大数据及移动互联网时代，每一个使用移动终端的人无时无刻不在生产数据，而作为互联网服务提供的产品来说，也在持续不断的积累数据。数据如同人工智能一样，往往能表现出更为客观、理性的一面，数据可以让人更加直观、清晰的认识世界，数据也可以指导人更加理智的做出决策。

而在大数据时代的今天，最有价值的商品则是数据。那么今天小编在这里给大家推荐一些常用于数据分析的必备神器。

1.Tableau

Tableau 帮助人们快速分析、可视化并分享信息。它的程序很容易上手，各公司可以用它将大量数据拖放到数字“画布”上，转眼间就能创建好各种图表。数以万计的用户使用 Tableau Public 在博客与网站中分享数据。

项目地址：https://tableau/

2.ECharts

Echarts可以运用于散点图、折线图、柱状图等这些常用的图表的制作。Echarts的优点在于，文件体积比较小，打包的方式灵活，可以自由选择你需要的图表和组件。而且图表在移动端有良好的自适应效果，还有专为移动端打造的交互体验。

项目地址：http://echarts.baidu/

3.Highcharts

Highcharts的图表类型是很丰富的，线图、柱形图、饼图、散点图、仪表图、雷达图、热力图、混合图等类型的图表都可以制作，也可以制作实时更新的曲线图。

另外，Highcharts是对非商用免费的，对于个人网站，学校网站和非盈利机构，可以不经过授权直接使用 Highcharts 系列软件。Highcharts还有一个好处在于，它完全基于 HTML5 技术，不需要安装任何插件，也不需要配置 PHP、Java 等运行环境，只需要两个 JS 文件即可使用。

项目地址：https://hcharts/

4.魔镜

魔镜是中国最流行的大数据可视化分析挖掘平台，帮助企业处理海量数据价值，让人人都能做数据分析。

魔镜基础企业版适用于中小企业内部使用，基础功能免费，可代替报表工具和传统BI，使用更简单化，可视化效果更绚丽易读。

项目地址：http://moojnn/

5.图表秀

图表秀的操作简单易懂， 而且站内包含多种图表，涉及各行各业的报表数据都可以用图表秀实现， 支持自由编辑和Excel、csv等表格一键导入，同时可以实现多个图表之间联动， 使数据在我们的软件辅助下变的更加生动直观，是目前国内先进的图表制作工具。

项目地址：http://tubiaoxiu/

分享 IT 技术和行业经验，请关注-技术学派。

BI商业智能，这个我安利过很多次。

作为当下最广泛使用的数据分析工具，它的好处实在太多啦：

对比Excel、Python、R，不用写代码，不用写SQL，降低了数据分析的准入门槛，小白上手毫不费劲。能快速响应报表需求，准备好数据，出张报表也就是1个小时的事，再不济当取数机器也是极佳的选择。数据挖掘可视化应有尽有，对比Excel，以及开发级的Echarts，简直良心便利，随时随地出报告，直接Pass掉PPT。……

什么BI分析工具好用？

这个还真不能一刀切下定论。

大家听得最多的莫过于Tableau、微软的Power BI，还有我经常推荐的FineBI。

这3款BI工具各自凭借着可视化、Excel的影响力、以及企业级广泛应用的优势，在市面上都闯出口碑了。而且功能和版本也都在不断更新。

所以，本文花了3天的功夫，整理了近万字的功能对比，看看这三个产品功能优势和差异究竟在哪里？

主要这样几个角度考量：

产品背景数据对接能力数据建模和数据加工数据可视化OLAP计算分析数据挖掘集成应用数据权限管控学习与技术服务一、产品背景

Tableau即公司名，是最早的一代自助式BI分析工具，一直以来最被人称赞的其可视化，能基于可视化做很多数据分析扩展。

Power BI是微软的，14年15年开始初见苗头，之前主要是基于Excel的高级功能，包括Power Query，Power Pivot，Power View和Power Map，后来作为Power BI集合推出。

FineBI源于帆软公司，帆软早期做报表软件，finereport很厉害，在商业领域。后来逐渐发展商业智能BI，目前最新版已迭代到 V5.0。

讲到产品就要谈谈其定位了，就像介绍人要说姓氏一样。Tableau更多定位是可视化分析的工具，所以可视化很突出。PowerBI有走Excel路子的趋势，发力个人用户，个人数据分析。FineBI更倾向于企业级应用的BI，很多功能都体现其企业级的基因。

二、数据对接能力

常规的文件数据如Excel、CSV、TXT等，三者都可以直接导入对接分析。

传统的数据库例如Oracle、SQLServer、MySQL这三款也都可以直接连接取数分析。

大数据平台方面，对于现今比较流行的大数据平台如Kylin、Derby、Gbase、ADS、Hbase、Mongodb，Power BI还不支持。这个Tableau、FineBI目前都有接口可以直接对接。FineBI还可以根据数据量以及并发情况选择直连或分布式连的对接方案。

多维数据库的连接，比如SAP BW、HANA、Essbase等数据仓库，PowerBI还不支持，这块Tableau可以直接连接，FineBI可以通过服务器数据集进行对接。

FineBI 数据连接

数据接口开发方面，在一些需要基于java定制的api程序数据集，PowerBI和Tableau都不支持进行对接，FineBI则可以进行对接，基于java api的程序数据集。不过这是国外产品的老子态了。

Power BI对于一些联机服务器数据源支持的比较好，面向分析，例如Google分析、appFigures等数据。

三、数据建模和数据加工

1、数据建模

首先，三者都是自助式BI，都是自动建模了，这是和传统BI的显著区别之一。打个比方，假设我们要抽取一个数据库的几张表的数据来分析，当导入表时会根据键自动关联，或者手动设置关联联系。

Tableau建立数据模型属于宽表模型，相当于是在原来元数据表的基础上根据新的关联关系再新生成一个结果集，之后的分析都是基于这个结果集来的，元数据发生变化，除非你手动更新，分析结果也不会有变化。

FineBI也是类似的原理，不过建立的骨架数据关联模型都是基于元数据的，元数据变化，分析结果也实时变化。

PowerBI的数据模型建立之后只能针对当前报表进行使用。且在数据源种类整合时，PowerBI无法对不同来源的数据进行实时整合建模，例如下图所示，PowerBI会自动禁用多个数据源的实时建模，需要将数据模式全部修改为抽取数据才可以进行整合关联建模。

其次，FineBI和PowerBI的数据模式都支持实时和抽取模式，但是抽取模式下，由于FineBI的采用的分布式架构引擎进行数据的列式存储（支持十亿大数据量），PowerBI的数据引擎在抽取模式下仅仅是将数据以行式储存方式导入，所以在面对海量大数据时FineBI比PowerBI计算速度更快、性能处理更加强大。另外在数据编码上，FineBI支持对数据进行多种编码类型转换，PowerBI对这方面的转换是不支持的。

2、数据加工

对于数据的清洗加工处理方面，PowerBI提供了一些可视化界面的操作选项，结合M语言和DAX函数，可以进行数据加工处理，但需要用户有一定的公式编码书写能力。

Tableau Desktop没有系统的数据加工功能，今年最新发布的Tableau prep对数据清洗和数据加工方面做了较大的弥补，从数据清理/调整、检查/筛选数据、联接/合并数据都拥有着比较体系的数据加工策略，可以无缝对接Tableau Desktop使用，不过需要同时安装Tableau Prep和Tableau DeskTop。整体数据工作流还是非常清晰、直观的。

FineBI对一些有关数据的加工处理功能，统称为“自助数据集”。包括过滤、分组汇总、新增列、合并表、自循环列（可以有树结构的数据进行分层等集团性企业）、行列转换等操作。都可以快速进行处理，且可视化无代码。

四、数据可视化

从图表丰富度和可视化报告制作能力来比较。

1、图表丰富度

可视化展现能力方面，Tableau最佳，FineBI次之，随后PowerBI。

Tableau除了常规的图表之外，还有盒须图、标靶图等和分析模型深度结合的图表。FineBI也不弱，常规图表都拥有，在数据地图方面，更是有流向地图、点地图等更实用的图表。PoweBI内置的图表种类相对较少，像玫瑰图、多层饼图、词云图、热力地图、流向地图等，需要进行市场图表拓展下载使用，图形属性方面还算丰富，可以由用户自定义进行图表样式属性的设置调节。

操作方面，FineBI和Tableau是大差不差的，都是基于著名的图形语法(The Grammar Of Graphics)设计，以“形状“和对应的“颜色“，“大小“，“提示“，“标签“等属性进行图表类型替代。

