🦄Tableau 教程与入门笔记

1. 快速上手（10 分钟）

1. 连接数据：打开 Tableau → 连接 Excel/CSV/数据库 → 选中 Orders 表。

2. 模型选择：

   • Relationships（关系）：默认、宽松耦合，保留各表粒度。
   • Joins（联接）：行级拼接（内/左/右/全），易产生重复行。
   • Blend（混合）：历史产物，尽量少用。
3. 画出第一张图：把 Sales 拖到列，Sub-Category 拖到行 → 条形图。
4. 上色与排序：把 Profit 放到颜色；点工具栏排序。
5. 快速仪表板：新建仪表板 → 拖入工作表 → 添加筛选器（Region、Order Date）。

2. 基础概念（一口气弄明白）

• 维度 / 度量：切片维度、计算度量。
• 离散 / 连续：蓝色=离散（分类/刻度），绿色=连续（轴）。
• 标记卡（Marks）：颜色、大小、标签、细节、形状。
• Show Me：图表建议器，别迷信，学会手搓。

3. 常用图表与场景

• 条形图：排行、占比、Top-N。
• 折线图：时间序列、季节性。
• 散点图：相关性（Sales vs Profit）。
• 箱线图：异常值。
• 地图：地区对比、密度热力。
• 甘特/瀑布：进度与构成变化。

经验：图表越简单，洞察越清晰。避免一次性放太多维度。

4. 实战：高层业绩总览仪表板（Superstore）

目标：面向管理层，1 屏回答：卖得如何、利润如何、哪里好/差、应该做什么。

步骤：

1. KPI 卡：SUM(Sales)、SUM(Profit)、COUNTD(Order ID)、Profit Ratio = SUM([Profit])/SUM([Sales])。
2. 趋势：MONTH(Order Date) → 列，Sales → 行，添加移动平均（表计算→移动平均→窗口=3）。
3. 类别排行：Sales vs Sub-Category 条形图，颜色映射 Profit。
4. 地图：State → 视图，Sales → 颜色；双轴叠加 Profit 圆点强调亏损州。

5. 交互：

   • 筛选器：时间、地区、类别。
   • 筛选动作：点击地图筛下方表。
   • 高亮动作：鼠标悬停突出目标州。

6. 工具提示（Tooltip）：

   • 添加 Profit Ratio，并插入一个 Sub-Category 的小型条形 Viz in Tooltip。
7. 导航：添加按钮在仪表板间跳转（概览 ↔ 明细深钻）。

5. 计算字段（Calcs）

基础：

IF [Profit] < 0 THEN "亏损" ELSE "盈利" END

日期：

DATEDIFF('day',[Order Date],[Ship Date]) // 运输天数

字符串：

UPPER([Region])

聚合 vs 非聚合：

// 正确（聚合对聚合）
SUM([Profit]) / SUM([Sales])

6. 参数（Parameters）

• 用途：动态阈值、Top-N、指标切换、场景模拟。

• 示例：Top N 选择器

  1. 建参数 p.TopN（整数）。
  2. 集合/计算：

INDEX() <= [p.TopN]

3. 排序后在过滤器/颜色中使用。

• 示例：指标切换

CASE [p.Metric]
WHEN 'Sales' THEN SUM([Sales])
WHEN 'Profit' THEN SUM([Profit])
ELSE SUM([Quantity])
END

7. 表计算（Table Calculations）

• 本质：对结果表做二次计算。注意 寻址/分区（Addressing/Partitioning）。
• 常用配方：

// 累计
RUNNING_SUM(SUM([Sales]))

// 同比 YoY
(SUM([Sales]) - LOOKUP(SUM([Sales]), -12)) / LOOKUP(SUM([Sales]), -12)

// 环比 MoM\ n(SUM([Sales]) - LOOKUP(SUM([Sales]), -1)) / LOOKUP(SUM([Sales]), -1)

// 排名
RANK_DENSE(SUM([Sales]))

