新書推薦：
《
分析性一体的涌现：进入精神分析的核心
》
售價：NT$
556.0
《
火枪与账簿：早期经济全球化时代的中国与东亚世界
》
售價：NT$
352.0
《
《全面与进步跨太平洋伙伴关系协定》国有企业条款研究
》
售價：NT$
449.0
《
银行业架构网络BIAN（全球数字化时代金融服务业框架）（数字化转型与创新管理丛书）
》
售價：NT$
449.0
《
金托邦：江湖中的沉重正义
》
售價：NT$
275.0
《
易经今解：释疑·解惑·见微
》
售價：NT$
403.0
《
东欧史（全二册）-“中间地带”的困境
》
售價：NT$
1010.0
《
虚拟资本：金融怎样挪用我们的未来
》
售價：NT$
352.0
|
| 編輯推薦： |
|
本教材是针对《计算机网络》课程后续课程使用的，大多学校学生学习《计算机网络》课程后只是停留在理论层面，而不会实际去编写网络程序。本教材讲从*基本的网络编程起步，指导学生如何进行网络应用程序的编写，也结合一些广泛应用的互联网协议去编写相关的网络应用程序。教材的重点就是提高学生的编程能力，为以后工作打下基础。
|
| 內容簡介： |
本书遵循理论与实践相结合的教学目的，以实例讲解在Windows环境下如何开发网络应用程序的方法。全书共分7章：第1章介绍网络编程的一些基本概念；第2章介绍套接字的基本概念以及Windows Socket的内容；第3~5章分别介绍流式套接字、数据报套接字和原始套接字的编程原理，并用实例详细介绍如何开发相应的网络应用程序；第6章介绍常见的应用层协议（如FTP、SMTP、HTTP、MQTT）和WinInet的内容，并用实例描述如何编写基于应用层协议的网络应用程序；第7章介绍使用广泛的WinPcap的概念，以及如何用WinPcap开发相关网络应用程序。本书的特点是有大量的实例源代码及详细解析。
本书主要供普通高校计算机、信息安全、通信工程等专业的师生使用，也可供对网络编程感兴趣的各类人员自学使用。
|
| 關於作者： |
|
王国平，毕业于上海海洋大学，硕士，主要从事数据可视化、数据挖掘和大数据分析与研究等工作。精通Tableau、SPSS、SPSS Modeler、Power BI等软件，已出版《IBM SPSS Modeler数据与文本挖掘实战》《Microsoft Power BI数据可视化与数据分析》《Tableau数据可视化从入门到精通》《SPSS统计分析与行业应用实战》等专著 。
|
| 目錄：
|
目 录
第1篇 商业数据分析理论篇
第1章 商业数据分析思维与技巧 2
1.1 商业数据分析的思维 2
1.1.1 结构化：按不同的方向分类 3
1.1.2 公式化：对数据进行量化分析 4
1.1.3 业务化：结合具体业务进行分析 4
1.2 商业数据分析的7种技巧 4
1.2.1 象限法：运用坐标的方式分析 5
1.2.2 多维法：运用多维的方法呈现 5
1.2.3 假设法：运用假设推理的方式 6
1.2.4 指数法：整合与计算多个指标 6
1.2.5 二八法：运用帕累托法则分析 7
1.2.6 对比法：运用对比法对比分析 7
1.2.7 漏斗法：挖掘有价值的新用户 7
1.3 商业数据分析的典型方法 8
1.3.1 推荐引擎 8
1.3.2 购物篮分析 8
1.3.3 保修分析 8
1.3.4 价格优化分析 9
1.3.5 库存管理 9
1.3.6 选址分析 9
1.3.7 情感分析 9
1.3.8 品类分析 10
1.3.9 生命价值预测 10
1.3.10 反欺诈分析 10
1.3.11 留存分析 11
1.4 商业数据可视化分析工具 11
1.4.1 Tableau Desktop 11
1.4.2 Microsoft Power BI 12
1.4.3 Smartbi Insight 13
1.4.4 QlikView 14
1.4.5 FineBI 14
1.5 商业数据分析的步骤与阶段 15
1.6 商业数据分析师的必备技能 17
1.7 练习题 18
第2章 商业数据分析的模型 19
2.1 KANO分析模型 19
2.2 5W2H分析模型 20
2.3 战略钟分析模型 21
2.4 RFM客户价值模型 22
2.5 用户行为分析模型 24
2.6 关联分析模型 25
2.7 SWOT分析模型 26
2.8 鱼骨图分析模型 27
2.9 波士顿矩阵分析 28
2.10 波特五力分析模型 29
2.11 PDCA执行模型 30
2.12 AARRR模型 31
2.13 ABC分类模型 32
2.14 杜邦分析模型 33
2.15 平衡计分卡模型 35
2.16 营销漏斗模型 36
2.17 SCP分析模型 37
2.18 逻辑树分析模型 38
2.19 波士顿三四矩阵 39
2.20 练习题 40
第2篇 Tableau之新手入门篇
第3章 Tableau Desktop基础入门 42
