「Tableau」助力“平民数据科学家”的崛起

2016年，我在一家母婴零售公司努力调整职业方向，从后勤行政和服务部门向业务部门转型，捷径是通过数据分析了解业务逻辑。不满足于Excel，我开始寻找和对比各种大数据可视化分析软件，直到遇见Tableau，凭着对数据的敏感，认为这是大势所趋，于是开始从尝试到执著。

接下来的三年多时间，Tableau陪伴我实现了职业的转身，它帮助建立全局的视野，以数据指导业务行动；后来在多个公司推广Tableau，服务了更多的人。如今，走在创业的路上，Tableau是我最好的战友。

• 【平民数据科学家】从头开始用Tableau  此篇文章讲解详细的学习之路
• 「Tableau」“平民数据科学家”的崛起      本文侧重于个人成长的历程和总结

一、何为Tableau和业务人员最佳之选

网上有人称之为“大数据时代的梵高”，虽有盛誉之嫌，真正爱上Tableau的软件，也算实至名归。它的可视化效果，在BI领域算得上独树一帜，引领同行。

诞生于2003年的Tableau，基于斯坦福独有的专利数据技术 VizQL，这个专利技术创新性地把拖动等可视化操作转化为底层的查询和计算语言，然后通过图形化方式表达出来，就是我们看到的无与伦比、夺人眼球的可视化了。

Tableau——帮助用户看到和理解自己的数据

它的口号也会让你动心——“所有人都能学会的业务分析工具”。Tableau不是面向技术人员，而是面向业务人员设计的；业务人员了解自己的需求和企业的数据真相，往往畏惧于技术的艰涩和抽象，技术和业务的天然屏障一直依赖阻碍着“业务技术”的成长。Tableau的入门和使用对于业务人员足够简单，并不比Excel更难；同时它的平台化和高级分析技术又足够高级，可以不断学习丰富的功能。

作为文科生（法学学士和教育学硕士），使用Tableau三年，也帮助很多人学习和更好地使用Tableau的各项功能，听闻了很多“Tableau改变了我的命运”的个人成长故事，我总结了为什么Tableau对于业务人员是最佳之选。世界变化太快，每个人都想把握确定性，但是这何尝容易？我们要从长远考虑一个软件作为长远技能的必要性和可行性，如果要用一句话推荐Tableau给所有的业务人员，我想总结如下：

Tableau有一定的进入门槛，但并非不可逾越，这依赖于每个人对业务的理解而非技术背景。相比传统的BI和同行，Tableau入门足够容易，因此能在最短的时间内应用于业务转化为价值；同时Tableau学习的坡道很长，因此分析师可在不断学习中建立自己的价值壁垒。

而对于企业而言，它可以通过购买Tableau大数据分析平台，向第三方付费赢得“数据驱动业务”的时间，通过提高综合效率和降低总体成本来获得利益最大化；而Tableau的上述特征又可以保证作为使用者的分析师以最短的时间为企业、为自己创造价值和收益。长远来看，Tableau简单易用、坡道够长、面向业务的特征，帮助每个人把业务理解转化为长期的价值壁垒，成为真正的“平民数据科学家”。

Gartner说：“2020年，平民数据科学家的数量其增长速度将比数据科学家的数量快五倍。”技术平民化是世界的大趋势，那些优先通过技术能力赋能业务理解的业务人员，可以获得更高的成长杠杆，因此可在未来相当长的时间内建立自己的优势。本质上，这是把“数据驱动业务”必然战胜“经验驱动业务”的结果，Tableau让像我这样的“业务晚辈”具备了“后发优势”。

如今，随着Prep的推出和不断升级，Tableau把最耗时的数据整理和清理部分也变得可视化了，进一步降低了业务人员学习的成本，为越来越多的“平民数据科学家”的成长铺平了道路。

 

二、“平民数据科学家”修炼三阶段

每个阶段学习一本新技能，都是充满了风险的。王国维说治学有三重境界，学习一项看似简单深度又似海的新技能，何尝不如此，回首学习Tableau的三年，历历在目。

第一阶段 “独上高楼，望尽天涯路”

学习始于探索，刚开始使用Tableau的人都会兴奋于它的方便快捷，也会慢慢发现后面还有很多需要不断学习。在好奇中前进，在学习中磨练。从连接本地数据开始练习，而后了解Tableau的基本概念（字段分类、属性、聚合、操作顺序），再掌握最常用的软件工具：分层结构实现钻取、组和集实现自定义分类、参数实现自定义交互、计算字段通往无尽的扩展。这几个部分稍加练习，就可以作出最基本的可视化效果。因为自己没有技术背景，因此在学习中不断的自我总结，做了不少直观的图形增加自己的理解，也建议大家通过这样的总结加深自己的理解。

• 数据连接和基本整理
• 了解Tableau的基本概念
• 常用的数据整理方法
• 常见的数据可视化样式
• 生成基本的数据可视化

第二阶段——学习 LOD和高级分析，“衣带渐宽终不悔”

