具体描述
本书基于Tableau 9.1 最新版本编写，详细介绍了Tableau 的数据连接与编辑、图形编辑与展示功能，包括数据连接与管理、基础与高级图形分析、地图分析、高级数据操作、基础统计分析、如何与R 集成进行高级分析、分析图表整合以及分析成果共享等主要内容。同时，书中以目前电力行业已有的监测、分析业务实践为基础，以丰富的实际案例贯穿始终，对各类方法、技术进行了详细说明，方便读者快速掌握数据分析方法。
本书适用于互联网、银行证券、咨询审计、快消品、能源等行业数据分析用户以及媒体、网站等数据可视化用户。
作者简介
刘红阁博士
百度凤巢分析经理，专注于数据挖掘、机器学习、数据可视化等领域。
王淑娟
埃森哲咨询顾问，专注于电力行业运营咨询、数据分析及数据可视化等领域。
温融冰
埃森哲咨询经理，专注于企业价值管理、预算与绩效管理及数据分析等领域。
目录信息
1.1 敏捷商务智能 1
1.2 数据可视化明星Tableau 2
1.3 Tableau的主要特性 3
1.4 Tableau的产品体系 5
1.5 Tableau的工作区 6
1.5.1 工作表工作区 6
1.5.2 仪表板工作区 8
1.5.3 故事工作区 9
1.5.4 菜单栏和工具栏 10
1.6 Tableau的文件管理 12
第2章 典型应用场景 14
2.1 数据准备 14
2.2 认识Tableau数据 16
2.2.1 数据角色 16
2.2.2 字段类型 18
2.2.3 字段类型转换 18
2.3 创建视图 19
2.3.1 行列功能区 20
2.3.2 标记卡 23
2.3.3 筛选器 29
2.3.4 页面 31
2.3.5 智能显示 32
2.3.6 度量名称和度量值 33
2.4 创建仪表板 35
2.5 保存工作成果 37
第3章 数据连接与管理 38
3.1 Tableau的数据架构 38
3.2 数据连接 41
3.2.1 连接文件数据源 41
3.2.2 连接服务器数据源 45
3.2.3 复制粘贴输入数据 49
3.2.4 筛选数据 51
3.3 数据整合 53
3.3.1 实现多表联结 53
3.3.2 多数据源的数据融合 56
3.3.3 行列转换 59
3.4 数据加载 60
3.4.1 创建数据提取 60
3.4.2 刷新数据提取 64
3.4.3 向数据提取添加行 66
3.4.4 优化数据提取 67
3.5 数据维护 68
3.5.1 查看数据 69
3.5.2 刷新数据 69
3.5.3 替换数据 70
3.5.4 删除数据 71
第4章 初级可视化分析 73
4.1 条形图 73
4.2 直方图 77
4.3 饼图 80
4.4 折线图 83
4.4.1 基本折线图 83
4.4.2 双组合图 86
4.5 基本表 89
4.6 压力图 90
4.6.1 压力图 90
4.6.2 突显表 92
4.7 树地图 96
4.8 气泡图 97
4.9 圆视图 98
4.10 标靶图 99
4.11 甘特图 101
第5章 地图分析 103
5.1 地图简介 103
5.1.1 分配地理角色 103
5.1.2 创建符号地图 104
5.1.3 创建填充地图 111
5.1.4 创建多维度地图 112
5.1.5 创建混合地图 113
5.2 设置地理信息 116
5.2.1 选择地图源 116
5.2.2 自定义地理编码 118
5.3 高级功能 121
5.3.1 多边形地图 121
5.3.2 背景图像地图 123
5.3.3 地理位置距离计算 127
第6章 高级数据操作 129
6.1 分层结构 129
6.1.1 创建分层结构 130
6.1.2 使用分层结构 131
6.2 组 134
6.2.1 创建组 134
6.2.2 使用组 136
6.3 集 138
6.3.1 创建集 138
6.3.2 使用集 141
6.4 参数 142
6.4.1 创建参数 143
6.4.2 使用参数 144
6.5 计算字段 145
6.5.1 创建计算字段 146
6.5.2 使用计算字段 147
6.5.3 特殊函数：表计算 149
6.5.4 特殊函数：详细级别表达式 156
6.5.5 特殊函数：百分比 158
6.6 变换 159
6.6.1 变换日期型字段 159