技巧：右键表计算 → 编辑 → 指定维度，搞清“按什么顺序滚动”。

8. LOD 表达式（Level of Detail）

用来在不同粒度上先聚合再回到当前视图，绕过维度过滤器的影响。

• FIXED：与视图无关，按指定维度聚合。

// 每个客户的总销售额（与视图无关）
{ FIXED [Customer ID] : SUM([Sales]) }

• INCLUDE：在当前视图粒度上增加维度再聚合。

// 先到 产品级，再回到视图
{ INCLUDE [Product Name] : SUM([Sales]) }

• EXCLUDE：从视图粒度移除维度再聚合。

// 忽略子类，计算类别层级的总销售
{ EXCLUDE [Sub-Category] : SUM([Sales]) }

• 经典题：首单日期

{ FIXED [Customer ID] : MIN([Order Date]) }

• 与过滤器关系：维度过滤器在 LOD 之后生效；上下文过滤器在 LOD 之前生效。

9. 地图与空间

• 字段设为地理角色（国家/省/州/邮编/经纬度）。
• 双轴地图：底层填色州界 + 顶层利润气泡；同步轴。
• 密度图：高频点位更亮。

10. 动作与可用性

• 筛选动作：主从联动深钻。
• 高亮动作：点亮同类。
• URL 动作：跳业务系统。
• 集合动作：拖拽即分群，做“选中 vs 其他”。
• 按钮导航：多页故事化表达。

11. 性能与工程实践

• 优先 Extract（提取），必要时增量刷新；减少字段与行数。
• 降低 标记数（Marks），尽量聚合到可读粒度。
• 少用嵌套表计算与过度 LOD；能在源头算就别在前端算。
• 大筛选器设置为上下文过滤器，避免每次全表扫描。
• 使用 Describe、Performance Recording 排查慢点。

12. 发布与协作

• 发布 数据源 与 工作簿 到 Server/Online。
• 设定权限、数据刷新计划、订阅与警报。
• 版本化命名：proj_dashboard_YYYYMMDD_vX。

13. 常见坑

• 维度过多导致重复计算与“爆表”的行数。
• 混合数据源的度量默认 聚合方式不同（SUM vs AVG）。
• 时间维度“连续/离散”切换导致轴/粒度变化。
• 地理角色不对 → 地图打不出来。

14. 练习路线（30 天×20 分钟）

• 第 1 周：基本图表 + 仪表板；重做官方示例。
• 第 2 周：表计算 + 参数；做同比/环比 + Top-N 控制。
• 第 3 周：LOD + 地图；实现首单/复购、利润预警地图。
• 第 4 周：性能优化 + 发布；做一次从数据到上线的闭环。

15. 速查表（Cheat Sheet）

• 时间序列同比：LOOKUP(SUM([Sales]), -12)
• 利润率：SUM([Profit]) / SUM([Sales])
• 前 N：INDEX() <= [p.TopN]
• 客单价：SUM([Sales]) / COUNTD([Order ID])
• 客户 LTV（粗略）：{FIXED [Customer ID]: SUM([Profit])}

16. 实战练习题

1. 亏损产品清单：找出 Profit < 0 的 Product Name，按亏损额排序，并给出 Top-10。
2. 州别拉力图：各州 Sales-Profit 双轴图，筛选 Category。
3. 复购漏斗：计算每客户首单到二单的平均间隔，按州比较。

完成上述 3 题，你已经具备 80% 的日常 Tableau 战斗力。剩下的 20%，来自具体业务与审美。

实战题 · 详细解法

1) 亏损产品清单（Top-10）

目标：找出 全年总利润 < 0 的产品，并按亏损额从大到小排序取前 10。

计算字段

1. Profit per Product (LOD)

{ FIXED [Product Name] : SUM([Profit]) }

2. Is Loss Product

[Profit per Product (LOD)] < 0

3. Loss Amount

IF [Profit per Product (LOD)] < 0 THEN -[Profit per Product (LOD)] END

做图步骤

• 把 Product Name 放到行，Loss Amount 放到列。
• 添加过滤器：Is Loss Product = True。
• 排序：按 Loss Amount 降序。

