本文写作于2022年4月，发布于微信公众号，近期整理到博客中
随着分析的深入，一个人会越来越敬畏知识、敬畏未知，敬畏前辈的智慧和睿智，与此同时，也对网络标题党深感无聊和拒绝，比如“两周从0到1转行为数据分析师”“年薪百万的分析师体验”之类，虽然它们一直活跃在我的朋友圈和关注的某些公众号中。
抛开商业驱动的因素，这和“以人民之名”鼓励充满热情的年轻人投身官场，最后却把他们染成五颜六色以至于失去自我，有什么区别呢？
喜乐君最近在重写《数据可视化分析：Tableau原理与实践》一书，之所以“重写”，而非“修订”，是因为过去两年读书学习、企业实践，让我充分地感受到了自己的知识盲区是如此之大，我的书已经很难通过小修小补达到我所期待的完美——我不仅仅是想写一本书，我想分享有价值的知识给后来者。
今日，仅以“筛选filter”为例。
在2020年7月首印的《数据可视化分析：Tableau原理与实践》书中，我把筛选放在第五章，和可视化、格式调整放在一起，当时觉得筛选很easy，不足以另立章节。不过，随着后来几次加印调整，到写作《业务可视化分析》一书时，我已经感受到了自己之前的无知。
筛选是最基本的交互方式，从交互的角度看，它是如此庞大的体系，堪比数据准备、计算逻辑。我过多地强调了Tableau操作方面的新功能“参数动作“”集动作“，但却没有针对它的底层逻辑展开说明，这导致多个筛选、筛选优先级等问题上阻力重重。因此在《业务可视化分析》中，我单独列了一章（第13章），把它和结构化分析并列，从而帮助读者理解，交互和结构分析在探索分析中都至关重要，不可偏废。
这次重写图书，借助于SQL的知识，我得以更深入地理解交互筛选背后的逻辑，并努力用更加清晰的知识框架理解。
我的目标很明确，让初学者能从一而终，让高手能获得体系性的启发，从而举一反三。
02—筛选与SQL查询
今年年初读了SQL的书，我被它的逻辑之简洁所震撼，常用的查询语法不过几十个关键词，却能组合出任意的美妙数据世界。这种简洁的能力，绝对值得再传播五十年。
起初，我以为SQL的筛选就是where和having，结合Tableau才知道，筛选作为一个查询的一部分，并非对应特定的语法功能，而是对应特定的数据集操作，所以join才是高级分析中的筛选大王。
简单的筛选是字段的筛选；
高级的筛选是数据集的计算。
理解了这个部分，就往前迈出了一大步。
在高中数学中学习过“集合论”，那时只知道考卷中小明、小王这样的组合关系，如今才知道“集合”所代表的数据关系，乃是最普遍的数据集。两个数据集就有上述如此之多的相互关系，万一问题中有三个样本范围条件呢？
筛选的关键就不是单个数据表中字段判断这么简单。
也正为此，高级的数据筛选，就和数据准备中的数据关系（join连接或者relationship关系匹配）衔接在了一起。高级分析师可以借助于Tableau和SQL的对比，完整理解它们的关系，以此作为自己通透理解的明证。
如果往后看呢？筛选的本质是什么？
02—筛选的本质
筛选即判断，判断即计算。
筛选中最容易迷惑的是“多个筛选的优先级”，这个问题的本质则是计算的先后关系。因此，筛选又是计算的一个特殊应用。
在这次重写图书时，我终于完成了自己一直想绘制的一个关系图：
筛选和计算的优先级既然筛选都是计算，计算是有层次先后的，那么筛选也就可以与之相对而生。因此，我在下图中，左侧代表计算，右侧代表筛选，自上（数据源）而下（视图）代表它们的先后关系。
当然，要完整地理解这个内容，就要进一步理解计算的类型、筛选的类型，多个筛选的组合情景等内容。至此，是不是发现就像开了一扇通往无穷世界的窗户？
恰逢筛选章节完成之际，特此分享，以求“教学相长”。
了解 喜乐君 的更多信息
订阅后即可通过电子邮件收到最新文章。