書馨卡幫你省薪 2024個人購書報告 2024中圖網(wǎng)年度報告
歡迎光臨中圖網(wǎng) 請 | 注冊
> >>
數(shù)據(jù)可視化分析(第2版):分析原理和TABLEAU、SQL實踐(全彩)

數(shù)據(jù)可視化分析(第2版):分析原理和TABLEAU、SQL實踐(全彩)

作者：喜樂君
出版社：電子工業(yè)出版社出版時間：2023-09-01
開本： 其他 頁數(shù)： 528
中 圖 價:¥124.7(6.6折) 定價  ¥189.0 登錄后可看到會員價
加入購物車 收藏
運費6元，滿39元免運費
?新疆、西藏除外
本類五星書更多>

數(shù)據(jù)可視化分析(第2版):分析原理和TABLEAU、SQL實踐(全彩) 版權(quán)信息

數(shù)據(jù)可視化分析(第2版):分析原理和TABLEAU、SQL實踐(全彩) 本書特色

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 由點及面地介紹了業(yè)務(wù)分析的思考和原理 提出了實踐性的“業(yè)務(wù)—數(shù)據(jù)—分析”層次框架 以三類“詳細級別”的概念貫通數(shù)據(jù)模型、高級篩選和高級計算三大主題

數(shù)據(jù)可視化分析(第2版):分析原理和TABLEAU、SQL實踐(全彩) 內(nèi)容簡介

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)計與高級交互、基本計算和高級計算等。 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，特別是提出了實踐性的"業(yè)務(wù)―數(shù)據(jù)―分析”層次框架，并以三類"詳細級別”的概念貫通數(shù)據(jù)模型、高級篩選和高級計算三大主題。 本書重點介紹工具應(yīng)用背后的思考方式和原理，幫助讀者建立"詳細級別”的思考框架，舉一反三，從而實現(xiàn)多維、結(jié)構(gòu)化分析。

