自序

在2023年完成《数据可视化分析（第2版）：分析原理与Tableau、SQL实践》（以下简称《数据可视化分析（第2版）》）的修订工作之后，笔者便着手筹备《业务可视化分析：从问题到图形的Tableau方法》（以下简称《业务可视化分析》）一书的改版工作。自2021年8月《业务可视化分析》第1版问世至今，已发生诸多变化——既包括笔者个人知识体系的深化与实践经验的积累，亦涵盖Tableau软件功能的重大迭代升级。

封面设计：Wendy Shijia（汪士佳）扫码或点击查看 Public 对应的素材来源：The Entertainer #dataplusmusic

近年来，笔者在为多家企业客户提供系统性的Tableau培训及技术支持服务的过程中，始终致力于构建基于Tableau的分析通识体系与业务分析最佳实践框架。基于这一目标，笔者与团队成员在航空业务分析、供应链需求预测、金融业务分析、数字化审计等跨行业项目中持续积累经典案例并进行理论提炼，这些领域的实践成果有效推动了分析通识体系的完善。

购买渠道：

微信小店购买（推荐，价格最低）：微信小店://电子工业出版社/FmDdaH8ugAjlKLj
京东/天猫（电子工业出版社）

1．改版内容调整

本次改版主要涉及以下内容优化。

（1）对第1章进行全文重构，将原有个人叙事调整为“实践方法论”章节，该内容是后续内容的缩略版。

（2）全面修订第3章，阐述业务分析的基本框架和分析基础，参考《数据可视化分析（第2版）》的部分内容，使得内容体系更加一致。

（3）将原第5章内容精简并整合至第4章中。介绍两类可视化路径：可视化语法方式和图形库方式。在此基础上，介绍可视化的基本构成和字段特征。

（4）将问题分类和增强可视化分析方法，扩充为新的第5章。

（5）修改第2篇中各章的可视化内容，特别是第9章，增补了Tableau“超级表格”功能的介绍。

（6）重构第11章结构：重点把“双轴折线图”作为相关性分析的典型用法单独成节（见第11.4节）；结合Tableau新版本扩展功能，重新介绍桑基图（见第11.5节），并在后续第13章的案例中深化应用；修改了部分其他内容。

（7）对第3篇内容进行体系化重构，把分析方法融入分析业务案例中。

第13章，由浅入深，从客户静态分类到动态结构，从模糊的客户流失分析到更加精确的桑基图迁徙分析，希望这个案例能为更多人找到“令其惊叹”的分析体验。
第14章，真正的分析不仅仅是回应客户的需求，还要超越“显而易见的需求”，深入业务内部，更好地服务业务决策。本章的案例，特别是航空案例，真实地记录了客户的实践。
第15章，结合航空案例介绍“如何用数据讲故事”，在这条路上，每个人都要忍住来自“形式主义”的诱惑，一切从简、聚焦业务，这几乎是铁律。
第16章，基于供应链销售预测和生产平衡案例，介绍跨主题分析的魅力，其中重点使用了 Tableau独一无二的“混合关系功能”（Blend Relationship）。

（8）修改了部分章节的逻辑次序，更换了部分图示。

本书的第14章和第15章由笔者的同事、《解构Tableau可视化原理》作者姜斌老师完成。

2．业务数据分析系列图书

算上即将出版的《喜乐君·业务数据分析10讲》（暂定名）新书，“业务数据分析系列”图书共有4本了（不含两本初版）。在这里，笔者介绍一下它们之间的关系和学习路径。

如果是刚刚准备学习业务分析的新手读者，特别是打算更上一层楼的“表哥”“表姐”，建议先从本书入门，它不仅能帮助你跳出工具理解分析通识、聚焦可视化图形本质，而且可以构建“从问题出发”的分析思路和可视化习惯，这些是很多工具厂家所忽视，但又至关重要的核心能力。

如果读者迈过了初级阶段，想要成为某个行业领域的分析专家，那么《数据可视化分析（第2版）》就是不二之选。这本书的分析体系更加完整，从数据建模到可视化，从交互分析到高阶计算，主打体系完整、“深入不浅出”（虽然笔者力求表述尽可能简单，但深刻的内容没法做到彻底“平民化”，就像高等数学无法给幼儿园孩子讲；如果一本书一看便懂，你大概就不需要看了）。

当你历经技术和业务的磨难，终于成为一名技术专家（不管是Tableau/SQL专家，还是PowerBI/DAX专家）时，眼前还有两条路：精进成为技术专家；成为管理专家乃至“未来的CEO”。

