📚 本文配套课程 · 数据可视化分析系列
🎬 B 站课程：数据可视化分析：Tableau/SQL 原理与实践 — https://www.bilibili.com/cheese/play/ss8093
00—导言
近期招聘分析师，我发现了一个普遍且棘手的现象：当我问及 Tableau 的使用经验时，许多候选人——无论他们之前用的是 PowerBI、FineBI 还是仅仅是 SQL——都近乎一致地回复我：“没用过，但 BI 都是相通的”。
这句“相通”，听起来似乎颇有道理，但往往隐藏着一种“坐井观天”式的傲慢。他们以为学习了一点 Power BI 就洞察了整个 BI 世界，以为拿到了某某工具的证书，就可以轻松驾驭 Tableau 或 Power BI 这样的企业级平台。
为了印证这种“相通”的深度，我通常会追问一个最简单、也最常见的高级分析案例：“如何使用一张交易明细表，完成‘不同购买频次的客户数量’分析？”令人失望的是，候选人信誓旦旦的回答背后，瞬间暴露了他们对工具的无知和肤浅。这个在 Tableau 里需要 LOD 表达式（如 FIXED）或在 Power BI 里需要复杂 DAX（如 SUMMARIZE + ADDCOLUMNS）才能解决的经典问题，他们有的人甚至会脱口而出：“DAX写一个 CALCULATE 计算‘频次’就好了。”
这种肤浅的认知，正是阻碍分析师成长的“拦路虎”。
今天，我想借用“看山是山”的三重境界，来解构 BI 学习之路，并极力批评这种“万物相通”的浅薄之见。在展开讨论之前，我想先引入一个禅宗的著名公案——“看山的三重境界”，它能完美地概括一个分析师的成长：
- 第一重境界：看山是山，看水是水。这是指人生的初始阶段，天真、质朴，认知停留在事物的表象。你看到什么，它就是什么。
- 第二重境界：看山不是山，看水不是水。这是指人开始深入思考和质疑，被知识、逻辑和复杂的表象所困惑，反而看不清事物的本质，陷入迷茫。
- 第三重境界：看山还是山，看水还是水。这是指人经历了困惑与求索，最终大彻大悟，回归本真。此时，他依然看到山和水，但已能洞悉其背后的本质与规律，是以一种全新的、通透的眼光在看待。
这个比喻，用来形容 BI 分析师对工具的认知过程，简直是再贴切不过了。
01—“看山是山、看水是水”
这是分析师的“新手村”，也是大多数“相通论”者的立足点，可谓第一重境界。在这个阶段，他们眼中的 BI，就是“相通”的。通在何处？
- “拖拖拽拽”：不就是把字段拖到画布上吗？
- “可视化”：不就是做点条形图、折线图吗？
- “连数据库”：不就是连个 MySQL吗？
- “仪表板”：不就是把几张图拼在一起吗？
他们从一些功能相对单一的工具，甚至是从 Excel 透视表的经验出发，就“坐井观天”地推测整个 BI 世界不过如此。在他们看来，BI 约等于“高级版 Excel”或“好看点的报表工具”。
这个“而已”的背后，恰恰突显了他们的傲慢。
恕我直言，越是如此认为的人，他们眼中的逻辑世界可能就越简单。他们无法理解，为什么 Tableau 的 LOD 和 Power BI 的 DAX 值得分析师投入上百小时去钻研，他们甚至不知道这些表达式为何物，就轻飘飘地以为“这些 SQL 都能实现”。
这正是邓宁-克鲁格效应的典型表现：处于特定领域能力底层的人，会系统性地高估自己的能力 。一项经典研究表明，测试中得分垫底的参与者，平均将自己的表现排在了第 62 百分位 。这在认知心理学上被称为“无意识的无能”（Unconscious Incompetence） 。
在 BI 领域，工具使用者（很多表哥表姐）在学会了一款工具后，会错误地认为自己已经理解了整个领域。他们看待其他工具，不过是自己熟悉工具的“换皮”版本。他们的思维模式是纯粹程序化的：“将字段 A 拖到画布 B，得到图表 C”。他们缺乏必要的“元认知能力”（metacognitive ability）来识别自身能力的不足，这被称为“双重负担”：那些让你表现不佳的技能缺失，恰恰也是让你无法评估自身表现的技能缺失 。
