掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
數據可視化分析(第2版):分析原理和TABLEAU、SQL實踐(全彩) 版權信息
- ISBN：9787121461729
- 條形碼：9787121461729 ; 978-7-121-46172-9
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
數據可視化分析(第2版):分析原理和TABLEAU、SQL實踐(全彩) 本書特色
以Tableau Desktop的應用為中心，借工具講解原理，以原理深化工具應用 由點及面地介紹了業務分析的思考和原理 提出了實踐性的“業務—數據—分析”層次框架 以三類“詳細級別”的概念貫通數據模型、高級篩選和高級計算三大主題
數據可視化分析(第2版):分析原理和TABLEAU、SQL實踐(全彩) 內容簡介
本書以敏捷分析工具Tableau為基礎，部分章節輔以SQL講解，系統介紹了數據可視化分析的體系和方法，內容涵蓋問題分析方法、數據合并和建模、可視化圖形的選擇和構建、多種交互方式及其組合、儀表板設計與高級交互、基本計算和高級計算等。 本書以Tableau Desktop的應用為中心，借工具講解原理，以原理深化工具應用，并由點及面地介紹了業務分析的思考和原理，特別是提出了實踐性的"業務―數據―分析”層次框架，并以三類"詳細級別”的概念貫通數據模型、高級篩選和高級計算三大主題。 本書重點介紹工具應用背后的思考方式和原理，幫助讀者建立"詳細級別”的思考框架，舉一反三，從而實現多維、結構化分析。
數據可視化分析(第2版):分析原理和TABLEAU、SQL實踐(全彩) 目錄
內容及說明 XVIII
第1篇 奠基：數字化轉型與業務分析原理
第1章 數字化轉型：21世紀的機遇與挑戰 2
1.1 理解數據的層次及分析的價值 2
1.2 數據應用的3個階段 4
1.2.1 初級·報表展現：信息的整理與固定展現 5
1.2.2 中級·業務分析：分析輔助決策，決策創造價值 7
1.2.3 終極·智能商業：大數據重塑商業模式 8
1.3 數字化轉型到底“轉”什么 10
1.3.1 塑造實事求是的數據文化：一切用數據說話 10
1.3.2 數字化轉型源自各個業務場景的數字化和持續進化 12
1.3.3 業務和技術兼備的卓越中心和分析型人才 13
1.3.4 統一并持續優化分析方法論，提高分析效率和準確性 15
參考資料 18
第2章 “業務—數據—分析”體系與企業數據地圖 19
2.1 “業務—數據—分析”體系：BDA分析框架 19
2.1.1 分析層：指標體系建設和分析儀表板 21
2.1.2 數據層：數據管理與數據倉庫 22
2.1.3 業務層：業務流程與“業務在線化” 23
2.2 建立全局視角：企業數據地圖 24
2.3 兩種企業級分析推進路徑：“自上而下”與“自下而上” 26
2.3.1 自下而上：從數據出發的分析之路 26
2.3.2 自上而下：從問題和指標出發的分析之路 27
2.4 可視化是大數據分析的橋梁和媒介 28
2.4.1 數字、文字的可視化及可視化要素 28
2.4.2 從可視化到抽象分析：走向儀表板和高級分析 30
2.5 Tableau：大數據敏捷業務分析的“代表作” 32
參考資料 34
第3章 業務可視化分析：關鍵概念與方法論 35
3.1 解析問題結構、理解聚合過程和指標 35
3.1.1 問題的結構及其相互關系 36
3.1.2 聚合是問題分析的本質 38
3.1.3 基于聚合的字段分類：維度描述問題，度量回答問題 40
3.1.4 指標是聚合度量的業務形態 41
3.2 明細表與聚合表：聚合的邏輯過程 42
3.2.1 業務明細表和問題聚合表：聚合的起點和終點 43