想要“精进成为技术专家”，推荐阅读姜斌老师的《解构Tableau可视化原理》一书，相对于喜乐君的逻辑体系，姜老师给出了一些别样的视角和方法，特别适合“数据艺术家”之路。在这条路上，Wendy（汪士佳）的Tableau作品，是绝佳的参考素材。

想要“成为管理专家”，敬请期待将于2026年出版的《喜乐君·业务数据分析10讲》（暂定名）一书。

《喜乐君·业务数据分析10讲》是笔者近10年数据分析生涯的大总结，也是照亮笔者通往下一站的灯塔。希望更多人能完整、准确地理解“业务数据分析”体系，并跳出工具之外、深入业务之中，成为所在行业的技术专家、管理专家。

喜乐君 2025年3月1日

1.3.1 从业务出发的“业务—数据—分析”方法论和分析体系
1.3.2 将业务流程和数据分析融为一体的“企业数据地图”
1.3.3 数据模型：物理模型和逻辑模型的分离
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
1.3.5 交互式仪表板

1.4 工具是能力和思考的“天花板”

第2章奠基：业务分析的价值与形式

2.1 分析的终极目的是辅助决策
2.2 从数字和时钟中了解可视化视觉要素
2.3 简单可视化：帮助领导者更快地获得信息
2.4 交互可视化：可视化是假设验证的工具
2.5 结构化可视化：多详细级别结构
2.6 Tableau：敏捷BI助力决策分析

第3章方法论：业务分析框架与分析基础

3.1 问题结构与其构成关系

3.2 过程：分析的本质过程是聚合

3.2.1 Excel数据透视表：拖曳实现聚合
3.2.2 独立于数据库的SQL查询：窗口式、编程化结构查询
3.2.3 Tableau VizQL可视化拖拉曳：聚合、可视化、分析三合一
3.2.4 超越工具之上：分析的本质过程是聚合

3.3 聚合的起点：理解数据明细表的构成与详细级别

3.3.1 理解数据表的构成及数据类型分类
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
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

3.4 聚合的终点：理解逻辑表与逻辑字段

3.4.1 理解“聚合表”的特殊性及其详细级别
3.4.2 理解问题中包含的计算类型：行级别计算、聚合计算
3.4.3 字段的分类与多视角理解
3.4.4 常见聚合类型：合计、方差、百分位

3.5 从问题分析视角看数据分析的发展阶段

第4章启程：可视化构建方法与扩展路径

4.1 “笛卡儿空间”与两种可视化思路

4.1.1 可视化坐标空间：坐标系与坐标轴
4.1.2 可视化图形的“图形语法”模式
4.1.3 可视化图形的“图形库”模式
4.1.4 面向业务的“图形语法”和面向IT的“图形库”对比

4.2 理解可视化的普遍构成：可视化图形的构成要素

4.2.1 可视化视觉模式与图形类型
4.2.2 可视化的意义描述：不忘初心、专注业务

4.3 可视化核心：字段的连续、离散属性与坐标轴

4.3.1 何为无限连续字段
4.3.2 次序字段
4.3.3 日期字段：兼具无限连续与次序字段的特征
4.3.4 字段的连续、离散属性，与3种可视化空间类型

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

5.1 3个阶段和7种问题类型
- 5.1.1 分析三大阶段与基本问题类型
- 5.1.2 “问题的字段角色解析方法”与基本问题类型
5.2 7种基础可视化图形简述
- 5.2.1 传统三大图：条形图、折线图及饼图
- 5.2.2 交叉表：侧重度量指标的高密度展现
- 5.2.3 分布分析的三大典型图形
- 5.2.4 相关性：散点图与双轴折线图
- 5.2.5 地理位置可视化
5.3 从基本可视化到复杂图形的延伸方法综述
- 5.3.1 从问题分析到图形增强分析的完整路径
- 5.3.2 基于行/列的空间扩展：分区与矩阵
- 5.3.3 基于标记的增强分析：分层绘制方法
- 5.3.4 坐标轴的扩展：双轴、同步轴与多轴的合并处理
5.3.5 基于参考线的扩展：增加视图聚合的二次聚合
5.4 超越图形，深入业务：通往更广阔的世界

