摘要：比如我們對調與會怎樣我們得到了三個不同類目近個月的趨勢，之所以是折線圖，因為圖表的維度軸列是連續的。在正式介紹標記區域前，先理解一下為何會發生這種轉變表格類組件是雙維度組件，折線圖是單維度組件。

Tableau 探索式分析功能非常強大，各種功能組合似乎有著無限的可能性。

今天筆者會分析這種探索式模型解題思路，一起看看這種探索式分析功能是如何做到的。

要掌握探索式分析，先要掌握探索式分析背后的思維模型。

有分析意義的數據一般是表結構，即分為行與列，列定義了數據含義，行則構成了數據明細。

當我們將數據作為 “原材料” 使用時，需要將這些明細數據封裝為 “數據集” 的概念來理解，數據集概念中，數據就是一個個字段，對于字段，要理解 “維度” 與 “度量” 這兩個概念。

維度是不能被計數的字段，一般為字符串或離散的值，用來描述數據的維度。

度量是可以被計數的字段，一般為數字、日期等連續的值，用來描述數據的量。

我們首先要將數據集字段歸類到維度與度量，才能提高數據分析的效率。數據分析就是從不同維度下看度量值，先想清楚要看的是什么數據，比如銷量還是利潤？這些字段都屬于度量，然后想一想要怎么看這些度量，是看總數、拆解到年看、還是按地區看呢？這些字段都屬于維度。

維度和度量是可以多帶帶看的，如果單看維度，那只能看這個維度的明細，比如看 訂單日期 這個字段：

需要注意的時，維度與度量字段還可以分為 連續?與 離散?。

值是連續關系，即任意兩個值之間可以計算差值。

值是離散關系，即任意兩個值之間無法計算差值，無法以連續的方式去理解。

一般來說，維度字段都是離散的，度量字段都是連續的。從字段類型意義上也能得出相同的結論：維度字段一般為字符串或日期類型，字符串類型都是離散的，度量字段一般為數字類型，數字天生就可以連續。

值得注意的是，連續與離散其實與字段類型、維度度量并無關系，比如維度的日期字段就是可連續的，而就算是字符串類型，也可以以字符串長度等方式 “定義” 一種連續的計算方式。對數字類型的度量字段來說，我們也可以忽略數字之間的聯系，將數字看待為字符串，這樣數字之間就是離散的。

上圖的 “離散方式看日期” 就是看維度的直觀方式，但仍可以用 “連續方式看日期”：

離散方式下單看維度只有一條條數據，數據間并無排序規則，而以連續方式看維度，維度就會以某種方式排序：比如上圖以時間類型進行排序。此時展示方式也從表格切換為了柱狀圖，因為表格適合展示離散數據，柱狀圖的一根柱子就可以展示連續數據。

單看度量時，由于 度量要依附于維度展示，因此僅有度量時，只能看這個度量的 聚合 概念：

如上圖所示，單看銷量這個度量字段時，我們只能將數據集中所有銷量字段聚合在一起來看，但這種聚合方式也可以分成若干種計算類型 - 求和、平均值、中位數、計數、計數去重、最小值、最大值、方差等等：

這些能力之間都是 “正交” 的，即單看度量這一個字段，可以以這么多種類型進行計算，那么按維度拆分后，度量依然可以享受如上不同的計算方式。

也可以用連續方式看度量：

與連續-維度不同，連續-度量圖形中除了最后一個值，其他過渡數值都是無效的，因為連續-度量只有一個值。連續-維度也要注意，由于以連續的方式畫出圖形，中間不存在的點也被 “無縫連接” 了。

數據之間也可以存在父子級關系，有父子級關系就可以進行上卷下鉆了，這種父子級關系被稱為 “層系字段”：

上圖的 Orders 就是一個層系字段。層系字段是幾個字段的排序組合，由上到下依次構成下鉆關系，從下到上則是上卷的關系。

只有維度字段才能有層系，因為度量是不能被拆分的，只有維度才可以被拆分。

維度的拆分可以是有邏輯含義的，也可以是任意的。

有邏輯含義的層系?

最典型有邏輯含義的層系字段就是時間了。一個好的 BI 系統識別到日期字段后，應該將拿到的日期字段進行歸類，比如判斷日期字段粒度到天，則自動生成一個日期層系字段，自動聚合到年，并允許用戶隨意切換：

如果數據集字段值精確到月，則層系只能最多展開到月。

日期層系的邏輯含義在于，年、季度、月、天這種下鉆關系是天然從大到小的關系，符合自然理解。

任意層系?