3.2.2 物理表與邏輯表：數據表的抽象類型 45
3.2.3 字段的數據類型：數據表字段的抽象類型 46
3.3 可視化圖形：聚合交叉表的“另一面” 49
3.3.1 問題類型與可視化增強分析 50
3.3.2 可視化背后的數據類型：連續和離散 51
3.3.3 Tableau中的字段屬性及其作用 55
3.4 簡單問題的“三步走”方法和Tableau示例 56
3.5 聚合度和詳細級別：構建復雜問題層次理論 58
3.5.1 數據明細表和聚合度：多個問題的基準點和衡量尺度 59
3.5.2 詳細級別：不同“聚合度”問題對應的抽象依據 60
3.5.3 結構化分析的兩個應用方向 62
3.5.4 關鍵概念匯總：聚合、聚合度、詳細級別、顆粒度 64
參考資料 66
練習題目 66
第2篇 數據準備、可視化、交互設計
第4章 數據合并與關系模型（Tableau/SQL） 68
4.1 概論：數據合并與連接數據源 69
4.1.1 理解數據合并、數據模型的重要性 69
4.1.2 數據合并和數據模型的相關概念 71
4.2 數據合并的分類矩陣與數據模型案例 72
4.2.1 “所見即所得”的行級別數據合并：Union和Join 72
4.2.2 Excel的局限：基于數據透視表的數據合并 74
4.2.3 Tableau數據混合初探，在聚合后完成連接 76
4.2.4 數據合并分類矩陣：兩種合并方法、兩個合并位置 78
4.3 行級別并集、連接與Tableau/SQL方法 81
4.3.1 數據并集 81
4.3.2 數據連接：連接條件與連接方式 84
4.3.3 高級連接的形式：僅左側連接、交叉連接與“自連接” 89
4.3.4 明細表并集與連接的異同點與局限性 93
4.4 從數據關系匹配到關系模型 96
4.4.1 “臨時”數據關系：基于問題層次創建數據關系匹配 96
4.4.2 數據模型：在*詳細且有業務意義的詳細級別預先構建數據關系 98
4.4.3 【關鍵】層次分析方法：從數據合并到數據關系模型 100
4.4.4 【難點】關系模型優化（上）：匹配類型（基數） 106
4.4.5 【難點】關系模型優化（下）：匹配范圍（引用完整性） 111
4.4.6 共享維度表：從雪花模型到網狀模型 116
4.4.7 通往*佳實踐：業務關系模型的可視化表達 117
4.4.8 案例：圖書及銷售的數據關系模型 118
4.5 重說數據混合：編輯匹配關系和匹配詳細級別 120
4.5.1 數據混合設置：自定義混合條件和自定義匹配字段 121
4.5.2 高級數據混合：數據匹配詳細級別不同于主視圖 123
4.6 不同數據合并類型的相互影響 127
4.7 Tableau與SQL/Python的結合 128
4.7.1 Tableau和SQL的結合 128
4.7.2 SQL中的連接 129
4.7.3 Tableau Table Extension：給數據源插上“算法之翼”（Tableau 2022.3 版本） 132
參考資料 133
練習題目 133
第5章 可視化分析與探索 134
5.1 數據準備：理解業務過程與整理數據字段 134
5.1.1 數據表：理解業務過程及數據表詳細級別 134
5.1.2 字段：理解業務過程的對象并做分組分類 136
5.2 從問題到可視化圖形：如何確定主視圖框架 138
5.2.1 從問題類型到主要的可視化圖形 138
5.2.2 初級可視化：“三圖一表” 139
5.2.3 中級可視化：分布分析、相關性分析 143
5.2.4 地理位置可視化 148
5.2.5 數據圖像角色可視化（Tableau 2022.4 版本） 155
5.3 可視化繪制方法與可視化增強 156
5.3.1 像油畫一樣做可視化：可視化三步驟和標記的使用 156
5.3.2 度量雙軸及其綜合處理 158
