第0章 没有Tableau的日子 1
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
高云龙，现任职于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，曾任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。曾任职于阿尔斯通、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。
作者通过实际的商业场景以及生动的写作笔法，将一本专业的工具类图书以故事和对话的形式呈现出来，可谓别出心裁，让人读来兴致盎然，欲罢不能。本书实为难得一见之佳作。 ——宋立元，亚马逊中国副总裁 有效利用数据和数据分析手段了解业务，进而产生决策和执行计划，是敏捷型企业的一个典型特征。而结合数据分析进行决策和自助式分析是敏捷型企业的重要文化，也是新的重要工作技能。工作中我们会碰到一些具体问题，比如这个市场活动带来多少商机，归属哪些部门？zui近的售后响应时间比较慢，原因是什么？我们尽量不去过分依赖企业里的某个分析高手，而是打开电脑，连上数据，一起分析、讨论并解决问题。当然，企业中的数据分析大拿、大数据和数据仓库高手很重要，但他们应该是我们的技能导师，而非“保姆”。 本书将理论和业务场景紧密结合，介绍了当下很流行的分析工具Tableau。你既可以把它当作数据分析和Tableau的工具书，也可以把它作为解决问题的小宝典。如果你还不是很了解自助式分析文化，那么本书列举的业务场景恰好从多个方面呈现了它在企业中的应用。 ——刘琳珂，Tableau大中华区顾问总监 拥有19年商务智能与数据仓库产品和咨询经验的从业者 早在2012年，《哈佛商业评论》称数据科学家是“21世纪zui性感的工作”。如今越来越多的企业认识到大数据的价值，而数据科学家的工作jiu是将它们挖掘并呈现出来。把“数据”先转化为“有价值的信息”，再转化为“知识”，进而成为一种“智慧”，这是我zhi今zui认同的对数据科学愿景的描述。将清晰的愿景转化为现实的应用，任重而道远。善于学习和应用专业公司已有的模型与工具，如同我们常说的“站在巨人的肩膀上”，Tableau是这样一个you秀的数据可视化分析工具。本书以对话的方式，并辅以多层次的例子，深入浅出地介绍了Tableau工具和数据分析的基本思路。我相信不管你是“技术小白”还是从事分析工作的职场人士，都将从中获益。 ——孙彤，通用电气公司财务经理 “数据分析”这4个字听起来高深莫测，其实只要熟练掌握工具，人人都可以成为数据分析师。Tableau是众多数据可视化分析工具中的一颗明珠。本书以活泼的表述方式结合生动的实际案例，不仅为你一层又一层地揭开了Tableau的面纱，更为你呈现了一个又一个的数据分析思想和方法。授人以鱼，更是授人以渔。 ——吴飞，心知天气创始人兼CEO
本书讲述了一个现代企业从zui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jiu带入到实际的业务分析应用中，从zui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。
本书适合Tableau 数据分析师阅读。
内容由浅入深，以对话形式讲解Tableau 模拟实际的工作场景，实战性强 Tableau中国zi深专家、亚马逊zi深商业智能经理倾力打造
非常抱歉，您前期未参加预订活动，
无法支付尾款哦！