• 取 Top-10：

  • 方式 A：在 Product Name 维度 → 筛选器 → Top → By Field 选择 Loss Amount 的 Top 10。
  • 方式 B：保留排序，直接在标记数上显示前 10（或用集合/参数控制）。
• 标记卡：颜色 使用 Loss Amount 连续上色；标签 显示 Loss Amount，格式为货币/千分位。

注意：不要用行级 Profit < 0 当过滤器，那样会把同一产品的盈利订单排掉，导致总利润被误算。用 FIXED LOD 才能锁定“产品总利润”的真实亏损。

2) 州别拉力图（Sales–Profit 双轴 + Category 筛选）

目标：各州展示销售额与利润的拉力对比，便于识别“高销售但低利润/亏损”的州；支持按 Category 过滤。

做图步骤（组合双轴）

1. State → 行。
2. SUM(Sales) → 列（标记类型：条形）。
3. 将 SUM(Profit) 拖到右侧轴，形成 双轴（Dual Axis），右键 同步轴（Synchronize Axis）。
4. 把右侧轴的标记类型改为 圆形或折线+圆点，并在 颜色 上用分段/发散色强调亏损（或 Profit < 0 的颜色单独指定）。
5. 在筛选器加入 Category（分类），设置为多选并在仪表板上显示。
6. 排序：按 SUM(Sales) 或 SUM(Profit) 排序，帮助识别头尾州。
7. 工具提示（Tooltip）：显示 Sales、Profit、Profit Ratio = SUM([Profit])/SUM([Sales])；可加阈值图标（如利润率 < 5% 标红）。

可选美化

• 在 State 的标签上显示 Profit，对负值加“▼”前缀：

IF SUM([Profit]) < 0 THEN "▼ " + STR(ROUND(SUM([Profit]),0)) ELSE STR(ROUND(SUM([Profit]),0)) END

• 加一个“只看亏损州”的布尔参数，控制筛选：

IF [p.OnlyLoss] THEN SUM([Profit]) < 0 ELSE TRUE END

3) 复购漏斗：首单→二单平均间隔（按州）

目标：计算每位客户从首单到第二单的天数，统计到州（State）层级取平均，用于评估复购速度地域差异。

核心思路（纯 LOD，避免表计算寻址复杂度）

1. First Order Date（每客户）

{ FIXED [Customer ID] : MIN([Order Date]) }

2. Second Order Date（每客户）

先找出大于首单日期的最早订单日期：

{ FIXED [Customer ID] :
    MIN( IF [Order Date] > { FIXED [Customer ID] : MIN([Order Date]) } THEN [Order Date] END )
}

3. Days: First→Second

IF ISNULL([Second Order Date（每客户）]) THEN NULL
ELSE DATEDIFF('day', [First Order Date（每客户）], [Second Order Date（每客户）]) END

4. （可选）过滤掉没有二单的客户：

NOT ISNULL([Second Order Date（每客户）])

汇总到州

• 视图粒度：State → 行；AVG([Days: First→Second]) → 列（或标签）。
• 如果一个客户在多个州下单，建议以首单所在州归属。可新增：

First Order State

{ FIXED [Customer ID] : MIN( IF [Order Date] = { FIXED [Customer ID] : MIN([Order Date]) } THEN [State] END ) }

然后用 First Order State 代替 State 进入视图。

可视化建议

• 条形图 + 误差线：条高为 AVG(Days)，在工具提示显示样本量 COUNTD([Customer ID])。
• 增加筛选器：时间范围（基于 Order Date）、Category（如果你认为品类会影响复购）。

质量与性能小贴士

• LOD 会受 上下文过滤器 影响：需先对 Order Date、Category 等设置为上下文以加速且保证复购计算的口径一致。
• 数据量很大时，考虑将上述 LOD 预计算到数据源（例如在 ETL 中生成首/二单日期）。