5.3.3 多個坐標軸的“公共基準”：度量值 160
5.4 高級分析入門：參考線與參考區間 161
5.4.1 參考線的創建及其組合 161
5.4.2 標準甘特圖和標靶圖：條形圖與參考線的兩種結合方式 163
5.4.3 參考區間 166
5.4.4 置信區間模型 167
5.4.5 趨勢線與預測線 168
5.4.6 群集 169
5.5 格式設置：必要調整，但不要過度 170
5.5.1 常見的設置格式工具欄 170
5.5.2 設置“標簽”格式，自定義文本表 171
5.5.3 工具提示的格式設置、交互和“畫中畫” 172
5.5.4 其他常用小技巧 173
參考資料 175
練習題目 175
第6章 Tableau/SQL篩選與集操作 176
6.1 理解不同工具背后的篩選方法與共同點 176
6.1.1 篩選的兩類位置：獨立篩選和“條件計算” 176
6.1.2 使用不同工具完成“獨立篩選” 177
6.2 篩選的分類方法：基于詳細級別的視角 182
6.2.1 【入門】數據表行級別的篩選：維度篩選器 183
6.2.2 【進階】指定詳細級別的聚合篩選：簡單條件和頂部篩選 186
6.2.3 【難點】指定詳細級別聚合的篩選：建立在自定義計算之上 192
6.3 篩選范圍的交互方法：快速篩選和參數控制 195
6.3.1 快速篩選器及其基本配置 195
6.3.2 特殊的日期篩選器：默認篩選到*新日期 196
6.3.3 參數控制：完全獨立和依賴引用 197
6.4 多個篩選的處理：交集計算和優先級 199
6.4.1 多個篩選的基礎知識：數據集及運算 199
6.4.2 多個篩選的計算原則（上）：相同類型取交集 200
6.4.3 多個篩選的計算原則（下）：不同類型按優先級計算交集 200
6.4.4 調整篩選器優先級（上）：上下文篩選器和表計算篩選器 202
6.4.5 調整篩選器優先級（下）：數據源篩選器和數據提取篩選器 204
6.4.6 篩選與計算的優先級 206
6.5 集（Set）：把篩選保留下來的“神奇容器” 207
6.5.1 創建自定義集及集的本質 207
6.5.2 自定義集內成員：“集控制”（Tableau 2020.2 版本） 209
6.5.3 創建動態條件集 209
6.5.4 集動作：以視圖交互方式更新集成員 211
6.6 集的運算、優先級和應用 212
6.6.1 多個集的合并與“合并集”運算 212
6.6.2 集和篩選的關系及優先級 215
6.6.3 集的高級應用：控制用戶權限的“用戶篩選器” 217
6.7 中級交互：儀表板中的快速篩選、集交互 218
6.7.1 交互設計的基本分類 218
6.7.2 “以圖篩圖”：儀表板中的多表快速關聯篩選 218
6.7.3 共用篩選器、集和參數：典型的儀表板交互 220
6.7.4 工具提示“畫中畫”：*簡單的多表關聯 223
6.8 更多實用工具：分組、數據桶、分層結構、排序 224
6.8.1 作為數據準備的“組” 224
6.8.2 分層結構鉆取分析與僅顯示相關值 225
6.8.3 排序：對離散字段的數據值排序 226
參考資料 228
練習題目 228
第7章 儀表板設計、進階與高級交互 230
7.1 儀表板：*重要的主題展現形式 230
7.1.1 儀表板設計的基本過程和常見功能 231
7.1.2 儀表板大小、布局和對象 233
7.1.3 常用的交互對象：隱藏按鈕、導航按鈕 237
7.1.4 儀表板布局中的分層結構 239
7.1.5 跨設備類型的儀表板適配 240
7.2 故事：以數據故事敘事、探索 241
7.2.1 故事及其基本設置 241
7.2.2 故事的闡述方式 242
7.3 儀表板進階：指標、初始模板、性能優化與“數據指南” 243
7.3.1 指標：聚焦儀表板關鍵度量 244
