用Tableau制作数据仪表盘|保姆级教程|Tableau简单项目实操

数据源：Airbnb Listings 2016 Dataset，一份关于Airbnb的住宿数据，里面包含listings清单、Review评论和Calendar日历三部分数据，每个部分又有极其详细的内容，接下来的仪表盘制作只涉及listings和calendar部分。

一、Inner Join内连接listings和Calender

内连接listings和Calender的目的在于 精确关联房源与其日历数据，排除不完整记录，确保分析结果基于有效、匹配的数据。操作：首页导入Microsoft Excel，将listings表移到中央，右击listings，点击Open进入连接状态，然后将Calender移入进行内连接，此处注意将连接的内容改成Id=listing_id，因为这样的id内容才是真正相等的。

平时我们做数据分析和可视化也要注意这一点，特别是join：观察不同表格真正相同的内容，可能有相似的名称造成连接错误，所以要特别关注是基于什么相同的内容进行的连接，避免出现连接错误。

连接成功后，我们可以看到页面下方显示有十万多列数据，这才是正确的。连接后我们直接去构建第一个可视化内容，点击下方Sheet1。

二、构建可视化内容

这是这次实操的仪表盘：

仪表盘包括五个可视化内容，我们一个一个进行构建。

1、假设你的客户要寻找一个适合开airbnb的地方，这幅图便可以用数据向他展示哪一个地区的airbnb收入最高。我们选择Zipcode放在Columns，Zipcode代表的是邮政编码，不同的 ZipCode通常代表不同的地理区域，Price放在Rows，右击Price选择Measures→选择Average，再将Zipcode放在Marks处，点击Colors，我们第一个可视化内容便制作成功啦！我们可以清晰地看到编码为98134的地区的价格最高，表面此处的盈利效果最佳，可以推荐给客户。

2、在第一幅图的基础上，我们在地图上展示不同的zipcode所在的实际地理区域和价格，可以更直观地向客户展现地理位置。操作：将Longtitude和Latitude分别放在C和R处，Marks处分别是Zipcode的colors和label，还有平均价格的label。这里注意如果地图没有展现的话，可以右击地图→Edit Locations，将locations改为United States，地图便可以如下图般正常显示；

3、假设你的客户想知道一年之中什么时候将房子租出去最挣钱，第三幅可视化图便可以回答他这个问题。我们将Calender中的Date放在Column处，然后右击选择Week Number，将price（Calender）放在Rows处，然后把这个Date同样改成Week Number格式，在Filter那里去掉Null和0的值，最后我们为了只展示2016年的数据情况，需要右击WEEK(Date）→点击Show Filter，把终止时间改为2016/12/30，这样我们便得到如下图所示的线图，可以看出，1月到6月这个区间客源还不是特别稳定且价格较低，6月到年末的区间客源多价格高，我们便可以回答客户夏天开始后这段时间把房子放出去租是最挣钱的；

4、我们第四个可视化内容通过对比不同卧室数量的房源的平均价格，从而观察卧室数量对价格的影响，如下图所示，x轴内容是卧室数量，y轴是平均收费价格，可以看出房源卧室数量与平均收费价格是呈现正相关关系的，设立卧室数量越多，收入越多。这里要将Bedrooms放到filter里面去掉null空值和0卧室的情况，把Price改为AVG平均价格状态，在Marks处加上数据标签，此时第四个可视化内容便成功制作!

5、假设你的客户还想知道不同卧室数量的房源在市场上的供应比例，以了解竞争关系，此时第五个图便可以为他解答。这是一个简单的数据展示， 我们把Bedrooms数据放在Rows和Filter，在Marks处放入Id，右击选择Measures中的Count Distinct，选择Distinct是为了明确市场上有多少种不同的卧室户型（1-6卧），而非统计房源总数。如果需要分析房源总量，则应去掉Distinct。由图中数据可以看出：

• 1卧房源多但均价低 → 竞争激烈或定位刚需。

• 4卧以上房源少但均价高 → 稀缺性推高价格。

三、排列各个Sheet，组成仪表盘Dashboard

五个可视化内容制作完毕，接下来我们将它们排列好制成一个整洁的Dashboard。进入Dashboard界面之后，将左边的Size改为Automatic，这样可以将Sheet布满整个界面，记得给每一个Sheet修改标题并给仪表盘命名一个标题，此时我们的仪表盘便制作完成了！

这份数据里面有很多内容可以进行进一步的更复杂的分析，鼓励大家制作内容更丰富更有趣的数据可视化分析！行动起来吧！或许我也会继续用这份数据做更多的分析！有疑问的地方欢迎大家评论区讨论，感谢阅读，敬请关注！