第6章“无对比，不分析”：排序分析

6.1 基本条形图与多个离散维度条形图
- 6.1.1 并排条形图：离散字段并排构成分区
- 6.1.2 条形图矩阵：离散字段交叉构成矩阵
- 6.1.3 高级实例：日历矩阵条形图
- 6.1.4 堆叠条形图：你喜欢喝什么咖啡
- 6.1.5 比例条形图：把堆叠条形图转换为占比分析
6.2 包含多个度量坐标轴的条形图
- 6.2.1 字段重要性递减的多种布局方式
- 6.2.2 考虑字段关系的双轴布局方式
- 6.2.3 并排条形图：多个绝对值度量字段的对比
- 6.2.4 重叠条形图：多个绝对值度量字段的包含关系
6.3 字段类型和属性对可视化图形的影响
- 6.3.1 字段类型和属性对颜色的影响
- 6.3.2 “绝对值”与比值：字段属性对标记选择的影响
6.4 坐标轴的调整与组合
- 6.4.1 默认零点：除非必要，谨慎更改
- 6.4.2 坐标轴“倒序”：有些数据越大越差
- 6.4.3 绝对值刻度与百分位刻度
- 6.4.4 从“等距坐标轴”到“不等距坐标轴”
6.5 以条形图为底色的进阶图形
- 6.5.1 棒棒糖图：虚拟双轴
- 6.5.2 靶心图：在排序基础上增加对比关系
- 6.5.3 进度条：展示单一对比关系的条形图变种
- 6.5.4 结构化分析实例：条形图的“高级化”

第7章时间趋势分析：折线图“家族”

7.1 时间序列的构成
7.2 折线图的多种延伸形式
- 7.2.1 时间的层次结构与连续/离散属性
- 7.2.2 并排折线图和矩阵折线图
- 7.2.3 多维度折线图、堆叠面积图、百分比堆叠面积图
- 7.2.4 案例：包含时序的柱状图与结构化分析
7.3 包含多个度量的时间序列
- 7.3.1 时间序列中的双轴与柱状图
- 7.3.2 双轴的改变：柱状图与折线图的结合
- 7.3.3 度量值趋势图：基于公共基准的多轴合并
7.4 时间序列与条形图的结合：甘特图及其变种
- 7.4.1 标准甘特图：沿着连续日期延伸
- 7.4.2 股票蜡烛图：两个甘特图的重叠
- 7.4.3 跨度图：“伪装的甘特图样式”
- 7.4.4 阶梯图：以阶梯方式表达“跨度”
7.5 日期的高级转换：绝对日期与相对日期
- 7.5.1 两类日期锚点：绝对日期轴和相对日期轴
- 7.5.2 “公共基准”案例：产品在不同时间段的业绩对比
- 7.5.3 高级案例：客户复购分析
7.6 时间序列分析中度量的处理与高级图形
- 7.6.1 累计汇总趋势图：聚合度量的累计汇总处理
- 7.6.2 绝对值与同比双轴图：同比或环比的比率
7.7 排序图：绝对值转换为相对排序
7.8 坡面图：次序字段的前后变化
7.9 双折线增加阴影区：在趋势中突出对比关系

第8章占比分析与多维分析入门

8.1 占比问题类型与饼图、树状图
8.1.1 饼图的适用范围及“极坐标”
8.1.2 树状图：包含层次结构的占比分析
8.2 理解饼图的本质，迈入高级分析之门
- 8.2.1 以“合计百分比”理解二次聚合：从Excel、SQL到Tableau
- 8.2.2 使用Tableau快速表计算完成“占比分析”
8.3 进阶：将饼图置于其他可视化视图背景之中
8.4 自定义饼图：按需计算分类字段
- 8.4.1 行级别分组：使用“分组”和行级别计算
- 8.4.2 指定详细级别的分组：使用集或高级计算动态分组
8.5 高级图形：环形图、旭日图、南丁格尔玫瑰图
- 8.5.1 环形图：最简单的双层次结构
- 8.5.2 旭日图：双层占比
- 8.5.3 南丁格尔玫瑰图及个人建议

第9章可视化交叉表：“旧瓶”何以装“新酒”

9.1 汇总交叉表的常见场景
- 9.1.1 多度量值汇总：业务分析从高度抽象开始
- 9.1.2 日历交叉表：单一度量的“突出显示表”
- 9.1.3 组合图：常见的“总分结构”表达方式
9.2 聚合汇总表和明细表：交叉表的两类应用
9.3 让交叉表更“好看”：可视化修饰方法
- 9.3.1 文本修饰表：基于度量值的渐变颜色修饰
- 9.3.2 双轴交叉表：基于坐标轴和标记的高级“文本自定义”
- 9.3.3 高级组合图：使用自定义字段逻辑控制形状或其他
9.4 官方扩展：强大的超级表格（Tableau Table）
9.5 让简单丰富起来：善用工具提示与仪表板互动
9.6 用好“三图一表”，避免形式主义