7.3.2 初始模板：專家分析模板加速分析 246
7.3.3 發布工作簿和“工作簿優化器” 247
7.3.4 數據指南（Tableau 2022.3 版本） 251
7.4 三種基本交互類型：篩選、高亮和頁面 252
7.4.1 突出顯示：以聚焦實現間接篩選 253
7.4.2 頁面輪播：快速篩選的連續疊加 255
7.5 兩類高級交互工具：參數、集交互 257
7.5.1 關鍵原理：參數、集的共同點和差異 257
7.5.2 參數與邏輯判斷結合：切換視圖度量 260
7.5.3 動態參數：動態更新范圍和初始值 262
7.5.4 集控制：以控件方式手動更新集成員 264
7.6 參數動作：參數、計算和交互（Tableau 2019.2 版本） 264
7.6.1 參數動作：使用動作更新度量值 265
7.6.2 動態篩選：參數動作和計算實現差異化篩選 266
7.6.3 動態基準分析：使用參數動作控制參考線和計算基準 268
7.6.4 自定義分層結構：使用參數展開指定的類別 270
7.7 高級交互：指定區域對象的動態可見性（Tableau 2022.3 版本） 272
7.8 高級互動的巔峰：集動作和集控制 275
7.8.1 經典集動作：交互更新自定義集（Tableau 2018.3 版本） 276
7.8.2 集的控制與更新：賦予集以強大的靈魂 278
7.8.3 使用集完成對比分析和標桿分析 279
7.8.4 高級互動的使用建議 282
練習題目 283
第3篇 以有限字段做無盡分析：Tableau、SQL函數和計算體系
第8章 計算的底層框架：行級別計算與聚合計算 286
8.1 計算的演進及分類：從Excel、SQL到Tableau 287
8.1.1 計算的本質及其與業務過程的關系 287
8.1.2 以Excel理解詳細級別與計算的兩大分類 288
8.1.3 從Excel“存取一體”到“數據庫-SQL”的存取分離 292
8.1.4 集大成者Tableau：將查詢、計算和展現融為一體 294
8.2 計算的兩大分類：分析是聚合的抽象過程 297
8.2.1 行級別計算、聚合計算的差異和關系 297
8.2.2 從業務角度理解計算的結果：業務字段VS分析字段 300
8.3 數據準備類函數（上）：字符串函數、日期函數 302
8.3.1 字符串函數：截取、查找替換等清理函數 302
8.3.2 日期函數：日期獨特性與轉換、計算 306
8.3.3 數據類型轉換函數 315
8.4 數據準備類函數（下）：正則表達式 316
8.5 分析函數：從明細到問題的“直接聚合” 318
8.5.1 描述規模：總和、計數、平均值 319
8.5.2 描述數據的波動程度：方差和標準差 320
8.5.3 關注個體，走向分布：百分位函數及*大值、*小值、中位數 322
8.5.4 ATTR屬性——針對維度字段的聚合判斷 324
8.6 通用型計算：算術函數和邏輯函數 325
8.6.1 算術運算、精度控制函數 325
8.6.2 邏輯表達式和邏輯判斷符 329
8.7 行級別計算與聚合計算的區別與結合 332
8.7.1 案例：各子類別的利潤與盈利結構分析 332
8.7.2 復習：行級別計算和聚合計算的差異 334
8.7.3 SUMIF條件聚合：將行級別篩選和聚合分析合二為一 335
8.8 專題：地理空間分析之“空間函數” 338
參考資料 345
練習題目 345
第9章 高級分析函數：Tableau表計算/ SQL窗口函數 346
9.1 合計的兩個方法及“廣義LOD表達式” 346
9.1.1 入門：從Excel理解“合計百分比”計算的層次關系 347
9.1.2 高級分析的層次框架：數據表詳細級別和聚合度 348
9.1.3 進階：“合計百分比”的兩種SQL方法 349
