具體描述
本書講述瞭一個現代企業從最初的報錶開發模式轉嚮敏捷型分析模式的故事，通篇以對話的形式模擬職場人員在日常工作中使用數據分析解決問題並進行業務決策的過程。本書組織瞭一套全新的學習體係，內容由淺入深，從一開始就帶入到實際的業務分析應用中，從最基本的時間序列分析開始發現銷售模式和季節性波動規律，到通過熱圖來分析一綫銷售和服務人員的排班優化，再到深入分析客戶的80/20 規律等，每一章都在使用Tableau 分析和解決實際商業中遇到的問題。
作者簡介
高雲龍
現就職於Tableau軟件公司，從2000年開始從事數據倉庫、商務智能領域的工作，曾就職於軟件係統集成商、商務智能軟件産品公司。
孫辰
亞馬遜商業智能經理。曾就職於阿爾斯通、通用電氣等企業，專注於數據挖掘、機器學習、商業智能應用及可視化分析等領域。
目錄資訊
第1章 分析師起步：Tableau的第一堂課 5
1.1 先瞭解一下Tableau公司 5
1.2 動手連接數據吧 8
1.3 發現銷售規律：時間序列分析 21
1.4 洞察虧損地區：地理維度分析 35
1.5 探究産品虧損的原因：産品維度分析 40
1.6 初步客戶畫像：客戶維度分析 49
1.7 呈現你的觀點和結論：儀錶闆和故事 51
第2章 破解難題：Tableau連接復雜Excel數據 60
2.1 陷入睏難 60
2.2 Tableau輕鬆搞定 63
第3章 通過數據洞察業務：Tableau計算基礎 75
3.1 霧霾對客服是否有影響 75
3.2 計算實際發貨周期 77
3.3 可視化最佳實踐：為什麼不用餅圖 79
3.4 從概況到細節：具體至每筆交易發貨狀態 84
3.5 數據分析師的颱曆：颱曆圖 88
第4章 初識錶計算 92
4.1 如果生意本來就很好，還需要分析嗎 92
4.2 基礎錶計算選項 93
4.3 計算依據難度1級：錶橫穿嚮下 96
4.4 計算依據難度2級：區橫穿嚮下 99
4.5 計算依據難度3級：單元格內錶計算 101
4.6 計算依據難度4級：特定維度 102
4.7 計算依據難度5級：多維度組閤 104
4.8 計算依據難度6級：重啓順序 109
4.9 計算依據難度7級：嵌套錶計算 112
第5章 增收不增利，成長有隱憂：Tableau計算進階 115
5.1 數據可能誤導決策 115
5.2 聚閤非聚閤 118
5.3 Tableau函數一瞥 124
第6章 歡迎進入Tableau計算深水區：LOD錶達式概述 128
6.1 有道理的奇葩要求 128
6.2 LOD基礎 129
6.3 過濾後的全國占比問題：FIXED應用 132
6.4 每個省最大的客戶：INCLUDE應用 135
6.5 對標分析：EXCLUDE應用 137
第7章 老客戶貢獻分析：集的應用 140
7.1 吵架也要有數據支持 140
7.2 如何從數據中找齣頭緒 141
7.3 客戶跟蹤分析 144
7.4 集閤的創建和使用 147
7.5 客戶發展分析 149
7.6 老客戶究竟貢獻有多大 153
第8章 客戶80/20定律：快速嵌套錶計算 159
8.1 數據平息爭論 159
8.2 客戶流失分析 161
8.3 80/20分析：客戶帕纍托 163
第9章 關注重點産品：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 閤並字段方法 177
9.5 Index方法 181
第10章 數據桶與指標分段：數據分組 185
10.1 按照銷售量的簡單分組 185
10.2 數據桶 200
10.3 産品帕纍托 202
第11章 銷售要重新劃地盤兒啦：手工分組 203
11.1 調整銷售區劃 203
11.2 産品歸類分組 209
11.3 用函數切分産品名稱，獲取品牌信息 211
第12章 靈活的KPI分析：數據混閤與嵌套錶計算 212
12.1 賣得多就是業績好嗎 212
12.2 實際值遇到目標值，得到KPI：數據混閤和錶計算 214
12.3 緊盯目標：標靶圖 219
12.4 各種TD的分析 221
12.5 混閤，然後去掉混閤 237
12.6 不關聯的混閤 246
第13章 提升分析性能：數據提取 249
13.1 快則酣暢，慢則憋氣 249
13.2 條件都選好再刷新 250
13.3 性能分析 251
13.4 實時與提取 253
第14章 把數據分析和網絡百科相連：動態儀錶闆 260
14.1 不公平的對比分析 260
14.2 引導式分析 262
14.3 儀錶闆操作 265
14.4 儀錶闆上的URL動作 268
14.5 懸停加亮 271
第15章 一切都可以圖形化：自定義地圖應用詳解 276
15.1 地圖的玩法 276
15.2 背景地圖標記應用 277
15.3 背景圖片上畫綫 283
15.4 背景圖片上畫多邊形區域 285
第16章 更多的靈活與互動性：參數概述 287
16.1 問題 287
16.2 變動的Top N 288
16.3 可變的維度和度量 293
16.4 What-if分析 295
16.5 切換不同的圖錶 297
第17章 分析常常就是篩選過程：篩選器概述 302
17.1 篩選的基本原理 302
17.2 各種篩選器的優先順序 313
17.3 篩選器的作用範圍 323
第18章 讓數據更生動：自定義形狀 325
18.1 儀錶闆上的産品分析 325
18.2 自定義形狀 329
18.3 可能的應用場景 333
第19章 流嚮分析：桑基十八式 336
19.1 流嚮問題的提齣 336
19.2 桑基十八式 340
第20章 數據準備也能可視化：Tableau Prep 353
第21章 職業睏惑：數據分析師有沒有前途 377
21.1 機會與睏惑 377
21.2 錨點分析 379
21.3 柳暗花明 385
· · · · · · (收起)
讀後感
作為和數據打交道的從業人員，對於BI工具，尤其是大名鼎鼎的tableau，或多或少，有所耳聞。筆者也是在工作中，通過閱讀tableau的書籍和相關教程，逐漸接觸和學習tableau的。 和之前讀過的兩本tableau書籍相比，我想說幾點關於這本書的讀後感： 1，如果把tableau學習使用，按照1...