在分析区域有两个轴，横轴和纵轴，把所要分析的指标和维度拖拽到两个轴，就会自动出可视化图，图表也是根据分析情况自动给推荐的。

还支持用户将字段绑定到图表的颜色、大小、形状、标签等属性。这样一来图表的可视化展现能力也就更加丰富灵活了，我们可以通过数据——>图表属性的无限组合，尽情地进行数据可视化认知的探索和洞察。

Tableau界面

Power BI就是拖拽图表组件，选定数据的方式来展现。

2、Dashboard展现能力

再来看看3个工具的Dashboard展现能力。

PowerBI首届数据可视化大赛的冠军作品，指标合理呈现，布局直观简洁，秉承微软一贯的方块美。

FineBI的Dashboard，下图是其中内置的一个比较典型的驾驶舱demo，总体来说更加细腻，柱形图圆角、字体颜色、风格、展现形式等，图表还可以有一些闪烁动效。

Tableau的可视化更加丰富，有种信息图的感觉，布局也更加自由。

五、OLAP计算分析

从OLAP多维能力角度来看，3个工具都支持用户进行钻取、联动、切片、切块等分析操作。

计算分析能力方面Tableau和FineBI都支持用户进行排名、排序、过滤、同比、环比、方差、标准差、中位数等快速计算操作，但是在一些高级计算例如移动平均、四分位等分析计算场景，Tableau拥有者更加强大的计算分析能力。

FineBI的快速计算提供现成的同期/环期、同比/环比、排名、累计值、所有值、百分比计算等等，还挺方便的。

另外Tableau在一些需要进行高级计算的场景下，还支持与Matlab进行集成计算，使用 MATLAB 预处理数据，并将该数据保存到 Tableau 数据提取中以便进一步分析。

PowerBI大量的计算需要依靠DAX函数来进行运算，有种Excel函数既视感，其实一些常用的计算公式比如同期环期、同比环比像FineBI可以直接快速计算。

六、数据挖掘能力

FineBI最新版5.0增加了五类现成的数据挖掘算法，分别为时间序列、聚类、分类、回归和关联规则，还支持R语言的集成。时间序列算法和聚类算法还和图表分析相结合，拖拽操作即可立马看到预测和聚类的结果。

不考虑时序关联分析

多元线性回归

PowerBI目前在数据挖掘这方面没有成熟的分析模块，只是简单的集成了一个R语言的执行脚本组件供用户书写代码集成使用。

Tableau目前在数据挖掘内置时序分析预测、聚类算法，可进行简单数据挖掘计算处理（类似分类、关联分析、逻辑回归等算法则是没有的），同时也支持与R语言和Python集成以进行深度的数据挖掘分析。

七、集成应用能力

WEB级别的集成应用方面，Powe BI开放了丰富的接口供大家集成使用，还支持自定义开发集成第三方图标插件。Tableau和FineBI也有WEB接口，比如进行Iframe网页集成，但是无法进行代码级别的自定义图表开发集成。

在移动集成应用中，FineBI支持微信集成和钉钉集成，给当今便捷式社交平台的数据分析查看带来了较大的便利，这方面的应用PowerBI并不支持。

门户集成方面，FineBI开放了单点登录接口，这方面PowerBI暂未直接支持。

FineBI有专门的一个数据报表管理平台以及运维。

八、数据管控能力

数据的权限管控能力方面，PowerBI可以将做好的报表打包发布为组织内容包并且进行指定用户组分配查看权限，并且由管理员进行用户组的行级别权限分配，但是无法控制用户查看的列级别的权限粒度，Tableau也是一样。

这块是FineBI的优势，之前也在产品定位介绍中提到，FineBI是从企业级应用出身的一款BI，所以具有非常完善的数据权限管控能力。除了提供仪表板的权限分配之外，还能够针对不同部门/岗位/角色的人员进行行/列级别的数据权限管控，使得不同的人能够根据权限限制而只能看到自己的部分数据。另外在针对企业集团数据权限管控方面，FineBI提供了多级管控权限供用户进行多层权限分配，为数据权限管控提供了保障。

九、学习与技术服务

Power BI遵循着微软产品相似的理念、原则和体系结构，它也为Windows用户提供了一个简洁熟悉的操作界面，以帮助用户快速适用学习上手。但是，像其他软件一样，它也有其起伏，目前并不是非常成熟，商业选型必须仔细考虑。学习资料方面，关于PowerBI官方的学习资料基础文档还算健全，但是有部分内容是英文的，外部一些Excel社区都各自开了教学课程，但付费居多，这个全靠大家挖掘资料的功力。

Tableau本身是一款非常成熟的全球化商业软件，拥有着非常强大的数据可视化分析功能。学习资料方面，官网也有很多学习文档、案例、视频等资源供用户进行上手学习。相较而言，Tableau产品学习曲线相对要陡峭一些，因为更加适合有专业数据技术能力的数据分析师使用。国内主要是代理商提供项目实施和技术服务，本土化稍微弱一些。

FineBI由于是国内帆软的BI分析平台提供商，所以不论是基础的学习文档还是教学视频资料都比较丰富，另外还有着非常活跃的帆软中文社区供所有用户进行学习交流。技术服务方面，尤其是对于企业级别的用户，还会有专业的技术服务团队响应服务，在国内本土化服务做得相当不错。

最后关键的，价格。

Tableau个人版有15天免费试用版，过后收费。Power BI和FineBI个人使用都免费。

商业部署。Tableau光产品，Desktop+Sever，一套一人加税后是11万多，每增加一人多买一个桌面版，就是15000左右，公司体量如果在3、40套，预计得7、80万，不含定制实施和维护服务。Power BI是按设计用户和节点卖的，按年/按月收费。估计了一下，假设200个用户的企业，40个设计用户，1年收费是45万左右，也就是每年要付出这么多，还是比较贵的。FineBI据我了解是类似软件采购买断式的，价格按照功能模块还有并发数定，平均2、30万起，不算服务实施。但这一性价比也远超于前两者了

个人使用，两者都是免费的。PowerBI毕竟背靠Excel这座大山，和Excel配合使用，大家会普遍觉得习惯。而FineBI又是另一种扁平化的风格，很多计算公式，可视化特效都有现成的，更加自助些。大家不妨都下载试试。

最后

作为数据分析师，也是数据产品的爱好者，我呢喜欢把弄各种工具。Tableau的可视化很人性，个人使用就像是Excel透视表的升级版。Power BI除了M语言和DAX语言得心应手比较难，产品操作也都延续了Excel的思想。但是两者共通的毛病，面向企业的产品定制化以及庞杂的报表分析需求，不是特别友好（开发难度太大，报表制作还得依靠Excel）。但这却是国内大多数企业很普遍的需求，这一块不妨青睐于国内“符合国情”的BI工具FineBI。

所以�...

你想从事这一行业吗?如何成为数据分析师?这几个步骤助你成为大数据分析师。今天济南优就业IT培训的小编带大家来看一看：如何成为一名合格的数据分析师。

数据分析师必备的技能分为这几大块

1.数据采集

2.数据清洗

3.数据分析

4.数据可视化

第一块是数据采集，所谓数据采集并不是我们理解的数据爬虫，尤其是我们在工作中遇到的数据很多都是来自系统内的数据，来自数据库的数据来自日志的数据。

但是这些数据维度是非常多并且复杂的，所以在分析前我们就需要把这些数据采集来。数据采集常用的手段有：SQL/Python，其中SQL是数据分析的必备技能，Python是加分项。

第二块是数据清洗，采集来的数据一般是不规整的，字段缺失或者有错误是常有的事情，如果我们不对这些数据进行清洗，分析出的结果就会出现各种异常。在数据清洗这一块就需要用到一些简单的统计学基础。

有了前两步做铺垫，我们就可以进行第三步数据分析了。作为商业数据分析来说：数据分析最重要的是行业知识和逻辑思维能力。行业知识往往是通过在行业中的工作经历来获取的，当然作为学生也可以通过一些行业相关的数据报告和杂志来获得。

而逻辑思维能力，需要后天的不断的锻炼，常见的锻炼方法是多看数据分析实战相关的书籍，学习作者的思维方式;经常和小伙伴一起做头脑风暴;对于一些工作生活中有趣的经验主义的事情尝试通过数据角度去解答。

最后，数据分析得出了结论往往不是文字所能表达的，我们可能想通过数据可视化让结论更加的容易理解。目前国内外的数据可视化的产品也非常多，我常用的有：Echarts/Tableau/Excel/Python等。

如果你对以上四步都没有什么问题，我想你离数据分析师的道路就不远了。当然很多时候程序员思维并不需要你能掌握以上所有的内容，而仅仅需要在第三步的数据分析的思维上花功夫。