如果層系字段不代表日期，就只能以業務含義組合層系字段了。比如可以將層系按照 訂單日期 -> 商品 ID -> 運貨日期的方式組合：

這種下鉆方式，可以看到每個訂單日期下有哪些商品，每個商品分別運貨日期是什么。

也可以按照商品 ID 拆分出不同的訂單日期與運貨日期，這種層系組合方式就是以商品 ID 為主要視角：

可以看到，不同思維角度會按照不同的方式組合層系。比如一家大公司要查看財務問題，維度有：BU、日期，度量有：銷量。

那么有兩種下鉆方式：BU -> 日期、日期 -> BU。無論哪種下鉆方式，都能看到每個 BU 按日期銷量的明細，但?BU -> 日期 能看到每個 BU 按日期聚合的總銷量，而?日期 -> BU 能看到不同日期按 BU 聚合的總銷量，前者更易對比出 BU 之間差異，后者更易對比出日期之間的差異。

配置是探索式分析的入口，要理解分析模型首先得理解配置模型。

Table 主要配置分為行、列、標記與篩選。通過這四個配置區域可以組合成千變萬化的數據洞察模型。既然如此，讓我們看看這種配置思路是什么，以及為何這四種配置相互組合就能覆蓋整個探索式分析場景？

我們不需要考慮三維數據分析場景，因為三維透視的關系，圖形丟失了精確大小關系，沒有精度的數據是沒有分析價值的。由于在二位平面中分析數據，大部分圖表都可以用 “行、列” 方式進行配置。

也許有人會問，為什么不用維度與度量替代行列呢？這是一個很好的問題，有數據分析經驗的人會站在維度與度量角度思考問題，因此對于任意圖表，只要配置維度、度量即可呀？筆者從三個方面說說自己的理解：

探索式分析思路中，不關心圖表是什么，也不關心圖表如何展示，因此圖表是千變萬化的，比如折線圖可以橫過來，條形圖也可以變成柱狀圖，因此 你將維度放到列，就是一個柱狀圖，你將維度放到行，就是一個條形圖?。

將精力真正放到你要拖拽的字段上。由于字段已經有維度、度量的區別，配置區域就不要再限定維度與度量了，減少理解成本。

維度與度量可以同時放在行或列上，這是探索式分析的另一個精髓能力，看下圖：

做探索式分析功能時，要跳出思維定式：為什么條形圖的縱軸不能放維度呢？如上圖所示，如果行拖拽了兩個不同的度量，那么可以出現兩條線或者雙軸圖，但當拖拽一個維度一個度量時，可以對圖表進行 分面?，比如觀察 2013 ～ 2016 年不同顧客對銷量的貢獻。

表格類的行、圖表類的縱軸。一般建議放置度量字段。

表格類的列、圖表類的橫軸。一般建議放置維度字段。

如上所示，無論行還是列，都可以進行任意維度度量組合，且字段數量不限，而且可以在任何層級進行下鉆。對圖表來說，多個維度時需要進行分面處理：

如上圖所示，將列放置兩個維度字段成為柱狀圖，那么橫軸就要同時表示兩個維度，如上圖所示。如果橫軸還有更多的維度，可以再不斷對橫軸進行拆分。

橫軸（列）多維度字段的順序也會影響圖表的展現。上圖最后一個字段是 Category?默認是離散的，所以這個離值就決定了圖表使用柱狀圖，圖表類型由維度周最后一個字段連續或離散決定。

比如我們對調 Order Date 與 Category 會怎樣？

我們得到了三個不同類目近 12 個月的趨勢，之所以是折線圖，因為圖表的維度軸（列）是連續的。如果我們對 Order Date 進行天級別的下鉆：

可以看到，下鉆功能本質上就是維度軸支持對多個維度字段拆分處理。只要圖表支持了維度軸任意維度字段的分面展示，那么配置端就可以將下鉆按照拖了多個字段的方式去理解了。

如果我們將折線圖切換為表格，會發生什么？

我們會發現，原本存在于列的 Category 被自動挪到了行，原本存在于行的 Sales 被挪到了 “標記” 區域。在正式介紹 “標記” 區域前，先理解一下為何會發生這種轉變：

