可视化分析周期
此内容是T ableau Blueprint 的一部分,这是一个成熟度框架,允许您放大并改进组织使用数据来推动影响的方式。若要开始您的旅程,请参加我们的评估(链接在新窗口中打开)。
可视化分析是一个非线性过程。例如,用户可能会从一个初始任务或问题开始,找到相关数据,然后准备数据以进行分析。在分析过程中,她意识到自己需要更多数据,因此她后退了几个步骤以便获得更多数据,选择新的可视化映射,然后形成了新的见解。这个示例同样适用于可视化分析周期内的任何一个其他步骤。
这种分析流程很难,甚至不可能通过传统 BI 技术来执行。传统 BI 没有利用视觉提示和迭代,而是倚重于里程碑来进行驱动。需求收集推动开发,然后进行测试,最后启动。在可视化分析中,这些步骤变得更加灵活,因为一个问题的答案常常会引出其他问题并揭示新的见解。
从问题开始
无论您是为自己创作还是为他人创作,可视化分析周期都始于一个任务或一个需要回答的业务问题。提出数据问题时,从较为宽泛的主题开始,然后在每个问题中逐步添加具体信息。例如,呼叫中心经理可能会以如下方式,提出从总体逐渐深入到细节的一系列问题:
- 每月接听多少个电话?
- 电话来自何处?
- 数量最多的通话类型是哪些?
- 谁接听的电话最多/最少?
分析这些数据的人通常也了解潜在的业务问题。在其他情况下,别人可能会请您帮他们制作一个仪表板,并告诉您它们需要回答哪些业务问题。无论他们通过怎样的流程来请求这种帮助,正确的步骤都是相似的。
- 营造友好氛围,以便建立基于信任的高效工作关系。了解他们的经历并尝试用他们的语言来进行交流。
- 提出开放性问题,例如“您希望此仪表板告诉您什么?”或“您想回答什么问题?”而不是“您要折线图吗?”或“我应该画一条趋势线吗?”
- 使用示例:展示现有的仪表板,并询问如何改进这些仪表板。
获取数据
您的用户有可以用数据来回答的问题,但他们是否知道如何找到正确的数据源并进行连接?从存在的形形色色结构化、半结构化和原始数据,到可能被隔离在组织内不同部门中的数据,不知道从哪里获取正确的数据是成为数据驱动型组织的最大障碍之一。
在发现流程中,Tableau Blueprint Planner 中的Tableau 数据和分析调查确定了关键数据源,以及数据在每个部门或团队中的分布和使用方式。Tableau Blueprint Planner 的 Tableau 用例和数据源标签记录了具体的数据源,您应该根据受众规模确定其中哪些数据源影响最大(优先级最高),并在 Tableau Server 或 Tableau Cloud 中创建已发布数据源。
除初始用例外,内容创建者还应该了解如何获取回答新业务问题所需的数据。“数据和分析调查”提供了一种可重复的方式来发现新用例,并评估 Tableau Server 和 Tableau Cloud 中是否已存在所需数据。如果已发布数据源中已存在这样的数据,内容创建者可以连接到这些数据并开始对其进行分析。如果这些数据尚不存在,那么创作者应该与数据管家合作并使用他们拥有的数据(甚至是样本数据文件),然后根据可用数据构建原型,而不是等待出现完善的可操作数据集再继续操作。完整的数据集可用时,可操作数据集将替换样本。
选择可视化映射
获取数据后,内容创建者将开始通过向视图添加度量和维度来探索数据,而 Tableau 可以为用户提供最有效的可视化。在制作内容期间,制作者可以随时更改可视化类型。当创建者探索数据并使用前意识属性对数据进行可视化编码时,他们将能够从数据中获取见解。
为分析类型选择合适的可视化映射类型对于获取见解和推动行动至关重要。内容创建者和使用者应了解可视化映射的五种主要类型:
- 比较,以条形表示
- 空间,以地图表示
- 时序,以线表示
- 比较两个度量,以散点图表示
- 精确数字,以文本表表示
查看数据
Tableau 可视化常常揭示出意外信息 - 关系、异常值和趋势。令人意外的发现可以激发思考,鼓励人们进行更深入的分析或通过不同的途径进行探索。Tableau 的交互模型基于增量更改的概念:当您执行某项操作(例如,筛选)时,Tableau 会立即显示新结果。
增量更改有何重要性?它使我们能够直观地探索可以选择的大量可视化,从中找出最合适的类型。它使我们能够专注于探索任务,在此过程中,问题不仅会带来答案,还会引出更多问题。它还让我们能够按照自己的节奏学习可视化分析。我们能够在学习如何查看信息的同时,以循序渐进的方式慢慢地构建出复杂的数据表示形式。Tableau 的界面基于通过逐步细化问题来找出答案的过程。每个 Tableau 用户(不仅是分析师)都能够从数据中获取有意义的信息,并根据数据制定决策。
生成见解
数据分析和数据可视化曾经是不同的任务。分析师通过运行查询或编写计算来从数据源中获取答案,然后将结果导出为指定的图表或图形。但通过实现可视化的数据查询过程,数据探索方法将会变得更加丰富、更有意义。借助可视化分析,您能够在构建分析的同时获得见解,因为您会发现许多线索来进行更深入的调查。
数据批判性思维的关键在于寻找见解,并以一种引人入胜的最佳方式传达见解。无论您是创作者还是使用者,可视化分析都让您能够以直观的方式提出和回答数据问题,越来越深入地了解“为什么”。
无论您是内容创建者(通常为分析师、开发人员或数据科学家)还是信息使用者,数据批判性思维对于您的决策过程都非常重要。这两个群体的人员都应该在挖掘见解时向自己提出以下问题:
- 我应该问什么问题?
- 当我得到答案时,我相信它吗?
- 我能否质疑自己的数据是否有用?是否正确?
- 我是否考虑了所有事实?我是否在试图证明自己的偏见?
行动(共享)
通过分享见解,我们可以促成行动、结果和解决方案。事实上,任何发现若不共享,便毫无价值。您可以通过 Tableau Server 或 Tableau Cloud 共享多种不同类型的内容:
- Tableau Prep 流程:可以使用 Prep Conductor 将 Prep 流程发布到 Tableau Server 或 Tableau Cloud,并将其安排在您需要的时候运行。
- 已发布数据源:您可以发布数据源,让其他人能够使用这些数据来构建新的工作簿。数据源可以包含与数据库的直接(或实时)连接,也可以包含按计划刷新的数据提取。更多信息,请参阅已发布数据源最佳做法和通过 Tableau Data Server 实现受管控的数据访问。
- 工作簿:工作簿包含您的视图、仪表板、故事以及数据连接。如果本地资源(例如背景图像和自定义地理编码)位于 Server 或其他 Tableau 用户无法访问的位置,可以将其添加到工作簿中。
仪表板检查清单是非常有用的资源,可确保发布的内容符合其用途并能够回答预期的业务问题。数据管家也应在确保正确性方面发挥作用,并对要作为发布和验证的潜在候选对象的嵌入式数据源进行审查。除数据和计算的正确性外,内容验证还应包括由“站点管理员”或“项目主管”站点角色实施的针对品牌、布局、格式、性能、筛选器、仪表板操作和边缘案例行为的审查。有关内容验证、提升和认证的更多信息,请参阅 Tableau 管控。