就像我面试中提到的那个“频次分析”问题，很多应聘者根本没有“预先聚合”的概念，自然也无法理解工具为此设计的复杂功能 。
他们看到的“相通”，只是 BI 产品在表层功能上的趋同，是最低层次的“功能相似性”。他们看不到冰山之下，那真正决定工具灵魂的内核。
要跳出这个层次，就必须打破工具的表象，去理解工具背后的逻辑。这也是我近期在尝试讲解“SQL 别裁新解”和“DAX 别裁新解”课程的初衷——我希望给大家一些不一样的、深入内核的观察视角。
02—“看山不是山、看水不是水”
当分析师开始深入使用一到两款主流 BI 工具时，就会立刻进入“看山不是山”的第二个境界。他们会痛苦地发现，BI 不但不“相通”，反而是“大相径庭”的；不仅选择痛苦，而且兼修多个工具更是难上加难。
每个工具出现和发展的背景不同，决定了它们截然不同的“哲学”。
Tableau vs. Power BI：探索的“语法”与建模的“库”
Tableau 源于斯坦福的 VizQL 技术，它的核心哲学是“可视化语法”(Grammar of Visualization) 。Tableau 将数据分析视为一个“提问-回答”的连续探索过程。因此，它在易用性、交互灵活性、可视化探索方面一骑绝尘 。LOD 表达式、表计算、集（Sets）和参数（Parameters）的设计，都是为了让分析师的“思路”能不被打断地“流淌”下去 。
Power BI 则源自于 Excel 基因的“三件套”：Power Query、Power Pivot 和 Power View。它的核心哲学是“数据建模” 。它的可视化逻辑更像是“图表库”(Chart Library)，导致它做简单图形时反而不如 Tableau 灵活（难以定制），但它内置的复杂功能（如财务报表）却远超对手。
其灵魂 DAX 语言，是为 VertiPaq 引擎量身定制的，极其强大，但也带来了陡峭的学习曲线 。近期在“SQL 别裁新解”一课中，我从 SQL 表达式角度对比了 Tableau LOD 和 DAX Calculate 表达式的差别，读者可见它们显而易见的不同、不通之处，这也带来了概念上的巨大差异。
简言之，Tableau 胜在业务分析的灵活性，而 Power BI 胜在建模和 DAX 语言。在这一层，你越精通其一，就越会发现它们与对方的“不通”。凡人轻视，觉得不过尔尔，这也是一种无知的傲慢。在我看来，你越学习它们的细节，就应该越敬畏它们的优雅或专业。
这也是我不推荐初学者同时尝试深度使用 Tableau 和 PowerBI 的原因，这是一条不成魔就成神之路！
Looker 与 FineBI：不同的“分支”与“迷茫”
Looker（现属 Google Cloud）则代表了另一个分支：云原生的“语义层” BI 。它的核心不是可视化引擎，而是 LookML。它试图通过代码（SQL 抽象）来定义“指标”，实现全公司的数据治理和口径统一，确保“收入”这个词在任何报表中都代表着完全相同的业务逻辑，从而建立起“单一事实来源”。这在云服务时代有其独特的取舍和价值。
国内FineBI则是市场之翘楚。十月份我受邀去帆软总部，与他们的产品研发、产品经理做了深入交流，坦诚地分享了我对 FineBI 新版本的个人意见。在我看来，FineBI 至今还没有找到自己真正的定位。它在产品学习上摇摆不定，既想学 Tableau 的灵活性，又想学 Power BI 的强大模型，还要有自己的特色。而这种“既要又要”的摇摆，最终让它“迷茫得难以驾驭”。当然，FineBI 在满足企业级复杂报表和数据填报（Writeback）等特定场景下，依然有其独特的优势。
在第二重境界的分析师，看到了工具间的巨大鸿沟。他们开始理解“术业有专攻”，甚至可能成为某一工具的“拥趸”，鄙视其他工具（我似乎就散发着这样的气息😄）。