評分作為和數據打交道的從業人員，對於BI工具，尤其是大名鼎鼎的tableau，或多或少，有所耳聞。筆者也是在工作中，通過閱讀tableau的書籍和相關教程，逐漸接觸和學習tableau的。 和之前讀過的兩本tableau書籍相比，我想說幾點關於這本書的讀後感： 1，如果把tableau學習使用，按照1...
評分作為和數據打交道的從業人員，對於BI工具，尤其是大名鼎鼎的tableau，或多或少，有所耳聞。筆者也是在工作中，通過閱讀tableau的書籍和相關教程，逐漸接觸和學習tableau的。 和之前讀過的兩本tableau書籍相比，我想說幾點關於這本書的讀後感： 1，如果把tableau學習使用，按照1...
評分作為和數據打交道的從業人員，對於BI工具，尤其是大名鼎鼎的tableau，或多或少，有所耳聞。筆者也是在工作中，通過閱讀tableau的書籍和相關教程，逐漸接觸和學習tableau的。 和之前讀過的兩本tableau書籍相比，我想說幾點關於這本書的讀後感： 1，如果把tableau學習使用，按照1...
評分作為和數據打交道的從業人員，對於BI工具，尤其是大名鼎鼎的tableau，或多或少，有所耳聞。筆者也是在工作中，通過閱讀tableau的書籍和相關教程，逐漸接觸和學習tableau的。 和之前讀過的兩本tableau書籍相比，我想說幾點關於這本書的讀後感： 1，如果把tableau學習使用，按照1...
用戶評價
我是在一個周末的下午偶然翻到這本書的，原本隻是想隨便看看。結果，一口氣讀瞭快一半，完全停不下來。這本書的節奏感把握得極佳，它沒有采用傳統的章節遞進模式，而是像一係列精心設計的短篇，每個小節都能提煉齣一個可以立即應用到工作中的小技巧或思維轉變。比如，關於“時間序列分析”的部分，作者巧妙地引入瞭節假日效應和季節性波動對業務判斷的乾擾，並提供瞭一套簡潔易懂的調整策略，這讓我立刻解決瞭睏擾我團隊很久的一個庫存預測難題。這本書最大的魅力在於它的實用性和極強的可操作性，它沒有沉溺於過度的理論闡述，而是像一個實戰手冊，充滿瞭“你可以這麼做”的直接建議。如果你覺得那些數據分析書籍太學術、太枯燥，這本書絕對能讓你以最輕鬆、最有效的方式，體會到數據分析的樂趣和力量。
评分我必須說，這本書的深度和廣度都超齣瞭我的預期。本來以為“大話”這個書名會意味著內容會比較淺嘗輒止，走馬觀花，但事實證明我錯得離譜。它在介紹完基礎概念之後，迅速切入瞭實戰環節，讓我看到瞭數據分析師的真實工作狀態。例如，書中詳細剖析瞭好幾個經典的商業案例，從零售業的客戶流失預測到互聯網産品的用戶行為路徑分析，每一個案例都配有詳細的步驟分解和思考邏輯。尤其精彩的是關於“A/B測試設計”的那一章，作者不僅講瞭如何計算樣本量和顯著性水平，還探討瞭如何避免測試過程中的“汙染效應”以及如何科學地解讀那些“看似矛盾”的測試結果。這種對細節的把控和對實際操作中陷阱的預警，是其他很多理論書籍裏找不到的。它教會我的不隻是“怎麼做”，更是“為什麼這麼做”的底層邏輯。對於已經在行業裏摸爬滾打瞭一段時間，想要提升自己分析深度和嚴謹性的老手來說，這本書提供瞭一個非常紮實的參考框架。
评分這本書給我最大的感受是，它真正做到瞭“去神秘化”。數據分析這個領域常常被賦予一層高深的濾鏡，好像隻有數學天纔纔能玩轉。然而，作者似乎深諳普通人的學習心理，他非常注重培養讀者的“數據思維”而非單純的“工具操作”。書中花瞭很大篇幅討論如何構建一個好的業務問題、如何將模糊的商業需求轉化為可量化的指標體係（KPIs的設定藝術），這些軟技能往往比掌握某個軟件的特定函數要重要得多。我特彆欣賞其中對“敘事性”的強調——優秀的數據分析報告不應該隻是圖錶的堆砌，而是一個有說服力的故事。作者通過生動的例子演示瞭如何用數據支撐論點，如何用恰當的視覺化手段來放大結論的衝擊力，讀起來簡直像是在上公開課，條理清晰，邏輯縝密，讓人忍不住想立刻拿起自己的數據試試看。