这篇文章我将向大家分别介绍柱形图&条形图。

柱形图和条形图只是在方向上不一样，可以根据实际情况选择使用哪种方向。

在tableau中，它们被统称为“条”，是我们最常看见，也最容易解读的图表。

“条”包含了X轴和Y轴，适用场所是二维数据集。也就是说，这个图表有两个变量。但通常需要比较的只要一个维度。

在此我以柱形图为例，将它分为：简单柱形图、簇状柱形图、堆积柱形图、百分比堆积柱形图。

1、简单柱形图

上图（图一）就是一个简单的柱形图。图表显示的是问卷调查中，不同大学类型的学生对自己大学的评价。

X轴表示大学类型，Y轴表示评分。它非常简洁明了的向我们展现了不同大学类型之间的评分差异。

由图可知，国家985大学的学生对自己大学的评分最高，三本院校的学生对自己大学的评分最低。

2、簇状柱形图

上图（图二）被称为簇状柱形图。图表显示的是问卷调查中，不同大学类型的男女生对自己大学的评价。

X轴表示大学类型，Y轴表示评分。与图一不同的是，它将男生和女生对自己大学的评分分开处理了，所展现的信息也更加丰富。

由图可知，除二本院校以外，其它大学类型的男生对自己大学的评分普遍高于女生。

3、堆积柱形图

上图（图三）是问卷调查中，不同大学类型的男女生人数堆积柱形图。X轴表示大学类型，Y轴表示人数。

在此图中，我们既能看到不同大学类型的人数对比，也可以对比不同大学类型的男女生人数。

4、堆积百分比柱形图

上图（图四）是问卷调查中，不同大学类型的男女生人数堆积柱形图。X轴表示大学类型，Y轴表示人数占比。

它和图三的区别在于，堆积百分比柱形图的Y轴显示的是百分比，堆积柱形图的Y轴显示的是数值型。

在此图中，我们可以了解到不同学校类型的男女性占比情况。

5、双柱形图

上图（图五）是双柱形图。与图四不同的是，它将性别放在了X轴，Y轴显示的是不同大学类型的学生在不同性别中分别占了多大比例。

由图可知，二本院校的男性在所有大学类型的男生总数中占比最高，三本院校的男性在所有大学类型的男生总数中占比最低。

普通一本的女性在所有大学类型的女性总数中占比最高，国家985大学的女性在所有大学类型的女性总数中占比最低。

虽然我使用双柱形图来做这个图表，但男女性两变量的对比并不明显。我认为双柱形图更适合可以对X轴中两变量进行比较，比如下图：

上图（图六）中，apple store的收入占比和扣点占比相差悬殊，说明apple store在网易云课题的扣点比率很高；

支付宝和微信支付的收入占比最高；而且，网易宝、网银和支付宝的扣点比率都为零。

这篇文章对柱（条）形图的介绍就到这里。

最后补充一句：下图是Excel2016版在“插入”中新增的图表类型。后续的推文中我将也写系列文章来介绍这些图表哦：

【IT168 资讯】如今，有大量功能强大的可视化工具可以帮助您展示想法、可视化数据、进行谈话，与客户和全球社区分享您的重要分析。在本文中，我们将比较最常用的平台并分析其主要功能，以帮助您选择一个或多个平台，为您的工作交流提供不可或缺的帮助。

在评估各种商业智能(BI)工具时，很难将事实与虚构分离开来，因为每个BI供应商都将其产品作为唯一的“最佳”解决方案进行销售，这往往使得互联网充斥着偏见的评论。如果你想了解功能性产品的价值，避免大肆宣传和点击无尽的部分评论，那么你来对地方了。

我们将引导您了解所有主要工具(如QlikView，Klipfolio，Tableau，Geckoboard，Power BI和Google Data Studio)的特性、优点和缺点。我们还将比较它们的关键参数，包括可用性、设置、价格、支持、维护、自助服务功能、不同数据类型的支持等。让我们分别看看每个工具。

QlikView

QlikView是一种将用户作为数据接收者的解决方案。它允许用户在工作流程中探索和发现数据，这与开发人员在处理数据时的工作方式类似。为了保持数据探索和可视化方法的灵活性，该软件致力于维护数据之间的关联。这可以帮助最终用户发现您的数据，即使这些搜索项目的来源是令人难以置信的，这些数据也会提醒您检索相关项目。

QlikView非常灵活。它允许设置和调整每个对象的每个小方面，并自定义可视化和仪表板的外观和感觉。具有如此大的灵活性，还有一个集成的ETL(提取，转换，加载)引擎，使您能够执行普通的数据清理操作。但是，这可能会很昂贵。

产品差异化

许多Qlikview在商业智能领域的竞争对手认识到差异化商品的高价值，并试图重现其许多特征，但大多数情况下都失败了。 Qlikview的设计是在avant-garde预构建的仪表板应用程序和联想仪表板的基础上开发的，这些应用程序既创新又直观易用。由于具有先进的搜索功能，它还提供了避免使用数据仓库和使用关联仪表板在内存中提取数据的功能，如上所述。

特征

Qlikview的独特性和灵活性的完美结合使其在其他BI供应商中占有一席之地，并为各行各业处理了大量不同规模的业务提供各种有用的应用程序。

QlikView拥有众多的功能，使其对基于来自多个来源的数据创建高级仪表板非常有用。

其中一个特点是QlikView能够自动操作数据关联：它可以识别集合中各种数据项之间的关系，而无需用户进行任何明确的预配置工作。这项任务的自动化极大地加快了仪表板开发的进程。

Qlikview处理数据输入的另一个重要特性是将其保存在多个用户的内存中，即保存在服务器的RAM中。这样可以加快查询速度，从而加快数据探索速度，并改善用户在运行中计算的聚合体验，而不是基于存储的计算。由于Qlikview保留了内存中的数据，因此根据需要计算聚合要快得多，而不是查询预先计算的聚合值。另外，它更具有内存效率。

将数据保存在内存中肯定是一项艰巨的进步，因为它需要大量的内存来处理所有的数据。 QlikView通过令人难以置信的压缩级别将数据缩小至原始大小的10%来解决此问题。我们相信这是通过大量使用数据字典并仅使用分析所需的最重要的数据获得的最大的Qlikview功能之一。

可用性

即使对普通用户来说，QlikView的仪表板和报告也很容易浏览。但是，构建报表可能非常具有挑战性，因为它需要高水平的开发人员技能，熟悉默认SQL以及使用Qlikview的专有查询语言进行训练以构建数据库交互。

定价

QlikView被评为BI领域最昂贵的平台之一。完整的价格政策可在以下链接中找到：qlik。定价方案相当复杂，可能令人困惑。许多新用户通过其“文档许可证”陷入了代价高昂的陷阱，该文档许可证以某种模糊的方式表达了工作条件。最初的定价计划实际上可能会让您费用增加一倍，因为速率仅适用于一个“文档”(.tde文件)。许多客户后来发现这是令人不愉快的惊喜，并且它还可以刺激用户的价格近两倍。与Qlikview相比，其他竞争对手的定价政策更直接。

QlikView是关于目的地的，所以你需要确切地知道你要去的地方。如果有些问题仍然模糊，则可能花费大量时间尝试将多个表单放在一起，最终可能会丢弃多个表单，因为任何误解的数据都会影响最终结果。只要您不改变原始问题，QlikView就可以让您使用您的数据完成精彩的事情。

总而言之，如果您有正确的思维方式来应用程序化界面，并且能够从一开始就整合正确的问题，以便您的数据以不同形式派生，那么Qlikview可能是适合您的解决方案。当然，您还需要准备投入额外的努力来维护正确的报告。

　KLIPFOLIO

Klipfolio是一个BI解决方案，在云中占据100%(不需要桌面应用程序)，为数据可视化和仪表盘组成提供了一个真正具有洞察力的工具。这使得它能够最有效地处理数据、增强实时解决方案和优化，而不是依赖于周期性回归模型。

Klipfolio支持连接到各种数据源，包括在线和离线数据源。在线资源整合了一系列云托管存储，包括Google表格、关系数据库和其他以各种形式提供数据的服务。服务部门可以在这里找到连接服务的完整参考资料。使用RESTful API也可以连接到您自己的数据源。

Klipfolio支持多种离线服务类型：MS Excel、CSV、XML、JSON等。可以通过与上面提到的在线来源相同的链接找到完整的参考列表，但是仅在数据存储库部分。

