具体描述
本书讲述了一个现代企业从最初的报表开发模式转向敏捷型分析模式的故事，通篇以对话的形式模拟职场人员在日常工作中使用数据分析解决问题并进行业务决策的过程。本书组织了一套全新的学习体系，内容由浅入深，从一开始就带入到实际的业务分析应用中，从最基本的时间序列分析开始发现销售模式和季节性波动规律，到通过热图来分析一线销售和服务人员的排班优化，再到深入分析客户的80/20 规律等，每一章都在使用Tableau 分析和解决实际商业中遇到的问题。
作者简介
高云龙
现就职于Tableau软件公司，从2000年开始从事数据仓库、商务智能领域的工作，曾就职于软件系统集成商、商务智能软件产品公司。
孙辰
亚马逊商业智能经理。曾就职于阿尔斯通、通用电气等企业，专注于数据挖掘、机器学习、商业智能应用及可视化分析等领域。
目录信息
第1章 分析师起步：Tableau的第一堂课 5
1.1 先了解一下Tableau公司 5
1.2 动手连接数据吧 8
1.3 发现销售规律：时间序列分析 21
1.4 洞察亏损地区：地理维度分析 35
1.5 探究产品亏损的原因：产品维度分析 40
1.6 初步客户画像：客户维度分析 49
1.7 呈现你的观点和结论：仪表板和故事 51
第2章 破解难题：Tableau连接复杂Excel数据 60
2.1 陷入困难 60
2.2 Tableau轻松搞定 63
第3章 通过数据洞察业务：Tableau计算基础 75
3.1 雾霾对客服是否有影响 75
3.2 计算实际发货周期 77
3.3 可视化最佳实践：为什么不用饼图 79
3.4 从概况到细节：具体至每笔交易发货状态 84
3.5 数据分析师的台历：台历图 88
第4章 初识表计算 92
4.1 如果生意本来就很好，还需要分析吗 92
4.2 基础表计算选项 93
4.3 计算依据难度1级：表横穿向下 96
4.4 计算依据难度2级：区横穿向下 99
4.5 计算依据难度3级：单元格内表计算 101
4.6 计算依据难度4级：特定维度 102
4.7 计算依据难度5级：多维度组合 104
4.8 计算依据难度6级：重启顺序 109
4.9 计算依据难度7级：嵌套表计算 112
第5章 增收不增利，成长有隐忧：Tableau计算进阶 115
5.1 数据可能误导决策 115
5.2 聚合非聚合 118
5.3 Tableau函数一瞥 124
第6章 欢迎进入Tableau计算深水区：LOD表达式概述 128
6.1 有道理的奇葩要求 128
6.2 LOD基础 129
6.3 过滤后的全国占比问题：FIXED应用 132
6.4 每个省最大的客户：INCLUDE应用 135
6.5 对标分析：EXCLUDE应用 137
第7章 老客户贡献分析：集的应用 140
7.1 吵架也要有数据支持 140
7.2 如何从数据中找出头绪 141
7.3 客户跟踪分析 144
7.4 集合的创建和使用 147
7.5 客户发展分析 149
7.6 老客户究竟贡献有多大 153
第8章 客户80/20定律：快速嵌套表计算 159
8.1 数据平息争论 159
8.2 客户流失分析 161
8.3 80/20分析：客户帕累托 163
第9章 关注重点产品：排序 169
9.1 Top N中的陷阱 169
9.2 rank方法 172
9.3 嵌套排序 175
9.4 合并字段方法 177
9.5 Index方法 181
第10章 数据桶与指标分段：数据分组 185
10.1 按照销售量的简单分组 185
10.2 数据桶 200
10.3 产品帕累托 202
第11章 销售要重新划地盘儿啦：手工分组 203
11.1 调整销售区划 203
11.2 产品归类分组 209
11.3 用函数切分产品名称，获取品牌信息 211
第12章 灵活的KPI分析：数据混合与嵌套表计算 212
12.1 卖得多就是业绩好吗 212
12.2 实际值遇到目标值，得到KPI：数据混合和表计算 214
12.3 紧盯目标：标靶图 219
12.4 各种TD的分析 221
12.5 混合，然后去掉混合 237
12.6 不关联的混合 246
第13章 提升分析性能：数据提取 249
13.1 快则酣畅，慢则憋气 249
13.2 条件都选好再刷新 250
13.3 性能分析 251
13.4 实时与提取 253
第14章 把数据分析和网络百科相连：动态仪表板 260
14.1 不公平的对比分析 260