3.1 Tableau Desktop简介 42
3.1.1 新增主要功能 43
3.1.2 开始页面 44
3.1.3 数据源页面 45
3.2 数据类型 47
3.2.1 主要的数据类型 48
3.2.2 更改数据类型 48
3.3 文件类型 50
3.3.1 工作簿文件 50
3.3.2 打包工作簿 50
3.3.3 其他文件类型 51
3.4 运算符及优先级 51
3.4.1 算术运算符 51
3.4.2 逻辑运算符 51
3.4.3 比较运算符 52
3.4.4 运算符优先级 52
3.5 Tableau软件概况 52
3.5.1 Tableau Desktop 53
3.5.2 Tableau Prep 53
3.5.3 Tableau Online 54
3.5.4 Tableau Server 54
3.5.5 Tableau Public 55
3.5.6 Tableau Mobile 55
3.5.7 Tableau Reader 56
3.6 练习题 56
第4章 连接数据源 57
4.1 连接到文件 57
4.1.1 Microsoft Excel 57
4.1.2 文本文件 59
4.1.3 JSON文件 61
4.1.4 Microsoft Access 63
4.1.5 PDF文件 65
4.1.6 空间文件 66
4.1.7 统计文件 68
4.2 连接到数据库 70
4.2.1 连接到Microsoft SQL Server 70
4.2.2 MySQL 71
4.2.3 Oracle 72
4.2.4 Amazon Redshift 74
4.2.5 更多数据库 74
4.3 连接到MongoDB 75
4.3.1 MongoDB简介 75
4.3.2 MongoDB的安装与配置 76
4.3.3 连接MongoDB步骤 78
4.4 练习题 80
第5章 Tableau的基本操作 81
5.1 维度和度量 81
5.1.1 维度字段的可视化 81
5.1.2 度量字段的可视化 82
5.1.3 度量转换为维度案例 84
5.2 连续和离散 88
5.2.1 连续字段的可视化 88
5.2.2 离散字段的可视化 88
5.2.3 日期类型的转换案例 90
5.3 工作区操作 91
5.3.1 数据窗格的操作 92
5.3.2 分析窗格的操作 93
5.3.3 工具栏按钮及说明 94
5.3.4 状态栏功能及说明 95
5.3.5 功能区和卡的简介 95
5.3.6 语言和区域的设置 97
5.4 工作表的基本操作 97
5.4.1 如何创建工作表 98
5.4.2 如何复制工作表 99
5.4.3 如何导出工作表 100
5.4.4 如何删除工作表 101
5.5 创建上下文筛选器提升性能 102
5.5.1 如何创建上下文筛选器 102
5.5.2 为地区添加上下文筛选器 103
5.6 练习题 106
第6章 Tableau的高级操作 107
6.1 表计算：快速统计门店销售额的占比 107
6.2 创建字段：创建每件商品的利润字段 110
6.3 创建参数：生成商品类型的参数列表 112
6.4 聚合函数：统计商品利润率波动情况 119
6.5 缺失值处理：处理销售额中的缺失值 121
6.6 案例实战：各个门店利润的差异分析 123
6.7 练习题 125
第7章 Tableau数据可视化 126
7.1 单变量的可视化 126
7.1.1 条形图：不同类别商品的利润分析 126
7.1.2 饼形图：不同地区销售额占比分析 127
7.1.3 直方图：每类商品的利润分布分析 130
7.1.4 折线图：月度销售额历史趋势分析 131
7.2 多变量的可视化 133
7.2.1 散点图：销售额和利润额的特征分析 133
7.2.2 气泡图：不同地区利润额的比较分析 134
7.2.3 树形图：不同用户类型的销售额分析 136
7.2.4 瀑布图：不同产品类别的利润额分析 138
7.2.5 盒须图：按区域和客户类型分析折扣 143
7.2.6 靶心图：不同地区发货天数的分析 147
7.2.7 环形图：不同地区的利润额结构分析 149
7.2.8 甘特图：不同用户类型送货时间分析 154
7.2.9 漏斗图：客户购买流程的漏斗分析 158
7.2.10 帕累托图：用户消费等级结构分析 162
7.3 练习题 166
第3篇 Tableau之新手升级篇
第8章 Tableau地图可视化分析 168
8.1 设置地理角色：将城市字段设置为地理角色 168
8.2 标记地理位置：用生成的纬度和经度标记地图 170
8.3 添加字段信息：统计每个城市的销售额情况 170
8.4 设置地图外观：设置地图的背景颜色和图层 171
8.5 完善美化地图：按销售额大小进一步美化地图 173
8.6 自定义地图选项：按城市搜索销售额的地图 174
8.7 练习题 175
第9章 高效创建Tableau仪表板 176
