业务可视化分析（第2版）：从问题到图形的分析方法与案例（全彩）

业务是数据分析的基础，也是最终的归宿。本书试图构建系统化的“业务可视化分析”实践方法论，这一体系从业务场景和问题出发，借助于可视化图表和交互式仪表板，实现“从业务中来、到业务中去”。 本书第1篇概述了业务分析的价值和数字化形式，重点介绍了普适性的“业务可视化分析”框架和分析基础，特别强调由浅入深地进行可视化构建。第2篇详细介绍了7种常见的问题类型及其可视化方法。第3篇结合笔者的项目实践，介绍了可视化在业务中的应用场景，超越可视化本身、用数据讲故事的实践建议，以及跨主题分析的高级场景。 可视化不是目的，只是形式。“业务可视化分析”是普适性方法论、优秀可视化工具与业务经验交织的抽象之地。

五年时间，历任人资经理、业务经理、总裁助理、销售经理等企业岗位；创业多年，参与多家文化传媒公司、软件和信息咨询公司，为大量高端客户提供Tableau培训服务（包括人民银行、沈阳宝马、中石油、石药集团、北京航天、野村综研等）。

第1篇 从业务和问题出发的可视化体系
第1章 业务可视化分析：实践方法论 2
1.1 了解当下：面对分析，我们陷于何地 2
1.2 可实践的业务分析方法综述 4
1.3 适用于每个人的业务分析方法综述 6
1.3.1 从业务出发的“业务―数据―分析”方法论和分析体系 6
1.3.2 将业务流程和数据分析融为一体的“企业数据地图” 7
1.3.3 数据模型：物理模型和逻辑模型的分离 9
1.3.4 指标体系是模型的归宿、问题分析的起点，是提高灵活性的关键 10
1.3.5 交互式仪表板 11
1.4 工具是能力和思考的“天花板” 12
第2章 奠基：业务分析的价值与形式 14
2.1 分析的终极目的是辅助决策 14
2.2 从数字和时钟中了解可视化视觉要素 18
2.3 简单可视化：帮助领导者更快地获得信息 20
2.4 交互可视化：可视化是假设验证的工具 21
2.5 结构化可视化：多详细级别结构 23
2.6 Tableau：敏捷BI助力决策分析 25

第3章 方法论：业务分析框架与分析基础 27
3.1 问题结构与其构成关系 28
3.2 过程：分析的本质过程是聚合 29
3.2.1 Excel数据透视表：拖曳实现聚合 29
3.2.2 独立于数据库的SQL查询：窗口式、编程化结构查询 31
3.2.3 Tableau VizQL可视化拖拉曳：聚合、可视化、分析三合一 31
3.2.4 超越工具之上：分析的本质过程是聚合 32
3.3 聚合的起点：理解数据明细表的构成与详细级别 33
3.3.1 理解数据表的构成及数据类型分类 34
3.3.2 理解数据表反映的业务过程及数据表记录的唯一性 40
3.3.3 理解多个数据表的“行详细级别”及其相互关系，是数据合并/匹配的基础 42
3.4 聚合的终点：理解逻辑表与逻辑字段 43
3.4.1 理解“聚合表”的特殊性及其详细级别 43
3.4.2 理解问题中包含的计算类型：行级别计算、聚合计算 45
3.4.3 字段的分类与多视角理解 47
3.4.4 常见聚合类型：合计、方差、百分位 49
3.5 从问题分析视角看数据分析的发展阶段 54
第4章 启程：可视化构建方法与扩展路径 57
4.1 “笛卡儿空间”与两种可视化思路 57
4.1.1 可视化坐标空间：坐标系与坐标轴 58
4.1.2 可视化图形的“图形语法”模式 60
4.1.3 可视化图形的“图形库”模式 62
4.1.4 面向业务的“图形语法”和面向IT的“图形库”对比 67
4.2 理解可视化的普遍构成：可视化图形的构成要素 68
4.2.1 可视化视觉模式与图形类型 70
4.2.2 可视化的意义描述：不忘初心、专注业务 73
4.3 可视化核心：字段的连续、离散属性与坐标轴 74
4.3.1 何为无限连续字段 74
4.3.2 次序字段 75
