本書講什麼
本書主要講解 Tableau 的使用方法,而不是 Tableau 的操作方法。
Tableau 作為一個操作簡單的可視化分析軟件,在連接好數據後,通過拖動鼠很快就可以獲得一幅可視化作品,至於它是美觀的或者丑陋的,取決於使用者的審美能力和一些運氣。但無論怎樣,快速生成圖形僅僅是 Tableau 提供的能力,並不是它存在的主要價值。
數據是一種數字化的信息承載形式。隻有使用者通過工具處理數據,從中捕獲到需要的信息,並且使用信息指導現實的行動,纔會讓數據產生價值。
可視化技術的主要目標是幫助用戶高效地捕獲數據中的信息。掌握了 Tableau 的各種功能,能夠制作各種數據圖表,並不算會使用軟件。將軟件作為一種工具,熟練地操作和探索數據,發現有價值的東西,纔是軟件的使用之道。
所以,我們盡量還原了一些現實商業分析場景,展現了在這些場景下如何結合數據和 Tableau 的可視化技術,對多種商業問題進行探索和解答。希望通過這樣的方式讓讀者更容易學會使用 Tableau,快速成為一名合格的數據分析師,而非軟件操作匠人。
基於這樣的目標,本書每個部分的開始,都是先結合數據圖表進行某種商業分析。分析邏輯有時候簡單,有時候復雜,有時候沒有獲得確定答案,但這就是商業分析環境的現實情況,我們盡量把它還原出來,以幫助讀者了解在真實分析環境中,如何更好地使用 Tableau 解決問題。
本書在深挖軟件能力的同時,也展現了軟件的局限在哪裡,以及如何結合其他工具和技術更好地解決問題。當然,本書主要內容還是關於 Tableau 的,對其他技術的介紹,更多的是給讀者一種信息線索,指出 Tableau 和其他相關工具組合運用的方向。
Tableau 的產品除我們所重點講解的 Tableau Desktop 之外,還包括 Tableau Prep 和Tableau Server 兩個部分。本書也對這兩部分進行了相應的介紹和講解,將三種工具結合起來,可以讓 Tableau 發揮出更大的價值。
數據分析師必須是踐行者,所以本書在每個分析思路的後面,闡述了可視化圖形的實現方式。在文字上,本書沒有將這兩部分糅合到一起,因為軟件的實現操作和對數據圖形的觀察分析本質上是兩種思維,我們不希望這兩種思維互相干擾。
這種結構設置的另一個好處是,避免技術高手重復閱讀自己已掌握的知識(對軟件非常熟悉的用戶,看到圖形時一般就已經知道如何實現,重復閱讀操作過程是浪費時間)。
在本書中,每一章節的末尾部分為練習題,可以根據每章所學知識舉一反三,進行獨立的數據分析,讓學習者能夠更好地領會書中的內容。習題是規範的,也是發散的,可以開拓思維,用所學知識從不同角度對題目進行探究,答案並不,更重要的是過程。
案例數據及商業場景的設定
常見數據軟件的操作案例使用的數據要麼是一些玩具性質的數據集 a,隻能演示軟件功能,反映不出分析師面對的現實復雜情況和軟件功能的現實意義 ;要麼是國外一些公開的數據集,國內的用戶進行學習的時候,很難進行場景代入,分析也沒有感覺。
本書內容融合了很多項目的實際經驗,書中案例都是基於真實商業場景重新構建的數據集,所用數據,除規模縮小、對關鍵信息進行脫敏以保證合法使用外,數據中的模式基本保留了“原汁原味”b。依托這些數據,書中盡量重現了 Tableau 可視化技術在各種現實商業環境下的應用,希望能帶給讀者一些有價值的啟發,幫助大家迅速建立起實戰能力。
具體來講,本書案例主要包括以下商業分析場景 :
產品分析
產品線優劣的分析
銷售時間變化模式的分析
產品價值分析
客戶分析
客戶的合理分群
客戶留存分析
客戶生命期分析
產品促銷反應分析
營銷效果的分析
媒體的營銷價值分析
不同營銷策略的對比測試
購物籃分析
商品評論分析
電商平臺產品評論的綜合分析(文本分析)
重要說明 :
