：帕累托图的颜色分类和互动筛选.225
10.5自定义分布分析：参考线与参考分布模型227
10.5.1使用多条“百分比”参考线构建区间.228
10.5.2自定义百分位分布区间229
10.5.3分位数分布区间230
10.5.4标准差分布与“质量控制图”和“六西格玛区间”.230
第11章超越经验，走向探索：广义相关性分析.234
11.1散点图与参考分区：波士顿矩阵234
11.2中级：散点图矩阵和“散点图松散化”237
11.3高级：用皮尔逊系数生成相关值矩阵241
11.4层次关系：多个维度字段之间的结构关系.244
11.5次序字段的流向分析：漏斗图和桑基图247
11.5.1漏斗图（上）：基于次序字段的变化.247
11.5.2漏斗图（下）：基于度量值的变化.250
11.5.3桑基图：多阶段的流向变化（简要）.252
11.6瀑布图：多个数值的依赖关系253
11.7雷达图：多角度的综合关系256
11.8相关性或因果关系：基于空间的流行病学案例.259
第12章特殊的分布：地理空间分析.264
12.1地理空间和地理图层264
12.2点图与热力图：地理空间分布265
12.3符号地图与填充地图267
12.4自定义地理空间与空间矩阵270
12.4.1为数据点增加缓冲区270
12.4.2自定义地理空间：“化学元素周期表”.271
12.4.3高级案例：使用表计算自定义空间矩阵.272
12.5路径地图：两种数据结构，两种绘制方式274
12.6地理空间图形的说明275
第3篇超越：从可视化分析走向结构化洞察
第13章样本控制与假设验证：交互.279
13.1在Excel、SQL、Tableau中构建分析样本.279
13.1.1Excel与SQL中的静态筛选.279
13.1.2在Tableau中创建筛选的基本方法281
13.2样本控制的形式与归类282
13.2.1快速筛选器的常见形式与优先级.282
13.2.2关联筛选器和共用筛选器285
13.3基于中间变量的高级样本控制286
13.4样本控制的高级形式：指定层次的条件筛选289
13.4.1指定层次条件筛选的3种方式.289
13.4.2购物篮关联分析的样本解读――量化筛选条件.290
13.5性能：逻辑计算位置对筛选的影响293
13.5.1筛选的本质与筛选的标准位置.293
13.5.2在聚合过程中间接筛选的“非标准操作”及其代价.295
13.5.3不同筛选方法的高级分类与适用场景.296
第14章从表象到本质：结构化分析是业务可视化分析的灵魂.299
14.1结构化分析是通往业务探索的必由之路299
14.1.1结构化分析是业务复杂性的要求.300
14.1.2结构化分析的基本形式301
14.2可视化分析中常见的层次及其组合关系303
14.2.1行级别层次、问题层次及聚合度.303
14.2.2结构化分析的基本类型305
14.3结构化分析的几种典型场景和案例305
14.3.1交易的利润结构分析：主视图引入行级别层次的聚合.305
14.3.2客户的利润结构分析：主视图引入更低层次的聚合.307
14.3.3客户矩阵分析：当前视图层次引入独立层次的聚合.309
14.3.4环形图：当前视图层次引入更高聚合度层次的聚合.310
14.4结构化分析的高级形式：嵌套LOD的多遍聚合313
14.4.1客户购买力：使用嵌套LOD完成多遍聚合.313
14.5通用的层次分析方法316
14.5.1结构化分析与“问题结构”.316
14.5.2层次分析的4个步骤317
14.6和结构化分析相反的“努力”方法318
14.6.1“形式大于内容”的图形318
14.6.2缺乏代表性和意义的指标321
14.6.3缺乏互动性的图表321
14.6.4不符合直觉的设计322
第15章归来：成为优秀的业务分析师的个人建议.323
15.1好奇、探索和持续学习的欲望，是前进的源泉323
15.2学习理解原理，方能举一反三、事半功倍324
15.3深入理解业务，方能立于不败之地325
15.4分析要从明细开始，过度整理会远离真相326
15.6循序渐进，不要好高骛远328
后记＆参考资料.330