新增 · 10 道实战题（含关键计算与做图要点）

默认数据集：Superstore。除特别说明外，粒度与口径均以订单行（Row）为基础，可在仪表板添加时间/地区/品类筛选器。

4) ABC 分类（产品级）

目标：按年度销售额将产品分为 A/B/C（如 A=前 70%，B=中间 20%，C=后 10%），做结构优化。

参数：p.AShare=0.7，p.BShare=0.2。

计算：

// 产品总销售
[Sales per Product] = { FIXED [Product Name] : SUM([Sales]) }
// 按产品降序后的累计占比（表计算，寻址：产品）
[Cum Share] = RUNNING_SUM([Sales per Product]) / WINDOW_SUM([Sales per Product])
// 分类
[ABC Class] = IF [Cum Share] <= [p.AShare] THEN "A"
ELSEIF [Cum Share] <= [p.AShare]+[p.BShare] THEN "B" ELSE "C" END

做图：产品条形图（按 [Sales per Product] 降序），颜色映射 [ABC Class]；再做“类别 × 区域”的树状/矩阵查看分布。

5) 帕累托 80/20（客户级）

目标：检验“少数客户贡献大部分销售”，并找出关键客户清单。

计算：

[Sales per Customer] = { FIXED [Customer ID] : SUM([Sales]) }
// 销售累计占比（按客户降序）
[Sales Cum%] = RUNNING_SUM([Sales per Customer]) / WINDOW_SUM([Sales per Customer])
// 客户累计占比
[Cust Cum%] = RUNNING_COUNTD([Customer ID]) / SIZE()

做图：双轴—左轴客户按销售降序的条形，右轴绘制 [Sales Cum%] 折线；在 80% 处加参考线并高亮对应客户列表。

6) 折扣弹性（品类/子类）

目标：评估平均折扣与利润率的关系，识别“折扣换量不增利”的品类。

计算：

[Avg Discount] = AVG([Discount])
[Profit Ratio] = SUM([Profit]) / SUM([Sales])

做图：Sub-Category 级散点（X=[Avg Discount]，Y=[Profit Ratio]，点大小按 Sales），开启趋势线（线性）并显示 R²；右侧加 Top-N 明细表。

7) 退货率分析（需要引入 Returns 表）

目标：量化并定位高退货率的品类/州/客户。

建模：用 Relationship 将 Orders.[Order ID] 与 Returns.[Order ID] 关联。

计算：

// 订单是否被退货（关系下可引用 Returns 侧的键）
[Is Returned] = { FIXED [Order ID] : COUNT([Order ID (Returns)]) } > 0
[Return Rate] = SUM( INT([Is Returned]) ) / COUNTD([Order ID])

做图：州地图 + 退货率颜色；或 Sub-Category 条形按 [Return Rate] 降序；工具提示展示退货订单数。

8) 出货时效与 SLA 违约

目标：监控下单到发货天数，量化 SLA 超时率 并定位问题渠道/地区。

参数：p.SLA_Days = 2。

计算：

[Days to Ship] = DATEDIFF('day',[Order Date],[Ship Date])
[SLA Breach] = [Days to Ship] > [p.SLA_Days]
[Breach Rate] = SUM(INT([SLA Breach])) / COUNTD([Order ID])

做图：

• 箱线图：Ship Mode × [Days to Ship]（查看分布与异常）。
• 条形/地图：State × [Breach Rate]，加参考线 p.SLA 目标。

9) 价格带直方图（Unit Price Bins）

目标：理解价格分布与销量，发现合适的价格带。

计算：

// 行级单价，再求平均避免“总额/总量”偏差
[Row Unit Price] = [Sales] / [Quantity]
[Avg Unit Price] = AVG([Row Unit Price])

做图：对 [Row Unit Price] 创建 Bins（如 5 美元一档）；绘制直方图（列=Bins，行=SUM(Quantity) 或 COUNT）并加入 Sub-Category 颜色或面板分面。

10) 客户 RFM 分群

目标：基于最近一次消费（R）、购买频次（F）、消费金额（M）将客户打分分群。

参数：p.AsOfDate = TODAY() 或设为 MAX([Order Date])。

计算：

[Last Order Date] = { FIXED [Customer ID] : MAX([Order Date]) }
[Recency Days]    = DATEDIFF('day',[Last Order Date],[p.AsOfDate])
[Freq Orders]     = { FIXED [Customer ID] : COUNTD([Order ID]) }
[Monetary Sales]  = { FIXED [Customer ID] : SUM([Sales]) }
// 3 档打分：使用百分位表计算（在客户维度上寻址）
[R_Score] = CEILING( (1 - RANK_PERCENTILE([Recency Days])) * 3 )
[F_Score] = CEILING( RANK_PERCENTILE([Freq Orders]) * 3 )
[M_Score] = CEILING( RANK_PERCENTILE([Monetary Sales]) * 3 )
[RFM]     = STR([R_Score]) + STR([F_Score]) + STR([M_Score])

