数据可视化分析（第2版）：分析原理和Tableau、SQL实践（全彩）

图书标准信息

• 作者 喜乐君
• 出版社 电子工业出版社
• 出版时间 2023-09
• 版次 1
• ISBN 9787121461729
• 定价 189.00元
• 装帧 其他
• 开本 16开
• 页数 528页
• 字数 0.95千字

【内容简介】

本书以敏捷分析工具Tableau为基础，部分章节辅以SQL讲解，系统介绍了数据可视化分析的体系和方法，内容涵盖问题分析方法、数据合并和建模、可视化图形的选择和构建、多种交互方式及其组合、仪表板设计与高级交互、基本计算和高级计算等。 本书以Tableau Desktop的应用为中心，借工具讲解原理，以原理深化工具应用，并由点及面地介绍了业务分析的思考和原理，特别是提出了实践性的\"业务—数据—分析”层次框架，并以三类\"详细级别”的概念贯通数据模型、高级筛选和高级计算三大主题。 本书重点介绍工具应用背后的思考方式和原理，帮助读者建立\"详细级别”的思考框架，举一反三，从而实现多维、结构化分析。

【作者简介】

喜乐君Tableau Visionary（2020—2023）、数据分析咨询顾问、培训讲师·敏捷BI“布道师”。连续创业者、上海唯知唯识创始人。山东大学法学学士、教育学硕士，首届“硕士研究生国家奖学金”获得者。站在业务角度、深入行业一线，借Tableau洞悉敏捷分析，重新理解和诠释“业务数据分析”。

