Tableau2020.2数据模型：数据关系（data relationship）

前沿：本文摘自《数据可视化分析：Tableau原理与实践》书稿（二审前）。图书预计五月底上线！我更加迫不及待的等待它的真容。

全彩印、多年所思尽在此书、电子工业出品

4.5 数据模型：理解数据关系（data relationship）

数据关系是一种全新的合并数据方法：基于共同的字段在多个相互独立、层次不同的数据表之间建立关系，既无需像连接（join）合并在一起，又不像数据混合（blend）无法反复使用。

因此，数据关系是真正的模型，它将Tableau数据合并技术提升到了一个全新的高度。

按照官方的计划，这个功能在2020.2的版本中发布，本书在补充本小节时还停留着“预发布”（pre-release）阶段，抢先读到本书的读者可能还需要等一下才能一睹它的面目。我在试用beta版本之后就深知，这个功能必将是2020最重要的产品功能，足以与“Tableau高级分析三剑客”比肩齐名，因此急切地加入本书分享给读者。

4.5.1 从物理表到逻辑表：数据关系的背景与特殊性

首要的问题是，新推出的“数据关系”与数据连接join、并集，甚至混合blend有什么区别？回答这个问题需要先理解一个更大的知识背景：Tableau定义了两个截然不同的层次——物理层（physical layer）和逻辑层（logical layer）来理解数据合并的两种方式。

何为物理，何为逻辑？

举个形象的例子来说，基于血缘关系，母亲和儿女是事实上的家人，自出生开始直系血亲不可更改，此为“物理”（physical），即“固定的、不变的”；而基于法律上的公证，养父与养子养女之间、夫妻之间也可以成为家人，既可以基于法律建立，也可以基于法律原则而撤销，这样的关系是形式上的、法律上的关系，此为“逻辑”——我们遵守法律，实质上是认可法律背后的逻辑推理。

同样的道理，我们每一位自然人都是物理意义上的人，此为“物理”；而我所开设的公司只是法律意义上的实体，法律称之为“法人”——法律意义上的拟人化；作为“法人的代表”，我可以按照法律设立，也可以按照法律撤销，此为“逻辑”。有人说“公司是人类在商业历史上最伟大的发明”，这一点我非常认可，法人的出现降低了人才的创业风险，将自然人和“法人”（最主要的形式是公司）既相互绑定，又相互独立。“逻辑”意义上的认知，是推动文明进步的重要力量，对于数据分析而言亦是如此。

用这样的思考理解数据关系，就容易理解了。

最普遍的物理表，是每一个excel工作簿、每一种数据库包含的数据表，它们都是实实在在存在的、分析过程不能更改其存在本身的“物理表”（physical table）。基于连接（join）和并集（union），多个“物理表”可以合并为一个全新的“物理表”：不可更改的、牢固的、全新的数据源。

相比之下，数据混合（blend）是建立在两个独立的数据源基础上的灵活匹配关系，这种灵活更改、保持了数据源独立性的数据合并，只是逻辑意义上的合并——因此它的结果称之为“逻辑表”。如图4-53所示：

图 4-53 数据连接和并集创建物理表，数据混合是逻辑关系匹配

“数据关系”相当于此前数据连接的位置，但是并非以物理表的形式，而是以数据混合一样的逻辑关系的方式出现。这样，它就既具有数据混合的灵活性，保持数据表相互独立的同时，根据分析需要实现不同详细级别的数据合并，又具有数据连接的稳定特征，还可以发布之后反复使用。

“数据关系”绝对是集万千优势于一身。

准确的说，数据模型，就是基于数据分析的需求而建立的各种物理表之间的相互关系，以逻辑的关系代替物理的连接。借助于数据关系，之前的数据连接面板就从单一的物理层，变成了逻辑层和物理层两层结构。