Tableau的学习门槛足够低，十岁的孩子都能使用，这吸引越来越多的人超越Excel进入大数据可视化的领域，同时，Tableau学习坡道又足够长，有足够多的高级功能，能满足各行各业对高级分析、高级统计的需求。以自己的学习经验而言，Tableau的开发方向似乎是让可视化过程越来越简单，但是让高级互动变得越来越丰富，从而满足越来越多的数据互动场景。

在学习的第二个阶段，缓慢而艰难，我近期总结了Tableau的“三剑客”——LOD详细级别表达式，TC表计算，set action集动作。语法简单到无法再简单，但是要把业务问题转化为“数据过程”却需要费劲心思，我花了很少时间学习语法，却花了好多天去理解综合案例。每掌握一个高级功能，就如同攀登上了一个崭新高度的高原，即可直观简介地处理更多的业务问题，与此一路攀爬，最终成为“平民数据科学家”中的武林高手。

Tableau厂家和Partner经常为客户提供专业的技术培训，并非因为学习Tableau深似海，而是对于企业而言，通过短期集中学习让分析师的技能提高到一定高度，用最短的金钱可以换取时间，总体是降低了数据转化为价值的综合成本。

• LOD详细级别表达式；
• 高级表计算，以及如何选择计算解决问题；
• 高级可视化，如帕累托图形、盒须图等。
• 如何选择多种计算？
• 高级互动：集动作和参数动作

随着业务分析的深入，LOD表达式和表计算会成为随处需要的通用技能，因此，我们会在本书中着重结合案例介绍“如何选择计算”以及“使用各种计算背后的思维方法”，期望帮助更多的人达到举一反三。

• &1& 【数据分析】Tableau详细级别表达式_详尽入门
• &2&【数据分析】Tableau详细级别表达式_-位置与语法
• &3& Tableau|LOD详细级别表达式 方法论
• &4& 【Tableau】15大详细级别表达式-思路解读版 (5)

 

第三阶段——“众里寻他千百度，蓦然回首，那人却在，灯火阑珊处”

每个人都要积极分享。我一直相信教学相长，因此在学习的过程中通过博客总结并不断分享自己的心得，并积极推动企业大数据部门采用Tableau进行可视化分析。不要吝啬分享，就会获得更多。我刚开始每个月做免费的Tableau分享，还赠送自己的博客文集，正如《免费》所总结，分享的成就感加速了我的学习过程和收益。

同时，要以“平民数据科学家”之名在企业建立自己的价值壁垒和地位，还要需要不断学习新技术，了解Tableau从prep、desktop到server的整个架构，Prep Builder可以进一步提高数据整理的效率，甚至可以作为数据仓库使用提高前端报表的性能；而Server的学习则帮助业务人员将自己的数据价值扩展到企业的更多部门和领域。我集中花时间考完了Tableau的Desktop 和Server QA厂家认证，又凭借长期的锻炼，才开始敢到企业中磨练自己，推广Tableau。在企业中成长的“平民数据科学家”，更容易建立自己的价值，通过不断扩展自己的能力圈逐步扩大影响圈

三、学习Tableau的感受

在成长的路上，我和很多业务人员、技术人员沟通，成为“平民数据科学家”不仅仅需要技术的敏感性、学习的耐心，也需要业务理解，两者的结合决定了每个人的结果差异。

1、了解业务，建立充满洞察的数据模型，比拥有大数据更重要

我曾经在一家成立十多年的零售企业工作，如今已经借助Tableau和其他的平台实现了数据驱动业务的革命。此前多年的数据模型止步不前，个人认为，一方面是工具理性不够透彻，比如止步在Excel分析，而没有及早使用Tableau之类的敏捷BI工具，从而难以建立基于大数据的逻辑；另一方面，也是最重要的，信息和数据的员工不了解业务，因此不能深入地理解业务的需求建立数据模型，只能止步在“业务需要什么，我给什么”的阶段。

那我们就只能依赖于业务部门提出详细的需求吗？此路往往异常艰难。业务部门的分析框架，多半局限在自己的视野之中，而且出于利益的考虑，往往还会选择性地筛选数据、分析数据、展示数据，数据的有效性层层递减。

因此，一个优秀的数据分析师，首先是业务专家。在这一方面数据分析师要向会计师学习，会计师有国际通用的分析框架，业务却往往是每个公司都有自己千疮百孔的业务分析框架。精于业务的数据分析师需要了解业务，跳出业务部门的局限性，从公司的高度，参考行业的通用分析方法和框架，建立公正透明、重点突出、相互支撑的分析框架，进而借助BI工具建立数据模型，并在不断地分享中修改和升级。同时，有效地指导业务部门负责人使用数据模型的可视化图表，在他们看来可能魔幻、充满变化的可视化中寻找业务的问题和解决线索，实现数据洞察的价值。