【目录】

目录

内容及说明XVIII

第1篇  奠基：数字化转型与业务分析原理

第1章  数字化转型：21世纪的机遇与挑战2

1.1  理解数据的层次及分析的价值2

1.2  数据应用的3个阶段4

1.2.1  初级·报表展现：信息的整理与固定展现5

1.2.2  中级·业务分析：分析辅助决策，决策创造价值7

1.2.3  终极·智能商业：大数据重塑商业模式8

1.3  数字化转型到底“转”什么10

1.3.1  塑造实事求是的数据文化：一切用数据说话10

1.3.2  数字化转型源自各个业务场景的数字化和持续进化12

1.3.3  业务和技术兼备的卓越中心和分析型人才13

1.3.4  统一并持续优化分析方法论，提高分析效率和准确性15

参考资料18

第2章  “业务—数据—分析”体系与企业数据地图19

2.1  “业务—数据—分析”体系：BDA分析框架19

2.1.1  分析层：指标体系建设和分析仪表板21

2.1.2  数据层：数据管理与数据仓库22

2.1.3  业务层：业务流程与“业务在线化”23

2.2  建立全局视角：企业数据地图24

2.3  两种企业级分析推进路径：“自上而下”与“自下而上”26

2.3.1  自下而上：从数据出发的分析之路26

2.3.2  自上而下：从问题和指标出发的分析之路27

2.4  可视化是大数据分析的桥梁和媒介28

2.4.1  数字、文字的可视化及可视化要素28

2.4.2  从可视化到抽象分析：走向仪表板和高级分析30

2.5  TABLEAU：大数据敏捷业务分析的“代表作”32

参考资料34

第3章  业务可视化分析：关键概念与方法论35

3.1  解析问题结构、理解聚合过程和指标35

3.1.1  问题的结构及其相互关系36

3.1.2  聚合是问题分析的本质38

3.1.3  基于聚合的字段分类：维度描述问题，度量回答问题40

3.1.4  指标是聚合度量的业务形态41

3.2  明细表与聚合表：聚合的逻辑过程42

3.2.1  业务明细表和问题聚合表：聚合的起点和终点43

3.2.2  物理表与逻辑表：数据表的抽象类型45

3.2.3  字段的数据类型：数据表字段的抽象类型46

3.3  可视化图形：聚合交叉表的“另一面”49

3.3.1  问题类型与可视化增强分析50

3.3.2  可视化背后的数据类型：连续和离散51

3.3.3  Tableau中的字段属性及其作用55

3.4  简单问题的“三步走”方法和TABLEAU示例56

3.5  聚合度和详细级别：构建复杂问题层次理论58

3.5.1  数据明细表和聚合度：多个问题的基准点和衡量尺度59

3.5.2  详细级别：不同“聚合度”问题对应的抽象依据60

3.5.3  结构化分析的两个应用方向62

3.5.4  关键概念汇总：聚合、聚合度、详细级别、颗粒度64

参考资料66

练习题目66

第2篇  数据准备、可视化、交互设计

第4章  数据合并与关系模型（Tableau/SQL）68

4.1  概论：数据合并与连接数据源69

4.1.1  理解数据合并、数据模型的重要性69

4.1.2  数据合并和数据模型的相关概念71

4.2  数据合并的分类矩阵与数据模型案例72

4.2.1  “所见即所得”的行级别数据合并：Union和Join72

4.2.2  Excel的局限：基于数据透视表的数据合并74

4.2.3  Tableau数据混合初探，在聚合后完成连接76

4.2.4  数据合并分类矩阵：两种合并方法、两个合并位置78

4.3  行级别并集、连接与TABLEAU/SQL方法81

4.3.1  数据并集81

4.3.2  数据连接：连接条件与连接方式84

4.3.3  高级连接的形式：仅左侧连接、交叉连接与“自连接”89

4.3.4  明细表并集与连接的异同点与局限性93

4.4  从数据关系匹配到关系模型96

4.4.1  “临时”数据关系：基于问题层次创建数据关系匹配96

4.4.2  数据模型：在最详细且有业务意义的详细级别预先构建数据关系98

4.4.3  【关键】层次分析方法：从数据合并到数据关系模型100

4.4.4  【难点】关系模型优化（上）：匹配类型（基数）106

4.4.5  【难点】关系模型优化（下）：匹配范围（引用完整性）111

4.4.6  共享维度表：从雪花模型到网状模型116

4.4.7  通往最佳实践：业务关系模型的可视化表达117

4.4.8  案例：图书及销售的数据关系模型118

4.5  重说数据混合：编辑匹配关系和匹配详细级别120

4.5.1  数据混合设置：自定义混合条件和自定义匹配字段121

4.5.2  高级数据混合：数据匹配详细级别不同于主视图123

4.6  不同数据合并类型的相互影响127

4.7  TABLEAU与SQL/PYTHON的结合128

4.7.1  Tableau和SQL的结合128

4.7.2  SQL中的连接129

4.7.3  Tableau Table Extensions：给数据源插上“算法之翼”（Tableau 2022.3+版本）132

参考资料133

练习题目133

第5章  可视化分析与探索134

5.1  数据准备：理解业务过程与整理数据字段134

5.1.1  数据表：理解业务过程及数据表详细级别134

