点击获取AI摘要

Tableau数据连接与可视化分析

本文主要介绍 Tableau 的基础连接与使用，包括数据可视化的原理以及常用的图表制作，针对不同分析使用的图表类型，BI看板的搭建等内容。

目录

  1. 数据连接
  2. 数据可视化原理
  3. 基础图表制作
  4. 数据可视化原则
  5. BI仪表盘搭建

社区大佬可视化方案参考学习

Tableau能做什么？

  • 数据赋能

    让业务一线也可以轻松使用最新数据

    • 分析师可以直接将数据看板发布到线上

    • 自动更新看板

    • 自由下载数据

    • 线上修改图表

    • 邮箱发送数据

    • 设置数据预警

  • 数据探索

    通过统计分析和数据可视化，从数据发现问题，用数据验证假设

    • 支持亿级数据的连接和处理

    • 自由地对字段进行各种计算

    • 拖拽就可以轻松制作图表

    • 数据可以随意聚合下钻

    • 图表类型可以灵活转换

    • 内置算法智能建模

1. 数据连接

1.1 连接类型

1.1.1 本地文件

文件类型 连接方式
CSV 文本连接
Excel (xls/xlsx) Excel文件连接
JSON 直接连接JSON文件

Tableau 1

Tableau 连接

1.1.2数据库

  1. 驱动配置
    下载对应数据库驱动后，配置地址、端口、认证等参数
  2. 数据连接
    数据库连接方法与SQL相似

Tableau支持的数据库

1.2 连接方式

  1. 智能连接（默认）
    • 自动识别字段类型，只需选择连接字段
    • ✅支持字段计算和编辑
    • ✅支持排序、重命名、拆分等操作
  2. 字段计算：连接字段可通过函数进行计算和编辑（动态）
1
2
# 示例函数计算字段
  DATE_TRUNC('day', "下单日期") AS 订单日维度
  1. 表格连接：表格之间的连接原理同SQL
  2. 连接原理
    • 多表连接机制同SQL
    • ✅支持多条件组合连接

Tableau表连接

操作示例：

  1. 连接 shop 表 → 拖拽 cpc 表，设置连接条件：
    • 门店ID = 门店ID
    • 日期 = 日期
  2. 连接 orders 表→ 拖拽 shop表，设置连接条件：
    • 门店ID = 门店ID
    • 日期 = 下单日期

Tableau多表连接

1.3 提取方式

方式 特点 适用场景
实时查询 每次操作触发数据库查询（查询语言VizQL） 小数据量/频繁更新
数据提取 1.提取连接数据，保存为.hyper文件，支持增量刷新
2..twbx 文件会将 .hyper 数据打包
3.修改数据源后需重新提取数据，实时连接则无此限制
4.一般大型数据推荐提取，除非频繁修改连接字段		 大数据量/离线分析

Tableau数据提取选项

注意事项：

  • 上传Tableau Server必须使用数据提取

  • 提取数据后可进行预筛选，仅保留需要的数据用于视图操作

  • ❌预筛选建议在连接阶段设置，而非视图层过滤

    Tableau数据筛选器

  • 提取选项支持增量刷新策略（基于字段/函数）

    1
    2
    # 示例：每日仅更新新增行
    EXTRACT_INCREMENTAL ON "last_updated_date" > DATEADD('day', -1, CURRENT_DATE())

  • .twb文件不包含数据仅保存连接与视图信息，.twbx打包数据，可打包共享（Tableau Server发布必须使用.twbx）

  • ⚠️百万级数据建议使用增量刷新

1.4 数据处理

  • 查看、排序、重命名、拆分等操作

    Tableau描述与拆分

    Tableau筛选显示行与排序查看日期

  • 图表界面也可完成大部分数据操作，包括预测，趋势线，描述性统计分析指标等

2. 数据可视化原理

2.1 核心概念

  1. 为什么要可视化
  • 图表能让人更快理解最大/最小值等信息
  • 人类具备视觉优势，图比字更易识别
  • 文字源自象形，图形表达更直观

Tableau视觉元素感知排序

Tableau可视化辞典

  1. 度量与维度
    • 度量（Measures）：数值型变量 → 图形面积/长度/颜色深浅 → 数轴
    • 维度（Dimensions）：类别型变量 → 图形颜色/位置/分类 → 标签
类型 特征描述 典型示例
度量 数值型可计算变量 GMV总和, 订单数量
维度 非数值分类变量（如城市、性别） 用户ID, 源渠道