14.2 引导式分析 262
14.3 仪表板操作 265
14.4 仪表板上的URL动作 268
14.5 悬停加亮 271
第15章 一切都可以图形化：自定义地图应用详解 276
15.1 地图的玩法 276
15.2 背景地图标记应用 277
15.3 背景图片上画线 283
15.4 背景图片上画多边形区域 285
第16章 更多的灵活与互动性：参数概述 287
16.1 问题 287
16.2 变动的Top N 288
16.3 可变的维度和度量 293
16.4 What-if分析 295
16.5 切换不同的图表 297
第17章 分析常常就是筛选过程：筛选器概述 302
17.1 筛选的基本原理 302
17.2 各种筛选器的优先顺序 313
17.3 筛选器的作用范围 323
第18章 让数据更生动：自定义形状 325
18.1 仪表板上的产品分析 325
18.2 自定义形状 329
18.3 可能的应用场景 333
第19章 流向分析：桑基十八式 336
19.1 流向问题的提出 336
19.2 桑基十八式 340
第20章 数据准备也能可视化：Tableau Prep 353
第21章 职业困惑：数据分析师有没有前途 377
21.1 机会与困惑 377
21.2 锚点分析 379
21.3 柳暗花明 385
· · · · · · (收起)
读后感
作为和数据打交道的从业人员，对于BI工具，尤其是大名鼎鼎的tableau，或多或少，有所耳闻。笔者也是在工作中，通过阅读tableau的书籍和相关教程，逐渐接触和学习tableau的。 和之前读过的两本tableau书籍相比，我想说几点关于这本书的读后感： 1，如果把tableau学习使用，按照1...
作为和数据打交道的从业人员，对于BI工具，尤其是大名鼎鼎的tableau，或多或少，有所耳闻。笔者也是在工作中，通过阅读tableau的书籍和相关教程，逐渐接触和学习tableau的。 和之前读过的两本tableau书籍相比，我想说几点关于这本书的读后感： 1，如果把tableau学习使用，按照1...
作为和数据打交道的从业人员，对于BI工具，尤其是大名鼎鼎的tableau，或多或少，有所耳闻。笔者也是在工作中，通过阅读tableau的书籍和相关教程，逐渐接触和学习tableau的。 和之前读过的两本tableau书籍相比，我想说几点关于这本书的读后感： 1，如果把tableau学习使用，按照1...
作为和数据打交道的从业人员，对于BI工具，尤其是大名鼎鼎的tableau，或多或少，有所耳闻。笔者也是在工作中，通过阅读tableau的书籍和相关教程，逐渐接触和学习tableau的。 和之前读过的两本tableau书籍相比，我想说几点关于这本书的读后感： 1，如果把tableau学习使用，按照1...
作为和数据打交道的从业人员，对于BI工具，尤其是大名鼎鼎的tableau，或多或少，有所耳闻。笔者也是在工作中，通过阅读tableau的书籍和相关教程，逐渐接触和学习tableau的。 和之前读过的两本tableau书籍相比，我想说几点关于这本书的读后感： 1，如果把tableau学习使用，按照1...
用户评价
与其他市面上充斥着Python代码或R语言脚本的工具书不同，《大话数据分析》的重点显然不在于炫技于编程语言。尽管书中涉及了分析方法，但它更侧重于方法背后的数学原理和统计假设的解读。这对于我这种非技术背景的管理者来说，简直是雪中送炭。我不再需要依赖技术团队去解释报告，我能自己判断他们采用的方法是否合理，他们的结论是否站得住脚。书中对“相关性不等于因果性”的论述尤为深刻，通过几个反直觉的例子，让我对数据解读中的常见误区有了清醒的认识。它培养了一种健康的怀疑精神，教导我们不要轻易相信第一个跳出来的数字，而是要追问数据的来源、抽样的偏差以及模型的前提假设。这本书极大地提升了我的决策质量，因为它让我学会了如何批判性地“阅读”数据。
这本书给我最大的感受是，它真正做到了“去神秘化”。数据分析这个领域常常被赋予一层高深的滤镜，好像只有数学天才才能玩转。然而，作者似乎深谙普通人的学习心理，他非常注重培养读者的“数据思维”而非单纯的“工具操作”。书中花了很大篇幅讨论如何构建一个好的业务问题、如何将模糊的商业需求转化为可量化的指标体系（KPIs的设定艺术），这些软技能往往比掌握某个软件的特定函数要重要得多。我特别欣赏其中对“叙事性”的强调——优秀的数据分析报告不应该只是图表的堆砌，而是一个有说服力的故事。作者通过生动的例子演示了如何用数据支撑论点，如何用恰当的视觉化手段来放大结论的冲击力，读起来简直像是在上公开课，条理清晰，逻辑缜密，让人忍不住想立刻拿起自己的数据试试看。
