使用Tableau做数据分析的一些思考

关注

原创最新推荐文章于 2026-07-07 13:13:13 发布 1.3k 阅读 AI 写同款· GEO 优化 ›

参考：

对于Tableau数据分析有两句话非常重要：

需要理解复杂问题的层级关系，通常与当前层级有：向上/向下，两种关系

例如：

简单的问题是可以直接从明细表中将维度提取出来，比如说每个国家的销量，每个国家就可以直接从明细表中group by出来。
复杂问题是引用了其他聚合的结果作为维度。比如说销售量1、2...N的客户数，这里的1、2...N，无法直接从明细表中提取出来，需要先进行聚合，将聚合的结果作为维度(一般使用Fixed)，再一步的聚合。

那么遇到复杂问题该怎么办呢？

首先应该做的是问题分析。将问题拆解为三个内容：

例如问题：

有多少客户购买了1次、2次、3次…N次订单？

现在看一下这个问题的描述，思考三个问题，问题的范围是什么？问题描述是什么？问题的答案又是什么？

问题范围：可以看到，该问题没有设定范围，也就是所有数据。

问题描述（维度）：它需要的是，购买了1次、2次、3次....N次订单的XXX，所以它的维度是不同频次。

问题答案（度量）：它最后需要什么，多少客户，因此客户数量就是它的结果。

综上，将问题转换为标准问题结果：（no filter），不同购买频次的客户数量？

在这里插入图片描述

将问题转换为标准问题之后，就根据维度，度量，范围，做一定的数据分析。

遇到问题最主要的是能够分解问题，主要是对于问题维度的思考，适合这个问题的维度。

对于表的计算，window_sum，在使用目前视图中已经有的数据很有效。比如使用IIF判断得到的数据，若想要都进行赋值，可以使用window_sum，来计算。
对于赋予想要筛选的值/不确定的值，可以将这个字段转换为参数，之后在公式中使用这个参数，就可以根据这个参数进行筛选了。
在tableau中，交互条件也可以进行设置，设置交互条件之后，点击某个值，可以修改参数的值。
对于sum和相减，建议先sum再相减，若先相减再sum，性能会较差
SUM(IIF({INCLUDE [Product]:SUM([Profit])-SUM([Target Profit])}>0,1,0)) 可以判断LOD的结果，它与SUM({INCLUDE [Product]:IIF(SUM([Profit])-SUM([Target Profit])>0,1,0)})结果相同

先从熟悉的层次开始，从交叉表开始，最后转换为图形。
对于综合问题的层次、筛选的影响，合理的选择计算。
- FIXED是绝对的引用，不收视图的影响
- INCLUDE是相对的引用，通常用于更低层次的聚合。
- INCLUDE为空，相当于当前视图完成聚合，并可以根据当前视图的变换而变化。同理，EXCLUED为空，也是基于当前视图完场聚合。
表计算是聚合的聚合，而LOD是在指定层级的聚合。
表计算，可以进行辅助计算，设定辅助计算的维度，以及计算的方法。
在实际业务中，关于周的数据需要多一点考虑，例如日期虽然同步了，但是每周的数量不一致。这是在实际业务中需要注意的地方。
将筛选器添加到上下文，会将筛选的优先级提高到最高，例如字段中有fixed，默认筛选器在fixed优先级之后，所以筛选之后不会影响fixed的计算结果。将筛选器添加到上下文之后，筛选器的优先级会高于fixed，筛选之后的结果会影响fixed的计算结果。有一种特殊情况，当筛选器的对象和fixed定义的层级是一一对应的，这时是否将筛选器添加到上下文，对fixed的计算都没有影响了。
tableau中集合的运用是，可以理解成多个参数，在一个仪表盘中，可以创建一个操作，用来更新集合的值。