Tableau 自动识别变量类型，类型可互相转换

Tableau度量与维度

2.2 Tableau 可视化基础操作

  1. 拖拽操作

    • 行/列：决定图表坐标轴

    • 标记卡：控制图形颜色、大小、标签等

      Tableau标记卡与筛选器

    • 筛选器：设定可视条件

      对应的筛选器

  2. 五大可视化原理

    1. 度量默认聚合运算（SUM/AVG）

      • 拖动“消耗”到行 → 自动生成柱状图（求和）

      • Tableau 会自动聚合度量（默认总和）

        Tableau条形图

    2. 图形标记自由切换

      • 标记卡中可选择不同图形（柱状图、饼图、折线图等）

      • 一个度量只有一个值无法形成折线（需多个点）

      • 拖拽度量至行/列形成图表，拖拽至标签区域形成表格

        Tableau表格

        Tableau表格2

        等同于变换成离散放在行

    3. 维度增加信息密度（多层级对比）

      • 拖入维度字段 → 将一个点拆解为多个 → 可连成线

      • 维度可拖至：颜色、标签、详细信息、行、列，会增强信息密度

      • 示例：将日期字段转换为字符串 → 拖至列 → 形成折线图

        Tableau折线图

      • 拖日期 → 标签、拖消耗 → 大小、选“文本” → 形成词云图、选“圆形” → 形成气泡图

        Tableau词云

        Tableau气泡图

    4. 图表类型决定坐标轴形态（有轴图表 vs 无轴图表（极坐标图表））

      • 有轴：折线图、柱状图（需数轴）

      • 无轴：饼图、树地图、词云、气泡图（极坐标）

      • 示例饼图制作：将 GMV 拖到大小，门店拖到颜色 → 树地图(树地图是升级版的饼图，按照顺序展示大小，还能增加颜色等维度)；
        更改标记类型为饼图 → 映射角度与面积

        Tableau树地图

        Tableau饼图

    5. 连续变量生成坐标轴，离散变量生成标签

      • 连续度量 → 数轴（逻辑连续参考系）
      • 离散维度 → 标签（顺序可调的参考系）
      类型 作用
      离散变量（维度） 形成标签，构成表格
      连续变量（度量） 形成数轴，构成图形
      • 示例：拖维度构建表格（如日期、门店、品牌）
        将度量字段设置为离散 → 变为维度
        拖度量至列或行 → 生成图形（数轴）

2.3 视觉映射类型

可视化辞典Github仓库与Web

视觉元素 适用场景 示例 适用图表
位置 x/y 轴呈现度量，分布趋势分析 人均收入与寿命关系 散点图
长度 长度反映数值对比 地区销售额对比 柱状图/条形
角度 用于表示部分与整体的占比关系 性别比例分析 饼图/玫瑰图/环形
颜色 分类/数值密度，饱和度/色调表现维度分类或度量高低 地理区域分布 热力图
面积 & 体积 多维度占比，面积/体积与度量成正比 通过大小表示数值 树地图
方向 展示度量随维度（如时间）变化趋势 四季电力消耗趋势 折线图

形状可用于标记不同组别（维度），如散点图标记点形状

3. 基础图表制作

3.1 对比分析

图表类型 制作要点 适用场景
柱状图 维度→列，度量→行 ≤5个分类对比
条形图 维度→行，度量→列 ≥5个分类对比
热力图 文本表+颜色映射，使用合计% 多维度交叉对比
气泡图/词云 度量→大小，维度→颜色/标签 百级分类对比

  • 创建分层结构可以在拖动标签时将整个结构组都拖动，并根据需要点击+或-在工作表内展示数据的量

    Tableau分层结构

  • 筛选器选项可以自定义筛选器单项或多项的样式

    Tableau筛选器选项

  • 热力图设置标记为方形，适用于多【维度】下多变量的同时对比，并且需要同时查看对比效果和数值，如各组/商品类别之间的销售额、利润同时对比

    Tableau热力图

3.2 变化/趋势分析

图表类型 制作要点 适用场景
折线图 时间→列（连续），度量→行
季节性调整需手动添加移动平均线		 趋势分析
面积图 折线图→区域填充 累计值分析

  • 给折线图添加趋势线可以增加内容的丰富程度，并提升专业性，还可以增加预测（实际应用中一般都是高维数据，R²低误差高，参考性不大）

    Tableau折线图趋势线与预测

  • 将画折线图时的标记从线改为区域，即可形成面积图。适用于有内部累计关系的值，并会随时间变化，不强调趋势，强调绝对值

    Tableau面积图

3.3 构成/占比分析

图表类型 制作要点 适用场景
饼图 维度→颜色，度量→角度 ≤3分类占比
树地图 维度→颜色/标签，度量→大小 多层级（维度）占比
堆积图 维度→颜色，主维度→轴 多维度累计占比