所有这些数据源，无论是单独或组合，都可以有效地用于整合各种指标，以提取数据愿景，创建、转换和共享定制可视化，以揭示任何无用数字背后的实际含义。

Klipfolio采用响应原则，利用智能手机和平板电脑等各种技术平台，以及跨越会议室墙壁的台式计算机和智能电视，帮助发现仪表板。

产品差异化

Klipfolio代表了一个功能强大的数据仪表盘构建平台，可以访问真实世界，不断变化的生动数据源。当动态变化非常重要并且可能需要紧急决策时，它最适用于实时监视和控制连续数据流。实时数据连接是数据检索的一种方式，可以保持数据准确性和可靠性所需的时间一致性，而响应速度则可用于快速决策的时间因素。

特征

·将多个数据源整合到一个报告中

·无限连接尽可能多的用户

·管理重要信息的访问权限和限制

·移动辅助功能(iOS，Android，黑莓，Windows)

·灵活的REST连接器，用于设置自定义数据源

·安全连接到SQL数据库

·支持Excel、CSV、JSON、XML文件格式

·方便的注释到分享报告的用户看到的报告

·自助式KPI编辑平台

·易于使用的阈值指标。

可用性

Klipfolio包括大量的可视化类型，包括普通表、条形图、饼图、线和面积图，这些图表的组合以及散点图。此外，通过使用一些HTML和CSS，用户可以伪造自己独特的可视化效果。在WYSIWYG编辑器的帮助下，所有这些组件都在复合仪表板上进行布局。一些更复杂的可视化元素添加了各种公式和功能。

Klipfolio仪表板具有广泛的协作框架，可根据权限与其他用户共享信息，通过电子邮件启用通知和分发。使用Klipfolio时的显著差异出现在建筑图表和图表中。

用户不必简单地将数据表中的字段拖放到工作表中，而必须使用不同的函数和公式来实现所有计算。通过这种方式，您可以使用任何类型的可视化创建工作表，但是您需要考虑如何组合和更改数据。

定价

Klipfolio是BI行业中历史最悠久的企业之一，拥有丰富的经验和专业知识，通过开发可行的解决方案为其铺平了道路。 Klipfolio主要投注今天的云服务，同时也提供前提解决方案选项。 Klipfolio仪表板(作为SaaS)使用用户每月定价政策进行分配，根据数量和时间承诺有一些小的总变化。定价从每月19美元开始，提供多种选项和定制的付款方案。 Klipfolio还提供14天的免费试用期，用于测试和学习目的。

Tableau

今天的另一个重要角色就是Tableau。与大多数其他商务智能工具一样，它通过可视化方式进行零数据分析。它旨在轻松创建和分发交互式数据仪表板，通过简单而有效的视觉效果提供对动态，变化趋势和数据密度分布的深入描述。

与许多其他服务一样，Tableau提供了连接多种系统类型的数据源的工具，如以文件格式(CSV，JSON，XML，MS Excel等)组织的数据系统，关系数据系统和非关系数据系统(PostgreSQL ，MySQL，SQL Server，MongoDB等)，云系统(AWS，Oracle Cloud，Google BigQuery，Microsoft Azure)。

与竞争对手的核心区别在于Tableau具有数据混合的特点。另一个独特的特点是实时协作的能力，使其成为商业和非商业组织的宝贵投资。有几种方法可以在Tableau中共享这些报告：将它们发布到Tableau服务器;通过电子邮件Tableau Reader功能;通过公开发布Tableau工作簿并授予访问任何有链接的人员的权限。这种选择的大小可以带来很大的灵活性并消除许多限制

产品差异化

Tableau提供了多种具有鲜明特征的可视化功能，实现了数据发现和深入洞察的智能方式。丰富的可视化类型库包括“文字云”和“气泡图”，可为Tableau提供独特的高级别理解。树图和树形图为视觉效果提供上下文信息。后者通常用于描述零件分类数据，重点关注最相关的信息。

Tableau仪表板非常灵活。它的中心特征允许以期望的方式用任何“重叠”来布置仪表板，这在屏幕空间人体工程学中非常方便。

Tableau很容易理解为工作工具，其学习曲线非常温和，因为它努力为任何类型的用户提供其所有权力，甚至是那些以前从未接触过可视化工作流技术细节的用户。

从开发人员的角度来看，Tableau不仅简单易用，而且在目的地方面也非常整洁，因为它提供了通过附加自定义参数的附加过滤来控制结果的能力。所有的数据都以清晰、有吸引力和互动的方式进行交流。Tableau提供了对数据的深刻见解，并允许有效地压缩复杂的决策过程。

上面的共享系统以其巨大的灵活性和不同的数据共享选择而闻名。即使是最挑剔的用户也肯定会找到一个合适的解决方案来满足他们最多变的需求。

　特性

·免费共享能力(有一定的限制)

·支持连接到30多个数据源类型

·混合数据源

·支持多维数据集

·与R的集成，为许多数据库映射现成的驱动程序

·领导社区建设工作(各种培训视频、博客、论坛、社交网络参与)

可用性

非常容易使用，从这个列表看，它被认为是最好的易于使用的工具。考虑到这些广泛的Tableau特性，它最方便的用例是通过图表、图形和其他可视化类型发现结构化数据。没有其他的BI解决方案可以让它比Tableau更容易，给它的用户带来惊人的力量。对于一个普通的业务用户来说，这很容易，而且与开发工具一样强大。导入数据、构建有吸引力的可视化，共享并以简单明了的形式发布它们。此外，大量的教程视频、howto -tos、blogs和论坛将节省时间，避免寻找正确的解决方案的长期斗争。

定价

Tableau有不同的许可计划，类似于其他BI解决方案。Tableau提供了三种截然不同的产品，价格截然不同。

这三种产品分别是Tableau桌面、Tableau和Tableau服务器，它们的价格不同。详细的价格信息可以在官方网站上找到。

Tableau桌面是为大多数的个人用户设计的，每年为个人用户提供$999，企业使用$1,999，覆盖支持。个人使用意味着它是针对单个开发人员的，并且支持6个数据源。企业使用意味着它是为业务需求而设计的，并允许多达44个数据源。

Tableau是一个基于云的BI平台，由Tableau供应商提供web界面。Tableau可以免费使用它的公共选项，但重要的是要记住，这个解决方案是托管在公共服务器上的，所有的报告都是公开共享的。这个私人在线版本的售价为500用户/年。

Tableau服务器对于运营自己服务器的公司来说是一个成熟的业务工具，它希望对数据流进行完全控制，并保证后台主机的安全性。然而，它的价格是每10个用户1万美元。客户的支持还提供了额外的25%的年成本。

它是又一个基于云的可视化解决方案。如果你需要使用基本预定义的小部件显示某些值，它可以成为适合您的工具。 Geckoboard提供了使用各种小部件来组合仪表板的功能。它具有丰富的与Facebook准备集成的库： twitter、Salesforce API，以便您可以即时查看您的社交媒体参与或业务数据。

它还提供了以两种方式与您自己的数据源创建自定义集成的能力：:Pull或Push。Pull意味着您的小部件每隔N秒就会提交一次数据请求(您可以设置N值)，该数据与提取数据的位置链接到特定的URL(您也可以设置)。Push意味着您可以通过向特殊小部件URL发送HTTP请求来手动为小部件提供数据。这会将您发送的数据与该小部件相关联，并将其显示在仪表板上。

Geckoboard为您提供了几个可能的小部件模板，如折线图或直方图，每个模板都有自己的可以显示的JSON格式的数据。拉式服务器或推送器以适当的格式发送数据很重要。否则，它不会在仪表板上显示任何内容。

您还可以更改窗口小部件的样式表，更改颜色模式，添加两个或更多仪表板或添加多个用户。 Geckoboard拥有一支可靠的支持团队，通常能够相对快速地做出响应，�...

