【数据】用Tableau 制作会员散点图

昨天看了《大数据》（涂子沛著）中一个章节“商务智能的前世今生”，对BI有了更加深入的印象，简而言之，可以用下面的一张图来表示。这其中“关系型数据库”和“数据仓库”是基础，商务智能的重要工具和展现应该是联机分析+数据挖掘+可视化设计的结合。

Tableau的底线是基于关系数据库自己搭建的数据立方（Cube），然后通过独有的数据引擎做抽取和整理，最终实现可视化的表达。

在之前的博文中我们说，“清晰的业务分析思路应该先于数据分析的技术”，我们应该按照先确立数据分析的目的，然后开展数据工作。

数据分析的方向和目的

周年庆的分析是阶段性的业务分析，整体的维度指标围绕业务的几个重要主题：商品、会员和员工；在对比的层面，我们要对比去年的相关指标，特别是体现增长性和健康度的指标，如品类的毛利率水平、会员的结构分布与贡献度、员工的投入产出效率等。

具体而言，我们可以建立以下的分析框架：

宏观指标：两个对比期的商品销售、毛利额／毛利率、消费会员数及平均贡献、员工的贡献对比。
会员维度
- 生理轴分布下的消费会员数量（及占比）、会员消费贡献、
- 会员贡献分布与极值分析，可以分门店卡和非门店卡。
- 与2016年的比率对比
商品维度：
- 品类层面：品类的贡献，品类销售数量与单价，品类客单价
- 门店层面：可比门店的商品运营指标，看增长率，会员会员
- ABC商品分布，或者20／80分布，看销售贡献与毛利贡献
员工维度：
- 促销员的人效产出，可以按照厂家促销员、星级分类
- 与去年同期对比

下面，我们以「会员分析」之「散点图分布」为例：

1、ETL 抽取、整理和加载

这几阶段，Tableau相关的几个功能是：导入数据源、整理数据字段、数据抽取与优化，还可以包含字段的“别名”、“分组”等。

比如对于要排序的字段，可以通过别名实现自定义排序；还可以使用通用的名词。

另外，个人不建议把数据库中的英文标题一律改为中文，因为这样会阻碍之后增加和编辑字段的难度。当然，一些难以理解的英文字段，也可以增加汉语后缀。

2、增加计算字段

在消费明细中，有一些字段是没有的，需要通过「计算字段」自行添加，从而更好地辅助数据分析；同时，这也是阶段性代替数据仓库，增加数据分析的维度。

因为数据是商品的消费明细单，从会员的角度计算人均消费金额和人均消费数量，就需要使用全局fixed函数，当我们把两年的数据合并在一起，还需要把两年的数据分开，从而做对比。因此，我们增加了两个计算字段：

会员消费金额：{ FIXED YEAR([XSSJ]),[CardCode]:round(SUM([xsje]),1)}
会员消费数量：{ FIXED YEAR([XSSJ]),[CardCode]: SUM([xssl])}

3 制作散点图

有了会员的两个核心字段，我们就可以做会员的分布了，把「人均消费金额」和「人均消费数量」分别放到列和行字段中，并把度量改为维度，于是就形成了一个空间；之后把会员数据放到空间里，形成了分布图。

然后就是增加筛选原则，比如排除「店内卡」，按照年份作为页面。于是，就有了会员散点图。

其他的可视化与上述类似，提前设定字段，简单的字段可以直接在列／行中输入，比如输入 SUM([xsje])/COUNTD([New_DH]) 直接计算平均订单金额。

结语

学习Tableau两个月了，期间也教公司的一些同事，有的人会仿照表格的方式去做，这是一个误区，最好的方式是，定好目标，然后准备元素，之后拖动可视化。

20170905