現實商業環境的復雜性和解決方案的細節,遠遠超過本書所闡述的內容範圍。從分析上來說,不同企業的細節各不相同,可借鋻意義並不大。所以本書舍棄了很多細節,盡量陳述了比較通用的思維框架。讀者在參考案例進行實際分析時,可以參考主要思考邏輯,但細節需要結合各自情況因地制宜地做出調整。
Tableau 的正確使用方式
Tableau 自誕生之日起,就不斷地被用來與 Excel、Power BI、D3 等各種作圖相關的軟件進行對比,這充分證明了 Tableau 的影響力,但同時也說明了大家對它的誤解。雖然Tableau 官方在不斷重復“敏捷自助式分析”的設計初衷,但看來多數用戶並沒有充分理解Tableau 官方宣傳中所傳達的信息。
我們需要一種工具 :能夠快速靈活地連接和整合數據,提供簡單的方式以實現從不同的角度觀察研究數據,計算和展示不同的指標,馬上分享獲得的結果,獲取反饋,並推進後續的分析。
Tableau 的設計初衷就是搭建這種工具,無論業務人員是自己連接數據進行分析,還是需要和其他相關人員分享和探討結果,都可以在 Tableau 體繫中簡單快速地完成(隨著Tableau 版本的不斷更新,這種特性更加突出)。
理解了這些,你就會感受到 Tableau 提供的標準篩選控件,各種動態數據交互的展示方式,以及快速搭建“儀表板”和“故事板”能力所帶來的高效率,也更容易理解由於組件標準化造成的一些靈活度上的限制。本質上,Tableau 是為業務人員準備的,以靈活的可視化的方式“玩”數據的工具,而不是為開發者準備的產品再開發工具。
任何軟件都不是的,雖然總有一些“大神”級別的人物,給出各種出乎意料的解決方案,完成各種軟件提供的標準能力之外的任務。誠然,這也是 Tableau 的強大之處,當人們需要一些超脫軟件標準能力的功能時,它仍能用一些方式來實現。
但我們應該明白,這些非常規的解決方式一定是有代價的,要麼是工作量的增加,要麼是軟件效率的低下從而導致無法進行大規模部署。而隨著 Tableau 版本更迭,一些外部插件也被允許使用到軟件中,這也讓軟件的功能愈發完善,一些意想不到的功能,隨之躍然於屏幕之上。同時,有些原本復雜的功能,也逐漸變得簡單。
但正常的用戶應該詳細了解軟件的設計初衷、優勢及能力的邊界,纔能用好軟件。所以,Tableau 的用戶也應該知道如何正確地使用它,纔能化地發揮其能力。雖然有人用 Tableau 繪制“維納斯”,但理智一點來說,還是應該充分利用它數據探索的敏捷性,利用它交流和展示數據信息方便的交互性,這樣纔能發揮它的價值,物盡其用。
書寫約定
下面是說明書中使用的一些術語的書寫格式,方便幫助讀者快速理解內容。
- Tableau 工作界面和數據源界面的術語約定,如圖 1 和圖 2 所示。
圖 1 Tableau 工作界面的術語約定
圖 2 Tableau 數據源界面的術語約定
如果你曾經閱讀過 2015 年出版的《觸手可及的大數據分析工具 :Tableau 案例集》,可跳過這一步,相信你對 Tableau 的界面已了然於胸。
(2) 技術方面的擴展知識單獨設有“拓展技術專題”體例。
(3)在對數據的操作說明中,為了避免讓讀者對軟件操作動作和操作數據對像的混淆,所有數據字段(有時稱為變量)都使用符號“『』”括起來,格式為『字段』。
(4)在文字說明中,軟件內部需要輸入和配置的內容用雙引號括起來。例如,在公式面板內輸入公式“{fixed[ 二級品類 ]:SUM( 銷售數量 )}”。
書中主要人物介紹
作為一本技術書,用人物場景對話的方式引出一些分析主題,好像不太正式。但很多技術書已經證實,這種不太“正式”的方式,有助於避免學習的枯燥,幫助讀者理解抽像的技術主題,提升記憶效率。畢竟向我們的大腦中輸入的總是一些陌生的技術詞彙,難免會導致瞌睡蟲泛濫。