數(shù)據(jù)可視化分析(第2版):分析原理和TABLEAU、SQL實踐(全彩) 目錄

內(nèi)容及說明 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)的機遇與挑戰(zhàn) 2 1.1 理解數(shù)據(jù)的層次及分析的價值 2 1.2 數(shù)據(jù)應(yīng)用的3個階段 4 1.2.1 初級·報表展現(xiàn)：信息的整理與固定展現(xiàn) 5 1.2.2 中級·業(yè)務(wù)分析：分析輔助決策，決策創(chuàng)造價值 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 塑造實事求是的數(shù)據(jù)文化：一切用數(shù)據(jù)說話 10 1.3.2 數(shù)字化轉(zhuǎn)型源自各個業(yè)務(wù)場景的數(shù)字化和持續(xù)進化 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)倉庫 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)級分析推進路徑：“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 明細表與聚合表：聚合的邏輯過程 42 3.2.1 業(yè)務(wù)明細表和問題聚合表：聚合的起點和終點 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 簡單問題的“三步走”方法和Tableau示例 56 3.5 聚合度和詳細級別：構(gòu)建復(fù)雜問題層次理論 58 3.5.1 數(shù)據(jù)明細表和聚合度：多個問題的基準(zhǔn)點和衡量尺度 59 3.5.2 詳細級別：不同“聚合度”問題對應(yīng)的抽象依據(jù) 60 3.5.3 結(jié)構(gòu)化分析的兩個應(yīng)用方向 62 3.5.4 關(guān)鍵概念匯總：聚合、聚合度、詳細級別、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 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、兩個合并位置 78 4.3 行級別并集、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 明細表并集與連接的異同點與局限性 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”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*詳細且有業(yè)務(wù)意義的詳細級別預(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】關(guān)系模型優(yōu)化（上）：匹配類型（基數(shù)） 106 4.4.5 【難點】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*佳實踐：業(yè)務(wù)關(guān)系模型的可視化表達 117 4.4.8 案例：圖書及銷售的數(shù)據(jù)關(guān)系模型 118 4.5 重說數(shù)據(jù)混合：編輯匹配關(guān)系和匹配詳細級別 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 高級數(shù)據(jù)混合：數(shù)據(jù)匹配詳細級別不同于主視圖 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 Extension：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)表詳細級別 134 5.1.2 字段：理解業(yè)務(wù)過程的對象并做分組分類 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 初級可視化：“三圖一表” 139 5.2.3 中級可視化：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 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 多個坐標(biāo)軸的“公共基準(zhǔn)”：度量值 160 5.4 高級分析入門：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 趨勢線與預(yù)測線 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 176 6.1.1 篩選的兩類位置：獨立篩選和“條件計算” 176 6.1.2 使用不同工具完成“獨立篩選” 177 6.2 篩選的分類方法：基于詳細級別的視角 182 6.2.1 【入門】數(shù)據(jù)表行級別的篩選：維度篩選器 183 6.2.2 【進階】指定詳細級別的聚合篩選：簡單條件和頂部篩選 186 6.2.3 【難點】指定詳細級別聚合的篩選：建立在自定義計算之上 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*新日期 196 6.3.3 參數(shù)控制：完全獨立和依賴引用 197 6.4 多個篩選的處理：交集計算和優(yōu)先級 199 6.4.1 多個篩選的基礎(chǔ)知識：數(shù)據(jù)集及運算 199 6.4.2 多個篩選的計算原則（上）：相同類型取交集 200 6.4.3 多個篩選的計算原則（下）：不同類型按優(yōu)先級計算交集 200 6.4.4 調(diào)整篩選器優(yōu)先級（上）：上下文篩選器和表計算篩選器 202 6.4.5 調(diào)整篩選器優(yōu)先級（下）：數(shù)據(jù)源篩選器和數(shù)據(jù)提取篩選器 204 