9.1 创建高效仪表板的原则 176
9.1.1 了解业务需求、周密规划 176
9.1.2 依据充分信息、专业设计 177
9.1.3 完善修正视图、避免错误 178
9.2 如何创建美观的仪表板 179
9.2.1 拖曳字段制作仪表板 179
9.2.2 设置仪表板大小和布局 182
9.3 进一步完善与改进仪表板 186
9.3.1 如何改进仪表板 186
9.3.2 创建视图选择菜单 188
9.3.3 重塑仪表板的形象 191
9.3.4 创建仪表板布局 193
9.3.5 使用仪表板扩展程序 196
9.4 案例实战：超市运营状况分析 198
9.4.1 客户分析的仪表板 198
9.4.2 配送分析的仪表板 202
9.4.3 销售分析的仪表板 206
9.4.4 利润分析的仪表板 209
9.4.5 退货分析的仪表板 211
9.4.6 预测分析的仪表板 215
9.5 练习题 218
第10章 数据可视化视图的演示 219
10.1 故事：让故事替代烦人的PPT制作 219
10.2 创建故事：对历史数据创建故事点 220
10.3 故事格式：完善故事使其更加生动 223
10.3.1 标题：调整标题文本框大小 224
10.3.2 页面：使仪表板更适合故事 224
10.3.3 格式：设置合适的故事格式 225
10.4 演示故事：让商业汇报更加简便 226
10.5 练习题 226
第4篇 Tableau之大数据篇
第11章 连接Hadoop Hive 228
11.1 Hadoop简介 228
11.1.1 Hadoop分布式文件系统 229
11.1.2 MapReduce计算框架 229
11.1.3 Apache Hadoop发行版 230
11.2 连接基本条件 232
11.2.1 Hive版本：连接的必备条件 233
11.2.2 驱动程序：安装ODBC驱动 233
11.2.3 启动服务：运行Hive的服务 233
11.3 连接主要步骤 234
11.3.1 Cloudera Hadoop Hive 234
11.3.2 Hortonworks Hadoop Hive 239
11.3.3 MapR Hadoop Hive 241
11.4 连接注意事项 243
11.4.1 日期时间数据的处理 243
11.4.2 连接集群的几种限制 243
11.5 练习题 244
第12章 连接Apache Spark 245
12.1 Apache Spark简介 245
12.1.1 快速通用的计算引擎 245
12.1.2 Hadoop与Spark的比较 246
12.2 连接步骤：Tableau连接Spark集群 247
12.2.1 安装SparkSQL的ODBC驱动 248
12.2.2 启动集群和Spark相关进程 248
12.2.3 配置Spark ODBC数据源 249
12.3 测试Spark ODBC数据连接 250
12.4 练习题 251
第13章 Tableau大数据引擎优化 252
13.1 提升连接性能的一般技术 252
13.2 常用的性能提升高级技术 254
13.2.1 筛选器形式的分区字段 254
13.2.2 分组字段形式的群集字段 254
13.2.3 设置初始化SQL的参数 254
13.3 提升数据提取效率的主要方法 255
13.3.1 明确数据的存储文件格式 255
13.3.2 合理利用数据分区字段 255
13.3.3 计算分组字段的哈希值 256
13.4 练习题 256
第5篇 Tableau之综合应用篇
第14章 Tableau与Python的集成 258
14.1 搭建基于Tabpy的运行环境 258
14.1.1 安装Python集成环境 259
14.1.2 安装Tabpy Server服务 262
14.1.3 安装Tabpy Client服务 262
14.1.4 连接Tableau到Tabpy 263
14.2 基于案例数据集的机器学习 264
14.2.1 案例数据集简介 264
14.2.2 分类算法的比较 264
14.3 创建聚类分析的可视化视图 267
14.3.1 自定义数据准备 267
14.3.2 可视化聚类结果 269
14.4 练习题 269
第15章 Tableau与R的集成 270
15.1 搭建基于Rserve的运行环境 270
15.1.1 安装R集成环境 271
15.1.2 连接Tableau到R 273
15.2 基于案例数据集的机器学习 274
15.3 练习题 276
第16章 Tableau Prep数据清洗 277
16.1 Tableau Prep简介 277
16.1.1 新增的主要功能 277
16.1.2 安装与注册Prep 278
16.1.3 Prep连接数据源 280
16.2 Tableau Prep清洗数据源 281