第10章大数据转折点：超越个体、走向分布

10.1 从个体分析到分布分析
10.2 直方图：分布分析第一图
- 10.2.1 简单直方图：使用已有字段创建直方图
- 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
- 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
- 10.2.4 基于RFM模型的客户分布分析
10.3 分布函数与箱线图：以百分位和方差描述离散程度
- 10.3.1 分布函数的应用：箱线图入门
- 10.3.2 洞悉箱线图：理解百分位数函数与两类聚合
10.4 帕累托图：头部集中分布
- 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
- 10.4.2 纵轴累计百分比处理：度量的百分位转换
- 10.4.3 空间分类处理：帕累托图的颜色分类和互动筛选
10.5 自定义分布分析：参考线与参考分布模型
- 10.5.1 使用多条“百分比”参考线构建区间
- 10.5.2 自定义百分位分布区间
- 10.5.3 分位数分布区间
- 10.5.4 标准差分布与“质量控制图”和“六西格玛区间”

第11章相关性分析：散点图和双轴趋势

11.1 相关分析与“度量散点图”入门
11.2 多个维度字段的“相关性系数”
11.3 度量相关性的扩展：散点图矩阵
- 11.3.1 多个度量轴的散点图矩阵
- 11.3.2 增加维度的散点图矩阵
- 11.3.3 使用散点图的样式为箱线图做扩展
11.4 多度量的趋势相关性：双轴折线图
11.5 次序字段的流向分析：桑基图
11.6 各类复杂图形简述
11.7 相关性或因果关系：基于空间的流行病学案例

第12章特殊的分布：地理空间分析

12.1 地理空间和地理图层

12.2 点图与热力图：地理空间分布及其扩展形式

12.2.1 点图和热力图的对比说明

12.2.2 空间点函数MAKEPOINT()和缓冲函数BUFFER()

12.2.3 自定义坐标系分布：“化学元素周期表”

12.3 符号地图与填充地图：用大小和颜色标记度量值

12.3.1 符号地图和填充地图：增加更多数据层

12.3.2 地图标记层：组合多种标记样式

12.3.3 高级案例：使用表计算自定义空间矩阵

12.4 路径地图：多点连线和双点连线函数

12.4.1 多点路径：使用次序字段连接多个空间点
12.4.2 点到点路径：空间线函数MAKELINE()和直线距离函数DISTANCE()
12.4.3 空间面积函数AREA()

12.5 地理空间图形的说明

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

13.1 从静态结构到动态结构的客户分析
13.2 以交互方式直观感受客户迁徙：高亮和树状图
13.3 从模糊到精确：为年度客户增加“价值标签”
13.4 使用桑基图表达多年之间的结构化关系
- 13.4.1 理解堆叠要素的业务意义
- 13.4.2 堆叠要素之间的关系
- 13.4.3 用桑基图中的Null简要理解客户流失

13.5 月度迁徙分析与指标体系

第14章实践分享：超越客户“显而易见的需求”

14.1 跳出思维的限制
14.2 真实需求源自对业务的理解
14.3 金融案例
14.4 空调预测性维修案例
14.5 通风活门预测维修案例

第15章用数据讲故事，用数据解决现实的决策问题

15.1 可视化分析的误区

15.2 什么是“用数据讲故事”

15.3 少即是多

15.4 航空案例

15.4.1 预达准确性分析
15.4.2 航空收益分析
15.5 商业智能的挑战

第16章跨主题分析：供应链销售预测与生产平衡

16.1 需求预测的重要性及其困境

16.1.1 预测无处不在

16.1.2 预测的悖论

16.2 Record：一切皆可被量化

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

16.2.2 从粗糙到更有代表性的样本

16.3 Review：回顾、分析，持续改进

16.3.1 入门：计算每一笔预测的误差

16.3.2 进阶：帮助业务定位问题并改进

16.3.3 高级：更抽象的指标，更深入的规律洞察

16.3.4 预测对象样本：分析中不断扩大预测范围

16.4 Rebalance：以数据方式对齐跨部门的资源计划

16.4.1 动态平衡简要介绍
16.4.2 Rebalance的真谛：在平衡中持续改进
16.4.3 规划求解的平衡：ERP系统的物料需求计划

第17章成为优秀的业务分析师的建议

17.1 好奇、探索和持续学习的欲望，是前进的源泉
17.2 学习理解原理，方能举一反三、事半功倍
17.3 深入理解业务，方能立于不败之地
17.4 分析要从明细开始，过度整理会远离真相
17.5 工具不在多而贵在精，熟能生巧、巧能生智
17.6 循序渐进，不要好高骛远

后记和参考资料

《业务可视化分析》第二版：自序与目录

自序