6.4.6 篩選與計算的優(yōu)先級 206 6.5 集（Set）：把篩選保留下來的“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)建動態(tài)條件集 209 6.5.4 集動作：以視圖交互方式更新集成員 211 6.6 集的運算、優(yōu)先級和應(yīng)用 212 6.6.1 多個集的合并與“合并集”運算 212 6.6.2 集和篩選的關(guān)系及優(yōu)先級 215 6.6.3 集的高級應(yīng)用：控制用戶權(quán)限的“用戶篩選器” 217 6.7 中級交互：儀表板中的快速篩選、集交互 218 6.7.1 交互設(shè)計的基本分類 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”：*簡單的多表關(guān)聯(lián) 223 6.8 更多實用工具：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、進階與高級交互 230 7.1 儀表板：*重要的主題展現(xiàn)形式 230 7.1.1 儀表板設(shè)計的基本過程和常見功能 231 7.1.2 儀表板大小、布局和對象 233 7.1.3 常用的交互對象：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、高亮和頁面 252 7.4.1 突出顯示：以聚焦實現(xiàn)間接篩選 253 7.4.2 頁面輪播：快速篩選的連續(xù)疊加 255 7.5 兩類高級交互工具：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 動態(tài)參數(shù)：動態(tài)更新范圍和初始值 262 7.5.4 集控制：以控件方式手動更新集成員 264 7.6 參數(shù)動作：參數(shù)、計算和交互（Tableau 2019.2 版本） 264 7.6.1 參數(shù)動作：使用動作更新度量值 265 7.6.2 動態(tài)篩選：參數(shù)動作和計算實現(xiàn)差異化篩選 266 7.6.3 動態(tài)基準(zhǔn)分析：使用參數(shù)動作控制參考線和計算基準(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 高級交互：指定區(qū)域?qū)ο蟮膭討B(tài)可見性（Tableau 2022.3 版本） 272 7.8 高級互動的巔峰：集動作和集控制 275 7.8.1 經(jīng)典集動作：交互更新自定義集（Tableau 2018.3 版本） 276 7.8.2 集的控制與更新：賦予集以強大的靈魂 278 7.8.3 使用集完成對比分析和標(biāo)桿分析 279 7.8.4 高級互動的使用建議 282 練習(xí)題目 283 第3篇 以有限字段做無盡分析：Tableau、SQL函數(shù)和計算體系 第8章 計算的底層框架：行級別計算與聚合計算 286 8.1 計算的演進及分類：從Excel、SQL到Tableau 287 8.1.1 計算的本質(zhì)及其與業(yè)務(wù)過程的關(guān)系 287 8.1.2 以Excel理解詳細級別與計算的兩大分類 288 8.1.3 從Excel“存取一體”到“數(shù)據(jù)庫-SQL”的存取分離 292 8.1.4 集大成者Tableau：將查詢、計算和展現(xiàn)融為一體 294 8.2 計算的兩大分類：分析是聚合的抽象過程 297 8.2.1 行級別計算、聚合計算的差異和關(guān)系 297 8.2.2 從業(yè)務(wù)角度理解計算的結(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)：日期獨特性與轉(zhuǎn)換、計算 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）：正則表達式 316 8.5 分析函數(shù)：從明細到問題的“直接聚合” 318 8.5.1 描述規(guī)模：總和、計數(shù)、平均值 319 8.5.2 描述數(shù)據(jù)的波動程度：方差和標(biāo)準(zhǔn)差 320 8.5.3 關(guān)注個體，走向分布：百分位函數(shù)及*大值、*小值、中位數(shù) 322 8.5.4 ATTR屬性——針對維度字段的聚合判斷 324 8.6 通用型計算：算術(shù)函數(shù)和邏輯函數(shù) 325 8.6.1 算術(shù)運算、精度控制函數(shù) 325 8.6.2 邏輯表達式和邏輯判斷符 329 8.7 行級別計算與聚合計算的區(qū)別與結(jié)合 332 8.7.1 案例：各子類別的利潤與盈利結(jié)構(gòu)分析 332 8.7.2 復(fù)習(xí)：行級別計算和聚合計算的差異 334 8.7.3 SUMIF條件聚合：將行級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 高級分析函數(shù)：Tableau表計算/ SQL窗口函數(shù) 346 9.1 合計的兩個方法及“廣義LOD表達式” 346 9.1.1 入門：從Excel理解“合計百分比”計算的層次關(guān)系 347 9.1.2 高級分析的層次框架：數(shù)據(jù)表詳細級別和聚合度 348 9.1.3 進階：“合計百分比”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表達式”與計算的分類 354 9.2 “同/環(huán)比”偏移計算及表計算設(shè)置方法 356 9.2.1 維度作為偏移計算依據(jù)：單一維度的同比差異 356 9.2.2 包含多個維度的同比（上）：區(qū)別范圍和依據(jù) 358 9.2.3 包含多個維度的同比（下）：設(shè)置多個依據(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)：表計算的獨特性及兩種設(shè)置方法 