表格類組件是雙維度組件，折線圖是單維度組件。也就是表格的行與列都是維度，而折線圖橫軸作為維度后，縱軸就要作為度量。上面的例子中，折線圖維度有兩個字段，雖然通過分面方式渲染出來了，但當切換為支持雙維度的表格后， 可以將多余的一個維度挪到表格組件另一個維度區域中。

而表格行與列都是維度的情況下，單元格的值就需要用 “標記” 中文本來表示，因此原折線圖的度量字段自動轉移到了 “標記” 區域。

標記區域也采取字段拖拽的方式，即對字段進行標記。

標記區域分為 顏色、大小、標簽、詳細信息、工具提示、路徑。標記正如其名，是作用于圖表上的標記，即不會對圖表框架有實質性影響的輔助標記信息。

對不同圖表來說，影響最大的是行與列，它能決定用什么圖表，如何拆分數據。而標記往往是改變圖表中輔助性元素，比如文字或者顏色等等。

不影響任何圖像顯示，僅僅在提示信息中新增字段信息。

對圖表來說，指的是 Tooltip 提示信息增加對應的字段：

從上圖可以看到，利潤字段放在工具提示區域，則圖表的 Tooltip 會新增利潤這個字段的信息。值得關注的是，Tableau 所有圖表都支持 Tooltip 包括表格：

這保證了配置統一，行為統一。

控制圖表大小。

對于線圖，控制線的粗細；對于氣泡圖控制氣泡大小；對于柱狀圖控制柱子粗細；但是對面積圖與表格沒有明顯作用。這得益于 Tableau 將每個圖表大小屬性盡可能抽象出來。

即直接展示在圖表上的文本。

對普通圖表來說，文本體現為 Label，即直接展示在圖表上的文字。比如柱狀圖默認是沒有 Label 文字的，要將對應字段拖拽到文本標記上才會出現。

這體現出與普通報表構思的不同。對普通報表來說，Label 是通過一個勾選項開啟的，Label 對應的值就是圖表度量這個字段的值。而 Tableau 將標簽值以字段方式開放拖拽，就有了展示與值分開的可能性，可適用范圍更廣。

有人覺得長度和數字一定要對應上，這也是對數據理解不同導致的。Tableau 將文本（標簽）列在標記里，說明文本和顏色、大小一樣，都是一種附加的信息展示維度，很多時候不需要兩種方式展示同一種信息，反而需要圖形以更多方式以不同維度展示信息。

控制圖表的顏色。

比如在度量為銷量時，可以將利潤作為顏色，甚至再將折扣作為文本，通過一個折線圖同時看多種度量信息：

與之對比，我們可以將利潤放在右 Y 軸作為雙軸圖達到相同的效果：

標記就是為了在不增加行、列字段數量基礎上，通過顏色、大小、標簽、工具提示等維度展示出額外信息。

如果將度量拖拽到詳細信息，會發現完全沒有作用。因為 “詳細信息” 只有拖拽維度字段才生效。“詳細信息” 其實是用作下鉆的，拖拽一個維度字段后，可以按照這個維度進行下鉆。

如上圖所示，將銷售按照產品線拆解成三條線。但這三條線無法分辨，因此可以使用顏色來拆分維度：

這樣就能將拆解的內容按不同顏色展示。因此， 對標記作用的字段如果是維度字段，且作用于顏色、大小、標簽、詳細信息時，會額外進行維度進行拆解，并對拆解后的內容進行顏色或大小區分。?

相信讀到這里會有個疑問：按照維度進行拆解與維度拖拽多個字段進行字段有什么區別？我們試一下看看效果，將產品類目維度拖拽到銷量所在的行，對銷量進行銷量維度的拆分：

可以看到，在行、列進行的多維度拆分使用的是分面策略，而在標記中對維度進行拆分使用的是單圖表多軸方式來實現。

除此之外的區別在于，在標記進行的維度拆分默認作用于度量，而行列上的多維度拆分可以任意作用于維度或度量。

同時配置端要限制 能拆分的只有維度或離散狀態的度量?，也就是只有離散狀態的字段可以被拆分。如上圖所示，我們不能將 Category 拖拽到 Sales 右側，除非將 Sales 設置為離散類型。
Tips：Tables 對維度與度量分別分配了藍色、綠色，當我們將綠色度量字段設置為離散類型時，這個度量字段會變成藍色，也就是當作了維度字段進行處理。

