數據可視化分析:分析原理和 Tableau、SQL 實踐, 2/e (全彩)
喜樂君
- 出版商: 電子工業
- 出版日期: 2023-09-01
- 售價: $1,134
- 貴賓價: 9.5 折 $1,077
- 語言: 簡體中文
- 頁數: 528
- ISBN: 7121461722
- ISBN-13: 9787121461729
-
相關分類:
SQL、Data-visualization
立即出貨 (庫存 < 4)
買這商品的人也買了...
-
$454大話數據分析 — Tableau 數據可視化實戰
-
$600$468 -
$680$537 -
$880$695 -
$600$468 -
$774$735 -
$880$695 -
$450$338 -
$630$498 -
$396跨數據中心機器學習:賦能多雲智能數算融合
-
$880$695 -
$599$569 -
$539$512 -
$479$455 -
$1,134$1,077 -
$1,548$1,471 -
$1,750$1,663 -
$680$537 -
$600$468 -
$408LangChain 簡明講義:從0到1建構 LLM 應用程式
-
$680$530 -
$780$608 -
$880$695 -
$680$537 -
$2,033$1,926
相關主題
商品描述
本書以敏捷分析工具Tableau為基礎,部分章節輔以SQL講解,系統介紹了數據可視化分析的體系和方法,內容涵蓋問題分析方法、數據合並和建模、可視化圖形的選擇和構建、多種交互方式及其組合、儀表板設計與高級交互、基本計算和高級計算等。 本書以Tableau Desktop的應用為中心,借工具講解原理,以原理深化工具應用,並由點及面地介紹了業務分析的思考和原理,特別是提出了實踐性的"業務—數據—分析”層次框架,並以三類"詳細級別”的概念貫通數據模型、高級篩選和高級計算三大主題。 本書重點介紹工具應用背後的思考方式和原理,幫助讀者建立"詳細級別”的思考框架,舉一反三,從而實現多維、結構化分析。
目錄大綱
目錄
內容及說明 XVIII
第1篇 奠基:數字化轉型與業務分析原理
第1章 數字化轉型:21世紀的機遇與挑戰 2
1.1 理解數據的層次及分析的價值 2
1.2 數據應用的3個階段 4
1.2.1 初級·報表展現:信息的整理與固定展現 5
1.2.2 中級·業務分析:分析輔助決策,決策創造價值 7
1.2.3 終極·智能商業:大數據重塑商業模式 8
1.3 數字化轉型到底“轉”什麽 10
1.3.1 塑造實事求是的數據文化:一切用數據說話 10
1.3.2 數字化轉型源自各個業務場景的數字化和持續進化 12
1.3.3 業務和技術兼備的卓越中心和分析型人才 13
1.3.4 統一並持續優化分析方法論,提高分析效率和準確性 15
參考資料 18
第2章 “業務—數據—分析”體系與企業數據地圖 19
2.1 “業務—數據—分析”體系:BDA分析框架 19
2.1.1 分析層:指標體系建設和分析儀表板 21
2.1.2 數據層:數據管理與數據倉庫 22
2.1.3 業務層:業務流程與“業務在線化” 23
2.2 建立全局視角:企業數據地圖 24
2.3 兩種企業級分析推進路徑:“自上而下”與“自下而上” 26
2.3.1 自下而上:從數據出發的分析之路 26
2.3.2 自上而下:從問題和指標出發的分析之路 27
2.4 可視化是大數據分析的橋梁和媒介 28
2.4.1 數字、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:大數據敏捷業務分析的“代表作” 32
參考資料 34
第3章 業務可視化分析:關鍵概念與方法論 35
3.1 解析問題結構、理解聚合過程和指標 35
3.1.1 問題的結構及其相互關系 36
3.1.2 聚合是問題分析的本質 38
3.1.3 基於聚合的字段分類:維度描述問題,度量回答問題 40
3.1.4 指標是聚合度量的業務形態 41
3.2 明細表與聚合表:聚合的邏輯過程 42
3.2.1 業務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:數據表的抽象類型 45
3.2.3 字段的數據類型:數據表字段的抽象類型 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 可視化背後的數據類型:連續和離散 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:構建復雜問題層次理論 58
3.5.1 數據明細表和聚合度:多個問題的基準點和衡量尺度 59
3.5.2 詳細級別:不同“聚合度”問題對應的抽象依據 60
3.5.3 結構化分析的兩個應用方向 62
3.5.4 關鍵概念匯總:聚合、聚合度、詳細級別、顆粒度 64
參考資料 66
練習題目 66
第2篇 數據準備、可視化、交互設計
第4章 數據合並與關系模型(Tableau/SQL) 68
4.1 概論:數據合並與連接數據源 69