4.3.3 日期字段：兼具无限连续与次序字段的特征 77
4.3.4 字段的连续、离散属性，与3种可视化空间类型 78
第2篇 问题的7种基本类型与可视化方法
第5章 常见问题分类及增强可视化分析 82
5.1 3个阶段和7种问题类型 82
5.1.1 分析三大阶段与基本问题类型 82
5.1.2 “问题的字段角色解析方法”与基本问题类型 84
5.2 7种基础可视化图形简述 86
5.2.1 传统三大图：条形图、折线图及饼图 86
5.2.2 交叉表：侧重度量指标的高密度展现 87
5.2.3 分布分析的三大典型图形 87
5.2.4 相关性：散点图与双轴折线图 90
5.2.5 地理位置可视化 92
5.3 从基本可视化到复杂图形的延伸方法综述 94
5.3.1 从问题分析到图形增强分析的完整路径 94
5.3.2 基于行/列的空间扩展：分区与矩阵 95
5.3.3 基于标记的增强分析：分层绘制方法 98
5.3.4 坐标轴的扩展：双轴、同步轴与多轴的合并处理 104
5.3.5 基于参考线的扩展：增加视图聚合的二次聚合 106
5.4 超越图形，深入业务：通往更广阔的世界 107
第6章 “无对比，不分析”：排序分析 109
6.1 基本条形图与多个离散维度条形图 110
6.1.1 并排条形图：离散字段并排构成分区 111
6.1.2 条形图矩阵：离散字段交叉构成矩阵 112
6.1.3 高级实例：日历矩阵条形图 113
6.1.4 堆叠条形图：你喜欢喝什么咖啡 115
6.1.5 比例条形图：把堆叠条形图转换为占比分析 116
6.2 包含多个度量坐标轴的条形图 117
6.2.1 字段重要性递减的多种布局方式 117
6.2.2 考虑字段关系的双轴布局方式 118
6.2.3 并排条形图：多个绝对值度量字段的对比 120
6.2.4 重叠条形图：多个绝对值度量字段的包含关系 121
6.3 字段类型和属性对可视化图形的影响 123
6.3.1 字段类型和属性对颜色的影响 123
6.3.2 “绝对值”与比值：字段属性对标记选择的影响 125
6.4 坐标轴的调整与组合 125
6.4.1 默认零点：除非必要，谨慎更改 126
6.4.2 坐标轴“倒序”：有些数据越大越差 127
6.4.3 绝对值刻度与百分位刻度 128
6.4.4 从“等距坐标轴”到“不等距坐标轴” 129
6.5 以条形图为底色的进阶图形 130
6.5.1 棒棒糖图：虚拟双轴 130
6.5.2 靶心图：在排序基础上增加对比关系 131
6.5.3 进度条：展示单一对比关系的条形图变种 132
6.5.4 结构化分析实例：条形图的“高级化” 134
第7章 时间趋势分析：折线图“家族” 136
7.1 时间序列的构成 136
7.2 折线图的多种延伸形式 137
7.2.1 时间的层次结构与连续/离散属性 137
7.2.2 并排折线图和矩阵折线图 139
7.2.3 多维度折线图、堆叠面积图、百分比堆叠面积图 140
7.2.4 案例：包含时序的柱状图与结构化分析 143
7.3 包含多个度量的时间序列 145
7.3.1 时间序列中的双轴与柱状图 145
7.3.2 双轴的改变：柱状图与折线图的结合 146
7.3.3 度量值趋势图：基于公共基准的多轴合并 147
7.4 时间序列与条形图的结合：甘特图及其变种 148
7.4.1 标准甘特图：沿着连续日期延伸 148
7.4.2 股票蜡烛图：两个甘特图的重叠 149
7.4.3 跨度图：“伪装的甘特图样式” 151
7.4.4 阶梯图：以阶梯方式表达“跨度” 153
7.5 日期的高级转换：绝对日期与相对日期 154
7.5.1 两类日期锚点：绝对日期轴和相对日期轴 154
7.5.2 “公共基准”案例：产品在不同时间段的业绩对比 156
7.5.3 高级案例：客户复购分析 159