最后，標記區域不僅能拖拽字段，還可以單擊后修改詳細配置，比如修改顏色詳細配置：

或者對工具提示的 Tooltip 內容進行定制：

Tableau 將所有篩選條件都收斂到篩選器中，我們可以通過拖拽字段的方式對某個字段進行篩選：

如上圖所示，比如只看辦公用品與科技產品。但其實除了這個通用功能之外，Tableau 還支持更強大的圖表交互功能，即點擊或圈選圖表后，可以對選中的點（字段值）進行保留或排除：

當我們選擇排除這幾個點時，會自動生成一份對維度字段的篩選條件排除掉選中日期，所以圖表是完全數據驅動的： 一般來說

如果屬性存在下鉆關系會如何呢？無論是行列中對維度的下鉆，還是通過標記對維度進行了拆解，篩選都是對 字段層系?生效的：

如上圖所示，對下鉆后的字段進行篩選，那么篩選條件也會自動構造出臨時的字段層系，并對這個臨時層系進行篩選。 可以看到，我們不僅能在字段配置區動態組成層系字段，在篩選器中也可以生成臨時層系進行篩選，我們需要支持任意層系組合的字段，并作用于篩選器、行列，甚至是標記上。

順帶一提，我們還可以對設置了篩選的字段層系組合拖拽到任意地方使用：

要處理這種場景，我們需要讓所有字段都擁有篩選能力，普通字段等于沒有篩選條件，我們也可以對一個包含了篩選條件的字段拖拽到任何位置作用。

剛才是對維度進行的篩選，有沒有對度量進行篩選的場景呢？有，但我們只能手動將度量字段拖拽到篩選器位置進行手動篩選：

如果我們進行圖表內的圈選操作，增加的篩選條件一定是按維度來的：

這么理解這一行為：維度是離散的，勾選操作能表達的含義有限，比如勾選折線圖的某些點，如何知道我們要勾選的是維度的那幾個月，還是度量的利潤范圍呢？

由于最終勾選操作落地在點上，而不是區間上（連續值也不適合進行圈選），所以默認按對維度進行篩選是最準確的理解。如果上圖的操作意圖中，你想勾選的不是 6～12 月的區間，而是銷量在 13k ～ 45.5k，則需要手動拖拽利潤字段，并精確輸入篩選范圍：

值得注意的是，對連續型度量進行篩選前，還可選擇聚合方式：比如對求和的值進行范圍篩選，或者對最大值進行范圍篩選，功能十分強大。

圖表是數據可視化的載體，只有數據與配置，沒有各式各樣的圖表，很難產生直觀的數據洞察。

可以說， 按照探索式分析的思路，當配置好數據與配置后，可以有多種可視化載體去展示這種配置信息。?比如行、列分別拖拽了日期與銷量，那么折線圖、表格、散點圖、柱狀圖都可以滿足需求，但如果行所在的字段是離散的，那么折線圖、散點圖就不適合了，這就需要圖表推薦功能根據配置推薦合適的圖形展示。

Tableau 內置的圖表分為 N 大類 - 表格、地圖、柱折面餅、散點/象限圖 、以及直方圖、盒須圖、甘特圖、靶心圖等。可見分析數據，不需要太多種類可視化展現方式，但對于每個圖表組件來說，都需要修煉深厚的內功，做好一個表格、折線圖并不簡單。

表格、地圖、柱折面餅、散點/象限圖等都可以用行與列描述基本架構：

表格天然擁有行與列，對調后則代表轉置。表格的行與列必須是維度字段，如果拖拽度量字段上去會自動切換為其他圖表，再切回來則會把度量字段挪動到 “文本” 標記區域中。

地圖行與列就是經緯度，當維度字段放到 “詳細信息” 時，根據地理映射表轉化為經緯度自動生成經緯度放在行與列。

柱折面餅、散點/象限圖都是直角坐標系的圖形，以維度字段作為維度軸，以度量字段作為度量軸。

在行或列存在多個維度字段時，圖表要進行相應下鉆。表格對于行下鉆如下圖所示：

上圖也可以理解為展示出 Order Date 與 Order ID 的明細數據，按照 Order Date 分組且列合并。下鉆就是一步步接近明細數據的過程，但目的不是為了看明細表，而是看某些維度下按其他維度拆分的詳細信息。