下面，结合案例介绍如何建立、使用数据模型。

4.5.2 数据模型（上）：以数据关系实现数据连接

由于Tableau推出了逻辑层概念，因此2020.2版本Desktop在界面上做出了极大的调整。此前默认做连接的界面环节改为了数据关系，而数据连接和并集包含在数据关系中的每一个物理表中。

依然以超市数据为例，我们希望分析退货商品的属性，比如退货的区域、门店、日期等等，不过退货数据表中仅有“订单ID”和“商品ID”，因此需要从销售明细中匹配获得。在这里使用“数据关系”更加灵活的实现数据匹配，并与数据连接做比较。

使用数据关系实现数据匹配，可以分为连接数据源、增加关系并设置关系字段、设置性能选择选项（非必须）三步骤。

数据关系的起点依然是单个表，添加数据的方式与数据连接完全一样。

只是双击第二个数据时，之前出现连接类型标识的地方，如今只是一根线，如图4-55所示。点击线条可以编辑关系字段。按照之前对退货的分析，必须同时为订单ID和商品ID建立关联。

图 4-54 使用数据关系为APAC区域的交易与退货建立关系（版本2020.2）

建立好数据关系，就可以创建工作表开始分析了。

如图4-55所示，基于数据关系的Desktop在分析区域也做了调整，模糊了维度和度量的分界线，而是以数据表为分类显示的主体。每个数据表最后都有一个“计数”字段，就是之前的“记录数”。在这里，简单分析一下“各个细分中的退货交易笔数”，可以双击细分和第二个表的“退货商品明细.csv(计数)”字段，结果如4-55视图中所示。

图 4‑55 基于数据关系创建数据视图（版本2020.2）

可见，“消费者”细分中有12笔退货，远高于其他两个分类。

不过，这里的商品交易数据仅为APAC区域，如何更新为所有区域的全部交易呢？相同数据结构的数据合并，使用并集。并集是在行级别上的合并，那如何在上图关系基础上实现并集呢？

双击视图左下角的“数据源”切换到数据连接面板。

如图4-56所示，直接在“订单APAC”上右键“转化为并集”，把左侧的其他区域拖入并集窗口，点击确认即可。此时再去看图4-55中的可视化图形，会发现各细分的退货交易均有增加，“消费者”从之前的12笔变成了114笔。

图 4‑56 将数据关系的交易数据改为并集（版本2020.2）

这样，我们就建立了包含多层物理表的数据关系。数据关系是逻辑关系，逻辑关系的对象是多个物理表。

基于“数据关系”模型与基于连接（join）的数据连接面板有两个区别：

（1）  由于数据连接并没有合并两个数据，因此点击每个表，都仅仅包含当前物理表内的字段（包括并集默认生成的“路径”字段），但不包含逻辑层另一个物理表的数据。每一个物理表，都可以独立使用别名、分组、计算字段等数据整理功能。如图4-57所示：

图 4‑57 数据关系的多个表之间相互独立（版本2020.2）

（2）  新建一个工作簿，“数据”窗格会分别显示多个表的字段，每个表包含表内的维度和度量字段；这样的显示方法比之前更加清晰。此前的“记录数”被每个表的单独计数所取代——因为数据关系下的数据源是相对独立的（见本小节图4-55）。

在新建工作表之前的所有设置，比如连接数据源、设置关系、修改字段类型等，都是数据整理和数据准备的过程。进入工作表，就可以开始可视化了。

 

4.5.3数据模型（下）：建立物理层和逻辑层的多层关系

上一小节中，使用数据关系匹配了商品交易数据和退货交易数据，二者是一对一的关系，并且是在行级别的匹配。不过，数据关系通常用于不同详细级别直接的数据关联，基于超市数据，本小节介绍将销售的交易数据与客户星级数据、产品级别数据建立关系，保持数据独立的同时实现灵活的关联分析。