据外媒报道，新加坡2万公务员将在未来5年内接受数据分析培训，新加坡政府已任命首席数据战略官员，领导实现政府各部门的数据化计划。大数据时代，公务员们都得是“数据”高手！数据分析在新加坡已经是最热门的职业，也是应届生们的首选职业之一。

大数据风潮席卷全球，为什么人人都要学数据分析？

1.为什么要学数据分析

大数据号称新时代的石油，很多行业都开始用数据驱动业务，通过对数据的分析和挖掘，从单纯的数据报表，到建模分析，深入挖掘，来帮助业务部分来系统的思考问题。

同时，数据分析也相对容易一些，比较好上手。

Python的应用的领域可以分为爬虫、web开发、数据分析、机器学习等方向。和机器学习相比，数据分析偏业务，机器学习偏工程，数据分析入门对数学功底和算法基础的要求并不是特别高。

2.为什么选Python做数据分析

可以来做数据分析的语言和工具比较多，为什么偏偏选Python？

拿常见的R语言和Excel来说：

R语言其实是为统计学而生的语言，用来做统计学确实非常厉害。

但是R语言在语法的美观和使用的简洁便利上看，要比Python差很多，小函数一堆，而且语法不好理解，没有Python这么容易上手和通熟易懂。

而 Excel只能做一些简单的处理逻辑处理，适合小规模的数据集，或者简单的数据清洗，对于复杂的逻辑处理，数据清洗，还是用Python来的方便。

3.数据分析岗位职业发展路径

在数据科学领域，有三个不同的角色，分别是：商业分析师，数据工程师和数据科学家，难度依次递增。

1.商业分析师

商业分析师的工作主要围绕报表和指标这两块儿，包括：

1).定义关键绩效指标

2).设计和实现报表

3).从用户那里收集报表需求

4).与数据工程师对接确保数据被正确地收集和存储

5).查询数据（一般是聚合过的）

2.数据工程师

数据工程师的工作主要围绕架构和收集这两块儿，包括：

1).通过写数据传输包、设计聚合过程、优化存储，来构建和维护数据传输和存储的基础设施

2).将生产环境产生的原始数据，转换为商业分析师可以用来制作报表的格式化的数据

3.数据科学家

数据科学家的工作主要围绕预测和优化这两块儿，包括：

1).负责构建预测算法，以提升用户体验，最终增加参与度、留存率、收益

2).负责数据驱动的产品的改进和建议

这其实是一个金字塔，商业分析师位于金字塔的最底层，数据科学家位于金字塔的最顶层。

4.数据分析师的薪资如何

拉勾网上数据分析师基本上在1-2年经验的平均年薪在20万左右。

再看一下数据分析师的岗位主要需求城市：

主要是在北上广深和杭州 5个大的城市，其中北京的需求最多，几乎是第2/3/4位的总和。

5.数据分析需求技能

数据分析的内容多，而且比较全面，比如我们前面写了很多关于房地产，拉勾照片，旅游网站的数据，一般来说数据分析分下面几个过程：

第一步：数据的爬取

数据分析过程非常像我们平时做饭，第一步要先买菜，如何获取数据呢，很多时候我们需要爬取数据，爬虫涉及的知识比较多：

比如常见的http原理，爬虫的基本解析库reuqests，网页解析库BS,Pyquery,掌握一些分布式爬虫的框架，当然还有一些反爬虫的策略。当然如果我们能有现成的数据集会方便很多。

第二步：数据格式的处理和清洗

买好了菜，接着我们需要洗菜，也就是数据清洗！常见的数据集都是csv和json格式，需要熟练的掌握着两种格式的。Python中数据分析的神兵利器是Pandas,这个库非常好用，功能也是非常强大的。可以对数据进行各种花色的清洗和切割，几乎所有用Python玩数据分析，必须学会pandas库的用法。

第三步：数据的存储

清洗完成之后数据需要存储起来，一般用的比较多的 SQL 和 MongoDB。几乎所有的数据分析师招聘都会面试SQL的用法，所以掌握一门数据的使用是非常有必要的！基本的增删改查这样入门级的操作，一定要熟练掌握。

第四步：数据的探索

我拿到一个数据集之后，需要对数据进行探索，分析数据之间的关系，每个特征值，每个变量的之间相关性和相互的影响，比如常见的EDA 探索数据分析法。

单变量，双变量和多变量的探索，可以从很多角度，对数据进行切片分析，非常数据集中的变量之间的关系，找出相关性比较强的数据。

如果需要对数据进行深入的挖掘，需要了解机器学习的相关算法，大体分监督学习和无监督学习，比如回归问题，分类问题。这部分对数据集进行深入挖掘之后，可以找出数据间的规律，训练好的之后，可以预测数据，很是牛逼。

第五步：数据的可视化

展现数据最好的方法就是数据可视化，数据的可视化有很大的库，比如 echart，matplotlib，d3 和 Tableau，当然还有excel，一般数据分析师必须要掌握exce或者Tableau。尤其是Tableau现在越来越多的公司用它来做可视化分析，有一个有趣的必然，同样一个库用R语言需要30分钟才能完成，Tableau只需要5分钟。

现在科多大数据更新大数据开发、数据分析、python爬虫等试听视频，小伙伴们可上科多大数据官网咨询领取哦~

文章转载自数据猿

本人数据分析师一枚，除了工作所需，自己对数据分析、数据可视化的产品工具都比较感兴趣，喜欢混迹于各种数据论坛，也发现和使用了不少数据工具，也积累了很多亲身经历。这两年数据可视化在国内越来越受到关注，今天就根据自己的使用感受来对比一下两个比较受欢迎的数据可视化工具：一个国外嘀（tableau），一个国内嘀（BDP个人版，下面简称BDP）。

下面对这两款数据可视化工具做个简单的对比评测。

1、虽皆为可视化工具，但两者定位有所区别。

虽然不是专业的数据产品经理，但我想从我的角度去“探索”一下两者的产品定位。

Tableau源自美国斯坦福大学，Tableau公司产品包括Tableau Desktop、Tableau Server、Tableau Public等产品，成立时间比BDP久远。其中，Desktop主要针对个人用户，Server针对企业用户，tableau还有专门针对学生的版本。

Tableau在可视化灵活分析上功能强大，主要目标用户更多是较专业的数据分析师，若没有一定的数据基础，一般的业务人员想入手tableau确实有一定的困难，入门学习成本教高，金钱成本也很高（tableau收费较贵，毕竟人家是进口产品）。

BDP个人版是国内海致公司旗下的数据可视化分析产品（BDP也有商业版，针对企业用户，但我非商业版用户，所以就不多说了），有多数据整合、数据合表处理、可视化分析等数据功能，总体来看数据功能还是非常全面的，见下图。

从BDP的功能格调（如很强的易用性）、官网展示等处可以看出，BDP是面向广大有数据需求但分析能力不一定都很“彪悍”的人，如互联网产品/运营、数据运营、线下门店店长、财务、HR、市场等等。这应该是BDP的主要用户群体，当然对我这种数据分析师也非常适用，比如它的实时更新、强大的合表能力......可以说BDP简单但却蛮厉害的。

2、为什么现在用BDP替了tableau？因为它成本低啊！（屌丝大实话，非广告）

在不知道BDP之前，有段时间一直在用tableau...的破解版，哈哈，因为破解版不要钱，然后弄起来特别费劲，到期了或者更新版本了又要重新“破解”一次，搞得很心累，东西虽好，可是太麻烦。有的人说为什么不直接买呢，贵啊。

在我烦躁的时候，BDP一下子让我觉得惊喜，真心不是给它打广告，不用安装下载，不用每次搞半天去网上找什么所谓的破解版，在线注册了就能用，这个666。另外，想用一些高级功能也要购买BDP的会员，虽然有一点点不开心，幸亏会员还比较便宜，感叹了一下还是国产好，在大会期间也显示一下爱国的心，具体可以自行了解，不然我都以为自己收了广告费，哈哈，然而并没有，只是把内心最真实的过程给描述出来了。

接下来，正经说一些两个产品的功能对比了，希望对大家有用。

1）数据连接

Tableau和BDP均支持数据抽取和数据直连。

数据连接方式Tableau支持增量更新，暂时不支持定时更新。Tableau抽取的数据均保存到制作的仪表板中，增量更新不能精确到某张表，必须是对全部数据的更新；

BDP可连接大量第三方数据，有工具，有API、客户端、Excel插件等，以确保数据统计过程的稳定性。BDP支持实时更新（数据库等），也支持增量更新（同步客户端）。

数据源接入方面：

从上图就能看出，Tableau能接很多数据源，不明觉厉，不过Tableau 无法连接国内各种常见数据源，比如互联网人常用的百度统计/百度指数等，这对于国内用户而言着实有些不便。换言之，若Tableau想要更好地融入中国用户中，这点可能需要加强，个人看法罢了。

相比之下，BDP能接的数据源较多，估计也是收集了不少用户意见的结果，这点来说BDP确实更符合国情。除了本地数据，可连主流数据库，可连接不同的第三方统计平台（谷歌、百度统计、公众号等），基本上覆盖面很广，数据实现自动更新了。很多国内的表格表姐只有excel文件，那就用同步宝，就是可以自动同步和追加固定的excel数据，试过，挺实用的。