圖表下鉆和表格思路是一致的：

對于維度軸多維度下鉆，將每個維度軸下鉆到更細粒度。圖表在行與列同時下鉆時，與表格的表現稍有不同。僅從軸來看拆解方式是相同的，內部展示了多套軸：

可以認為，當行或列上最后一個字段為度量時，就會切換為圖表展示，因為圖表適合展示連續狀態。如果排除上圖藍色區域，剩下的區域就是個交叉表，交叉表只是行與列同時存在維度字段的場景，僅有行或列時就變成了普通表格；而圖形的下鉆和表格下鉆機理相同，只是把 “單元格” 的文本換成了柱子或線。

所以對任何圖表的下鉆，都是對軸的下鉆，相同的是單元格屬性永遠不會改變，表格的單元格是文本，圖形單元格是圖形，一個簡單折線圖可以理解為對整體行與列單元格進行 “連續打通”：

如果繼續對行列添加維度進行下鉆，其實是對軸進行下鉆。排除度量字段不看，就是一個交叉表的下鉆過程，如下圖所示藍色框圈住的部分就是一組大的單元格：

由于最后一個字段是度量，因此在葉子結點的展開就不是表格模式的單元格，而是連續的線條了。

經過上面的總結，我們要意識到，在探索式分析場景對行列的下鉆，表格與圖表的邏輯是通用的，實現時也要整體考慮。將軸功能抽離成通用部分來做，表格與圖表的區別只是對最后一個字段單元格是離散處理還是連續處理。

層系字段下鉆與拖多個字段表現一致，但由于存在父子關系，因此在圖表上可以展現出 “展開” “收起” 按鈕，點擊后并不是對圖表本身進行操作，而是發送一個事件對 “行” 進行操作，最后通過數據驅動完成展開或收起動作。

餅圖就不適合行列，因為餅圖是根據離散維度進行拆分，扇葉大小可以由一個度量字段決定，因此對餅圖來說，行就對應到 “顏色”、列就對應到新增的 “角度” 這個標記：

只有行配置的圖形推薦用表格，但柱狀圖、折線圖也可以支持這種情況，只要把橫軸忽略即可：

從樣式上來看沒有橫軸，其實這種情況是把所有維度的橫軸都聚合后的表現。

我們分別看看連續與離散作用于維度和度量時的區別。

圖表要能適配對連續或離散值的處理。比如對銷量來說，如果切換為離散值，則當成字符串展示：

如果將銷量切換為連續值，則單元格就要使用線條長度代表值的大小，即連續性的值要能夠產生 “對比感”：

上圖組件是表格，本身適合展示離散值，但可以看到對連續值展示做了適配。對于適合展示連續值的圖形，則無法做離散適配：

比如這個柱狀圖，如果將銷量切換為離散，則會自動切換到表格，因為對于雙離散值用柱折面餅展示是無意義的。

如上圖所示，就是維度使用了離散字段的例子，由于維度是離散的，因此使用柱狀圖展示，因為柱子間也是隔離的。

對于連續型字段作用于維度，默認適合散點圖，因為散點圖的行與列都是度量，適合作為默認推薦：

但能用散點圖的就也能用線圖， 當維度是連續日期字段時，適合用折線圖而不是散點圖。因為日期雖然連續，但 本身不適合做比較?，因此作為一種連續型維度展示比較合適；而散點圖兩個軸都適合連續型度量，因此不適合方日期這種連續型維度字段。

當然也具備將折線圖隨時切換為散點圖的能力，但這種圖形沒有什么業務價值：

因此我們對折線圖進行標記：行適合連續型維度字段，對散點圖進行標記：行列都適合連續型度量字段，就可以根據配置?實現推薦圖表的功能。

除了餅圖支持 “角度”、線圖支持 “路徑” 這些特殊標記外，所有圖表都支持下面五種通用標記：“工具提示”、“大小”、“文本”、“顏色”、“詳細信息”。

工具提示 比較簡單，所有圖表都支持鼠標 Hover 后彈出 Tooltip 即可，并且這個 Tooltip 允許自定義和拓展工具提示字段。

大小 則只有折、柱、散三種圖支持，因為這三種圖分別有可以描述的大小的線條粗細、柱子寬度、圓圈半徑。

文本 對應柱折面餅的 Label、對應表格，矩形樹狀圖，地圖的 單元格內容。

顏色、詳細信息?則比較特殊，下面詳細說明：

拖拽已有字段到詳細信息 - 沒有任何效果：?

