尋找良好的資料集


瞭解如何使用 Tableau Desktop（或建置範例或概念驗證內容）的好方法是尋找您感興趣的資料集。如果有真正要使用資料回答的問題，分析的步驟會變得更簡單且更具意義。

資料集的真實性

嘗試尋找非官方、非企業認可的資料集時，有兩個不可避免的事實。

您找不到要尋找的目標。

  • 請盡量避免對你需要的東西有嚴格的預期。
  • 對於指定專案可使用的內容保持彈性和開放的態度。
  • 有時所需資料需要收費，請自行判斷是否值得。

您必須清除資料。

良好資料集的構成為何

一個良好的資料集是適合您目的的資料集。只要滿足這項需求，就是好的資料集。但是，有一些注意事項可幫助您清除可能不太適用您目的的資料集。整體而言，尋找滿足以下條件的資料集：

  1. 包含您需要的元素
  2. 是分解資料
  3. 至少有一兩個維度和一兩個度量
  4. 有良好的中繼資料或資料字典
  5. 可使用（不是專屬格式、過於雜亂，或過於繁瑣）
是什麼讓 Superstore 這麼優質？

Superstore 是 Tableau Desktop 附帶的其中一項範例資料來源。為何它是如此良好的資料集？

  • 必要元素：Superstore 具有日期、地理資料、包含階層關聯性的欄位（類別、子類別、產品）、正負（利潤）度量等等。僅使用 Superstore 可製作很多圖表類型，而且可用於示範的功能也很多。
  • 分解：列層級資料是交易中的每一個項目。這些項目可以匯總到訂單層級（透過「訂單 ID」），或依任何維度（例如日期、客戶、區域等）進行匯總。
  • 維度和度量：Superstore 有數個維度可讓我們依項目（例如類別或城市等）「進行細分」。還有多個度量和日期，為圖表類型和計算提供了可能性。
  • 中繼資料：Superstore 有恰當命名的欄位和值。您無需查找任何值的含義。
  • 小巧整齊：Superstore 只有幾 MB 而已，所以在 Tableau 安裝程式中佔用的空間很小。它的資料也相當井然有序，每個欄位中只有正確的值和良好的資料結構。

1.良好的資料集具有您所需的元素

如果要查找資料集以建置特定視覺化效果或展示特定功能，請確保資料集具有所需的欄位類型。例如，地圖是不錯的視覺效果，但需要地理資料。基本示範通常涉及向下切入日期，因此資料至少需要一個日期欄位（而且需要比年度更精細的項目，以便顯示向下切入）。並非所有資料集都需要所有這些元素，瞭解您所需的內容，不要浪費時間在缺少關鍵元素的資料集。

用於分析的常見元素：

  • 日期
  • 地理資料
  • 階層式資料
  • 「相關」度量：量級或正負值的顯著變化

某些功能或視覺效果類型可能需要資料的特定特性，例如： 

  • 叢集
  • 預測
  • 趨勢線
  • 使用者篩選器
  • 空間計算
  • 特定計算
  • 子彈圖
  • 控制圖

2.良好的資料集是分解（原始）資料

如果過度彙總資料，對分析於事無補。例如，如果您要查看使用 Google 搜尋「Pumpkin Spice」（南瓜香料）的使用者趨勢，但是有年度資料，則只能查看非常高階的概觀。理想情況下，您希望取得每日資料，因此當 Starbucks（星巴克）開始提供 #PSL 時，您會看到巨大的峰值。

怎樣才算是分解，因分析而異。請注意，由於隱私或實用性，某些資料集永遠不會是最為精細。例如，您可能找不到包含瘧疾病例逐案報告的資料集，因此，依區域劃分的每月總計可能足夠精細。

彙總和粒度

出於種種原因，瞭解彙總和粒度是至關重要的概念；它會影響諸如尋找有用的資料集、建置所需的視覺效果、正確地合併資料，以及使用 LOD 運算式等。彙總和粒度是頻譜的兩端。