评分與其他市麵上充斥著Python代碼或R語言腳本的工具書不同，《大話數據分析》的重點顯然不在於炫技於編程語言。盡管書中涉及瞭分析方法，但它更側重於方法背後的數學原理和統計假設的解讀。這對於我這種非技術背景的管理者來說，簡直是雪中送炭。我不再需要依賴技術團隊去解釋報告，我能自己判斷他們采用的方法是否閤理，他們的結論是否站得住腳。書中對“相關性不等於因果性”的論述尤為深刻，通過幾個反直覺的例子，讓我對數據解讀中的常見誤區有瞭清醒的認識。它培養瞭一種健康的懷疑精神，教導我們不要輕易相信第一個跳齣來的數字，而是要追問數據的來源、抽樣的偏差以及模型的前提假設。這本書極大地提升瞭我的決策質量，因為它讓我學會瞭如何批判性地“閱讀”數據。
评分這本《大話數據分析》簡直是我的救星！我之前對數據分析這塊一直處於“隻聽過，沒見過”的狀態，感覺它離我很遙遠，充滿瞭復雜的數學公式和晦澀難懂的術語。每次看到行業報告裏那些圖錶和百分比，我都隻能一臉茫然。但是這本書，真的顛覆瞭我的認知。作者的文筆非常風趣幽默，把原本枯燥的分析流程講得像聽故事一樣引人入勝。特彆是關於“數據清洗”那一部分，我印象最深。以前總覺得數據清理就是簡單地刪掉幾個空值，但書裏深入淺齣地講解瞭如何識彆異常值、如何進行數據標準化，甚至還提到瞭在特定業務場景下如何“創造性”地處理缺失值，讓我茅塞頓開。它不是那種高高在上的學術著作，更像是一位經驗豐富的同行坐在你旁邊，手把手教你如何從一堆雜亂無章的數字中挖掘齣商業價值。讀完之後，我對數據分析的整體框架有瞭清晰的認識，不再畏懼那些復雜的統計模型，而是開始期待著用數據去解決實際問題。這絕對是想入門數據分析領域的非技術人員的首選入門讀物，它成功地搭起瞭理論與實踐之間的橋梁。
评分4月份花瞭半個月時間研究這個工具，能做一些基本的圖錶，但對於很多概念還是懵逼的，跑到簡書上去看大神的圖連帶問瞭他們的學習方式，就推薦瞭這本書給我，原本還有一本叫《人人都是數據分析師》的這本我沒下手，還是信大神的吧。今天看瞭2章，雖然一度覺得上個月花的時間白瞎瞭，但現在看一點也沒有，有很多的操作還是望眼變知的，所以看的快，而且也在用這本書的理論知識再一次給自己上課：理論部分不懂的有解釋，盲點的補漏，懂的復習。最主要的一點也是最關鍵的：能講解分析的方嚮。 ----------------- 花瞭2天看完，就一句話：大開眼界
评分講的還不錯，最好先看下官網教程，這個是結閤一個整例子講
评分4月份花瞭半個月時間研究這個工具，能做一些基本的圖錶，但對於很多概念還是懵逼的，跑到簡書上去看大神的圖連帶問瞭他們的學習方式，就推薦瞭這本書給我，原本還有一本叫《人人都是數據分析師》的這本我沒下手，還是信大神的吧。今天看瞭2章，雖然一度覺得上個月花的時間白瞎瞭，但現在看一點也沒有，有很多的操作還是望眼變知的，所以看的快，而且也在用這本書的理論知識再一次給自己上課：理論部分不懂的有解釋，盲點的補漏，懂的復習。最主要的一點也是最關鍵的：能講解分析的方嚮。 ----------------- 花瞭2天看完，就一句話：大開眼界
评分非常好
评分完成第一遍速讀，之後就當工具書翻瞭
相關圖書
本站所有內容均為互聯網搜索引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2026 onlinetoolsland.com All Rights Reserved. 本本书屋 版权所有