  • 饼图需要设置合计百分比显示占比（百分比差异类似同比环比计算）

    饼图合计百分比

    饼图设置格式控制百分比小数位数

  • 堆积图适用于相同【度量】下，比较一个【维度】下另一个【维度】的占比。堆积图显示合计百分比需要在快速表计算后再编辑表计算并选择计算依据为"表(向下)"，否则会显示占整体数据的百分比，再按住CTRL将该计算字段拖动至’行’，即可看到占整体的比例（只能看到占比，忽略绝对值大小）

    Tableau堆积图设置

  • 因此一般需要同时查看值的大小和占比，在标记区域选择未使用快速计算的字段（没有Δ），然后将其中的标签移除并更换为原始字段

    Tableau堆积图设置2

3.4 分布分析

图表类型 制作要点 适用场景
散点图 X/Y轴→度量，维度→颜色 相关性分析
直方图 度量→自动分箱 单变量分布
地图 地理角色→详细信息，度量→大小/颜色 空间分布分析

  • 散点图：将Cpc总费用拖入列，GMV拖入行，然后将字符串形式的日期放入标记的详细信息，门店名称放入颜色，即可看到各个店铺的投放效果（斜率越大投放效果越好）

    Tableau散点图

  • 还可以对散点图进行聚类，，具有相同分布特征的变量会被分为一类，可选自动或手动设置聚类(Cluster)数 (K-means聚类算法，基于欧式距离计算)

    Tableau散点图聚类

  • 直方图与数据桶：在数据型字段右键 → 创建 → 数据桶。数据桶本质是根据设定的数据桶大小作为间隔(箱宽度)，将离散的点分类并计数。用于查看单一度量下的数据分布

  • 常见分布；2/8法则；马太效应；40-20-10（如果你想让你的APP保持增长势头，那么你的新用户次日留存率，7天留存率和30天留存率应该分别维持在40%、20%和10%左右）

    Tableau数据桶

  • 地图：对于数据中的城市，需要将字段的属性设置为地理角色中的某个值，然后双击即可在工作表中显示地图。

    Tableau地图设置

    对于经纬度坐标，则需要将地理角色设置为经纬度，然后分别双击，即可在工作表显示地图

    Tableau经纬度

    • 由于多数情况下数据会经过脱敏处理，原来可表示唯一值的订单id等字段会有重复值出现，因此需要创建主键来自行计算出一个唯一值。左键点击创建计算字段，拖拽选择合适的字段进行计算，表达式需要确保计算的字段格式相同，因此对于数值型变量可以使用STR()函数将其转换为字符串进行计算

      Tableau创建主键

    • 使用计算出的"主键"作为详细信息，距离作为颜色，用户实付作为大小，即可在地图上画出大小、颜色均进行区分的散点地图

      Tableau配送距离与实付图

例：南丁格尔玫瑰图实现步骤（用色块圆饼展示战地死亡率，促进英国军方改善医疗条件）：

  • 将角度字段设置为度量值
  • 在标记卡选择"极坐标系"
  • 添加颜色区分分类变量（如月份）

4. 数据可视化原则

  1. 用户导向

    • 区分观众层级（执行/管理/决策）

      Tableau用户区分

  2. 信息层级

    • 主指标放大，辅助指标弱化

  3. 视觉真实

    • 坐标轴从0开始
    • 避免3D变形

  4. 认知适配

    • 使用行业通用图表类型(地理位置用地图、随时间变化用折线图等)

  5. 设计规范

    • 颜色≤8种，简化设计，突出重点，少即是多
    • 图表需在 5 秒内传达核心信息

  6. 辅助说明

    • 添加标题/图例/数据标签/结论等(右键数据添加注释)