（1）准备数据

由于笔者缺少客户星级和产品级别数据，首先使用Prep输出两个独立的数据。如图4-58所示。

图 4‑58 使用Prep生成客户星级和产品级别数据

在图4-58的流程中，使用了聚合和判断过程。聚合节点用于在产品id的层面生成每个产品的累计销售额和累计利润，从而在下一个节点中创建“产品级别”字段。

图 4‑59 使用聚合和判断为每个产品增加级别字段

而在基于客户的累计销售额增加“客户星级”字段时，使用了另一种方法——Fixed LOD表达式。如图4-60所示，Fixed LOD指定客户层次返回每位客户的累计销售额，并使用if判断新建“客户星级”字段。此处的聚合字段用于返回每位客户的首次订单日期，并间接起到了筛选字段的作用。

图 4‑60 使用Fixed LOD计算每位客户的累计销售额，从而增加星级判断

基于这两个数据结果，接下来与销售交易明细建立关系，实现在不同层次的数据关联。

（2）使用数据关系，建立不同层次的数据关联

数据关系的优势在于既保留了之前的并集和连接方式，又能像数据混合一样基于不同详细级别的数据建立连接模型。

创建数据关系与数据连接方法一致，如图4-61所示，同一个文件夹下的数据表可以依次双击加入右侧关系面板。点击两个数据表之间的弧线可以编辑关系，为“客户星级评定”数据设置“客户ID”字段匹配，为“产品及属性”数据设置“产品ID”字段匹配。

图 4‑61 通过双击加入三个数据表，建立数据关系

至此，数据关系就默认完成了。

（3）数据可视化

新建一个工作表，如图4-62左侧所示，左侧会显示所有数据表的字段，默认按照文件排列。和数据连接不同，字段按照数据表不同相互独立；也和数据混合不同，所有字段来自一个数据源。把“商品交易明细”文件下的“订单日期”和销售额“分别拖放到列和行的位置；再把“客户星级评定”下的“客户星级”字段拖放到标记中的“颜色”，就会生成图4-62的图形。

图 4‑62 基于数据关系的可视化

同样的方式，也可以创建“各年度不同产品级别的销售金额”的堆叠条形图。如图4-63所示。

图 4‑63 各年度不同产品级别的销售额

（4）基于“商品交易明细”数据建立物理表连接

数据关系的魅力不仅在于不同数据表之间的灵活性，而且在于物理层和逻辑层之间的层次性。Tableau数据模型结合了物理层的稳定和逻辑性的灵活。

比如在上面的“商品交易明细”与“客户星级评定”、“产品等级数据”的数据关系基础上，希望在“商品交易明细”中排除所有的“退货交易”。由于退货交易要从“商品交易明细”中排除，最稳定的方法是在“商品交易明细”物理表基础上做连接，之后基于“订单ID”排除。

如图4-64所示，双击或者右键打开“商品交易明细”，在弹出的界面中，增加“退货商品明细.csv”数据，设置“订单ID”和“产品ID”的相等匹配，并选择左连接，之后关闭数据连接。由于此前单一的物理表已经改为了两个物理表的连接，此时可以右键“重命名”，修改为“商品交易增加退货标记”。

图 4‑64 在数据关系中增加物理层的数据连接

上面的“商品交易明细”也可以通过并集创建，为了更好的展示逻辑层和物理层的关系，并集、连接和关系之间的关系，可以用图4-65来展示上面的数据模型。

图 4‑65 物理层和逻辑层的层次关系

2020.2版本中数据模型的意义，就在于在此前物理层的基础上增加逻辑层的数据关联。逻辑层的关联不仅支持相同详细级别下的一对一匹配，也支持不同详细级别之间的多对一匹配（比如“客户星级评定”中的一行数据，对应商品交易数据中的多行数据）。

 

下篇：

• 4.5.4 改善数据模型的性能（上）：关系类型

• 4.5.5 改善数据模型的性能（下）：引用完整性

• 4.5.6 从数据合并迈向数据建模

  预告：我的Tableau图书预计五月底上市，首印2500册，除去大客户预定，其余上线京东，期待大家提前购买😄

  欢迎关注微信公众号，届时第一时间推送。