Tableau 数据混合教程

数据混合——动机

如今，企业会使用来自不同来源的数据来解决业务难题。高效地采集与整合数据，已成为所有数据科学家和数据工程师的核心技能，以助力组织做出更明智的决策。 

本 Tableau 数据混合教程将先帮助您理解这一强大的数据整合方法，然后探讨其优势；接着我们会看看它的一些局限，最后回答关于使用 Tableau 进行数据混合的常见问题。  

Tableau 中的数据混合 vs. 连接（Joins）

在现实工作中，您会处理来自多个来源的信息，如 Excel 电子表格、SQL、CSV 等。作为数据科学家，您常常需要将它们互相关联，以产出全局性的业务洞察。

Tableau 可通过不同方法来解决这一问题：连接（join）、混合（blend）以及关系（relationship）。 

本节我们将重点理解前两种方法之间的差异。

什么是 Tableau 中的连接（Join）？

如果您使用过 SQL，应该对左连接、右连接、内连接、交叉连接以及全外连接等概念很熟悉。在 Tableau 中同样适用。

这些连接旨在基于表之间逻辑列关系，将来自同一数据源的不同表进行合并。例如，尝试将一个 Excel 文件与一个 SQL 表进行连接会失败，因为它们不来自同一来源。

此外，在连接表时，两张表中用于连接的列必须相同，更改这些列的数据类型会导致连接失败。 

最后，在 Tableau 的连接中无法移除重复列。

如果您不熟悉 SQL，可以通过多门课程来学习 SQL，以获取用 SQL 查询数据的基础技能。

什么是 Tableau 中的数据混合？

不同于连接与关系，数据混合会将来自多个来源的数据（如数据库、商业智能系统、云系统、平面文件、网络服务等）进行聚合，生成单一数据以实现更佳的可视化。 

为何使用 Tableau 进行数据混合？

Tableau 是一款零代码的商业智能工具，提供直观的拖放式分析与可视化界面。其非技术门槛的特性使其在行业中脱颖而出。 

此外，它速度快，并可将来自多种来源（如电子表格、SQL 数据库、网络服务等）的数据互联，无论是在云端还是本地。

使用 Tableau 进行数据混合同样具备这种灵活性，使您无需编程技能即可轻松整合多源数据。

如果这是您首次使用 Tableau，我们的 Tableau 入门课程可帮助您提升技能，自信探索 Tableau，构建有影响力的仪表板。

Tableau 数据混合分步指南

为更好地理解数据混合的概念，本节将带您按步骤使用 Tableau 进行数据混合。 

1. 理解业务用例 

以下案例旨在分析 Zoom.AI（在多个非洲首都运营的一家 AI 公司）两个部门 2020 年和 2021 年的收入。数据可在此链接获取。

2. 理解数据列

我们注意到两份数据的格式相同，传达的信息也一致。然而，前两列的名称不同（部门 1 为 Period、Capitals，部门 2 为 Year、Cities）。 

尝试对当前数据格式进行连接会失败，因为参与连接的列需要相同。我们将看到数据混合如何在无需事先对列进行标准化的情况下，智能地合并这些数据。 

3. 创建数据连接

鉴于我们的数据存放在不同文件中，我们需要在 Tableau 中创建一个可将它们归组的空间，这可以通过在 Tableau 中创建数据连接来实现，如下所示： 

我们各部门的数据出现在左上角的数据选项卡中，这表示它们已成功上传。 

4. 开始数据混合

先来可视化第一部门按首都（Capitals）的收入变化。可通过以下两步完成： 

• 将 Revenue 列拖放到 Tableau 的列（Columns）区域。  
• 将 Capitals 列拖放到 Tableau 的行（Rows）区域。 

我们的目标是使用数据混合比较两个部门的收入。为此，需要对第二个部门的数据执行相同的拖放过程，不过该数据使用的是 Cities 列，如下所示。 

为便于说明，部门 2 的结果使用了橙色标识。

可视化出错了，为什么？

原因在于我们尚未告知 Tableau，Capitals 列与 Cities 列所包含的信息层级相同，导致在可视化中 Cities 列出现星号。 

这正是数据混合大显身手之处：通过指定 Cities 与 Capitals 两列含义相同来修复此类问题。如下图所示。

问题解决后，您会看到左侧 Cities 列上出现了一个橙色链条⛓图标。这表示 Cities 列已被用作关联字段。

5. 进一步的数据混合 

既然您已经理解了如何正确进行数据混合，我们在年份/期间（year/period）层级上进行同样的分析。为此，只需在 Period 与 Year 列之间创建关联；否则会遇到与之前相同的问题。

至此，您已掌握数据混合的基础。了解如何进行数据混合后，您可以通过我们的课程学习如何使用 Tableau 创建高级可视化。

Tableau 中数据混合的优势

从前面的教程可以看到，采用数据混合相比连接有诸多好处，部分优势如下：

1. 无需对数据列进行预处理

使用数据混合时，我们无需对列进行高成本的预处理即可合并不同数据，因为只要简单指定关注的列，数据混合算法就能理解如何高效地整合数据。

2. 更好地解决粒度问题

在合并不同粒度的数据时，数据混合具备更好的灵活性。设想我们的部门收入数据不是按年而是按月组织。 

使用简单连接会导致不准确的结果，因为每条月度记录都会复制年度行，如下所示。数据混合可以通过将月份信息聚合到年度层级来解决这一问题。

3. 团队生产力 

仍以刚才的粒度案例为例。如果不使用数据混合，我们就需要进行一些数据预处理，如聚合与去重。在处理海量数据集时，这类预处理会迅速变得耗时。 

4. 快速分析助力更佳决策

做出准确决策依赖于对数据的更全面了解。只需几次点击与拖放，我们就抓住了两个部门的核心信息。使用连接可能会产生不准确的结果，进而影响决策的准确性。

Tableau 数据混合的局限

尽管数据混合有诸多优点，但也存在一些不足，如下所示：

• 数据混合底层采用的是左连接（left join），不支持其他类型的连接。 
• 在混合不同粒度的数据时，顺序很重要。次要数据源必须具备更细的粒度，因为它会被聚合。 
• 非可加性聚合（如 COUNT、MEAN、MEDIAN 和 SUM）在数据混合中会受到影响。 

结语

本教程介绍了使用数据混合的动机、相较连接对数据科学家的部分优势，以及上手实践以帮助您更好地理解其工作方式。 

我们希望本教程能帮助您在多数据源场景下获得更多业务洞察。想要进一步了解在 Tableau 中连接数据，欢迎查看我们的课程。