多到Tableau社区去学习好的方案

Tableau好的可视化方案

5. BI仪表盘搭建

5.1 设计流程

  1. 明确主题

    • 受众是谁？关注点是什么？
    • 例：每日营收监控 → GMV/转化率/订单分布

  2. 数据准备/拆解指标

    • 营收数据：GMV、商家实收、用户实付、总订单数、cpc总费用、各平台数据对比

    • 流量数据：曝光人数、进店人数、下单人数、进店转化率、下单转化率、新客数、老客数、复购率

    • 关键指标：GMV、流量数据*（每日营收）进店率、复购率（用户行为）*

    • 辅助指标：CPC费用、无效订单*（投放效果）*

    先设计好要使用的元素，后进行可视化的调整，与Excel相同，下面是某店铺外卖的营收数据设计

    1. 首先需要将筛选器设置为联动(使用相关数据源的所有项)，实现图表间的数据统一

    Tableau联动筛选

    1. 需要一个经营状况总览，拖动字段直至出现智能显示即可在数据的左右加入新的列，也可直接拖入度量值中，若出现其它图形，可以先尝试更改字段类型为离散

      Tableau智能显示

      Tableau经营状况总览

    2. 新建工作表，用同样的方式制作详情表，'行’中字段根据需要添加

      Tableau经营数据详情

    3. 每日营收数据，需要多条曲线时，添加多个度量值将字段直接拖到纵轴上

      Tableau每日营收数据

    4. 并非所有有用的字段都会在业务数据中直接提供，因此有时需要添加计算字段

      Tableau进店率与成交率计算

      Tableau右键设置默认数字格式-百分比，减少重复修改

    5. 多曲线的单位差异会导致在同一张图中显示时，某一或多条曲线因值过小而导致可视化效果差，不具备参考意义，这时可以设置双轴

      Tableau双轴

    6. 多曲线共同影响的字段可以作为背景展示，通过调整颜色、大小、不透明度等方式隐式的显示在曲线后（可选面积图或条形图）

      Tableau条形图调整大小和不透明度

      Tableau每日流量数据

    7. 根据数据ORDER90，我们自定义90天内未下单的用户为新客，用于展示新老客对比

      Tableau新老客字段计算

    8. Tableau没有内置的环形图，需要自己手动设置实现近似效果
      环形图：双击行 → 输入0 → 右键双轴 → 将其中一个的视觉元素全部移除 → 颜色改为白色 → 调整两个饼图的大小 → 环形图 → 取消零值线和取消显示标题（调整完成后使用CTRL+←或→可以调整环形图整体的大小，此功能不局限于饼图）需要多个环形图时，为保证一致性，可以使用拷贝工作表，然后更改字段

      Tableau环形图

    9. 有时业务数据的标签并不是想要展示的值，可以通过右键设置别名来更改为想要的值

      Tableau别名设置

      Tableau门店占比

    10. 纵轴设置为GMV，横轴设置cpc总费用，可以看到各门店的投放情况，斜率越高效果越好

      Tableau投放情况

    11. 面积图可以展示订单分布时间段（根据需要将下单日期格式设置为小时）与整体订单趋势

      Tableau面积图订单分布

    12. 分组设置：在想要分组的位置按住shift单击，并点击分组，即可选中以上的全部数据分为一组，同时可以给组进行命名，可以使用if函数实现相同效果

      Tableau创建距离分组

      Tableau配送分布

  3. 布局设计

    1. F型视线布局：关键指标置于左上区域
    2. 动态筛选器统一放置顶部中央
    3. 数据钻取深度不超过三级
    1
    2
    3
    4
    [仪表盘布局示例]
    | 经营总览 | 趋势分析 |
    |----------|----------|
    | 占比分析 | 分布地图 |

    经营总览->数据详情->趋势分析->占比分析->分布分析

    • 总览：文本突出显示
    • 趋势：多轴折线图
    • 分布：热力图 / 地图

    仪表盘大小可以选择通用桌面1366 * 768，然后手动调整高度，从左边的工作表区域拖动需要的表到仪表盘，手动调整位置和大小

    Tableau仪表盘对象选择

    Tableau仪表盘工作表区

  4. 交互优化

    • 逻辑顺序：从上到下 / 从主到次
    • 交互设计：主题明确 + 交互友好，纵/横布局，强制设置所有图表共享联动筛选器
    • 图表联动（通过筛选器）
    • 动态参数（通过筛选器）
    • 细节优化：统一字体、配色（参考Tableau 社区）
    • 图表选择：4 大金刚（散点图、柱状图、饼图、折线图），大多数数据可视化都可用这四种组合完成，人感知最强的可视化字典（位置、长度、角度/方向、面积/颜色）

    Tableau仪表盘设置筛选器浮动，便于摆放

    Tableau仪表盘工作表点击用作筛选器实现联动

5.2 开发规范

  1. 配色方案
    • 主色≤3种，辅色≤2种，推荐组合：#2A5E8F（深蓝）+ #FF6B35（橙红）+ #4ECDC4（青绿）
    • 使用企业VI色系
    • 参考：Color Hunt
  2. 字体规范
    • 中文：微软雅黑
    • 英文：Arial
    • 文字标注使用12pt的微软雅黑字体
  3. 性能优化
    • 数据提取预处理
    • 隐藏非必要细节

细节优化过程

  1. 设置边框提升专业性

    Tableau仪表盘设置边框

  2. 去掉一些数据表的行列分隔边线，提升美观度

    Tableau仪表盘去掉原边框

  3. 更改地图背景，使其简洁，提升视觉效果，修改冲蚀更改背景透明度

    Tableau仪表盘地图设置

  4. 最后优化各工作表在仪表盘的标题、数据信息的格式，设置字体微软雅黑，颜色风格统一，如需更改标题的背景颜色，可以在布局中修改

    Tableau仪表盘字体颜色

    Tableau仪表盘数据分行颜色

  5. 优化各工作表的色调，使风格统一

    Tableau仪表盘地图点颜色

Tableau社区案例参考

最终效果：

BI看板

参考文档