16.2.1 如何实现添加步骤 282
16.2.2 如何实现添加聚合 282
16.2.3 如何实现添加转置 283
16.2.4 如何实现添加联接 283
16.2.5 如何实现添加并集 284
16.2.6 如何实现添加输出 285
16.3 Tableau Prep发布服务器 285
16.4 案例实战：门店经营数据清洗 287
16.4.1 连接到门店经营数据 287
16.4.2 浏览数据源发现问题 288
16.4.3 清理数据源问题字段 290
16.4.4 合并清洗后的数据源 295
16.4.5 生成清洗过程的输出 298
16.5 练习题 299
第6篇 Tableau之服务器篇
第17章 Tableau Online服务器 302
17.1 Tableau Online的试用和注册 302
17.2 Tableau Online用户界面简介 306
17.3 Tableau Online的基本操作 309
17.3.1 导入已有的数据源 310
17.3.2 快速搜索相应内容 311
17.3.3 找到感兴趣的内容 312
17.3.4 设置我的账户及其内容 313
17.4 Tableau Online的用户和组 314
17.4.1 设置用户的站点角色 314
17.4.2 向站点添加多个用户 315
17.4.3 批量添加用户 316
17.4.4 创建用户所在组 317
17.4.5 管理和删除用户 319
17.5 Tableau Online的项目 319
17.5.1 在内容页面添加新的项目 320
17.5.2 在项目间移动工作簿 321
17.5.3 删除项目及注意事项 322
17.6 练习题 322
第18章 Tableau Server服务器 323
18.1 系统必备条件及其要求 323
18.2 Tableau Server安装步骤 324
18.2.1 下载软件及配置安装环境 324
18.2.2 Tableau Server的安装过程 326
18.2.3 激活Tableau Server 327
18.3 配置Tableau Server 328
18.3.1 配置常规选项 329
18.3.2 配置数据连接选项 329
18.3.3 配置服务器选项 330
18.3.4 配置SMTP选项 331
18.3.5 配置通知和订阅选项 332
18.3.6 配置SSL选项 333
18.3.7 配置SAML选项 334
18.3.8 配置Kerberos选项 335
18.3.9 配置SAP HANA选项 336
18.3.10 配置OpenID选项 337
18.4 登录Tableau Server 338
18.5 在Linux环境下安装Tableau Server 339
18.5.1 正式安装前的必要准备 339
18.5.2 安装Tableau Server步骤 339
18.5.3 注册与激活Tableau Server 340
18.5.4 配置与初始化Tableau Server 341
18.5.5 登录Tableau Server服务器 342
18.6 练习题 343
附录A Tableau的主要函数 344
附录B 安装MongoDB 367
附录C 快速安装Cloudera 371
附录D Tableau面试问题及答案 374
参考文献 379
|
| 內容試閱：
|
前 言
作为一名商业数据分析师，应该如何成长、学习哪些技能？笔者的回答是，除了数据分析技能的学习之外，你要比产品经理更懂产品，比业务人员更懂业务，甚至还需要对整个行业有一定的思考。如果你做到了，那么你可能会成为一个非常抢手的数据分析师或者数据专家了。
目前，大数据时代正在变革着我们的生活、工作和思维，如何让大数据更有意义、使之更贴近于大多数人呢？最重要的手段之一就是数据可视化。数据可视化是关于数据视觉表现形式的技术，这种数据的视觉表现形式被定义为：一种以某种概要形式抽提出来的信息，包括相应信息单位的各种属性和变量。
截至2019年3月，Tableau Desktop的最新版本是2019.1，该版本的功能有较大幅度的提升，新功能包括Ask Data、Tableau Mobile应用、导出到PowerPoint等，大大提高了Tableau的数据处理能力和分析能力。本书正是基于Tableau 2019.1编写的，全面而详细地介绍Tableau Desktop在商业数据分析过程中的主要应用。
本书内容
第1章介绍商业数据分析的思维（结构化、公式化、业务化），商业数据分析的7种技巧（象限法、多维法、假设法、指数法、二八法、对比法、漏斗法）以及商业数据分析的典型方法（推荐引擎、购物篮分析、情感分析、生命价值预测和留存分析等方法）和商业数据分析步骤与阶段、商业数据分析师的必备技能等内容。