為了讓讀者不至於混亂,圖 3 展示了書中主要虛擬人物的關繫,其中還展示了每位人物的技術能力和行業背景,方便讀者快速理解對話主題。
圖 3 書中主要人物介紹
下面,讓我們從認識書中角色開始數據分析之旅吧。 位於三裡屯 SOHO 的這家 Costa
咖啡店原來充斥著一種慵懶的氣息,以前大多是文化界和媒體的人到這兒來扯皮或小憩。如今周邊的文化公司多數都搬走了,政府批準了園區內企業享受高科技稅收優惠,於是一批軟件公司搬了進來。咖啡店裡也經常有 IT 工程師來這兒寫代碼,還有一些軟件產品的小型發布會或技術研討會在這裡召開,無形中,在咖啡店慵懶的氛圍中逐漸摻雜了更多的理性氣味,節奏也快了許多,別有一種新氣像……
近,一群熱愛數據可視化和數據分析的人把這兒作為了聚集地,不定期地約著來喝咖啡,說的都是銷量預測、KPI、計算函數、數據整合之類的話題,這引起了店長 Lisa(梅麗莎)的注意。
Lisa,1994 年生人,被父母送到澳洲完成了市場營銷本科學業,回國後因為喜歡咖啡,到Costa 求職。因為咖啡聞得準,手腳麻利,大半年前榮升了三裡屯店的店長。店長這個工作,除了要求會做咖啡,還得管銷售、管排班、管采購、管優惠券的推廣……據說她使用了“洪荒之力”記住了許多到店客人點單的喜好,於是為店裡帶來了一季度月均接近兩位數的業績增長。總部通知說,正在考察她,想調她進入銷售部,配合市場部完成新媒體促銷的設計。
近常來店裡的一位 20 歲出頭的小伙子和一位 30 歲左右的職業女性一直聊產品分析的問題,Lisa 一直想搞清楚書本的營銷理論如何與現實數據結合,也想學學產品分析怎麼做,於是借著共同的咖啡愛好,干脆和他們倆交上了朋友。
小伙子名叫鵬輝,每次換著花樣地戴 X-Large 的大猩猩帽子,這讓 Lisa 很快就記住了他。他在一家國際知名的老牌服裝企業 BestCloth 工作,該公司旗下的全球男裝、女裝、童裝品牌一共有 12 個,其中在中國銷售的 4 個主打品牌價格比較親民,因此曾一度開店近 6000 家且占據了各大商場中流行服飾館的黃金鋪面。隨著中國年輕一代消費者需求的變化,受到彰顯個性的小眾潮牌及無牌有品的商品的衝擊,這家老牌的服裝企業不得不重構自己在中國區的業務。
鵬輝在上海財經大學完成學業後,作為校園招聘生進入 BestCloth 銷售部,配合主管進行銷售數據的分析。據他的老板說,BestCloth 後選中他的原因是他的簡歷中寫著“Tableau 軟件操作熟練”,這個軟件是上海財經大學統計實驗室的標配,也是 BestCloth 的常用軟件。
盡管算是名校畢業,可畢竟是“小白”,工作這一個月,壓力大得讓鵬輝快要喘不過氣來了。他發現自己會的那點兒 Tableau 的簡單操作在龐大的 IT 架構面前不過是蜻蜓點水,而 BestCloth日平均 15 萬筆的交易記錄也遠超實驗室的那點兒 Excel 數據。
坐在鵬輝對面的女性被他稱為“蕭嵐老師”,有時候也單獨來買咖啡。她應該也在附近辦公,Lisa 知道每個月他們公司都包下咖啡店的第二層舉辦一兩場技術研討會,蕭嵐經常作為講師談一些數據分析指標。鵬輝算是蕭嵐在技術研討會上認識的小粉絲。
還有幾位人物在後面會經常出現。
大威 :蕭嵐的老同事,身為數據挖掘分析師,可視化技術很牛。作為可視化人員,又精通數據挖掘,用自己的話說屬於“遭老板愛,招同事恨”的角色。
術術 :鵬輝的同學,熱愛 IT 技術,工作主要是提供 IT 技術支持,但經常給分析師提供數據支持,對數據相關的技術也有一定的鑽研。視大威為偶像,正努力成為“斜杠青年”。但對“師傅”大不敬,口頭禪是 :“雖然我 ×× 方面不如你,但我代碼寫得比你快!”
娜娜 :企業電商項目經理,統籌管理內外部項目對接,對數據應用的整體技術構建和流程很了解,但技術實施細節不是非常清楚。
通過他們在咖啡廳的討論和分享,我們將逐漸了解到書中的各種可視化分析主題……