7.6 时间序列分析中度量的处理与高级图形 162
7.6.1 累计汇总趋势图：聚合度量的累计汇总处理 162
7.6.2 绝对值与同比双轴图：同比或环比的比率 163
7.7 排序图：绝对值转换为相对排序 164
7.8 坡面图：次序字段的前后变化 166
7.9 双折线增加阴影区：在趋势中突出对比关系 167
第8章 占比分析与多维分析入门 171
8.1 占比问题类型与饼图、树状图 171
8.1.1 饼图的适用范围及“极坐标” 171
8.1.2 树状图：包含层次结构的占比分析 173
8.2 理解饼图的本质，迈入高级分析之门 175
8.2.1 以“合计百分比”理解二次聚合：从Excel、SQL到Tableau 175
8.2.2 使用Tableau快速表计算完成“占比分析” 177
8.3 进阶：将饼图置于其他可视化视图背景之中 178
8.4 自定义饼图：按需计算分类字段 180
8.4.1 行级别分组：使用“分组”和行级别计算 180
8.4.2 指定详细级别的分组：使用集或高级计算动态分组 181
8.5 高级图形：环形图、旭日图、南丁格尔玫瑰图 183
8.5.1 环形图：最简单的双层次结构 183
8.5.2 旭日图：双层占比 184
8.5.3 南丁格尔玫瑰图及个人建议 185
第9章 可视化交叉表：“旧瓶”何以装“新酒” 187
9.1 汇总交叉表的常见场景 187
9.1.1 多度量值汇总：业务分析从高度抽象开始 187
9.1.2 日历交叉表：单一度量的“突出显示表” 189
9.1.3 组合图：常见的“总分结构”表达方式 189
9.2 聚合汇总表和明细表：交叉表的两类应用 190
9.3 让交叉表更“好看”：可视化修饰方法 192
9.3.1 文本修饰表：基于度量值的渐变颜色修饰 193
9.3.2 双轴交叉表：基于坐标轴和标记的高级“文本自定义” 195
9.3.3 高级组合图：使用自定义字段逻辑控制形状或其他 199
9.4 官方扩展：强大的超级表格（Tableau Table） 200
9.5 让简单丰富起来：善用工具提示与仪表板互动 202
9.6 用好“三图一表”，避免形式主义 204
第10章 大数据转折点：超越个体、走向分布 206
10.1 从个体分析到分布分析 206
10.2 直方图：分布分析第一图 207
10.2.1 简单直方图：使用已有字段创建直方图 208
10.2.2 进阶直方图：使用数据桶在数据表行级别创建直方图 209
10.2.3 高级直方图：使用预先聚合和数据桶生成直方图区间 210
10.2.4 基于RFM模型的客户分布分析 211
10.3 分布函数与箱线图：以百分位和方差描述离散程度 214
10.3.1 分布函数的应用：箱线图入门 214
10.3.2 洞悉箱线图：理解百分位数函数与两类聚合 215
10.4 帕累托图：头部集中分布 218
10.4.1 横轴百分位处理：将离散维度序列转换为连续百分位坐标轴 219
10.4.2 纵轴累计百分比处理：度量的百分位转换 220
10.4.3 空间分类处理：帕累托图的颜色分类和互动筛选 221
10.5 自定义分布分析：参考线与参考分布模型 222
10.5.1 使用多条“百分比”参考线构建区间 223
10.5.2 自定义百分位分布区间 224
10.5.3 分位数分布区间 225
10.5.4 标准差分布与“质量控制图”和“六西格玛区间” 226
第11章 相关性分析：散点图和双轴趋势 229
11.1 相关分析与“度量散点图”入门 229
11.2 多个维度字段的“相关性系数” 232
11.3 度量相关性的扩展：散点图矩阵 235
11.3.1 多个度量轴的散点图矩阵 235
11.3.2 增加维度的散点图矩阵 236
11.3.3 使用散点图的样式为箱线图做扩展 236
11.4 多度量的趋势相关性：双轴折线图 239