彙總是指如何將資料合併在一起，例如對 Pumpkin Spice（南瓜香料）的所有搜尋次數加總，或取得特定日期西雅圖附近所有溫度讀數的平均值。

  • 預設情況下，將彙總 Tableau 中的度量。預設的彙總是 SUM。您可以將彙總變更為「平均值」、「中位數」、「不重複計數」、「最小值」等。

粒度是指資料的詳細程度。資料集的列（又稱記錄）代表什麼？是罹患瘧疾的人嗎？是某個省當月的瘧疾病例總數嗎？這就是粒度。了解資料精細度至關重要。

有關詳情，請參閱 Tableau 中的資料彙總。

3.良好的資料集具有維度和度量

許多視覺效果類型需要維度和度量

  • 如果只有維度，則主要僅限於計數、計算百分比，或使用「表計數」欄位。
  • 如果只有度量，則無法依任何項目劃分值。您可以完全分解資料，也可以使用整體的 SUM 或 AVG 等。

這並非表示只有維度的資料集沒有用處。人口統計資料是大量維度資料的範例，有關人口統計的許多分析都是計數或以百分比為基礎。但是對於分析性較強的豐富資料集，您至少需要幾個維度和度量。

維度和度量（離散和連續）

顯示各種藥丸類型的資料窗格和標記卡

在上圖中，請注意「數字」維度在「標記」卡中沒有彙總，這與「連續」度量和「離散」度量不同。

維度和度量

使用資料窗格中的水平線將欄位分成維度和度量。在 Tableau 中，維度本身會顯示在檢視中，而度量會自動彙總；度量的預設彙總為 SUM。

  • 維度是定性的，表示它們是描述，而不是測量。
    • 維度通常是城市或國家/地區、眼睛顏色、類別、團體名稱等。
    • 維度通常是離散的。
  • 度量是定量的，表示可測量和記錄（數值）。
    • 度量通常是銷售量、高度、點擊次數等。
    • 度量通常是連續的。

如果可以對欄位進行數學運算，則應該是度量。如果您不確定欄位應該是度量還是維度，可以想想看是否可以對值進行有意義的數學運算。對於 AVG(RowID)、加總兩個社會安全號碼，或將郵遞區號除以 10，是否有任何意義？沒有。這些維度剛好寫成數字。想想有多少國家有英數字元的郵遞區號，它們只是標籤，即使在美國，也只是數值而已。Tableau 可以識別許多欄位名稱，這些欄位指出數值欄位實際上是 ID 或郵遞區號，並嘗試建立這些維度，但這並不完美。利用「我是否可以對此進行數學運算」測試，判斷數值欄位是度量或維度，並根據需要重新排列資料窗格。

附註：雖然您可以對日期進行數學運算（例如 DATEDIFF 計算），但標準慣例是將日期分類成維度。

離散和連續

離散或連續欄位與維度和度量的概念在某種程度上有些一致，但其實不盡相同。

  • 離散欄位包含不同的值。他們在檢視中建立標題或標籤，而且膠囊是藍色的
  • 「連續」欄位「構成一個不間斷的整體」。他們在檢視中建立一個軸，而且膠囊是綠色的

瞭解離散和連續的好方法是查看日期欄位。日期可以是離散的，也可以是連續的。

  • 查看十年或一個世紀的 8 月平均溫度，就是要使用「8 月」做為離散的定性日期部分。
  • 看看自 1960 年以來報告的瘧疾病例總體趨勢，採用單一的連續軸，這表示該日期做為連續的定量值。

有關詳情，請參閱維度和度量（藍色和綠色）。

Tableau 建立的欄位

無論資料集是什麼，Tableau 都將建立至少三個欄位：

  • 度量名稱（維度）
  • 度量值（度量）
  • TableName(Count) （度量）

如果資料集有地理欄位，Tableau 也會建立緯度（產生）和經度（產生）欄位。

「度量名稱」和「度量值」是兩個非常有用的欄位。有關詳情，請參閱度量值與度量名稱。

「資料表」透過列計數提供表的記錄數。這可讓您在資料集中至少有一個度量，並有助於進行一些分析。您必須瞭解資料細微性（列代表的意義），以便定義記錄數代表的意義。

在這裡，每一列為一天，因此記錄數為天數：

在這裡，每一列為一個月，因此記錄數為月數：

4.良好的資料集具有中繼資料或資料字典

只有在瞭解資料是什麼時，資料集才有幫助。在尋找優質資料時，最令人沮喪的莫過於開啟如下所示的檔案：

完整數值資料的試算表檢視

4 或 12 的來源是什麼意思？OTU0-OTU4 欄位有哪些資訊？

良好的資料集是妥善標記的欄位和成員或資料字典，因此您可以自行重新標記資料。想想 Superstore，可以很明顯地知道欄位及其值是什麼，例如「Category」（類別）及其成員「Technology」（技術）、「Furniture」（傢俱）和「Office Supplies」（辦公用品）。或者，對於上圖中的微生物資料集，有一個資料字典(連結在新視窗開啟)說明每個「來源」（4 是排泄物，12 是胃），以及每個 OTU 的分類（OTU3 是桿菌屬的細菌）。

