优阅达“优分享”| 2018 Tableau 峰会『干货帖』：通过 Tableau 计算挖掘数据真相

为什么要学习计算字段？在 Tableau 中，当数据未提供回答问题所需的信息时，创建计算字段非常有助你实现自助式分析。

主要用途有以下几种：将数据分段；转换字段的数据类型，例如将字符串转换为日期；聚合数据；筛选结果；计算比率；集成如 R 之类的外部服务等......

下面，我们将从宏观整体角度，介绍每种计算类型及运用场景案例，帮助你循序渐进地了解计算，更好挖掘数据。一睹为快吧

计算类型及实例介绍

计算通常分为3种类型，分别是基本计算字段、表计算以及详细级别表达式(LOD)。

『类型一：基本计算字段』

优阅达“优分享”| 2018 Tableau 峰会『干货帖』：通过 Tableau 计算挖掘数据真相_第2张图片

首先，聚合函数我们比较常用的就是SUM、AVG或者是MIN、MAX。还有包括统计学中的中位数，求相关性等，这些也属于聚合函数。

数字函数，我们常用的是ZN函数，ZN函数会将在连续日期时突然缺失的那几天转换为0，日期少几天，ZN函数就会补多少个0。

用户函数，比较偏向于 IT 场景，它会获取我们进入登陆 Server 的一个人的名字，这时可以用 USENAME 来做一个权限设置。

字符串函数内有一个是包含的函数，有时我们设置权限表，会有一个USE，一个权限，这时如果权限重复，数据会翻倍。所以此时换一种方式，比如说我们按照地区来设权限，把字符串内的函数包括和 Usename 结合在一起使用，此时数据不会翻倍。这个小知识，IT人员可以考虑这样设置权限。

▌案例：零售行业的指标是如何计算？

利润=营业额-单件成本*数量

利润率=总利润/总营业额

折扣=1-营业额/销售吊牌金额

客户数=客户名称计数不同

交易次数=订单ID计数不同

客单价=总营业额/客户数

连带率=总数量/交易次数

坪效、人效、完成率、存销比……

『类型二：表计算』

表计算是嵌入在 Tableau 中的快速计算方法。快速表计算，总共有8类，我们可以做差异，可以做移动平均，可以做百分比差异、百分比、总额百分比、百分位，排名、汇总之类的一个计算，它相当于基于一个计算结果（聚合结果）做了一个二次计算。

优阅达“优分享”| 2018 Tableau 峰会『干货帖』：通过 Tableau 计算挖掘数据真相_第3张图片

瀑布图：用到汇总计算，通过汇总算出每一个点，它相当于是一个高点，做一个汇总

优阅达“优分享”| 2018 Tableau 峰会『干货帖』：通过 Tableau 计算挖掘数据真相_第4张图片

排序凹凸图：无法查看具体数值，但可以了解每辆车排名的升降情况

除了刚刚那几个函数之外，我们还可以去集成 R、MATLAB 和 Python 。我们以 R 为例，它其实是做一个表计算，把表计算的结果以及一个代码发送到 Server，然后 R 代码就会进到 R，产生一个 R 值，最后返回到表计算里面。

▌案例：表计算的集成

❶ SCRIPT 函数-集成外部服务-以 R 为例

将表达式传递到外部服务以与 R、MATLAB 和 Python 集成的函数。

优阅达“优分享”| 2018 Tableau 峰会『干货帖』：通过 Tableau 计算挖掘数据真相_第5张图片

❷ 集成外部服务-以 R 为例

1.下载 R

2.下载，安装和调用 R serve

　a. install.packages("Rserve")

　b. library(Rserve)

　c. Rserve()

3.在 Tableau Desktop 中连接 R：

帮助 -> 设置与性能 ->管理外部服务器连接

4.输入服务器名称, 端口号为 6311

5.测试连接！

『类型三：详细级别表达式（LOD）』

详细级别表达式是三个函数，fixed、Exclude、Include，它相当于在改变你的视图级别，有的时候你双击，你的视图就根据你双击的那些字段来划分它的详细级别，但是有的时候你的计算级别不一样，这时候就会用到详细表达 LOD。

Fixed：指定确切的详细级别，独立于可视化内容所用维度实现

Exclude：以较高详细级别进行计算，删除某一维度执行计算

Include：以较低详细级别进行计算，创建粒度较高的表达式

▌案例：客户分析 LOD

比如，找出每个客户订购的订单数是比较简单的，但是如果我们想了解订购过一个订单、两个订单、三个订单（依次类推）的客户数目，该怎么办呢？如果要生成相应视图，我们必须按订购的订单数划分客户数。

再比如，在我们的订单数据里面，一个客户可能存在多次购买，那么新客户增长情况如何？越早购买的客户对后来销售额的贡献会越大吗？各个地区客户争取情况每日趋势如何？

另外，争取新客户的成本可能非常高，因此会希望能够确保现有客户有重复购买。在间隔一个、两个、三个、N 个季度重复购买的客户数目是多少？从未重复购买的客户数目是多少？如果按季度阵列划分重复购买行为，会有什么发现么？

优阅达“优分享”| 2018 Tableau 峰会『干货帖』：通过 Tableau 计算挖掘数据真相_第6张图片

客户订单频率

优阅达“优分享”| 2018 Tableau 峰会『干货帖』：通过 Tableau 计算挖掘数据真相_第7张图片

新客户增长情况

优阅达“优分享”| 2018 Tableau 峰会『干货帖』：通过 Tableau 计算挖掘数据真相_第8张图片

同期群分析

优阅达“优分享”| 2018 Tableau 峰会『干货帖』：通过 Tableau 计算挖掘数据真相_第9张图片

各地区客户争取率

优阅达“优分享”| 2018 Tableau 峰会『干货帖』：通过 Tableau 计算挖掘数据真相_第10张图片

回头客分析

我们在使用 LOD 的时候，还会跟参数进行结合。比如，下图展示的是每个地区的销售情况，同时有一个参照地区，每一个地区都会跟参照地区做比较，然后可以进行一个切换。我们在计算里面有时候可以融入参数。

优阅达“优分享”| 2018 Tableau 峰会『干货帖』：通过 Tableau 计算挖掘数据真相_第11张图片

如何正确进行计算

或许你还不知道该根据哪些应用场景选择计算类型，我们在这里分享一种思维方法，方便各位更好做出决策。

优阅达“优分享”| 2018 Tableau 峰会『干货帖』：通过 Tableau 计算挖掘数据真相_第12张图片

首先我们看计算是否会需要排名迭代或者移动，跨行计算这种，如果要存在这种计算的时候，你就要用表计算，因为这些计算相当于存在一个跨行，你要跨行只有表计算能去实现跨行的结果。

如果你不是做这类计算，我们可以做其它的判断。你的视图里面是否有所需的所有数据，如果是，则可进入下一问题。视图布局是否允许使用快速表计算，因为有的时候视图布局是不允许用快速表计算的，如果是允许可以使用快速表计算，相当于做一个二次计算。

如果是不允许，以及包括视图没有所需数据的时候，就可以统一去看另外一个问题，我们的数据粒度是否一致，如果我们的数据粒度是一致，可以直接使用基本计算，如果数据力度是不一致，就需要用到详细级别表达式。

文章部分信息来源于网络，如有侵权请告知

优阅达“优分享”| 2018 Tableau 峰会『干货帖』：通过 Tableau 计算挖掘数据真相

你可能感兴趣的:(优阅达“优分享”| 2018 Tableau 峰会『干货帖』：通过 Tableau 计算挖掘数据真相)