我是在一个周末的下午偶然翻到这本书的，原本只是想随便看看。结果，一口气读了快一半，完全停不下来。这本书的节奏感把握得极佳，它没有采用传统的章节递进模式，而是像一系列精心设计的短篇，每个小节都能提炼出一个可以立即应用到工作中的小技巧或思维转变。比如，关于“时间序列分析”的部分，作者巧妙地引入了节假日效应和季节性波动对业务判断的干扰，并提供了一套简洁易懂的调整策略，这让我立刻解决了困扰我团队很久的一个库存预测难题。这本书最大的魅力在于它的实用性和极强的可操作性，它没有沉溺于过度的理论阐述，而是像一个实战手册，充满了“你可以这么做”的直接建议。如果你觉得那些数据分析书籍太学术、太枯燥，这本书绝对能让你以最轻松、最有效的方式，体会到数据分析的乐趣和力量。
这本《大话数据分析》简直是我的救星！我之前对数据分析这块一直处于“只听过，没见过”的状态，感觉它离我很遥远，充满了复杂的数学公式和晦涩难懂的术语。每次看到行业报告里那些图表和百分比，我都只能一脸茫然。但是这本书，真的颠覆了我的认知。作者的文笔非常风趣幽默，把原本枯燥的分析流程讲得像听故事一样引人入胜。特别是关于“数据清洗”那一部分，我印象最深。以前总觉得数据清理就是简单地删掉几个空值，但书里深入浅出地讲解了如何识别异常值、如何进行数据标准化，甚至还提到了在特定业务场景下如何“创造性”地处理缺失值，让我茅塞顿开。它不是那种高高在上的学术著作，更像是一位经验丰富的同行坐在你旁边，手把手教你如何从一堆杂乱无章的数字中挖掘出商业价值。读完之后，我对数据分析的整体框架有了清晰的认识，不再畏惧那些复杂的统计模型，而是开始期待着用数据去解决实际问题。这绝对是想入门数据分析领域的非技术人员的首选入门读物，它成功地搭起了理论与实践之间的桥梁。
我必须说，这本书的深度和广度都超出了我的预期。本来以为“大话”这个书名会意味着内容会比较浅尝辄止，走马观花，但事实证明我错得离谱。它在介绍完基础概念之后，迅速切入了实战环节，让我看到了数据分析师的真实工作状态。例如，书中详细剖析了好几个经典的商业案例，从零售业的客户流失预测到互联网产品的用户行为路径分析，每一个案例都配有详细的步骤分解和思考逻辑。尤其精彩的是关于“A/B测试设计”的那一章，作者不仅讲了如何计算样本量和显著性水平，还探讨了如何避免测试过程中的“污染效应”以及如何科学地解读那些“看似矛盾”的测试结果。这种对细节的把控和对实际操作中陷阱的预警，是其他很多理论书籍里找不到的。它教会我的不只是“怎么做”，更是“为什么这么做”的底层逻辑。对于已经在行业里摸爬滚打了一段时间，想要提升自己分析深度和严谨性的老手来说，这本书提供了一个非常扎实的参考框架。
虽然没有花哨的图表实战，但tableau原理（说的就是表计算）和分析思路讲的比较透彻，与作为tableau使用手册的官方教程相比，本书当得起大话数据分析的标题，可惜sankey图等需要高阶表计算的还是让人头大啊。
完成第一遍速读，之后就当工具书翻了
4月份花了半个月时间研究这个工具，能做一些基本的图表，但对于很多概念还是懵逼的，跑到简书上去看大神的图连带问了他们的学习方式，就推荐了这本书给我，原本还有一本叫《人人都是数据分析师》的这本我没下手，还是信大神的吧。今天看了2章，虽然一度觉得上个月花的时间白瞎了，但现在看一点也没有，有很多的操作还是望眼变知的，所以看的快，而且也在用这本书的理论知识再一次给自己上课：理论部分不懂的有解释，盲点的补漏，懂的复习。最主要的一点也是最关键的：能讲解分析的方向。 ----------------- 花了2天看完，就一句话：大开眼界
4月份花了半个月时间研究这个工具，能做一些基本的图表，但对于很多概念还是懵逼的，跑到简书上去看大神的图连带问了他们的学习方式，就推荐了这本书给我，原本还有一本叫《人人都是数据分析师》的这本我没下手，还是信大神的吧。今天看了2章，虽然一度觉得上个月花的时间白瞎了，但现在看一点也没有，有很多的操作还是望眼变知的，所以看的快，而且也在用这本书的理论知识再一次给自己上课：理论部分不懂的有解释，盲点的补漏，懂的复习。最主要的一点也是最关键的：能讲解分析的方向。 ----------------- 花了2天看完，就一句话：大开眼界
论Tableau软件的使用