365 9.3.1 從差異計算的兩種方法理解窗口計算的獨特性 365 9.3.2 Tableau設(shè)置范圍的兩種方法：相對/絕對方法與適用場景 368 9.4 高級分析函數(shù)之排序計算：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)對比：不同時間的電影票房對比（TC2） 374 9.4.3 凹凸圖：隨日期變化的RANK函數(shù)（TC4） 376 9.5 *重要的二次聚合函數(shù)：WINDOW（窗口）函數(shù) 380 9.5.1 合計：*簡單、常用的WINDOW（窗口）函數(shù) 381 9.5.2 累計聚合：RUNNING_SUM函數(shù)——累計汽車銷量 383 9.5.3 移動聚合：移動窗口計算函數(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 *常用的表計算：快速表計算及其附加計算 389 9.6.1 快速表計算：預(yù)置的常見表計算應(yīng)用 390 9.6.2 快速表計算的嵌套：表計算的組合（TC3） 391 9.7 表計算應(yīng)用（1）：自定義參考線、“合計利潤率” 393 9.7.1 聚合值參考線——表計算的“可視化形式” 393 9.7.2 “合計利潤率”：理解參考線對應(yīng)的表計算 394 9.7.3 【難點】理解TOTAL（合計）與WINDOW_SUM（匯總）的差異 396 9.7.4 自定義參考線及其計算：箱線圖松散化與散點圖顏色矩陣 398 9.8 表計算應(yīng)用（2）：標(biāo)桿分析——多種類型的計算組合 402 9.9 表計算應(yīng)用（3）：帕累托分布——累計、合計及嵌套 406 9.10 表計算應(yīng)用（4）：金融ANR計算——表計算高級嵌套 409 9.11 表計算篩選器：優(yōu)先級*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 表計算延伸應(yīng)用：預(yù)測建模函數(shù) 416 9.12.1 MODEL_QUANTILE預(yù)測模型 417 9.12.2 MODEL_PERCENTILE預(yù)測模型 419 練習(xí)題目 420 第10章 結(jié)構(gòu)化問題分析：LOD表達式與SQL聚合子查詢 421 10.1 業(yè)務(wù)解析：理解LOD表達式的邏輯和本質(zhì) 421 10.1.1 簡單詳細級別：“不同購買頻次的客戶數(shù)量” 421 10.1.2 多維詳細級別：“各年度、不同矩陣年度的銷售額貢獻” 424 10.2 LOD表達式的“詳細級別”及其與視圖關(guān)系 428 10.2.1 從問題詳細級別出發(fā)，理解高級問題的構(gòu)成 428 10.2.2 主視圖引用“更高聚合度”的詳細級別聚合：占比分析 429 10.2.3 主視圖引用“更低聚合度”的詳細級別之聚合：購買力分析 432 10.2.4 主視圖引用獨立詳細級別的聚合：客戶矩陣分析 433 10.3 相對指定的LOD表達式及運算優(yōu)先級 435 10.3.1 絕對指定和相對指定的LOD表達式 435 10.3.2 INCLUDE LOD引用更低聚合級別的聚合及優(yōu)先級 437 10.3.3 EXCLUDE LOD引用更高聚合級別的聚合，以及優(yōu)先級對比 439 10.4 超越LOD：計算的詳細級別體系及其優(yōu)先級 441 10.4.1 不同計算類型的應(yīng)用場景與作用 442 10.4.2 層次分析法：理解計算的運算邏輯及其組合形式 443 10.4.3 Tableau計算、篩選、數(shù)據(jù)關(guān)系的優(yōu)先級 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：高級問題分析的4個步驟 446 10.5.2 LOD多遍聚合：客戶購買力分析的嵌套LOD計算 447 10.5.3 嵌套LOD的語法和SQL表示 452 10.6 客戶分析專題：客戶RFM相關(guān)案例分析 454 10.6.1 客戶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：客戶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“客戶獲客時間”相關(guān)的分析案例 461 10.6.5 復(fù)購間隔：行級別計算和LOD計算的結(jié)合 464 10.6.6 客戶留存分析：LOD表達式、表計算的結(jié)合 465 10.6.7 客戶矩陣分析：客戶價值分類 468 10.7 產(chǎn)品分析高級專題：購物籃分析的多個角度 470 10.7.1 購物籃比率：任意子類別相對于所有訂單的比率 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“引用詳細級別” 475 10.8 總結(jié)：高級計算的*佳實踐 480 10.8.1 問題的3大構(gòu)成與計算的4種類型 480 10.8.2 如何選擇計算類型 482 練習(xí)題目 484 第11章 從數(shù)據(jù)管理到數(shù)據(jù)倉庫：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)訪問增加行級別權(quán)限 495 11.2 從數(shù)據(jù)管理（DM）到數(shù)據(jù)倉庫（DW） 499 11.2.1 數(shù)據(jù)倉庫是數(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)倉庫的邏輯分層 502 11.3 ETL：數(shù)據(jù)倉庫中的數(shù)據(jù)處理 504 11.3.1 敏捷ETL工具Prep Builder簡介 504 11.3.2 敏捷ETL工具對數(shù)據(jù)分析的影響 505 11.4 建議：視Tableau為DW/BI平臺 506 參考資料 507
展開全部