資料字典也可以稱為中繼資料、指標、變數定義、術語表或任意數量的其他內容。在一天結束時，資料字典會提供有關欄名稱和欄中成員的資訊。可以透過幾種方式將該資訊帶入資料來源或視覺效果，包括：

  • 重新命名欄，以便更容易理解（這可以在資料集本身或 Tableau 中完成）。
  • 重新命名欄位成員的別名（這可以在資料集本身或 Tableau 中完成）。
  • 建立計算以新增資料字典資訊。
  • 對 Tableau 中的欄位新增註解（註解不會顯示在已發布的視覺效果上，只會顯示在製作環境中）。
  • 使用資料字典做為另一個資料來源，並合併兩個資料來源。

遺失資料字典會使資料集變得毫無用處。如果要將資料集加入書簽，請同時將資料字典也加入書簽。如果您要下載，請下載兩者，並將其放在相同位置。

5.好的資料集是可以派上用場的資料集

只要您能夠瞭解資料集，而且該資料集具有您所需的資訊，即使是小型資料集也可以對分析產生巨大作用。較小的資料集也易於儲存、共用和發布，而且可能執行成效良好。

同樣地，即使您找到了滿足您需求的「完美」資料集，也需要花費大量的精力進行清除，畢竟這不是完美的。知道何時捨棄過於混雜的資料集非常重要。

例如，此資料集來自關於相對字母頻率的 Wikipedia 文章。開始為 84 列和 16 欄（樞紐分析為 1,245 列和 3 欄）。Excel 檔案是 16KB。但是，透過一些群組、集合、計算，以及其他操作，可進行可靠的分析和有趣的視覺效果。

按一下影像可下載工作簿。

重新標記您的資料

找到良好的資料集之後，通常需要重新標記該資料集。重新標記資料對於建立範本或概念驗證的假資料，或使資料更具可讀性很有幫助。

「重新命名」欄位會變更欄位在 Tableau 的呈現方式，例如，將「銷售額」重新命名為「管道銷售額」，或將「州」重新命名為「省」。

重新建立別名會變更欄位成員的顯示方式，例如，將「國家/地區」欄位中的值重新建立別名，以便 CHN 變成 China，RUS 變成 Russia。

  • 離散維度欄位中的值稱為成員。只能為成員重新建立別名。考慮溫度的度量欄位。如果不變更資料本身，則不能更改 54°F 的值。但是，在「國家/地區」欄位中，為成員「CHN」重新建立別名「China」是相同的資訊，只是用另一種方式進行標記。

重新命名和重新建立別名意味著幾乎相同的事情。Tableau 中的慣例是為欄位命名，為成員建立別名。有關詳情，請參閱在「資料」窗格中組織和自訂欄位以及在檢視中建立別名以重新命名成員。

附註：重新命名或重新建立別名只會變更在 Tableau Desktop 中的顯示方式；不會將任何變更寫回至基礎資料。

重新標記以製作假資料

重新標記現有資料集是讓範例或概念驗證內容更具吸引力的好方法。

  1. 使用簡單的資料集（如 Superstore）來建置所需的內容（特定的圖表類型、顯示某些功能等）
  2. 重新命名相關欄位、變更工具提示，否則變更文字方面以掩蓋資料實際表示的內容。

重要資訊：只有在明顯是假資訊時才這麼做。如果人們不認為它是真實資料，並嘗試使用它進行分析時，請務必小心。例如，使用愚蠢的名稱或毫無意義的欄位名稱，例如，顏色或動物。

重新建立別名讓資料更易於使用

將資料儲存為數值而非字串值會更加有效，但數值編碼會使資料更難理解。這一點對於小型資料集而言，可能不會影響效能，因此設定優先順序能夠輕鬆瞭解資料。

重新建立別名的缺點是您無法再存取這些數值（使得排序、指派色彩漸層等操作變得更加困難）。請考慮複製該欄位，並為副本重新建立別名。另外，在 Tableau 中進行計算可能是保留原始資訊的好方法，同時也使其更容易理解。

