三个月前，我不经意间看到了一个数据分析的软件Tableau，凭着对数据的敏感，觉得是值得挖一挖的金矿，于是开始从尝试到执著。接下来的十天时间，白天做公司的业务数据分析，晚上读书和看官方帮助；再后来的两个月，平日工作在身，闲暇之余持续学习，两个月时间，自己在大数据分析上的进步让自己甚为满意。
这一切，由Tableau所赐。
何为Tableau
网上有人称之为“大数据时代的梵高”，虽有盛誉之嫌，也算实至名归。
诞生于2003年的Tableau，基于斯坦福独有的专利数据技术 VizQL，这个专利技术创新性地把拖动等操作转化为查询语言，然后通过图形化表达出来，就是我们看到的漂亮的、无与伦比的、可以五彩斑斓夺人眼球的可视化了。一篇文章说国内的数据分析平台研究了十几年，正在奋起直追，在技术这个领域，空有勤奋断然是不好使的啊。
Tableau——帮助用户理解自己的数据。
它的口号也会让你动心——“所有人都能学会的业务分析工具”。如果你熟练表格的数据透视图，学习这个软件，就像从数据的三楼坐电梯直达十二楼，从此在非专业的行业里，可以一骑飘尘了。当然，要到圈子里混，R语言，python，以及DW等等，最好揣好了再出门。
不过有一句话，已经能激励我们了：
Gartner说：“2020年，平民数据科学家的数量其增长速度将比数据科学家的数量快五倍。”
我的学习过程 三阶段
作为公司数据的外行，我的学习充满了坎坷，起初的好奇，后来的苦涩和坚持，最后的欢喜，都是路上的别样感受。
第一阶段
第一阶段基本是摸索和尝试，Tableau赢得了我的好奇心，在可视化上的易用性、数据提取和分析的速度上深得吾心。
Day1 下载并注册试用版，看着界面就像表格的透视图嘛，导入一个规范的表格，拖拖拽拽，拽拽拖拖，嗯，还不错……
Day1 看看京东上有没有教程，搜到一本《人人都是数据分析师–Tabaleau应用实战》，下单，第二天到货。打开快速浏览，“入门篇”，一分钟翻完；数据连接，两分钟看看重点；初级可视化分析，和表格差不多，快快看过。开始练习软件……
Day2 这个软件好像不像是“所有人都能学会”呢，为什么拖来拖去和结果结果不一样？ 好奇怪，维度、度量、标记，页面、分析、筛选…… 一点点练习。用公司的数据，分析半年经营分析，切换各种“智能显示”，很不错。
Day3 遇到进一步的瓶颈了，分析半年度的员工薪酬、半年度的品类业绩、单品类的会员消费流水…… 找不到环比，不知道如何使用标记，日期总是跳来跳去……
Day5 下班不带电脑，晚上重新翻书，从第一章开始，觉得新鲜的、有用的地方做标签，用一页纸做“初级可视化”的笔记，明白条形图、直方图、柱状图、折线图、气泡图、饼图、压力图、标靶图、甘特图的使用场景，如何通过维度、度量、标记+行、列、筛选加工而成；
Day6 花一整天的时间，练习高级数据操作——分层、参数、集、组、参考线，并且在实践中练习。
Day7～9 用一套数据反复练习，不断变换，有困难立刻上官方帮助网站查询，，虽然图标是英文版软件展示，但是对我毫无压力；凡是要重点学习的，一律保存到OneNote笔记中。
Day10～花了两天，还没弄清楚 「详细级别表达式」是个什么鬼，因为涉及到数组{ },还有充满误导性的 冒号……
详细级别表达式具有以下结构：
{[FIXED | INCLUDE | EXCLUDE] <维度声明>:<聚合表达式>}
《人人都是数据分析师》
附几张图片，鉴于行业机密，数据做了隐藏等处理。
我的练习（隐藏了关键数字）
第二阶段——学习 LOD
我起初低估了LOD的难度，本以为两天可以，结果两个周才基本拿下。也许对于非理科生而言，这真是最大的拦路虎。
连续几个迟迟不能领会LOD的意思，于是我用了最笨拙也是有效的办法，创建八行五列测试数据，反复地验证、试错，同时不断地寻找各种资料学习，于是有了后来的几篇博客。
- 在此文中，从何为“表达式”入手，我对比了“行级别表达式”、“视图级别表达式”、“表范围 详细级别表达式”和“ 超越视图级别的详细级别表达式”。
