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……