不过爬虫工具是不是也可以考虑加入数据源啊，这对于我来说很有用啊，希望他们能看到我的心声。

2）数据处理

Tableau虽然在数据处理功能中没有SPSS强大的数理统计功能，但是在基础的数据分析，如趋势分析，统计预测等功能上做的很到位。

而BDP在数据处理上比较易用，拖拽下可进行多表join、追加合并、二维转一维、SQL合表等处理操作。另外，BDP在数据预测分析方面也有了新探索，上次有看到其新功能上线。

BDP具有数据处理工作流功能，Tableau能进行单步处理，缺乏完整的数据处理能力。

3）可视化分析

图表类型方面：

Tableau在可视化能力上比较突出，有分析组件包括明细表、分组表等简单表格组件，还有文本表、条形图、柱形图、折线图等多种图表组件，图表类型方面也比较丰富，有条形图、折线图、饼图、地图、散点图、甘特图、气泡图、直方图、靶心图等。Tableau可视化效果不华丽但很出色，而且给用户提供了非常自由的图表制作能力，如果会写代码有时间富裕，基本可以做出绝大多数能想到的图表。

BDP在可视化方面属于国内新秀，图表类型表现还算比较丰富。除了饼图、柱状图、折线图、雷达图这些常见的图表，还有一些比较”特殊“的图表，如桑基图、漏斗图、词云、行政地图、经纬度地图、轨迹地图等，像我经常会使用经纬度地图，感觉经纬度地图确实是BDP的一个大亮点（拿几张图主要展示一下，其他图表就不展示了）。不过期待更多的图表类型，比如女生爱的玫瑰图。

可视化分析方面：

Tableau和BDP均支持维度和指标数据的自由分析，都是通过拖拽数据进行操作，将其拖拽至维度、数值、对比、筛选器、颜色等区域，即可开始数据分析工作。

数据钻取、联动效果等可视化分析能力：两者都有。

常用计算方式：基础计算方式都有（求和、计数等），除此之外BDP将一些日常工作需要的计算公式形成了固定算法，如：同环比、留存率、活跃率等。这些理论上Tableau也是可以实现的，而且可能更加灵活，但需要用户对Tableau的表计算和详细级别表达式有比较深的理解（这俩应该算是Tableau比较高级的功能了，我看了一下官方说明和社区，都没太看懂怎么操作，不过我觉得应该可以做出来）。

4）移动端

Tableau目前只有IOS移动端APP，特点是支持联动、钻取、筛选等操作，和PC端相比，没有编辑功能。

BDP支持移动端，包括安卓和IOS，手机同步呈现最新数据，在手机端查看数据，同样没有编辑功能（手机屏幕较小，的确更适合看图）。

Tableau和BDP都是要付费用户才能用移动端查看自己的数据，这也是我彻底转向BDP的原因之一：如果要用Tableau移动端只能买Online版本，42刀每月，按年付费！一次就要3000多块，实在是感觉不值得。而BDP只需要每月69人民币，碰上打折的时候还能更便宜。

写了这么多，其实Tableau和BDP作为可视化分析工具各有千秋。总体来说，Tableau具有丰富的数据源支持，灵活的可视化功能和强大的数据图表制作能力。而BDP支持更多的国内数据源，提供工作中经常使用的数据处理方式和可视化图表，最重要的是性价比极高！个人觉得，和Tableau对比的可视化工具，BDP更符合国内用户使用的习惯吧。大家如果跟我一样遇到相同的情况，不妨去试下BDP吧!

所以，Tableau和BDP，到底哪个才是最适合中国用户的可视化分析工具呢？相信经常使用数据分析软件的各位，肯定也有自己的独到见解！欢迎各位一起交流探讨数据可视化知识和工具，也期待国内可视化的发展能越来越好。咱们评论区见！哈哈

最后附上两个产品的官方地址：

Tableau：https://tableau/

BDP个人版：https://me.bdp/home.html

（点击查看大图）

前言

数据的世界正在发生急剧变化，任何人都应该访问自己需要的数据，并具备获取任何数据的洞察力，而tableau正是帮我们洞察数据的好帮手。

Tableau作为BI tool leader ( 2016 Gartner BI chart), 它不仅是一款可视化软件，还具备不可忽略的强大的Data connection, collaboration, security management, multi-platform功能性：

Data connection：Tableau Desktop可直接连接Salesforce(销售报表)，各类常用数据库（sql, aws, hadoop, SAP HANA), Google analytics ( 流量分析)，最新的版本10支持连接json文件

Data refreshment：实现全部报表定时自动从元数据更新

Data preparation and data processing：在2016年的Tableau大会上, Tableau宣布即将推出一款自动化data preparation的产品，并展示了收购Hyper后可以做到几秒内ingest百万级的数据

Security management：很轻易地添加user， 设置user group,且可通过tabcmd在terminal中自动完成用户管理

Multi-platform：在网页，手机，tablet间实现跨平台的可视化

我认为学习Tableau最主要的一点是要了解它的用法特点，尤其是和Excel的不同之处。从我在学习和制作Tableau报表的时候得出了一定的经验，学习者一定要谨记以下四点：

可视化（谁都知道Tableau是可视化专家，但你真的知道怎么用可视化吗？）

聚焦/深挖 （上可看整个公司面貌，下可聚焦到单个产品/顾客）

灵活分析

交互化图表（我认为Tableau最强的地方）

Tableau工作区

Tableau 工作区包含菜单、工具栏、“数据”窗格、卡和功能区以及一个或多个工作表，表可以是工作表、仪表板或故事。

工作表包含功能区和卡，您可以向其中拖入数据字段来构建视图。

A. 工作簿名称。

B. 卡和功能区 - 将字段拖到工作区中的卡和功能区，以将数据添加到您的视图中。

C. 工具栏 - 使用工具栏访问命令以及分析和导航工具。

D. 视图 - 这是您在其中创建数据可视化的工作区。

E. 转到开始页面。

F. 侧栏。侧栏提供两个窗格：“数据”窗格和“分析”窗格。

G. 转到数据源页面。

H. 状态栏 - 显示有关当前视图的信息。

I. 工作表标签 - 标签表示工作簿中的每个工作表，这可能包括工作表、仪表板和故事。

Tableau概念

为何有一些字段维度和其他度量？添加筛选器将对我的视图产生什么影响？为何一些字段的背景颜色是蓝色，而另外一些字段的背景颜色是绿色？

本节中的主题将尝试阐明这些问题，以及有关您在使用 Tableau Desktop 可以看到和体验到的功能的其他问题。

数据类型

数据源中的所有字段都具有一种数据类型。数据类型反映了该字段中存储的信息的种类，例如整数 (410)、日期 (1/23/2015) 和字符串（“Wisconsin”）。字段的数据类型在“数据”窗格中由以下所示的图标之一来标识。

1. Tableau 中的数据类型图标

您可以在“数据源”页面上或“数据”窗格中更改字段的数据类型。

2. 在“数据源”页面中更改字段的数据类型

有时，Tableau 会不正确地解释字段的数据类型。例如，Tableau 可能会将包含日期的字段解释为整数数据类型，而不是日期数据类型。

此时您可以在“数据源”页面上更改曾经作为原始数据源一部分的字段（而不是在 Tableau 中创建的计算字段）的数据类型：

STEP 1:单击字段的字段类型图标（如上表中所示）。

STEP 2: 从下拉列表中选择一种新数据类型：

提示：确保在创建数据提取之前更改数据类型。否则，数据可能会不正确。举例来说，如果 Tableau 将原始数据源中的浮点字段解释为整数，并且您在更改字段的数据类型之前创建数据提取，则 Tableau 中生成的浮点字段的部分精度将被截断。

3. 在“数据”窗格中更改字段的数据类型

若要在“数据”窗格中更改字段的数据类型，请单击字段名称左侧的图标，然后从下拉列表中选择一种新数据类型。

4. 在视图中更改字段的数据类型

若要在视图中更改字段的数据类型，请在“数据”窗格中右键单击（在 Mac 中按住 Control 单击）字段，选择“更改数据类型”，然后从下拉列表中选择相应数据类型。

注意： 有时，数据库中数据的精度比 Tableau 可以建模的精度更高。在将这些值添加到视图中时，状态栏的右侧将显示一个精度警告。

5. 文件中数据的混合数据类型

Microsoft Excel、Microsoft Access、或 CSV（逗号分隔值）文件中的大多数列都包含相同数据类型（布尔值、日期、数字或文本）的值。 连接到该文件时，Tableau 会在“数据”窗格的相应区域中为每列创建一个字段，日期和文本值为维度，数字为度量。