第2章介绍商业数据分析的常用模型，包括KANO分析模型、5W2H分析模型、战略钟分析模型、RFM客户价值模型、用户行为分析模型、关联分析模型、鱼骨图分析模型和营销漏斗模型等。
第3章介绍Tableau Desktop概况、数据类型、文件类型、运算符及其优先级，以及Tableau系列包含的7种工具（Tableau Desktop、Tableau Prep、Tableau Online、Tableau Server、Tableau Public、Tableau Mobile、Tableau Reader）。
第4章介绍Tableau连接到文件（包括Microsoft Excel、Microsoft Access、文本文件、JSON文件、PDF文件、空间文件、统计文件），连接到数据库（Microsoft SQL Server、MySQL、Oracle、Amazon Redshift），如何连接到MongoDB数据库及具体步骤。
第5章介绍Tableau的基本操作，包括维度和度量及其转换，连续和离散及其转换，工作区的操作、工作表的基本操作、创建上下文筛选器等内容。
第6章介绍一些Tableau常用的高级操作，如表计算、创建字段、创建参数、聚合计算、缺失值的处理等，使用的数据源是门店销售数据.xls。
第7章通过实例详细介绍如何使用Tableau生成一些可视化视图，如饼形图、折线图、散点图、甘特图、漏斗图、环形图等，使用的数据源是超市运营数据.xls。
第8章介绍如何使用Tableau创建地图，包括设置角色、添加字段信息、设置地图选项、创建分布图和自定义地图等内容，使用的数据源是网站流量数据.xlsx。
第9章详细介绍创建高效仪表板的基本原则、如何创建美观的仪表板、如何进一步完善与改进仪表板等内容，并通过实际案例介绍如何创建高效的仪表板。
第10章介绍如何使用Tableau创建故事及注意事项，通过设置标题、页面、格式等完善故事使其更加生动，使用的数据源是话务中心运营数据.xlsx。
第11章介绍Hadoop分布式计算框架的特点，Tableau如何连接Cloudera Hive、MapR Hive、Hortonworks Hive等Hadoop集群及注意事项。
第12章介绍Apache Spark计算框架的特点，以及Tableau如何使用SparkSQL途径连接Apache Spark及其注意事项。
第13章介绍通过技术手段可以改进可视化、依据Hadoop集群存储文件的特点提升数据抽取效率以及大数据引擎的优化方法等。
第14章介绍基于Tabpy的运行环境，包括Tabpy Server和Tabpy client，并且使用实际案例探讨如何使用Python 3.6，将机器学习结果集成到Tableau的视图中。
第15章介绍基于R语言的Rserve运行环境，并且使用实际案例将R语言的机器学习结果集成到Tableau的视图中。
第16章详细介绍如何使用Tableau Prep对数据源进行清洗，包括添加步骤、添加聚合、添加行列转置、添加关联、添加并集、添加输出6个步骤。
第17章介绍Tableau Online，包括如何注册试用，如何导入已有数据源、快速搜索内容和设置账户，如何设置用户的角色、添加用户和创建所在的组等。
第18章介绍Tableau Server，包括如何下载和安装及其注意事项，如何配置各选项及注意事项等，以及在Linux环境下如何安装和配置。
本书特色
（1）由经验丰富的数据分析师编写
本书是一本专注于Tableau商业数据分析的专著，由从业十余年的一线数据分析师编撰，专业性毋庸置疑。
（2）从易到难，循序渐进
本书从Tableau简介、连接数据源、基本操作、高级操作到Tableau Online和Tableau Server等，逐步深入，从易到难，适合各个层次的读者阅读。
（3）内容丰富，涵盖面广
本书除介绍Tableau Desktop软件的使用，还使用大量篇幅介绍Tableau连接Hadoop集群、Tableau连接Apache Spark，使用Python和R将机器学习结果集成Tableau视图，数据源的清洗，以及Tableau Online 和Tableau Server等内容。
（4）商业案例演练，提升实战技能
本书在介绍功能的同时，基本都是结合案例进行演练，所使用的数据源具有典型的商业特征，使读者在实战场景中掌握Tableau的应用、提升实用技能。
资源文件下载
本书资源文件下载地址请扫描右边二维码获得。
如果有问题、建议或者疑问，请联系booksaga@126.com，邮件主题为精通Tableau商业数据分析与可视化。
本书读者对象
刚刚入职数据分析岗位的从业者。
互联网、银行证券、咨询审计、能源等行业数据分析用户以及媒体、网站等数据可视化用户。
培训机构及大中专院校的学生。
限于编者水平，书中难免存在不妥之处，欢迎广大读者批评指正。
编 者
2019年10月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