这虽然也是一种“偏执”，但至少比第一重境界的“无知者无畏”要进步得多。
03—“看山还是山、看水还是水”
在深入理解了各大工具的哲学、优势与局限，经历了“看山不是山”的困惑与痛苦之后，一个高级分析师才能最终抵达第三重境界：“看山还是山”。
这里的“相通”，不再是第一层“拖拖拽拽”的肤浅认知，而是底层原理与核心逻辑的相通。
这就好比一个深谙各个菜系（川、鲁、粤、淮扬）的大厨，他总能知道每个流派的独特风味和招牌技法，但他更知道，那些共同的佐料（盐、糖、油）、火候的掌控、保持食材鲜美的通用方法，才是“厨艺”的根本。BI 的底层原理通在何处？
- 通于业务需求：无论是哪款 BI，其起点和终点永远是“解决业务问题”。是看 KPI、是找原因、还是做预测？业务需求决定了一切。
- 通于分析过程：从数据源、数据处理（ETL/ELT）、数据建模（星型/雪花型）、数据分析与可视化、到最终的洞察交付——这个“从数据到价值”的全流程，是所有 BI 项目的共同路径。
- 通于问题类型与可视化表达：这可能是最核心的“通”点。所有 BI 最终都依赖“可视化”作为表达式。而可视化的选择，取决于你要回答的“问题类型”（是对比？是看趋势？是看分布？还是看关系？）。这一点，我在《业务可视化分析：从问题到图形的 Tableau 方法》一书中做了深入解释。
- 通于交互与探索：BI 的价值不止于“看”，更在于“用”。所有优秀的 BI 工具，都提供了强大的交互（筛选、钻取、高亮）能力，其共同目的是赋能用户进行“探索式分析” 。
达到了这个境界的分析师，不会再拘泥于工具。他们深知 Power BI 胜在定制，DAX 难以驾驭；也深知 Tableau 胜在灵活，LOD 和表计算同样难以驾驭。他们解脱了工具的局限，不再固执地以为一个工具可以“打遍天下无敌手”。他们会根据不同的业务场景，给出最佳的“工具组合”：
- “这个需求是探索性的，业务方想自己‘钻’，上 Tableau。”
- “这个需求是固化报表，尤其涉及复杂财务模型，上 Power BI。”
- “这个需求需要复杂中国化报表，特别是多级表头、单元格编辑，考虑国产 BI。”
他们聚焦于那些比工具更重要的部分：业务逻辑、数据架构、分析思维、以及普适性的数据分析通识方法，可以看到工具之后的普适性和最佳实践，然后才能在不同行业、不同工具之间游刃有余。
在过去多年的学习和实践中，我也与国内多家 BI 建立了不同形式的合作，我常常用下面的图来展示分析世界“业务”和“技术”两个方向的关键知识点，它们是相通于不同工具的——只是有些工具暂时没有达到足够的高度。
当然，我即将在2026年发行的《业务分析通识》一书，就将进一步构建这些内容。这才是他们在不同工具之间“游刃有余”的关键。
04—超越工具，回归价值
回到开头的那个问题：“BI 都是相通的吗？”在第一重境界的人口中，是“无知”；在第三重境界的分析师口中，是“通透”。
我希望每一个分析师都能认识到，这些主流 BI 工具中深藏的科学与艺术——无论是 VizQL 的图形语法，还是 DAX 的上下文逻辑——其价值甚至远超许多大学的理论课程，它们是连接“学术”与“应用”的关键阶梯。我们必须努力学习工具，深入到“看山不是山”的境界；而后又要努力超越工具，抵达“看山还是山”的彼岸。
最后，化知识、技能于无形，方有自己最有价值的能力。
不超越生死，就执于生死；不超越当下，便困于当下。学习 BI 的三重境界，你在第几重？
喜乐君
Tableau Visionary 、Tableau Ambassador
业务数据分析“专家”、敏捷BI布道师，《数据可视化分析》《业务可视化分析》多本书作者，中国地质大学（武汉）经管学院MBA校外导师
以Tableau会友，致力于构建业务分析通识框架
XILEJUN.com 全球、VIZWISE.cn 国内