數(shù)據(jù)可視化分析(第2版):分析原理和TABLEAU、SQL實踐(全彩) 相關(guān)資料

當(dāng)前，數(shù)據(jù)分析早已不再是少數(shù)人的專屬領(lǐng)域。隨著各種可視化技術(shù)和工具的興起，非技術(shù)用戶也可以通過簡單易用的方式進行數(shù)據(jù)探索和分析，以發(fā)現(xiàn)其中蘊含的商業(yè)價值。 很高興看到本書的及時出版。它是喜樂君在廣泛實踐的基礎(chǔ)上深度思考、總結(jié)和再實踐而得來的知識結(jié)晶，深入淺出地剖析了商業(yè)智能和數(shù)據(jù)分析的方法論。在直面數(shù)字化轉(zhuǎn)型機遇和挑戰(zhàn)的當(dāng)下，我們相信它定會促進可視分析的普及和數(shù)據(jù)思維的推廣。 ——浙江大學(xué)“求是”特聘教授 陳為 數(shù)字化轉(zhuǎn)型帶來的是海量的數(shù)據(jù)。如何面對、如何處理、如何通過數(shù)據(jù)驅(qū)動業(yè)務(wù)成功，就成為“后數(shù)字化轉(zhuǎn)型時代”的一個話題。此時此刻，我們需要這樣一個工具，既如“顯微鏡”一樣讓我們看清業(yè)務(wù)的微觀過程，又如“望遠鏡”一樣讓我們探索抽象的業(yè)務(wù)世界。 ——中國一汽體系數(shù)字化部總經(jīng)理 門欣 越來越多的人意識到，數(shù)據(jù)是企業(yè)的關(guān)鍵資產(chǎn)；數(shù)據(jù)化經(jīng)營，用數(shù)據(jù)驅(qū)動代替經(jīng)驗驅(qū)動，是企業(yè)競爭成敗的關(guān)鍵。這幾年來，我們在全公司推廣數(shù)據(jù)化經(jīng)營，通過數(shù)字化人才能力培養(yǎng)、數(shù)據(jù)管理和敏捷分析工具的建設(shè)，提升全員數(shù)據(jù)經(jīng)營的能力和意識，實現(xiàn)多用戶、多場景的規(guī)；瘍r值，助力公司降本增效。 特別感謝喜樂君老師對我們復(fù)合型數(shù)字化人才體系培訓(xùn)的大力支持。 ——陸金所控股有限公司財務(wù)部總經(jīng)理 杜建國 傳統(tǒng)生產(chǎn)制造型企業(yè)一直面臨著信息化、自動化、數(shù)字化、智能化的多重挑戰(zhàn)與機遇，歸根結(jié)底，是考驗企業(yè)業(yè)務(wù)能否全面在線、部門橫向協(xié)調(diào)是否貫通、數(shù)據(jù)能否賦能決策、流程可否持續(xù)優(yōu)化。 借助于Tableau卓越的分析框架和敏捷能力，過去幾年，哈克過濾科技實現(xiàn)了銷售、生產(chǎn)數(shù)據(jù)的“上下貫通”，實現(xiàn)了考核指標(biāo)自動跟蹤；效率的大幅提升，堅定了公司業(yè)務(wù)與數(shù)據(jù)融合、數(shù)據(jù)與流程互補的信心。喜樂君的系列圖書和課程，則為公司的數(shù)字化轉(zhuǎn)型補上了“員工能力培養(yǎng)”和“前瞻性的市場預(yù)測”的關(guān)鍵一環(huán)。 ——上海哈克過濾科技股份有限公司董事長 朱乃峰 數(shù)字時代要求人們掌握大數(shù)據(jù)工具；反過來，大數(shù)據(jù)工具要求使用人員具備數(shù)據(jù)素養(yǎng)。 從初識Tableau的驚艷，到以敏捷BI分析為導(dǎo)向推進數(shù)字化轉(zhuǎn)型，海南航空同時經(jīng)歷著數(shù)字化轉(zhuǎn)型的欣喜和陣痛。