6.6.2 变换字符型字段 160
6.7 参考线及参考区间 161
6.7.1 创建参考线及参考区间 162
6.7.2 创建参考区间 165
第7章 高级可视化分析 166
7.1 帕累托图 166
7.2 盒须图 171
7.2.1 基础应用 172
7.2.2 图形延伸 174
7.3 瀑布图 175
7.3.1 基础应用 176
7.3.2 图形延伸 178
7.4 范围线图 180
7.5 倾斜图 183
7.6 网络图 186
7.7 雷达图 191
第8章 统计分析 199
8.1 散点图与相关分析 199
8.1.1 创建基本散点图 199
8.1.2 创建高级散点图 200
8.1.3 创建散点图矩阵 201
8.2 回归分析 203
8.2.1 模型简介 203
8.2.2 模型构建 204
8.2.3 模型评价 206
8.3 时间序列分析 207
8.3.1 时间序列图 207
8.3.2 时间序列预测 209
8.3.3 预测模型评价 213
8.4 Tableau与R语言 215
8.4.1 R语言简介 215
8.4.2 Tableau与R集成 217
8.4.3 用R进行高级分析 219
第9章 分析图表整合 223
9.1 仪表板简介 223
9.1.1 工作区 223
9.1.2 对象 224
9.1.3 布局容器 225
9.1.4 布局方式 226
9.1.5 交互操作 227
9.2 操作步骤 227
9.2.1 新建布局 228
9.2.2 添加内容并调整格式 230
9.2.3 添加交互操作 244
第10章 分析成果共享 254
10.1 导出和发布数据（源） 254
10.1.1 通过将数据复制到剪贴板导出数据 254
10.1.2 以Access数据库文件导出数据 257
10.1.3 以交叉分析（Excel）方式导出数据 258
10.1.4 导出数据源 258
10.1.5 发布数据源 260
10.2 导出图像和PDF 文件 262
10.2.1 复制图像 262
10.2.2 导出图像 263
10.2.3 打印为PDF 264
10.3 保存和发布工作簿 265
10.3.1 保存工作簿 265
10.3.2 保存打包工作簿 265
10.3.3 将工作簿发布到服务器 267
10.3.4 将工作簿保存到TableauPublic上 270
第11章 Tableau Server简介 273
11.1 安装Tableau Server 273
11.1.1 单服务器安装 273
11.1.2 分布式集群安装 279
11.2 配置Tableau Server 282
11.2.1 配置站点 282
11.2.2 配置用户 285
11.2.3 配置组 288
11.3 使用Tableau Server 289
11.3.1 界面查询 291
11.3.2 编辑发布 294
11.4 安全机制 295
11.4.1 访问安全 296
11.4.2 对象安全 296
11.4.3 数据安全 297
11.4.4 网络安全 297
附录A Tableau数据提取API 299
附录B Tableau JavaScript API 304
附录C Tableau函数 307
附录D 数据表 326
· · · · · · (收起)
读后感
用户评价
这本书简直是为我这种对数据分析充满好奇，但又被复杂的理论吓退的“小白”量身定做的！我一直觉得数据分析是那些穿着白衬衫、戴着金丝眼镜的“大神”们才玩得转的把戏，光是听到“回归分析”、“聚类算法”这些词汇就头皮发麻。然而，拿到这本书后，我的恐惧感奇迹般地消退了。它没有上来就堆砌那些晦涩难懂的数学公式和专业术语，而是采用了非常贴近生活的例子来阐述概念。比如，它会用分析哪种口味的冰淇淋在不同季节销量最好，或者如何通过顾客的购买记录预测下个月的库存需求，这种娓娓道来的方式，让我感觉自己不是在学习一门高深的学科，而是在和一位经验丰富的朋友聊天，他耐心地帮我拆解每一个数据背后的逻辑。尤其让我印象深刻的是它对“数据清洗”这个环节的描述，很多教程会一带而过，但这本书却花了大量的篇幅去讲解，强调了“垃圾进，垃圾出”的道理，让我明白，没有高质量的原始数据，再牛的分析工具也无济于事。这种脚踏实地的讲解，让我对数据分析的整个流程有了立体而清晰的认知，不再是雾里看花。
