python tableau工作流_使用Tableau进行高级分析.PDF

使用Tableau进行高级分析.PDF

使用 Tableau

进行高级分析

Ian Coe ，产品经理

Bora Beran ，主管产品经理

Piper Stull-Lane ，产品营销经理

我们曾经生活在一个非此即彼的世界。您要么懂得如何编程，要么与高级分析技术无缘。要么学习

R、Python 和/或 SAS ，要么请人帮您攻克难关。Tableau 相信，为了真正地扩充人类智能，我们需要为

技术能力千差万别的用户提供丰富的功能。我们信奉的原则是，让每个技能级别的人都能够从数据中获取

见解和证据。

Tableau 在分析平台中独树一帜，因为它同时服务于业务用户和数据科学家。得益于其直观界面和可视

化查询语言 ，非编程人员无需编写代码也能进行深入分析。在 Facebook 和 Amazon 之类的前沿分析公

司，Tableau 的分析深度又足以扩充数据科学团队的工作流。

只需单击几下，您就可以创建盒须图、树状图、预测性可视化和同期群分析。还可以连接到 R 和

Python ，使用 Tableau 扩展分析，对模型结果进行可视化。非技术用户可以提出此前难以企及的问题，

而数据科学家可以更快地迭代和发现更深的见解，因此能够获得质量更高、更有价值的发现。

这篇白皮书探索 Tableau 如何能够一方面为分析项目的所有阶段提供帮助，另一方面又专注于几项具体

的高级功能。大体上，我们将讨论以下方案以及为这些方案提供支持的功能：

分段和同期群分析：Tableau 提倡直观的调查流程，以实现快速灵活的同期群分析。通过根

据所需维度切分和切割数据，转换不同的视角探索问题。如果您希望用机器学习来扩充自己

的分段分析，可借助自动化聚类分析从高维度大数据集中发现原本很难察觉的模式。

方案和假设分析：通过将 Tableau 灵活的前端和强大的输入功能结

合使用，您可以快速修改计算并测试不同的方案。

复杂计算和统计函数：Tableau 拥有强大的计算语言，使您可以轻松地通过任意计

算扩展分析，并利用简洁的表达式执行复杂的数据操作。范围涵盖基本聚合内嵌和

统计计算(例如标准差、众数、峰度、不对称度、相关性和协方差)。

时间序列和预测分析：世界上的大部分数据都可以按照时间序列进行建模，因此 Tableau 自身支持多种时间序列

分析。也就是说，您可以在强大的 UI 中探索季节性变化和趋势，对数据进行抽样，运行预测性分析(例如预测)

以及执行其他常见的时间序列运算。

外部服务集成：R 和 Python 插件为 Tableau 前端提供了易用的强大功能，同时使专家能够利用其他平台上现有

的工作，并处理有细微差别的统计和机器学习需求。

跳转至...

方案 功能

1. 分段和同期群分析 计算字段、聚类分析、集、组

2. 方案和假设分析 参数、故事

3. 复杂计算 智能创作语言、详细级别表达式、快速表计算、统计函数

4. 时间序列和预测分析 趋势分析、预测

5. 外部服务集成 R 和 Python 集成

1. 分段和同期群分析

功能：计算字段、聚类分析、集、组

为了生成初始假设，业务用户和数据专家常常以同样的方法入手：

快速迭代的能力有助于推动模 创建分段和/或进行非正式同期群分析。通过对不同的分段提出一系列基本问

型开发，确保项目始终在正确 题，分析师可以更好地理解自己的数据、验证自己的假设(例如，“与使用支

轨道上运行。 票付款的客户相比，使用信用卡付款的客户是否更易于保留？”)。快速迭代

的能力有助于推动模型开发，确保项目始终在正确轨道上运行。此阶段的理

想平台应该支持以下操作：

快速创意构思：

针对分析流中提出的问题，提供直观的调查画布和近实时反馈。

简单的集操作：