数据分析3.0

 Tableau

目录

 Tableau

数据可视化原理

数据可视化原则

BI仪表盘搭建

---

• 数据可视化原理

  • 你能否一眼看出以下图表的最大值和最小值？

    

  • 这样是不是更快？为什么呢？

    

    • 人类是天生的视觉优势动物，看图比看字快
    • 数理逻辑需要后天不断训练才能获得和加强
    • 最早的文字就是象形文字，慢慢才抽象成符号文字

  • 数据是如何变成图表的？

    • 数据变成图表的过程，就是用数据映射到视觉图形的过程

      

    • 对于可视化来说，数据有【维度】和【度量】两种类型
      • 数值型变量【度量】Measures
        • 一般是由数字组成的变量
        • 例如：成交金额、用户数、点击量
        • 数值变量可以进行计算，并基于计算结果的大小表示图表的面积大小、条形长短、颜色深浅等可以量化的视觉元素
      • 类别型变量【维度】Dimensions
        • 类别变量包含有限的类别数或可区分组数（数值变量过多时需要分组）
        • 例如：用户ID、性别、来源渠道
        • 类别变量主要用来对数值变量的计算结果进行区分，表现为图表的颜色种类、图形位置、分类方式等难以量化的视觉元素
        • 只能进行计数和分布等简单计算
    • 【度量】映射图形，【维度】负责区分
  • 使用Tableau将数据变成图表（Tableau可视化原理）
    • 可拖拽操作的区域主要有以下3个
      • 行列
        • 行：将字段作为纵轴
        • 列：将字段作为横轴
        • 二者可以通过转置交换
      • 标记卡
        • 用来切换数据对应的视觉映射类型
        • 调整图表颜色、标记、大小等展示细节
      • 筛选器
        • 将指定变量作为筛选条件

• 数据可视化原则

  • 区分用户
    • 可视化设计的第一步就是判断观众是谁，进而选择分析和展示角度

      

  • 主次分明、详略得当
    • 强调信息的方式有很多种，用恰当的方式去强调恰当的内容

      

  • 真实准确
    • 刻度要从0开始
    • 如条形图（柱状图） 在制作条形图时需要注意保持图形长度的真实性，如下两个条形图，左边的图形以3000作为纵坐标轴起点，导致蓝色矩形长度变短，看上去蓝色矩形长度只是红色的1/4，扭曲了两个矩形的长度关系（违背了图形图表追求真实准确的可视化表达本意）

      

  • 符合大众认知和审美习惯
    • 可视化学科发展已经有很长的历史了，大众已经形成了基本的认知习惯
    • 地理位置用地图、随时间变化用折线图都是基本认知
  • 适度原则
    • 颜色一般不要超过8种，不能过分强调，且搭配要合理
    • 排版、字体、大小、形状等都要合适
    • 避免使用3D效果，容易产生错觉
  • 五秒原则
    • 你做的图5秒内其他人看懂了就是成功了，否则就还有优化空间
  • 恰到好处的说明
    • 说明包括：标题、图例、标注、结论等【通过右键数据添加注释】

      

    • 颜色代表什么要有图例说明

      

  • 少即是多（Less is More）

    

• BI仪表盘搭建

  • 仪表盘搭建原则
    • 符合业务的阅读、思考、操作逻辑
  • 明确仪表盘主题
    • 你的观众是谁？他们对什么感兴趣？
      • 普通业务人员
        • 几个跟自己业务切实相关的数据
          • 销售：注册-激活-成交
          • 投放：消耗-转化率
      • 中层管理者
        • 整体的总结报告
          • 业务整体的绝对值、达成率、同比环比
          • 有哪些数据异常和优秀表现
        • 各个维度的数据
          • 各个业务动作的绝对值、达成率、同比环比
          • 数据异常的具体原因
      • 高层管理者
        • 整体的总结报告
          • 业务整体的绝对值、达成率、同比环比
          • 有哪些数据异常和优秀表现
  • 仪表盘主题拆解
    • 怎样的数据能表达清楚你想说的主题？
      • 这个主题涉及到哪些数据？
      • 数据的重要程度是否相同？
      • 最适合数据的图表是哪种？
        • 对比
          • 绝对值对比——条形图/柱状图
        • 变化
          • 没有累计关系——折线图+柱状图
          • 有累计关系——面积图/堆积图
        • 构成
          • 对象少于3个——环形图
          • 对象大于3个——树地图
        • 分布
          • 单变量分布——直方图
          • 多变量分布——散点图、气泡图
  • 开发设计工作表
    • 经营情况总览：突出显示的文字
      • 将GMV拖到文本
      • 将商家实收拖拽到GMV的数字上
      • 将行的度量名称拖到列
      • 继续向度量值框内增加字段
        • 曝光人数
        • 进店人数
        • 下单人数
        • 无效订单数
        • 商户补贴
        • 平台补贴
        • cpc总费用
      • 添加时间筛选，应用到全局

        

    • 经营数据详情：表格
      • 复制经营情况总览
      • 拖拽日期到天，选择连续天，在选择离散

        

    • 每日营收数据：多轴折线图
      • 右键日期，创建自定义日期，选择天
      • 拖拽日期到列
      • 拖拽GMV到行
      • 拖拽商家实收、平台补贴到纵轴

        

    • 每日流量数据：双轴组合图
      • 拖拽日期（天）到列
      • 创建计算字段
        • 进店率
          • SUM([进店人数])/SUM([曝光人数])
        • 右键进店率字段-默认属性-数字格式
          • 选择百分比
        • 复制进店率
          • 修改列名为成交率
          • 下单人数替换进店人数
          • 进店人数替换曝光人数
      • 成交率到行，进店率到纵轴
      • 曝光人数到行
      • 右键曝光人数-双轴
      • 修改曝光人数图层标记为条形图
      • 在行拖拽字段改变图层顺序

        

    • 新老客占比：环形图
      • 创建计算字段
        • 新老客
        • IF IFnull ([order_90d],0) = 0 then '新客'
        • else '老客'
        • end
      • 新老客拖拽到颜色
      • orders表的计数到大小
      • 选择饼图
      • 整个视图
      • 增加百分比、新老客标签
      • 绝对值拖拽到工具提示
      • 在行输入两个0
      • 双轴修改图层
      • 隐藏纵轴标题
      • 设置格式-线-零值线无

        

    • 平台占比：环形图
      • 复制新老客占比
      • 右键平台，进行别名

        

    • 门店占比：环形图
      • 复制平台占比
      • 门店名称替换平台即可

        

    • 投放情况：散点图
      • cpc总费用到列
      • 商家实收到行
      • 日期（复制）到详细信息和标签
      • 品牌名称到颜色
      • 添加趋势线

        

    • 订单分布：面积图
      • 下单日期到列-连续天
      • orders计数到行
      • 下单日期时间到颜色-离散小时
      • 标记选为区域

        

    • 配送分布：地图
      • 双击配送坐标-经度/纬度
      • 下单日期时间（复制）到详细信息
      • 排除异常数据
      • 右键距离，创建组
      • shift多选后命名分组
      • 将距离-组拖拽到颜色

        

    • 最终结果

      

  • 详情： 可视化分析 https://kdocs.cn/l/cb3nONqCcFz1