- 行级别表达式（RowLevelExpressions）相当于Excel的公式，针对单行数据执行操作运算，比如基于销售清单计算单品毛利率，利润率＝ [Profit] / [Sales]
- 视图级别表达式（View Level Expression）是可视级别字段的操作计算，这些计算多半包含聚合运算，比如基于销售清单计算门店的平均利润率，利润率=sum([profit])/sum([sales])
- 详细级别表达式（LOD=Levelof Detail Expression）
- 表范围详细级别表达式，是LOD的简化版，它省略了维度；对比并理解{Min(Profit)}和 Min(Profit)的不同；
- LOD，通过实际的联系，我发现了自己的误区，fixed维度，就是锁定维度的所有数值。
- 总结一句话，实践出真知啊。
- 在本文中，我说明了LOD与维度、度量的关系，三种LOD表达式在Tableau操作中的位置，以及LOD的语法。
- 此文我汇总了主要的官方LOD引文，作为总结；
- 梳理了LOD需求的推荐方法，引用了官方的三个案例，通过清晰地表达“焦点”和“背景环境”梳理需求；值得好好学习的方法。
- 汇总官方的LOD相关的博客资源，特别推荐LOD详细表达式。
- 在学习Tableau路上的分享，突出了对业务理解的重要性，总结了Tableau的几个学习重点。
第三阶段——去教别人
在教别人的过程中，获得成长，这是我进步的好方法。我在学习过程中，帮助公司大数据部门的同事认识Tableau的好处，指导学习，分享自己掌握的各种资料，并解答他们的问题。
不要吝啬分享，就会获得更多。
当然，因为LOD的出乎意料的苦难，我迟迟没有学习地图和R语言，其实也是没有到合适的时机吧。下一步，我要放慢速度，在练习中分享，就像已经分享的两篇可视化的文章。
说说跨界学习的体会
我大学政治学本科和教育学硕士毕业的，呃 ？不是理科生？ 真不是。
可惜我高中数学就好，好到老师都不管我就考全班第一。
言归正传，很多知名人物都说，自己每隔几年都会读一个崭新领域的书，如此才会跟上这个世界的变化，同时可以跨领域地应用人类的智慧；李笑来老师分享自己如何“实现财富自由”，他说自己每个领域都不是最强的，但是多个领域的集成优势让自己最终把握商机和抓住机会。
我从今年开始全力向实用性知识转移，比如销售心理学、定价、数据分析、财务和金融等等，数据分析是迄今最为应用性的知识了，十天时间，其实也是困难重重，总结一二，以勉自己。
切不可盲目，过分自信是成功的绊脚石。虽说整体的印象和“试用性”的探索很重要，但是没个新行业都有我们不知道的基础知识，太基础了，容易忽视，确实这个行业的基石。金融学的基础知识P=C／r，一旦明白了，好多事情就会豁然开朗，但是如果自以为简单而绕行，就步入了荆棘之路。所以克里斯坦森建议说，遇到困难，他能给出的建议就是，「回到原理」。
应用性的知识没有「我以为」，只有you can, or you can’t.文科的研究生可以把“论历史是一门科学”写成洋洋洒洒几万字，我当年也单凭分析两个词组academic power and academic authority 就发表一篇CSSCI。但是应用没有“我以为”，我觉得我晚上看明白了，第二天还是做不出来书里的样子，那就是还没学好。谦虚的对待技术，因为它会立马回给你颜色。
永远相信，有更高效的方式，可以做好眼下的工作。对于离不开表格的人而言，Excel是冲锋枪，但是一旦迈过这个阶段，你会发现，数据可视化就是战斗机群啊。你见过冲锋枪敌得过飞机的吗？ 这已经不仅仅是效率的问题了。
集中精力，攻克难关；不急不躁，按耐成性。
结
实践出真知，坚持生智慧。
2017年7月28日 第一版
2017年10月18日 第二版
网友评论
而且数据分析人员除了工具技能，更重要的分析的的思维，工具好学，思维难学
冲锋枪努力爬上战斗机中