5.1.2  字段：理解业务过程的对象并做分组分类136

5.2  从问题到可视化图形：如何确定主视图框架138

5.2.1  从问题类型到主要的可视化图形138

5.2.2  初级可视化：“三图一表”139

5.2.3  中级可视化：分布分析、相关性分析143

5.2.4  地理位置可视化148

5.2.5  数据图像角色可视化（Tableau 2022.4+版本）155

5.3  可视化绘制方法与可视化增强156

5.3.1  像油画一样做可视化：可视化三步骤和标记的使用156

5.3.2  度量双轴及其综合处理158

5.3.3  多个坐标轴的“公共基准”：度量值160

5.4  高级分析入门：参考线与参考区间161

5.4.1  参考线的创建及其组合161

5.4.2  标准甘特图和标靶图：条形图与参考线的两种结合方式163

5.4.3  参考区间166

5.4.4  置信区间模型167

5.4.5  趋势线与预测线168

5.4.6  群集169

5.5  格式设置：必要调整，但不要过度170

5.5.1  常见的设置格式工具栏170

5.5.2  设置“标签”格式，自定义文本表171

5.5.3  工具提示的格式设置、交互和“画中画”172

5.5.4  其他常用小技巧173

参考资料175

练习题目175

第6章  Tableau/SQL筛选与集操作176

6.1  理解不同工具背后的筛选方法与共同点176

6.1.1  筛选的两类位置：独立筛选和“条件计算”176

6.1.2  使用不同工具完成“独立筛选”177

6.2  筛选的分类方法：基于详细级别的视角182

6.2.1  【入门】数据表行级别的筛选：维度筛选器183

6.2.2  【进阶】指定详细级别的聚合筛选：简单条件和顶部筛选186

6.2.3  【难点】指定详细级别聚合的筛选：建立在自定义计算之上192

6.3  筛选范围的交互方法：快速筛选和参数控制195

6.3.1  快速筛选器及其基本配置195

6.3.2  特殊的日期筛选器：默认筛选到最新日期196

6.3.3  参数控制：完全独立和依赖引用197

6.4  多个筛选的处理：交集计算和优先级199

6.4.1  多个筛选的基础知识：数据集及运算199

6.4.2  多个筛选的计算原则（上）：相同类型取交集200

6.4.3  多个筛选的计算原则（下）：不同类型按优先级计算交集200

6.4.4  调整筛选器优先级（上）：上下文筛选器和表计算筛选器202

6.4.5  调整筛选器优先级（下）：数据源筛选器和数据提取筛选器204

6.4.6  筛选与计算的优先级206

6.5  集（SET）：把筛选保留下来的“神奇容器”207

6.5.1  创建自定义集及集的本质207

6.5.2  自定义集内成员：“集控制”（Tableau 2020.2+版本）209

6.5.3  创建动态条件集209

6.5.4  集动作：以视图交互方式更新集成员211

6.6  集的运算、优先级和应用212

6.6.1  多个集的合并与“合并集”运算212

6.6.2  集和筛选的关系及优先级215

6.6.3  集的高级应用：控制用户权限的“用户筛选器”217

6.7  中级交互：仪表板中的快速筛选、集交互218

6.7.1  交互设计的基本分类218

6.7.2  “以图筛图”：仪表板中的多表快速关联筛选218

6.7.3  共用筛选器、集和参数：典型的仪表板交互220

6.7.4  工具提示“画中画”：最简单的多表关联223

6.8  更多实用工具：分组、数据桶、分层结构、排序224

6.8.1  作为数据准备的“组”224

6.8.2  分层结构钻取分析与仅显示相关值225

6.8.3  排序：对离散字段的数据值排序226

参考资料228

练习题目228

第7章  仪表板设计、进阶与高级交互230

7.1  仪表板：最重要的主题展现形式230

7.1.1  仪表板设计的基本过程和常见功能231

7.1.2  仪表板大小、布局和对象233

7.1.3  常用的交互对象：隐藏按钮、导航按钮237

7.1.4  仪表板布局中的分层结构239

7.1.5  跨设备类型的仪表板适配240

7.2  故事：以数据故事叙事、探索241

7.2.1  故事及其基本设置241

7.2.2  故事的阐述方式242

7.3  仪表板进阶：指标、初始模板、性能优化与“数据指南”243

7.3.1  指标：聚焦仪表板关键度量244

7.3.2  初始模板：专家分析模板加速分析246

7.3.3  发布工作簿和“工作簿优化器”247

7.3.4  数据指南（Tableau 2022.3+版本）251

7.4  三种基本交互类型：筛选、高亮和页面252

7.4.1  突出显示：以聚焦实现间接筛选253

7.4.2  页面轮播：快速筛选的连续叠加255

7.5  两类高级交互工具：参数、集交互257

7.5.1  关键原理：参数、集的共同点和差异257

7.5.2  参数与逻辑判断结合：切换视图度量260

7.5.3  动态参数：动态更新范围和初始值262

7.5.4  集控制：以控件方式手动更新集成员264

7.6  参数动作：参数、计算和交互（TABLEAU 2019.2+版本）264

7.6.1  参数动作：使用动作更新度量值265

7.6