使用 CASE 函數重新建立別名

計算對於重新建立別名而言，可能是非常強大的功能。例如，CASE 函數實際上允許您以下列方式表示：「當此欄位的值為 A，請給我 X。當值為 B，請給我 Y」。

這裡的 CASE 函數會查看龍捲風資料集的「藤田級數」(F-scale)，並提供與每個數值相關聯的寫入描述：

CASE [F-scale]
WHEN "0" THEN "Some damage to chimneys; branches broken off trees; shallow-rooted trees pushed over; sign boards damaged."
WHEN "1" THEN "The lower limit is the beginning of hurricane wind speed; peels surface off roofs; mobile homes pushed off foundations or overturned; moving autos pushed off the roads..."
WHEN "2" THEN "Roofs torn off frame houses; mobile homes demolished; boxcars overturned; large trees snapped or uprooted; highrise windows broken and blown in; light-object missiles generated."
WHEN "3" THEN "Roofs and some walls torn off well-constructed houses; trains overturned; most trees in forest uprooted; heavy cars lifted off the ground and thrown."
WHEN "4" THEN "Well-constructed houses leveled; structures with weak foundations blown away some distance; cars thrown and large missiles generated."
WHEN "5" THEN "Strong frame houses lifted off foundations and carried considerable distances to disintegrate; ... trees debarked; steel reinforced concrete structures badly damaged."
END

現在，我們可以在視覺效果中選擇使用原始的「藤田級數」欄位 (0-5)，或「藤田級數破壞描述」欄位。

查找資料集時的秘訣

附註：嘗試確保您可以回答出「資料集的列（又稱記錄）代表什麼？」如果您無法清楚地回答這個問題，可能無法充分瞭解資料，以致無法使用它，或者資料結構可能很差，無法進行分析。

  • 持續追蹤資料來自何處。
  • 透過資料本身隨時更新資料字典資訊。
  • 如果您需要內容保持日久彌新的狀態，請避免使用陳舊的資料。查找：
    • 可更新的資料（庫存、天氣、定期發布的報告等）
    • 恆定資料（各種動物的平均品質不會逐年變化）
    • 您可以藉由手動變更為歷史或未來日期，防止資料以後不會過時
  • 試著用 Google 簡單地搜尋您要查找的內容，您可能會大吃一驚。
  • 如果資料集的準備工作太多，不要害怕放棄。

查找資料的地方

您可以在哪裡查找資料？尋找資料集的地方可能很多。可透過一些選項著手瞭解相關資訊。請注意，資料集的真實性確實適用於這些站台，您現在可能找不到要思考的內容，而且很可能需要做一些清除工作才能備妥資料以進行分析。

免責聲明：儘管我們盡最大努力確保外部網站的連結保持正確、最新並相關，但 Tableau 對於外部提供商所維護的頁面的準確性或新鮮度不擔負任何責任。此處列出的網站不表示認可任何內容或組織。請與外部網站聯絡來獲取其內容相關問題的答案。

Tableau Public(連結在新視窗開啟)：Tableau Public 是適用於 Tableau 易記資料集的驚豔資源。搜尋與您感興趣的主題相關聯的工作簿、瀏覽以獲得靈感，然後下載工作簿以存取資料。或查看精心策劃的範例資料(連結在新視窗開啟)。

Wikipedia 表(連結在新視窗開啟)：藉由以下方式從 Wikipedia 表中取得資料：複製並貼到試算表、直接複製並貼到 Tableau，或使用 Google sheets 和 IMPORTHTML 函數(連結在新視窗開啟)以建立 Google 資料試算表。

Google Dataset Search(連結在新視窗開啟): "A search engine to unite the fragmented world of online datasets."

Data is Plural(連結在新視窗開啟)：訂閱包含資料集的每週電子報，或瀏覽封存(連結在新視窗開啟)。

Makeover Monday(連結在新視窗開啟): “Join us every Monday to work with a given data set and create better, more effective visualizations and help us make information more accessible.”您可以看到其他人使用相同資料集所做的事情、開始進行分析或提供靈感。在 Twitter 使用 #makeovermonday(連結在新視窗開啟) 來參與。

其他網站

返回頂端
感謝您的意見反應！已成功提交您的意見回饋。謝謝！