因為本身就在看這個字段的詳細信息，因此沒有效果。

但如果拖拽已有字段到顏色，則可以根據數值大小或分類進行按顏色區分：

等于開啟了圖表篩選功能，當顏色篩選條件字段是連續型時，出現篩選滑塊，是離散型時，出現圖例：

如果拖拽字段不存在于行和列上，對于度量字段，會根據值進行顏色排序（度量拖拽到詳細信息依然沒有效果）：

如上圖所示，我們可以從長度看利潤，從顏色深度看銷量。

如果拖拽字段不存在于行和列上，且是維度字段，則會先進行維度拆分，之后如果選擇的是 “顏色” 標記區域，還會對同一組的拆分標記顏色區分。

由于標記區域對維度的拆分是不分行于列的，因此每個圖表會根據自身情況進行合適的拆分。

比如條形圖如果按某個新維度拆分，則會采取 “堆積柱狀圖” 的策略：

如果是折線圖，則會采取 “多條線” 的策略：

如果是散點圖，只要將拆分后多出來的點打散出來即可。由于散點圖的維度拆分不像折線圖和柱狀圖可以分段，因此如果不采用按顏色打散，是無法分辨分組的：

之所以說探索式分析的復雜度很高，是因為其可能性公式為：

字段 x 離散連續 x 行列 x 行列下鉆 x 標記種類 x 篩選 x 圖表

這種組合的笛卡爾積幾乎是無窮無盡的。

圖表一些特定功能是隱藏在軸交互里的。拿折線圖來說，一共有 5 個拖拽交互位置，如下圖所示：

一般這些區域是用來拖拽度量字段的，所以如果拖拽了維度字段過來，最終會被歸類到行列或標記上。

維度拖拽到底部 1 區域等于替換列字段?：

維度拖拽到圖表中 4 區域等于拖到了顏色標記?：

維度拖拽到左側 3 區域等于對行進行下鉆：?

同理拖拽到最上面區域等于對列進行下鉆。

讓我們看看拖拽度量時的情況。度量能拖拽的范圍更多。比如拖拽到右軸 5 區域，則形成了雙軸圖：

拖拽到左側 2 區域則表示在圖中額外增加一個軸：

要注意的是，上圖的行顯示 “度量值”，這是個特殊的字段，并通過篩選器篩選出拖拽的兩個字段 Profit 和 Sales。除了拖拽以外，還可以通過將左側 “度量值” 字段直接拖入行實現：

如上圖所示，將度量值放到行，并按度量名稱進行顏色標記，就得到了拖拽度量到左側 2 區域的效果。 這也說明了所有圖表交互最終都是通過映射到配置完成，所有能拖拽的操作都可以通過配置配出來?。

對表格來說，能拖拽的區域是行、列、單元格：

拖拽到行或列于拖拽到字段配置區域的行或列沒有區別，拖拽到單元格等于拖拽到文本標記區域。通過圖表于配置區域結合的方式，即便不完全理解配置的人也可以通過將字段拖拽到圖表上得到直觀的操作感。

所有圖表都支持點擊、圈選的方式選中 “點”。對表格來說，點就是單元格：

對柱狀圖來說，點就是柱子：

對折線圖來說，點就是節點：

對餅圖來說，點就是扇葉：

所有的點被選中后都有基本高亮功能，最重要的是能對選中的點進行保留、排除、局部排序等等。

比如我們可以對上圖餅圖選中的幾個扇形區域進行從小到大排序：

我們也可以排除某些點，這個在配置章節有提到過，這個操作最終將轉化為新增篩選條件：

最后，選中狀態在單圖表中看似只有高亮效果，但是在多圖表聯動時，高亮的選中區域會組成一個臨時的篩選條件，作用于所有相同數據集的圖表，并對這些圖表的篩選結果做高亮處理。

理解了探索模型對數據、配置、圖表的理解，就能學會探索式思維分析數據，對制作探索式 BI 也有借鑒意義。

討論地址是：精讀《Tableau 探索式模型》 · Issue #199 · dt-fe/weekly

如果你想參與討論，請 點擊這里，每周都有新的主題，周末或周一發布。前端精讀 - 幫你篩選靠譜的內容。

關注 前端精讀微信公眾號