9.1.4 Tableau敏捷BI，讓業務用戶輕松駕馭二次聚合分析 351
9.1.5 “廣義LOD表達式”與計算的分類 354
9.2 “同/環比”偏移計算及表計算設置方法 356
9.2.1 維度作為偏移計算依據：單一維度的同比差異 356
9.2.2 包含多個維度的同比（上）：區別范圍和依據 358
9.2.3 包含多個維度的同比（下）：設置多個依據 360
9.2.4 SQL窗口函數：偏移類窗口函數案例介紹 361
9.3 小結：表計算的獨特性及兩種設置方法 365
9.3.1 從差異計算的兩種方法理解窗口計算的獨特性 365
9.3.2 Tableau設置范圍的兩種方法：相對/絕對方法與適用場景 368
9.4 高級分析函數之排序計算：INDEX與RANK 369
9.4.1 Tableau/SQL排序與百分位排序 370
9.4.2 公共基準對比：不同時間的電影票房對比（TC2） 374
9.4.3 凹凸圖：隨日期變化的RANK函數（TC4） 376
9.5 *重要的二次聚合函數：WINDOW（窗口）函數 380
9.5.1 合計：*簡單、常用的WINDOW（窗口）函數 381
9.5.2 累計聚合：RUNNING_SUM函數——累計汽車銷量 383
9.5.3 移動聚合：移動窗口計算函數MOVING AVG 385
9.5.4 “大一統”：千變萬化的窗口函數WINDOW 386
9.6 *常用的表計算：快速表計算及其附加計算 389
9.6.1 快速表計算：預置的常見表計算應用 390
9.6.2 快速表計算的嵌套：表計算的組合（TC3） 391
9.7 表計算應用（1）：自定義參考線、“合計利潤率” 393
9.7.1 聚合值參考線——表計算的“可視化形式” 393
9.7.2 “合計利潤率”：理解參考線對應的表計算 394
9.7.3 【難點】理解TOTAL（合計）與WINDOW_SUM（匯總）的差異 396
9.7.4 自定義參考線及其計算：箱線圖松散化與散點圖顏色矩陣 398
9.8 表計算應用（2）：標桿分析——多種類型的計算組合 402
9.9 表計算應用（3）：帕累托分布——累計、合計及嵌套 406
9.10 表計算應用（4）：金融ANR計算——表計算高級嵌套 409
9.11 表計算篩選器：優先級*低的篩選類型 413
9.11.1 使用RANK函數聚合判斷完成篩選 413
9.11.2 使用偏移函數LOOKUP完成年度同比和篩選 415
9.12 表計算延伸應用：預測建模函數 416
9.12.1 MODEL_QUANTILE預測模型 417
9.12.2 MODEL_PERCENTILE預測模型 419
練習題目 420
第10章 結構化問題分析：LOD表達式與SQL聚合子查詢 421
10.1 業務解析：理解LOD表達式的邏輯和本質 421
10.1.1 簡單詳細級別：“不同購買頻次的客戶數量” 421
10.1.2 多維詳細級別：“各年度、不同矩陣年度的銷售額貢獻” 424
10.2 LOD表達式的“詳細級別”及其與視圖關系 428
10.2.1 從問題詳細級別出發，理解高級問題的構成 428
10.2.2 主視圖引用“更高聚合度”的詳細級別聚合：占比分析 429
10.2.3 主視圖引用“更低聚合度”的詳細級別之聚合：購買力分析 432
10.2.4 主視圖引用獨立詳細級別的聚合：客戶矩陣分析 433
10.3 相對指定的LOD表達式及運算優先級 435
10.3.1 絕對指定和相對指定的LOD表達式 435
10.3.2 INCLUDE LOD引用更低聚合級別的聚合及優先級 437
10.3.3 EXCLUDE LOD引用更高聚合級別的聚合，以及優先級對比 439
10.4 超越LOD：計算的詳細級別體系及其優先級 441