4.1.1 理解數據合並、數據模型的重要性 69
4.1.2 數據合並和數據模型的相關概念 71
4.2 數據合並的分類矩陣與數據模型案例 72
4.2.1 “所見即所得”的行級別數據合並:Union和Join 72
4.2.2 Excel的局限:基於數據透視表的數據合並 74
4.2.3 Tableau數據混合初探,在聚合後完成連接 76
4.2.4 數據合並分類矩陣:兩種合並方法、兩個合並位置 78
4.3 行級別並集、連接與TABLEAU/SQL方法 81
4.3.1 數據並集 81
4.3.2 數據連接:連接條件與連接方式 84
4.3.3 高級連接的形式:僅左側連接、交叉連接與“自連接” 89
4.3.4 明細表並集與連接的異同點與局限性 93
4.4 從數據關系匹配到關系模型 96
4.4.1 “臨時”數據關系:基於問題層次創建數據關系匹配 96
4.4.2 數據模型:在最詳細且有業務意義的詳細級別預先構建數據關系 98
4.4.3 【關鍵】層次分析方法:從數據合並到數據關系模型 100
4.4.4 【難點】關系模型優化(上):匹配類型(基數) 106
4.4.5 【難點】關系模型優化(下):匹配範圍(引用完整性) 111
4.4.6 共享維度表:從雪花模型到網狀模型 116
4.4.7 通往最佳實踐:業務關系模型的可視化表達 117
4.4.8 案例:圖書及銷售的數據關系模型 118
4.5 重說數據混合:編輯匹配關系和匹配詳細級別 120
4.5.1 數據混合設置:自定義混合條件和自定義匹配字段 121
4.5.2 高級數據混合:數據匹配詳細級別不同於主視圖 123
4.6 不同數據合並類型的相互影響 127
4.7 TABLEAU與SQL/PYTHON的結合 128
4.7.1 Tableau和SQL的結合 128
4.7.2 SQL中的連接 129
4.7.3 Tableau Table Extensions:給數據源插上“算法之翼”(Tableau 2022.3+版本) 132
參考資料 133
練習題目 133
第5章 可視化分析與探索 134
5.1 數據準備:理解業務過程與整理數據字段 134
5.1.1 數據表:理解業務過程及數據表詳細級別 134
5.1.2 字段:理解業務過程的對象並做分組分類 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:分佈分析、相關性分析 143
5.2.4 地理位置可視化 148
5.2.5 數據圖像角色可視化(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 多個坐標軸的“公共基準”:度量值 160
5.4 高級分析入門:參考線與參考區間 161
5.4.1 參考線的創建及其組合 161
5.4.2 標準甘特圖和標靶圖:條形圖與參考線的兩種結合方式 163
5.4.3 參考區間 166
5.4.4 置信區間模型 167
5.4.5 趨勢線與預測線 168
5.4.6 群集 169
5.5 格式設置:必要調整,但不要過度 170
5.5.1 常見的設置格式工具欄 170
5.5.2 設置“標簽”格式,自定義文本表 171
5.5.3 工具提示的格式設置、交互和“畫中畫” 172
5.5.4 其他常用小技巧 173
參考資料 175
練習題目 175
第6章 Tableau/SQL篩選與集操作 176
6.1 理解不同工具背後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:基於詳細級別的視角 182
6.2.1 【入門】數據表行級別的篩選: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 篩選範圍的交互方法:快速篩選和參數控制 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:默認篩選到最新日期 196
6.3.3 參數控制:完全獨立和依賴引用 197
6.4 多個篩選的處理:交集計算和優先級 199
6.4.1 多個篩選的基礎知識:數據集及運算 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):不同類型按優先級計算交集 200
6.4.4 調整篩選器優先級(上):上下文篩選器和表計算篩選器 202
6.4.5 調整篩選器優先級(下):數據源篩選器和數據提取篩選器 204
6.4.6 篩選與計算的優先級 206
6.5 集(SET):把篩選保留下來的“神奇容器” 207
6.5.1 創建自定義集及集的本質 207
6.5.2 自定義集內成員:“集控制”(Tableau 2020.2+版本) 209
6.5.3 創建動態條件集 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、優先級和應用 212
6.6.1 多個集的合並與“合並集”運算 212
6.6.2 集和篩選的關系及優先級 215