但是，您连接到的文件所包含的列可能具有混合数据类型，例如数字和文本，或者数字和日期。连接到该文件时，混合值列将映射到 Tableau 中具有单一数据类型的字段。因此，包含数字和日期的列可能会映射为数字数据类型（将其设为度量），或者可能会映射为日期数据类型（这种情况下 Tableau 将其视为维度）。

Tableau 根据 Excel 数据源中前 10,000 行和 CSV 数据源中前 1,024 行的数据类型来确定如何将混合值列映射为数据类型。举例来说，如果前 10,000 行中大多数为文本值，那么整个列都映射为使用文本数据类型。

注意： 空单元格也可以创建混合值列，因为它们的格式不同于文本、日期或数字。

当 Tableau 确定每个字段的数据类型时，如果某个字段中的值与该数据类型不匹配， Tableau 就会采用若干不同方式之一来处理字段，具体情况视数据类型而定。例如，有时 Tableau 会用 Null 值填充那些字段，如下表中所示：

如果在分析数据时使用基于混合值列的字段时遇到困难，则可以执行以下操作之一：

对基础数据源中的空单元格设置格式，使它们与列的数据类型相匹配。

创建一个不包含混合值的新列。

字段类型

连接到新数据源时，Tableau 会将该数据源中的每个字段分配给“数据”窗格的“维度”区域或“度量”区域，具体情况视字段包含的数据类型而定。如果字段包含分类数据（例如名称、日期或地理数据），Tableau 会将其分配给“维度”区域；同理如果字段包含数字，Tableau 则会将其分配给“度量”部分。

那么，可不可以说维度就是包含分类数据（例如名称、日期或地理数据）的字段，度量就是包含数字的字段？以这些断言作为出发点是足够准确的，但当您在 Tableau 中工作时，请记住您可以控制视图中字段的定义。根据用户的要求，大多数字段都可用作维度或用作度量，并且可以为连续或离散。

Tableau 将字段分配给“维度”区域或“度量”区域进行初始分配时建立了默认值。当您单击并将字段从“数据”窗格拖到视图时，Tableau 将继续提供该字段的默认定义。如果从“维度”区域中拖动字段，视图中生成的字段将为离散字段（带有蓝色背景）；如果从“度量”区域中拖动字段，生成的字段将为连续字段（带有绿色背景）。

注意：如果您希望能够指示 Tableau 如何将拖到视图的某个字段进行分类，以便覆盖默认值，请在将其拖到视图之前右键单击（在 Mac 上按住 Control 单击）该字段，Tableau 将提示您在指定放下该字段时如何在视图中使用它。

默认情况下，维度是离散的，度量是连续的，但事实上所有四种组合都有可能：

注意： 对于多维数据集（多维）数据源（仅在 Windows 上受支持），它用于更改数据角色的选项受到限制。您可以将某些度量从连续更改为离散，但通常无法更改多维数据集数据源中字段的数据角色。

1. 维度和度量

当您连接到数据源时，Tableau 会将数据源中的每个字段分配为扮演两个可能的数据角色之一：维度或度量。 当您开始在 Tableau 中处理数据时，这些分配有什么效果？

1.1 维度

当您第一次连接到数据源时，Tableau 会将包含离散分类信息的任何字段（例如，值为字符串或布尔值的字段）分配给“数据”窗格中的“维度”区域。

当您单击并将字段从“维度”区域拖到“行”或“列”时，Tableau 将创建列或行标题。

从“维度”区域拖出的任何字段在添加到视图时一开始为离散，带有蓝色背景。因此，您可能会顺理成章地假定字段的背景颜色指明了它是维度还是度量（但结果证明这样做是不正确的）。但是日期维度和数值维度可能为离散维度或连续维度，所有度量也都可能为离散度量或连续度量。字段的背景颜色指明它是离散（蓝色）还是连续（绿色）。

将维度拖到“行”或“列”时，只需通过单击字段并选择“度量”便可将字段更改为度量。现在，视图将包含一个连续轴（而不是列或行标题），并且字段的背景将变为绿色：

如果要将维度设为连续（在未首先将其转换为度量的情况下），则您的选项有限。您只能对日期维度（日期维度可能为离散或连续，但始终是维度）和数值维度这样做，并且您无法转换包含字符串或布尔值的维度。

Tableau 不会对维度进行聚合。如果要对字段的值进行聚合，则该字段必须为度量。将维度转换为度量时，Tableau 将始终提示您为其分配聚合（计数、平均值等）。聚合表示将多个值（单独的数字）聚集为一个数字，通过对单独值进行计数、对这些值求平均值或显示数据源中任何行的最小单独值来实现。有关 Tableau 可执行的不同类型聚合的论述，请参见聚合（http://onlinehelp.tableau/current/pro/desktop/zh-cn/calculations_aggregation.html）。

在 Tableau 查询中，视图中的维度的 SQL 表示形式为“Group By”子句。

1.2 度量

当您第一次连接到数据源时，Tableau 会将包含定量数值信息的任何字段（即其中的值为数字的字段）分配给“数据”窗格中的“度量”区域。

当您将字段从“度量”区域拖到“行”或“列”时，Tableau 将创建连续轴。

从“度量”区域拖出的任何字段在添加到视图时一开始将为连续，因此其背景将显示为绿色，但如果您单击字段并选择“离散”，则值将变为列标题。

然而Tableau 会继续对字段的值进行聚合。因为即使该字段现在为离散，但它仍然是度量，而 Tableau 会始终对度量进行聚合。如果有意愿您可以再进一步执行过程，将度量转换为维度。只有这样，Tableau 才会停止对其值进行聚合。

1.3 视图中维度和度量的可视标识

如果您在 Tableau Desktop 中查看视图，并且不确定某个字段是度量还是维度，一个快速的视觉提示已聚合度量：

而维度则不是：

。

但是存在以下例外：

如果解聚整个视图，则不会根据定义来聚合视图中的字段。如果您使用的是多维数据源，则会在数据源中聚合字段，但视图中的字段不显示该聚合。

1.4 将度量转换为维度

您可以将视图中的字段从度量转换为维度。

或者，如果您希望变更影响工作簿中所有的将来使用该字段的情形，您可将“数据”窗格中的字段从度量转换为维度。

1）将视图中的度量转换为离散维度

您可以从“数据”窗格中的“度量”区域拖动字段，但随后将其用作视图中的维度。例如，假设您想要了解每个可能的折扣率的聚合总销售额，那么您期望的视图如下所示：

“Discount”（折扣）字段包含数值数据，因此当您连接到数据源时，Tableau 会将其分配给“数据”窗格中的“度量”区域。在 Tableau Desktop 附带的“Sample - Superstore”数据源中，“Discount”（折扣）的值范围为 0% 至 80%。

下面是用于创建上面所示的视图的步骤：

STEP 1： 将“Sales”（销售额）拖到“行”，将“Discount”（折扣）拖到“列”。Tableau 将显示一个散点图 — 这是当您将一个度量放在“行”上并将另一个度量放在“列”上时的默认图表类型。

Tableau 以 AVG 形式聚合“Discount”（折扣），并以 SUM 形式聚合“Sales”（销售额）。这些字段都是连续的，因此 Tableau 将沿视图的底部和左侧显示轴（而不是列或行标题）。

STEP 2： 若要将“Discount”（折扣）视为维度，请单击字段（在“列”功能区上）的下拉箭头，并从上下文菜单中选择“维度”。Tableau 不再聚合“Discount”（折扣）的值，因此您现在将看到一条线；但“Discount”（折扣）的值仍然是连续的，因此 Tableau 仍将为两个字段显示连续轴：

STEP 3： 再次单击“Discount”（折扣）并从上下文菜单中选择“离散”以完成该过程。“Discount”（折扣）的转换现已完成，您现在将看到本主题开头初始图像中的条形图。您现在将在底部看到列标题（0%、10%、20% 等），而不是轴。

让我们回顾一下我们是如何实现此目标的：

现在只需将“Sales”（销售额）拖到“标签”，然后设置标签格式以提高可读性。

由于数据源中的“Discount”（折扣）只有 12 个唯一的值，因此生成的图表有一定作用。假如每行有一个唯一的值（这种情况对于数值字段很少见），那么生成的视图中单独条形的数量将与数据源中的行数相等，生成的可视化内容将有可能不起用。

2）将“数据”窗格中的度量转换为维度

当您第一次连接到数据源时，Tableau 会将包含定量�...