11.5 次序字段的流向分析：桑基图 240
11.6 各类复杂图形简述 242
11.7 相关性或因果关系：基于空间的流行病学案例 244
第12章 特殊的分布：地理空间分析 248
12.1 地理空间和地理图层 248
12.2 点图与热力图：地理空间分布及其扩展形式 249
12.2.1 点图和热力图的对比说明 249
12.2.2 空间点函数MAKEPOINT()和缓冲函数BUFFER() 251
12.2.3 自定义坐标系分布：“化学元素周期表” 253
12.3 符号地图与填充地图：用大小和颜色标记度量值 253
12.3.1 符号地图和填充地图：增加更多数据层 253
12.3.2 地图标记层：组合多种标记样式 255
12.3.3 高级案例：使用表计算自定义空间矩阵 255
12.4 路径地图：多点连线和双点连线函数 257
12.4.1 多点路径：使用次序字段连接多个空间点 257
12.4.2 点到点路径：空间线函数MAKELINE()和直线距离函数DISTANCE() 258
12.4.3 空间面积函数AREA() 259
12.5 地理空间图形的说明 260


第3篇 案例：可视化分析实践分享
第13章 客户迁徙分析：从静态结构到动态标签分析 262
13.1 从静态结构到动态结构的客户分析 262
13.2 以交互方式直观感受客户迁徙：高亮和树状图 265
13.3 从模糊到精确：为年度客户增加“价值标签” 266
13.4 使用桑基图表达多年之间的结构化关系 269
13.4.1 理解堆叠要素的业务意义 269
13.4.2 堆叠要素之间的关系 270
13.4.3 用桑基图中的Null简要理解客户流失 271
13.5 月度迁徙分析与指标体系 272
第14章 实践分享：超越客户“显而易见的需求” 274
14.1 跳出思维的限制 274
14.2 真实需求源自对业务的理解 276
14.3 金融案例 277
14.4 空调预测性维修案例 279
14.5 通风活门预测维修案例 281
第15章 用数据讲故事，用数据解决现实的决策问题 283
15.1 可视化分析的误区 283
15.2 什么是“用数据讲故事” 284
15.3 少即是多 285
15.4 航空案例 287
15.4.1 预达准确性分析 288
15.4.2 航空收益分析 289
15.5 商业智能的挑战 293
第16章 跨主题分析：供应链销售预测与生产平衡 294
16.1 需求预测的重要性及其困境 294
16.1.1 预测无处不在 294
16.1.2 预测的悖论 295
16.2 Record：一切皆可被量化 296
16.2.1 从无记录到有记录：充分利用ERP系统的功能，加强数据衔接 296
16.2.2 从粗糙到更有代表性的样本 298
16.3 Review：回顾、分析，持续改进 299
16.3.1 入门：计算每一笔预测的误差 300
16.3.2 进阶：帮助业务定位问题并改进 301
16.3.3 高级：更抽象的指标，更深入的规律洞察 302
16.3.4 预测对象样本：分析中不断扩大预测范围 305
16.4 Rebalance：以数据方式对齐跨部门的资源计划 306
16.4.1 动态平衡简要介绍 306
16.4.2 Rebalance的真谛：在平衡中持续改进 307
16.4.3 规划求解的平衡：ERP系统的物料需求计划 309
第17章 成为优秀的业务分析师的建议 311
17.1 好奇、探索和持续学习的欲望，是前进的源泉 311
17.2 学习理解原理，方能举一反三、事半功倍 312
17.3 深入理解业务，方能立于不败之地 313
17.4 分析要从明细开始，过度整理会远离真相 314
17.5 工具不在多而贵在精，熟能生巧、巧能生智 315
17.6 循序渐进，不要好高骛远 316
后记和参考资料 318