6.6.3 集的高級應用:控制用戶權限的“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 交互設計的基本分類 218
6.7.2 “以圖篩圖”:儀表板中的多表快速關聯篩選 218
6.7.3 共享篩選器、集和參數:典型的儀表板交互 220
6.7.4 工具提示“畫中畫”:最簡單的多表關聯 223
6.8 更多實用工具:分組、數據桶、分層結構、排序 224
6.8.1 作為數據準備的“組” 224
6.8.2 分層結構鑽取分析與僅顯示相關值 225
6.8.3 排序:對離散字段的數據值排序 226
參考資料 228
練習題目 228
第7章 儀表板設計、進階與高級交互 230
7.1 儀表板:最重要的主題展現形式 230
7.1.1 儀表板設計的基本過程和常見功能 231
7.1.2 儀表板大小、佈局和對象 233
7.1.3 常用的交互對象:隱藏按鈕、導航按鈕 237
7.1.4 儀表板佈局中的分層結構 239
7.1.5 跨設備類型的儀表板適配 240
7.2 故事:以數據故事敘事、探索 241
7.2.1 故事及其基本設置 241
7.2.2 故事的闡述方式 242
7.3 儀表板進階:指標、初始模板、性能優化與“數據指南” 243
7.3.1 指標:聚焦儀表板關鍵度量 244
7.3.2 初始模板:專家分析模板加速分析 246
7.3.3 發布工作簿和“工作簿優化器” 247
7.3.4 數據指南(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:以聚焦實現間接篩選 253
7.4.2 頁面輪播:快速篩選的連續疊加 255
7.5 兩類高級交互工具:參數、集交互 257
7.5.1 關鍵原理:參數、集的共同點和差異 257
7.5.2 參數與邏輯判斷結合:切換視圖度量 260
7.5.3 動態參數:動態更新範圍和初始值 262
7.5.4 集控制:以控件方式手動更新集成員 264
7.6 參數動作:參數、計算和交互(TABLEAU 2019.2+版本) 264
7.6.1 參數動作:使用動作更新度量值 265
7.6.2 動態篩選:參數動作和計算實現差異化篩選 266
7.6.3 動態基準分析:使用參數動作控制參考線和計算基準 268
7.6.4 自定義分層結構:使用參數展開指定的類別 270
7.7 高級交互:指定區域對象的動態可見性(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桿分析 279
7.8.4 高級互動的使用建議 282
練習題目 283
第3篇 以有限字段做無盡分析:Tableau、SQL函數和計算體系
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 計算的本質及其與業務過程的關系 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“數據庫-SQL”的存取分離 292
8.1.4 集大成者Tableau:將查詢、計算和展現融為一體 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系 297
8.2.2 從業務角度理解計算的結果:業務字段VS分析字段 300
8.3 數據準備類函數(上):字符串函數、日期函數 302
8.3.1 字符串函數:截取、查找替換等清理函數 302
8.3.2 日期函數:日期獨特性與轉換、計算 306
8.3.3 數據類型轉換函數 315
8.4 數據準備類函數(下):正則表達式 316
8.5 分析函數:從明細到問題的“直接聚合” 318
8.5.1 描述規模:總和、計數、平均值 319
8.5.2 描述數據的波動程度:方差和標準差 320
8.5.3 關註個體,走向分佈:百分位函數及最大值、最小值、中位數 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:算術函數和邏輯函數 325
8.6.1 算術運算、精度控制函數 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別與結合 332
8.7.1 實例:各子類別的利潤與盈利結構分析 332
8.7.2 復習: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” 338
參考資料 345
練習題目 345
第9章 高級分析函數:Tableau表計算/ SQL窗口函數 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”計算的層次關系 347
9.1.2 高級分析的層次框架:數據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,讓業務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/環比”偏移計算及表計算設置方法 356