我想，这才是数据分析师的修炼。对数据的洞察，比拥有数据更重要。

2、循序渐进，用模型思维不断精进

对于初学者，要有耐心不断地修改自己的作品，甚至推倒重来。以我学习LOD详细级别表达式的经验，第一次的成功多半充满侥幸，第二次第三次的自然输出才是成功；而伴随不断的学习，只有推倒重来，才能从根本上迭代自己的数据模型，而不是在脆弱的学习成果上打补丁。

在这条路上，要不断的尝试使用新工具和新功能，比如Tableau Desktop新推出的“集值”（set action）可以根据选择实现部分高亮，进一步提高了互动效果；而Prep Builder则让数据清理变得简单。不断使用新技术和新方法，日复一日，整个部门或企业的大数据可视化架构，就会日臻完善，随着时间的推移，数据带来的业务价值也会不可估量。

3、不断学习，日拱一卒

我买了很多Tableau的书，也确实有点好处，我依然认为最好的软件学习资料都在官方网站的学习和社区中。如果Tableau中文帮助有歧义，我就去找英文的help文档，总能找到你想要的东西。相对而言，读书应该多读方法论、实践案例和分析模型的书，比如《用图表说话》、《用数据讲故事》等。

• 《大话数据分析》 2019年新出版，推荐作为入门和中级手册
• 《用图表说话》麦肯锡经典，学习如何选择图形，我最近一直在这个方向努力和总结
  • 【Tableau】如何选择可视化图形？
• 《用数据讲故事》 故事是用来展示“为什么如此”和“如何做”的，不要停留在展示环节
• 《深入浅出数据分析》深度普及统计知识和分析知识，推荐学习了解
• 《赤裸裸的统计学》了解统计的基础知识，推荐了解
• 涂子沛的书，可以了解BI的发展历史，培养对大数据的敏感和素养，推荐～

4、不断练习，以输出驱动输入

验证学习效果的好方法是实践，作为数据科学家，不断的把新方法和新工具应用于业务实践中，通过业务实践磨练数据分析的模型，不断修正真实的业务需求，是唯一也是最近的捷径。

随着业务的需要，我开始研究Tableau的嵌入式，也开始重新了解SQL，帮助自己更好的输出知识和服务客户。并坚持每天总结和写作，以此不断积累和总结自己的经验和教训。

5、一颗对数据敏感的心

数据分析需要统计学、概率论的知识，更需要一颗对数据敏感的心。知识是可以积累的，对数据的感觉却是在业务的真实环境中锻炼的。

 

四、跨界学习、逆袭成长

近年来，所有人都开始感受到了经济下行的巨大压力，就业环境变得越来越难。同时，数据挖掘和数据分析师依然是市场上最稀缺的岗位之一，在这样的环境下，“唯有知识让我们免于平庸”。

Tableau初衷是给业务人员设计的，而不是技术人员，这也是为什么我会如此喜欢；Tableau的基因就是让数据分析变得简单，让每个人都能理解和洞察数据的意义。作为毫无技术背景的我而言，在不断跌倒中总结了一些学习的教训，也可以分享给大家。

1. 切不可盲目，过分自信是成功的绊脚石。虽说整体的印象和“试用性”的探索很重要，但是每个新行业都有我们不知道的基础知识，很多知识看上去太基础了反而容易被忽视。金融学的基础知识P=C／r，一旦明白了，好多事情就会豁然开朗，但是如果自以为简单而绕行，就步入了荆棘之路。所以克里斯坦森建议说，遇到困难，他能给出的建议就是「回到原理」。
2. 应用性的知识没有「我以为」，只有you can, or you can’t.  文科的研究生可以把“论历史是一门科学”写成洋洋洒洒几万字，我当年也分析教育学中两个英文词语的误用和影响（academic power and academic authority ）发表过CSSCI。但是应用没有“我以为”，我觉得晚上看明白了，第二天还是做不出来书里的样子，那就是还没学好。谦虚的对待技术，否则它会立马回给你颜色。
3. 永远相信，有更高效的方式，可以做好眼下的工作。对于离不开表格的人而言，Excel是冲锋枪，但是一旦迈过这个阶段，你会发现，数据可视化就是战斗机啊。你见过冲锋枪敌得过飞机的吗？ 这已经不仅仅是效率的问题了。因此，永远对新技术抱有敬畏，能用一次解决的问题绝不要重复劳动，用这样的学习态度，就会找到越来越多的分析捷径。
4. 集中精力，攻克难关；不急不躁，按耐成性。

 

结

实践出真知，坚持生智慧。

感谢Tableau

 

2017年7月28日 第一版
2017年10月18日 第二版
2018年8月15日 修改
Mar 4, 2019 udpate
Mar 5, 2019
Jun 14, 2019 update  6:00～7:12 Shi Jiangzhuang