说实话，市面上讲解数据分析的书籍汗牛充栋，大多都流于理论的堆砌，读起来枯燥乏味，坚持不下去。但这本书的结构设计非常巧妙，它采用了模块化的学习路径，让你既可以一气呵成地理解全局，也可以随时抽取某个知识点进行回顾和查阅。我个人最欣赏的是它对“批判性思维”的强调。作者似乎非常清楚，技术很容易学，但思考方式难改。在分析任何一组数据时，这本书都引导我们去质疑数据的来源、采样的偏差以及结论的适用范围。例如，书中讨论了一个关于社交媒体用户年龄分布的案例，提醒我们警惕“幸存者偏差”，那些流失的用户数据可能包含了更重要的信息。这种深入骨髓的严谨态度，让我开始重新审视过去那些“想当然”的判断。它教会我，数据本身是中立的，真正有偏见的是解读数据的人。这本书不仅仅是工具书，更像是一本关于“如何用数据理性看待世界”的哲学启蒙读物，对提升决策质量有着潜移默化的作用。
这本书最大的价值，在于它成功地拉平了不同专业背景人员之间的数据理解鸿沟。我有一个同事是纯文科出身，过去面对报表就头疼，但她最近也在看这本书，反馈说她终于能自信地参与到部门的数据讨论中了。这很大程度上归功于作者在内容组织上极其注重层级感和递进性。它从最基础的数据类型识别讲起，逐步过渡到探索性数据分析（EDA），最后才引入模型构建的概念，整个过程如同搭积木一样，基础不牢，就不会让你尝试更高难度的操作。它没有强迫读者必须掌握所有高级技术，而是侧重于培养一种“数据素养”——即知道什么时候需要更深入的分析，以及如何与专业分析师有效沟通。我感受最深的是，读完这本书后，我不再害怕与数据打交道了，它让我意识到，数据分析并非只有“高精尖”的算法，更多的是对业务场景的深刻洞察与逻辑推理的结合。它提供的不仅仅是技能，更是一种面对复杂信息时代的必备思维武器。
我是一名市场营销人员，日常工作中需要处理大量的用户反馈和活动效果数据，但过去我总是习惯于依赖技术团队提供报表，自己只能做最基础的描述性统计。这本书的出现，简直是为我打开了一扇新的大门，让我从一个“数据接收者”进化成了“数据驱动者”。它最棒的地方在于，它没有局限于介绍工具的使用方法，而是深入探讨了“如何提出正确的问题”。书中反复强调，数据分析的价值不在于算出平均值或中位数，而在于能否通过数据发现业务的痛点和机会点。我试着将书中学到的A/B测试设计思路应用到我们下个月的邮件营销活动中，不再是盲目地群发，而是设计了两种不同标题的邮件进行对比测试，结果发现其中一种标题带来的点击率高出20%以上。这种即时可见的成效，极大地增强了我继续深入学习的动力。更让我惊喜的是，书中对数据可视化部分的讲解，它不仅教你如何使用图表，更教你如何“讲故事”，什么样的场景应该用柱状图，什么样的趋势需要用折线图，让我的周报和月报瞬间高大上起来，老板的反馈也明显积极了许多，这纯粹是实战中的巨大飞跃。
这本书的语言风格非常独特，它有一种难得的幽默感和亲切感，读起来完全没有那种传统教材的沉重感。作者似乎深知读者的痛点，经常会用一些自嘲的方式来描述学习过程中的“坑”。比如，书中提到很多人在第一次接触数据透视表时，常常会把数据弄得一团糟，然后产生挫败感。这种“过来人”的口吻，让我感到非常放松，仿佛学习路上有了一个亦师亦友的伙伴在引导。再者，这本书的排版和配图也做得相当用心。它没有用那种密密麻麻的文字填充页面，而是通过大量的流程图、对比图和情景模拟图，将复杂的概念视觉化。我尤其喜欢它在讲解统计学概念时所使用的类比，那些比喻生动形象，让我一下子就抓住了核心要义，那些原本在我脑海中模糊不清的界限变得清晰起来，比如“相关性”和“因果性”的区别，通过几个简单的生活场景就能被彻底厘清。这种体验，远超出了我阅读一本技术类书籍的预期。
比较详细的功能说明书。
入门备查手册。操作指引比较详细。
相较于《触手可及的大数据分析工具》，这本书更适合作为入门级之后的日常备查。相较之下，本书的操作讲解更多的是言简意赅的指示，而非另一本书那样手把手的指引并提供案例参考——毕竟少了100页。但是本书讲了一些高阶技能，如数理建模思路，如数据存储tips等，适合新人升阶效率优化和内核发展
初学Tableal 作为为数不多的中文教材已经很好了！
必须说的都说到了，但草草了之。没有好的中文书