10.4.1 不同計算類型的應用場景與作用 442
10.4.2 層次分析法：理解計算的運算邏輯及其組合形式 443
10.4.3 Tableau計算、篩選、數據關系的優先級 445
10.5 走向實踐：多遍聚合問題與結構化分析方法 446
10.5.1 方法論：高級問題分析的4個步驟 446
10.5.2 LOD多遍聚合：客戶購買力分析的嵌套LOD計算 447
10.5.3 嵌套LOD的語法和SQL表示 452
10.6 客戶分析專題：客戶RFM相關案例分析 454
10.6.1 客戶分析概論與常見指標體系 454
10.6.2 使用Tableau完成 RFM主題分析 457
10.6.3 單維度的分布案例：客戶頻次分布和生命周期分布 460
10.6.4 多維度的結構分析：與“客戶獲客時間”相關的分析案例 461
10.6.5 復購間隔：行級別計算和LOD計算的結合 464
10.6.6 客戶留存分析：LOD表達式、表計算的結合 465
10.6.7 客戶矩陣分析：客戶價值分類 468
10.7 產品分析高級專題：購物籃分析的多個角度 470
10.7.1 購物籃比率：任意子類別相對于所有訂單的比率 471
10.7.2 支持度、置信度和提升度分析：類別之間的關聯推薦 472
10.7.3 指定類別的關聯比率：篩選中包含“引用詳細級別” 475
10.8 總結：高級計算的*佳實踐 480
10.8.1 問題的3大構成與計算的4種類型 480
10.8.2 如何選擇計算類型 482
練習題目 484
第11章 從數據管理到數據倉庫：敏捷分析的基石 486
11.1 數據管理功能：以數據為中心 486
11.1.1 Tableau Catalog：數據資產目錄和世系管理 487
11.1.2 Tableau Prep Conductor：數據ETL流程管理 491
11.1.3 Virtual Connections：數據庫和分析之間的橋梁 492
11.1.4 Data Policy：為數據訪問增加行級別權限 495
11.2 從數據管理（DM）到數據倉庫（DW） 499
11.2.1 數據倉庫是數據分析發展到一定階段的產物 499
11.2.2 數據倉庫的邏輯分層 502
11.3 ETL：數據倉庫中的數據處理 504
11.3.1 敏捷ETL工具Prep Builder簡介 504
11.3.2 敏捷ETL工具對數據分析的影響 505
11.4 建議：視Tableau為DW/BI平臺 506
參考資料 507
展開全部
數據可視化分析(第2版):分析原理和TABLEAU、SQL實踐(全彩) 相關資料
當前，數據分析早已不再是少數人的專屬領域。隨著各種可視化技術和工具的興起，非技術用戶也可以通過簡單易用的方式進行數據探索和分析，以發現其中蘊含的商業價值。 很高興看到本書的及時出版。它是喜樂君在廣泛實踐的基礎上深度思考、總結和再實踐而得來的知識結晶，深入淺出地剖析了商業智能和數據分析的方法論。在直面數字化轉型機遇和挑戰的當下，我們相信它定會促進可視分析的普及和數據思維的推廣。 ——浙江大學“求是”特聘教授 陳為 數字化轉型帶來的是海量的數據。如何面對、如何處理、如何通過數據驅動業務成功，就成為“后數字化轉型時代”的一個話題。此時此刻，我們需要這樣一個工具，既如“顯微鏡”一樣讓我們看清業務的微觀過程，又如“望遠鏡”一樣讓我們探索抽象的業務世界。 ——中國一汽體系數字化部總經理 門欣 越來越多的人意識到，數據是企業的關鍵資產；數據化經營，用數據驅動代替經驗驅動，是企業競爭成敗的關鍵。這幾年來，我們在全公司推廣數據化經營，通過數字化人才能力培養、數據管理和敏捷分析工具的建設，提升全員數據經營的能力和意識，實現多用戶、多場景的規模化價值，助力公司降本增效。 特別感謝喜樂君老師對我們復合型數字化人才體系培訓的大力支持。 ——陸金所控股有限公司財務部總經理 杜建國 傳統生產制造型企業一直面臨著信息化、自動化、數字化、智能化的多重挑戰與機遇，歸根結底，是考驗企業業務能否全面在線、部門橫向協調是否貫通、數據能否賦能決策、流程可否持續優化。 借助于Tableau卓越的分析框架和敏捷能力，過去幾年，哈克過濾科技實現了銷售、生產數據的“上下貫通”，實現了考核指標自動跟蹤；效率的大幅提升，堅定了公司業務與數據融合、數據與流程互補的信心。喜樂君的系列圖書和課程，則為公司的數字化轉型補上了“員工能力培養”和“前瞻性的市場預測”的關鍵一環。 ——上海哈克過濾科技股份有限公司董事長 朱乃峰 數字時代要求人們掌握大數據工具；反過來，大數據工具要求使用人員具備數據素養。 從初識Tableau的驚艷，到以敏捷BI分析為導向推進數字化轉型，海南航空同時經歷著數字化轉型的欣喜和陣痛。在取得開創性成果的同時，也發覺體系化的、本土化的方法論和工具體系才是關鍵。 不管是工具的使用技巧，還是人員數據素養的提升路徑，喜樂君均提供了結構化、易理解、操作性極強的方法論，是助力個人、企業在數字時代獲得成功的優秀解決方案。 ——海南航空總裁助理 邱曾維 每一次捧起喜樂君的書，細細品味那優雅的文筆、深入淺出的表述，再結合業務的問題和痛點，以及娓娓道來背后的原理和脈絡，總讓我醍醐灌頂、豁然開朗，充斥著一種暢快淋漓的感覺。 作為高管和數字化轉型的實踐者，我和喜樂君都提倡建立“一種探究而不是鼓吹的文化”，這敦促每一個管理者要“越過肩膀看問題”，以一種正確的文化基調，向公司里那些聰明的分析師問同樣聰明的問題——關于他們的模型和假設，而不是試圖讓分析結果取悅領導者。將想法與人區分開來，并堅持要有嚴格的證據來細分這些想法。這個數據驅動的過程，往往更能激勵優秀員工去掌握和利用數據，迸發出巨大的力量，讓員工從迷茫中脫穎而出。 不管你正身處數據分析領域，還是打算投身這一時代大潮，喜樂君的書都是值得反復閱讀的。期待Tableau和本書能為你構建職業上強有力的競爭優勢。 ——上海凱敖智科技有限公司創始合伙人 劉璺 （2021年大中華區Tableau Live開場主題演講嘉賓） 業務數字化發展必然導致傳統審計向數字化轉型，Tableau強大的數據分析與儀表展示功能為數字化審計提供了專業支持，喜樂君在光伏領域的數字化審計建設過程中貢獻了寶貴經驗，在此深表謝意。 ——天合光能審計監察部 李梅軒 面對常態的經濟態勢，大家對于未來的期待都越發理性，更多的人聚焦在如何“敏捷”地抓住不確定性中的確定性機會。而“現代化BI”在某種程度上就是“敏捷分析”的代名詞。從這點來說，喜樂君在敏捷分析方面的深度實戰與方法論，正在迎來一個美麗的春天。 本書可以指導實際操作，但又遠不止于此，通過一手有溫度的案例，與作者全程陪伴的啟發思考，本書系統性地回答了敏捷決策的3個核心問題：如何從業務出發？如何以問題為導向？如何用數據驅動決策閉環？這與我們所倡導的“讓業務用起來”的數據理念不謀而合，也幫助我們豐富了很多認知，感謝喜樂君。誠意將本書介紹給熱愛數據分析的朋友，以及所有追求敏捷進化的組織。 ——觀遠軟件創始人兼CEO 蘇春園
數據可視化分析(第2版):分析原理和TABLEAU、SQL實踐(全彩) 作者簡介
喜樂君Tableau Visionary（2020—2023）、數據分析咨詢顧問、培訓講師·敏捷BI“布道師”。連續創業者、上海唯知唯識創始人。 山東大學法學學士、教育學碩士，首屆“碩士研究生國家獎學金”獲得者。 站在業務角度、深入行業一線，借Tableau洞悉敏捷分析，重新理解和詮釋“業務數據分析”。
書友推薦
- >
羅曼·羅蘭讀書隨筆-精裝
- >
隨園食單
- >
龍榆生：詞曲概論/大家小書
- >
我與地壇
- >
史學評論
- >
推拿
- >
月亮與六便士
- >
唐代進士錄
本類暢銷
