8000 GitHub - IceForgTW/Tableau: 数据可视化
[go: up one dir, main page]
More Web Proxy on the site http://driver.im/
Skip to content

IceForgTW/Tableau

 
 

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

3 Commits
 
 
 
 

Repository files navigation

数据可视化-Tableau

什么是数据可视化?先来看几个问题吧~

数据可视化的过程

迭代的数据探索过程

可视化工程师需具备的能力

可视化工程师需掌握的技能


那什么是数据可视化呢?来一个还算官方的解释:数据可视化,就是指将结构或非结构数据转换成适当的可视化图表,然后将隐藏在数据中的信息直接展现于人们面前

了解了什么是数据可视化,接下来看看数据可视化的工具吧!先来对比下几款常见好用的可视化工具,各有各的好处,还是要结合自身的需求.个人用,免费才是王道;公司用,最好是分析者可以简单上手,让IT更专注开发


国内:
帆软BI:【http://www.finebi.com/resources/downloads/】
优点:
有较为详细的行业案例与技术方案;
产品演示和资源中心也较为清晰;
缺点:
需要使用客户端,增加了使用的不便利性;
只有仪表盘展示,BI报表需要另一款产品;
无法处理大量的数据;
大数据魔镜:【http://www.moojnn.com/product-center/cloudAnalysis.html】
优点:
产品模块的规划比较健全,其中包括数据源导入、数据分析、仪表盘、数据挖掘和数据工厂;
官网的设计不错,模板选择性大,颜值控可能会喜欢;
工具使用指导清晰,使用篇和方法篇等比较详细;
缺点:
产品存在较多的BUG,UI和功能相对其他产品来说较简陋;
部分产品模块并不能切实用于数据分析;
国外:
Tableau:
优点:
处于行业领导者地位,功能完善;
有较好的图形展现与客户感知;
新产品开始支持云端展现,但是需要客户端支持;
缺点:
相比于商业智能BI,更像一个基于数据查询的数据展示工具;
处理不规范数据、转化复杂模型比较难;
无法处理大量数据;
国内网络连接Online版速度较慢;
QlikView:【http://www.qlik.com/us/】
优点:
支持多端显示
数据源无缝接入
可视化仪表盘
拖拉拽即可实现操作
可以实现数据关联
DeskTop完全免费,官方有免费的培训。
内存式数据分析,分析速度非常快
缺点:
企业版需要费用
对元数据中文支持不友好

亲身体验了下几款软件,Tableau和Qlik还是比较强大的,Tableau易用,但相较于专门的分析工具(比如R)还没有到达到很精细的程度,Qlik用起来比较费神,对中文支持也不是太好。最后决定使用Tableau,作为报表、数据分析工具中的网红,接下来就看一下Tableau使用的相关问题:


1.Tableau Desktop, 基于斯坦福大学在数据分析领域中的突破性研究成果,利用令人耳目一新的拖曳方式来可视化数据,不需要编程知识
2.看一下官方免费的培训视频还是很有必要的:【http://www.tableau.com/zh-cn/learn/training#connecting】
3.微信的Tableau的社区公众号里有很多好玩的viz,还有些大神级的参赛作品,平台还会提供网络分享会的相关信息
4.根据自己的分析思维(建立分析思维需要自己多练习,多多分析),慢慢的由浅至深(基础分析,综合分析,逻辑组合表达)
5.得出结论,并用语言阐述出来……

Tableau有学生版,跟专业版功能差不多,上传证明材料就可以免费使用,下载地址:【http://www.tableau.com/zh-cn/academic/students】


其他不多说,开始使用Tableau Desktop吧!

数据可视化运用 -- 一个数据分析小白的吃油之路~

####或者说,是一只小白摸索入门数据分析之路~

磕磕碰碰,用Tableau链接了PostgreSQL数据库,拖拽了三个表join了下,简单的一个小分析算是出来了,没有过多修饰别名,凑合还能看,上图:

讲故事讲故事,只是想贴张图看看


摸摸索索,突然意识到,分析是一种意识能力,猛然间感觉到了差距……那就先安利一些数据分析的知识:


本质-->现象-->特征-->量化


为什么分析?


1.用户是谁(目标用户)
2.从哪里来(流量从哪里来,流量的价值等)
3.到哪里去(为什么离开,如何降低用户流失)


分析要解决什么问题?


对于产品:
产品改版是否合理?
用户的反馈如何?
哪些功能存在问题?
功能使用频率?
转化路径是否靠谱?
对于运营:
用户来源路径?
用户活跃度如何?
如何分配广告预算?
网站内容是否有效?
如何分解KPI?


分析-->改进-->维持

About

数据可视化

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published
0