做图：R×F 的热力图，颜色按 M 或客户数；再配 RFM 细分人群明细表。

11) 运费异常与利润侵蚀

目标：识别运费过高导致的利润侵蚀，定位异常州/运输方式。

计算：

[Ship Cost Ratio] = SUM([Shipping Cost]) / SUM([Sales])

做图：State × [Ship Cost Ratio] 条形/地图，叠加 Profit Ratio 作为颜色或双轴；在 Ship Mode 维度下切片，标注 Top 异常。

12) 利润预警地图（象限）

目标：二元象限划分州：销量高/低 × 利润率高/低，突出“高销低利”。

参数：p.SalesMin（如 50K）、p.ProfitRatioMin（如 5%）。

计算：

[Profit Ratio] = SUM([Profit]) / SUM([Sales])
[Quadrant] =
IF SUM([Sales]) >= [p.SalesMin] AND [Profit Ratio] < [p.ProfitRatioMin] THEN "高销低利"
ELSEIF SUM([Sales]) >= [p.SalesMin] AND [Profit Ratio] >= [p.ProfitRatioMin] THEN "高销高利"
ELSEIF SUM([Sales]) < [p.SalesMin] AND [Profit Ratio] < [p.ProfitRatioMin] THEN "低销低利"
ELSE "低销高利" END

做图：州填色地图颜色按 [Quadrant]；仪表板加“只看高销低利”切换。

13) 利润贡献瀑布图（子类）

目标：分解总利润由各子类带来的增减变化，直观看到拖后腿的子类。

计算（表计算为主，按子类降序寻址）：

[Profit by SubCat] = SUM([Profit])
[Running Base] = RUNNING_SUM( LOOKUP([Profit by SubCat], -1) )
[Step Start]   = ZN([Running Base])
[Step End]     = [Step Start] + [Profit by SubCat]

做图：Gantt（大小= [Profit by SubCat]，起点=[Step Start]），颜色按正负；排序按贡献绝对值；总计做参考线。

14) 同期对比 + 目标追踪（时间序列）

目标：月度销售 YoY 对比，并与年度目标增速对齐，构建 KPI 追踪。

参数：p.TargetYoY = 0.12（年度目标增长 12%）。

计算：

[Sales] // 直接用
[Sales YoY] = LOOKUP(SUM([Sales]), -12)
[YoY %]     = ( SUM([Sales]) - [Sales YoY] ) / [Sales YoY]
// 目标线（以去年同月为基准的目标值）
[Target Sales] = [Sales YoY] * (1 + [p.TargetYoY])

做图：月度折线（实际 vs [Target Sales] 双线）；次轴显示 [YoY %] 柱状；对低于目标的月份高亮。

15) 首购月 Cohort 留存热力图

目标：以“首购月份”为队列，观察后续各月的复购率。

计算：

[First Order Month] = DATETRUNC('month', { FIXED [Customer ID] : MIN([Order Date]) })
[Order Month]       = DATETRUNC('month', [Order Date])
[Month Index]       = DATEDIFF('month', [First Order Month], [Order Month])
// 当期是否复购（每客户×月）
[Active Flag] = { FIXED [Customer ID], [Order Month] : COUNTD([Order ID]) } > 0
// 留存率（表计算，分区=First Order Month，寻址=Month Index）
[Retention %] = SUM( INT([Active Flag]) ) / WINDOW_MAX( SUM( INT([Active Flag]) ) )

做图：行=[First Order Month]，列=[Month Index]，颜色=[Retention %] 的热力图；加筛选器限定观察窗口。

数据集下载： 链接：https://pan.quark.cn/s/d2d1a3e30d1a 提取码：xnvE