9.2.1 維度作為偏移計算依據:單一維度的同比差異 356
9.2.2 包含多個維度的同比(上):區別範圍和依據 358
9.2.3 包含多個維度的同比(下):設置多個依據 360
9.2.4 SQL窗口函數:偏移類窗口函數案例介紹 361
9.3 小結:表計算的獨特性及兩種設置方法 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設置範圍的兩種方法: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(TC4) 376
9.5 最重要的二次聚合函數:WINDOW(窗口)函數 380
9.5.1 合計:最簡單、常用的WINDOW(窗口)函數 381
9.5.2 累計聚合:RUNNING_SUM函數——累計汽車銷量 383
9.5.3 移動聚合:移動窗口計算函數MOVING AVG 385
9.5.4 “大一統”:千變萬化的窗口函數WINDOW 386
9.6 最常用的表計算:快速表計算及其附加計算 389
9.6.1 快速表計算:預置的常見表計算應用 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:箱線圖鬆散化與散點圖顏色矩陣 398
9.8 表計算應用(2):標桿分析——多種類型的計算組合 402
9.9 表計算應用(3):帕累托分佈——累計、合計及嵌套 406
9.10 表計算應用(4):金融ANR計算——表計算高級嵌套 409
9.11 表計算篩選器:優先級最低的篩選類型 413
9.11.1 使用RANK函數聚合判斷完成篩選 413
9.11.2 使用偏移函數LOOKUP完成年度同比和篩選 415
9.12 表計算延伸應用:預測建模函數 416
9.12.1 MODEL_QUANTILE預測模型 417
9.12.2 MODEL_PERCENTILE預測模型 419
練習題目 420
第10章 結構化問題分析:LOD表達式與SQL聚合子查詢 421
10.1 業務解析:理解LOD表達式的邏輯和本質 421
10.1.1 簡單詳細級別:“不同購買頻次的客戶數量” 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”及其與視圖關系 428
10.2.1 從問題詳細級別出發,理解高級問題的構成 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先級 437
10.3.3 EXCLUDE LOD引用更高聚合級別的聚合,以及優先級對比 439
10.4 超越LOD:計算的詳細級別體系及其優先級 441
10.4.1 不同計算類型的應用場景與作用 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、數據關系的優先級 445
10.5 走向實踐:多遍聚合問題與結構化分析方法 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 會員分析專題:會員RFM相關案例分析 454
10.6.1 會員分析概論與常見指標體系 454
10.6.2 使用Tableau完成 RFM主題分析 457
10.6.3 單維度的分佈案例:會員頻次分佈和生命周期分佈 460
10.6.4 多維度的結構分析:與“客戶獲客時間”相關的分析案例 461
10.6.5 復購間隔:行級別計算和LOD計算的結合 464
10.6.6 客戶留存分析:LOD表達式、表計算的結合 465
10.6.7 客戶矩陣分析:客戶價值分類 468
10.7 產品分析高級專題:購物籃分析的多個角度 470
10.7.1 購物籃比率:任意子類別相對於所有訂單的比率 471
10.7.2 支持度、置信度和提升度分析:類別之間的關聯推薦 472
10.7.3 指定類別的關聯比率:篩選中包含“引用詳細級別” 475
10.8 總結:高級計算的最佳實踐 480
10.8.1 問題的3大構成與計算的4種類型 480
10.8.2 如何選擇計算類型 482
練習題目 484
第11章 從數據管理到數據倉庫:敏捷分析的基石 486
11.1 數據管理功能:以數據為中心 486
11.1.1 Tableau Catalog:數據資產目錄和世系管理 487
11.1.2 Tableau Prep Conductor:數據ETL流程管理 491
11.1.3 Virtual Connections:數據庫和分析之間的橋梁 492
11.1.4 Data Policy:為數據訪問增加行級別權限 495
11.2 從數據管理(DM)到數據倉庫(DW) 499
11.2.1 數據倉庫是數據分析發展到一定階段的產物 499
11.2.2 數據倉庫的邏輯分層 502
11.3 ETL:數據倉庫中的數據處理 504
11.3.1 敏捷ETL工具Prep Builder簡介 504
11.3.2 敏捷ETL工具對數據分析的影響 505
11.4 建議:視TABLEAU為DW/BI平臺 506
參考資料