在取得開創(chuàng)性成果的同時，也發(fā)覺體系化的、本土化的方法論和工具體系才是關(guān)鍵。 不管是工具的使用技巧，還是人員數(shù)據(jù)素養(yǎng)的提升路徑，喜樂君均提供了結(jié)構(gòu)化、易理解、操作性極強的方法論，是助力個人、企業(yè)在數(shù)字時代獲得成功的優(yōu)秀解決方案。 ——海南航空總裁助理 邱曾維 每一次捧起喜樂君的書，細細品味那優(yōu)雅的文筆、深入淺出的表述，再結(jié)合業(yè)務(wù)的問題和痛點，以及娓娓道來背后的原理和脈絡(luò)，總讓我醍醐灌頂、豁然開朗，充斥著一種暢快淋漓的感覺。 作為高管和數(shù)字化轉(zhuǎn)型的實踐者，我和喜樂君都提倡建立“一種探究而不是鼓吹的文化”，這敦促每一個管理者要“越過肩膀看問題”，以一種正確的文化基調(diào)，向公司里那些聰明的分析師問同樣聰明的問題——關(guān)于他們的模型和假設(shè)，而不是試圖讓分析結(jié)果取悅領(lǐng)導(dǎo)者。將想法與人區(qū)分開來，并堅持要有嚴(yán)格的證據(jù)來細分這些想法。這個數(shù)據(jù)驅(qū)動的過程，往往更能激勵優(yōu)秀員工去掌握和利用數(shù)據(jù)，迸發(fā)出巨大的力量，讓員工從迷茫中脫穎而出。 不管你正身處數(shù)據(jù)分析領(lǐng)域，還是打算投身這一時代大潮，喜樂君的書都是值得反復(fù)閱讀的。期待Tableau和本書能為你構(gòu)建職業(yè)上強有力的競爭優(yōu)勢。 ——上海凱敖智科技有限公司創(chuàng)始合伙人 劉璺 （2021年大中華區(qū)Tableau Live開場主題演講嘉賓） 業(yè)務(wù)數(shù)字化發(fā)展必然導(dǎo)致傳統(tǒng)審計向數(shù)字化轉(zhuǎn)型，Tableau強大的數(shù)據(jù)分析與儀表展示功能為數(shù)字化審計提供了專業(yè)支持，喜樂君在光伏領(lǐng)域的數(shù)字化審計建設(shè)過程中貢獻了寶貴經(jīng)驗，在此深表謝意。 ——天合光能審計監(jiān)察部 李梅軒 面對常態(tài)的經(jīng)濟態(tài)勢，大家對于未來的期待都越發(fā)理性，更多的人聚焦在如何“敏捷”地抓住不確定性中的確定性機會。而“現(xiàn)代化BI”在某種程度上就是“敏捷分析”的代名詞。從這點來說，喜樂君在敏捷分析方面的深度實戰(zhàn)與方法論，正在迎來一個美麗的春天。 本書可以指導(dǎo)實際操作，但又遠不止于此，通過一手有溫度的案例，與作者全程陪伴的啟發(fā)思考，本書系統(tǒng)性地回答了敏捷決策的3個核心問題：如何從業(yè)務(wù)出發(fā)？如何以問題為導(dǎo)向？如何用數(shù)據(jù)驅(qū)動決策閉環(huán)？這與我們所倡導(dǎo)的“讓業(yè)務(wù)用起來”的數(shù)據(jù)理念不謀而合，也幫助我們豐富了很多認(rèn)知，感謝喜樂君。誠意將本書介紹給熱愛數(shù)據(jù)分析的朋友，以及所有追求敏捷進化的組織。 ——觀遠軟件創(chuàng)始人兼CEO 蘇春園

數(shù)據(jù)可視化分析(第2版):分析原理和TABLEAU、SQL實踐(全彩) 作者簡介

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“碩士研究生國家獎學(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”。

商品評論(0條)
暫無評論……
書友推薦
編輯推薦
返回頂部
中圖網(wǎng)
在線客服