制造业的数据特点是，数据量极大。并且对数据的实时性要求极高。 此外，有很多运转部件：人力资源、原材料、资本投资、物流，甚至零售。处处都在产生数据，但是数据常常以孤岛形式存在，限制了其实用性。 Tableau在制造业当中被大量运用。尤其是在一些消费制造业，如可口可乐、百威英博等企业中。传统的excel报表用来处理越来越多的数据，加重了人脑的负荷，也使得人们要花更多的时间去理解数据的价值。

正如一位用户说的：如果我一次又一次地重复同一件事情，我永远也无法跳出固有思维模式。 Tableau 可以让我们跳出固有思维模式。通过它，我们可以用一种完全不同的方式来查看数据。而新一代技术就是促成改革的利器。新型产品不仅简单易用、快捷直观、功能强大，而且可以通过几年前还无法想像的方式与数据实现交互。

假如您刚刚下载tableau或者尚未下载，甚至还不了解Tableau是什么。不要着急，在您下载，安装tableau的同时，您可以浏览一下这篇专为您的行业定制的Tableau指南。 Tableau软件总计279兆。家里或者公司有十兆网速的，整个下载过程只需三分钟左右。安装+填写注册信息。全程在七八分钟内搞定。您可以一边下载Tableau一遍接着看我们的指南。http://tableau/zh-cn/partner-trial?id=56638

知乎上，关于商业数据分析和可视化，有两个网红工具：Tableau、PowerBI。在如今数据分析行业快速火热的今天，用它们来生成可视化dashboard，做数据探索分析，绝逼便捷。

小编也是数据分析爱好者，时常把弄一些工具。Tableau的可视化很人性，个人用就像是Excel的智能版。但如果针对业态多样，数据量大而庞杂的企业数据分析，尤其是面临数据建模、数据清洗等耗费很多人力的操作，其实有款国产工具能和Tableau扛上一扛——FineBI。

可能是企业级应用的缘故，比较低调，推荐的不是很多，今天小编就来给他正个名。

（BI工程师、DBA、IT人可以关注下，职业利益相关）

在正式介绍它之前，先介绍一下什么是自助式BI。

自助式BI VS传统意识中的BI

Tableau和FineBI都属于自助式BI，最大特点是用起来简单。

在自助式BI出现之前，BI通常只有具备IT技术背景的研发人员和数据科学家能用，他们多集中在企业技术部门，通常也称为企业级BI，典型工具如SAP的BO、IBM的cognos。它们最大的问题是使用门槛高，让懂业务却不懂技术的业务分析师望而却步，只能向IT提需求，并不能对数据做统筹。而且传统BI工具效率低，完成一个需求要经过数据建模、ETL架构设计、报表开发等一系列工作，通常3~15个人天，如果需求一改，这些工作又得重做。

同样的工作用自助式BI，数据没有大问题的话，1~2个人天。

为什么差距这么大？技术上主要：自助式BI是自动建模，传统BI是手动建模。

手动建模建出的模型是死的，使用聚合存储，建模之前必须把全部需求调查清楚，一旦需求有变，需要打回信息部重新沟通、建模、做模板，一前一后都有较高的沟通成本。自动建模是以表间关联为依据，多维数据库中存储明细数据，以深度优化的索引等技术保证即席运算性能。得到的模型灵活多变，需求变化的响应可以在OLAP层面，而非建模层面实现，免去了大量沟通和建模工作。这样的好处就是信息部可以授人以渔：信息部准备数据，教授业务部门做数据分析，立刻就知道问题出在哪里。

那么，作为自助式BI的FineBI，其高效又体现在哪里？这里从工作效率、制作难度、需求应付率、可视化和数据处理性能上来介绍下。

如何让IT &业务配合更高效？

先来看一下FineBI的使用流程（如下图）:分别为管理员创建业务包(准备数据)，业务人员新建仪表板（可视化和探索性分析），业务人员新建螺旋分析（前端再处理数据），领导查看分析（对外分享报告）。

创建业务包就是准备数据，这个工作一般让信息部去做，把数据转化成业务分析人员可理解的数据（一般会准备大而全的明细数据）。

然后，业务人员拿着业务包里的明细数据，根据需求做分析，比如做一个销售dashboard，分析每个产品、每个地区、每个销售员的销售情况综合判断。在没有分析目标的情况下，可以尝试探索性分析：聚合、预测、帕累托等，都有现成的模型。

螺旋分析就是有些情况下，一些字段没有现成的，比如环比、同比，你可以在前端创建新的公式。

这些都完成后，基本的可视化就算完成了，然后将你的数据报告分享给领导，或者是定时出日报、月报，自动推送给指定人群。

相比以前整天向信息部要催报告，修改报告的模式，流程配合上也就不再迂回，反复推锅了。

如何10分钟做出一张dashboard？

说了这么多，FineBI到底如何做dashboard ?

流程

简单来讲就是，数据准备好了之后，选图表——添加数据字段——没有现成字段的就设置一个——添加分析元素（钻取、联动）——美化图表——分享。

如何做一份让人眼前一亮的可视化分析？

比如下面这个大屏，通常应用在展厅、领导办公室、政务掌控中心。通常掌握上述的dashboard制作，30分钟就可以搞定。原理就是构建每一块图表，然后拼接在一起，美化一下背景，增加一些科技的元素。至于展示哪些数据，这个考量你的内功，需要根据你分析的思路来布局，最终能讲好一个故事。

具体教程：30分钟，教你零基础用BI搭建可视化大屏

除了分析，还能搞定复杂式中国报表！

之前有网友评价，诸如此类的BI工具无法制作复杂的中国式报表。这里喊一下冤，BI工具和报表工具还是不一样的，前者是为了数据分析，快速出报告；后者就是做报表的，就是数据展示。使用BI是对同一个问题从不同的角度进行分析、以多种形式展现分析结果、通过管理驾驶舱突出业务问题的本质。使用报表就是制作中国式复杂报表、固定格式报表、周报、月报等。

如果非要说两个需求都要的话，FineBI是可以搭配FineReport，做复杂式中国报表。

FineReport是什么？它的本质是一个通用的报表制作和数据可视化工具。好比Excel，小到可以存储统计数据、制作各式各样的图表、dashboard，主要制作中国式复杂报表、固定格式的报表。参考这款效率远超Excel的表格工具，没用过就可惜了！你用过Excel，却不知还有一款神器“FineReport”

怎么搭配使用？

FineReport可以借助FineBI对大数据处理的性能，连接数仓和多维数据库，出表更快。

同样的FineBI也可以借助FineReport，制作表格式报表，报表形式也不受局限。

数据处理性能如何？

刚有提到FineBI在大数据方面处理性能较佳，对于处理千万级、上亿级的数据，可以看下图：

这工具的性能主要分为FineIndex性能和数据分析性能。

FineIndex性能

FineIndex本身作为数据仓库到自定义分析的中间层，它是将数据仓库中抽取的数据作为缓存数据生成文件放置到硬盘上的，它本身构建的是数据立方体，需要切片、分组索引。因此其性能参数主要在于如下：

（1）内存

FineIndex在抽取数据、分组写入索引、写入关联生成缓存数据的过程中，均会将数据在内存中去操作，内存越大其速度越快。

FineIndex在数据计算的过程，采用的是java计算（一般优于sql计算），也是消耗内存的资源，因此内存越大其运算的速度越快。

（2）硬盘

FineIndex的生成是写入硬盘的文件。因此写入速度越快，性能越高。在被读取数据时，系统执行的是文件级读取（性能上优于数据库读取），读取文件的速度越快，则性能越优。

数据分析性能

数据分析是前端新建仪表板模块加载FineIndex的数据进入内存中进行计算。因此仍然是FineIndex的数据读取进行加载，然后在内存中运算。

但是，区别于由于建立了业务包，数据仓库的数据定时更新，比如夜里更新，第二天处理数据就直接拿着本地的业务包里的数据做处理，也避免重复计算，像Tableau每次都是重新读取全部数据，数据量大会卡顿，运行速度高效快速。

数据&分析协同

FineBI有类似办公协同软件OA的一套流程管理和权限控制，主要出于数据安全考虑。可以设置部门只能看部门内的数据，个人只能看个人权限范围内的数据，dashboard制作完分享给别人时，也可以指定分享给谁，被分享者收到通知后登录门户时，可以看到报表出现在桌面中，然后修改、批注。

小编觉得这点比tableau好太多，尤其是出于数据安全的考虑，更能适应本土化的需求。

总结：

总得来说，业务部门更关注底层数据处理的可信度，是否真实反映业务状况，是否能高效便捷低成本的完成数据分析，指导业务经营。在底层数据处理上，FineBI建立业务包这些操作，tableau要完善功能和易用性，让IT部门的人能互动，协同数据准备，高效而准确。

最后，关于这工具，个人免费，真的随便用，并没有阉割功能，只是有两个并发限制，毕竟是商业软件嘛。