数分基础（03-3）客户特征分析-Tableau

客户特征分析 - Tableau

1. 说明

数分基础（03-1）客户特征分析，是用Python作为分析工具
对于非技术用户来说，Tableau 直观易上手，可以快速创建图表、即时交互，这里用 Tableau Desktop
这里主要是演示一下如何用Tableau来做分析这件事情的主要过程

关于Tableau的详细操作以及为什么等等，暂时不做解释，需要的可以自行查阅资料

同时特别提醒
涉及操作，篇幅会长，但有时候很长的一段，操作很简单
非技术同学不要心理上预先觉得麻烦

其实很快的，特别是慢慢熟练了，会发现用可视化工具可以迅速获得对数据集的认识，还是很方便的

千万不要觉得烦，就放弃这个快速工具

2. 思路与步骤

数据准备
初始视图
关键指标
分析可视

3. 数据准备和导入

可以在EXCEL中进行初步检查和处理，例如缺失值、字段类型、异常值、冗余数据等，然后再导入Tableau。

涉及操作，篇幅会长，但有时候很长的一段，操作很简单
非技术同学不要心理上预先觉得麻烦
其实很快的

3.1 用EXCEL初步检查和处理数据

3.1.1 打开

双击EXCEL文件
数据集Global_Superstore同前不变，可在此直接下载 数分基础（01）示例数据集

在查看中等规模数据时候，EXCEL几个快捷键很好用，见（04）。

在数据表任意点选单元格，ctrl + end，移动到工作表中最后一个有数据的单元格，显示“X51291”

数据集包含了51290条记录和24个字段，这和Python首先加载数据集，看看大体数量，字段数目情况一样的。

3.1.2 初步检查

（1）缺失值

检查
ctrl + home 回数据区左上角
ctrl + 方向键右→ ，快速移动到数据第一行最右列

方法一，辅助列
添加一个新列，用于统计每行的缺失值数量
在新列的第一个单元格中输入公式 =COUNTBLANK(A2:X2)
鼠标移动到写公式的单元格右下角，单元格右下角出现实心小方块，光标变成实心十字架时候，双击实心小方块，将公式应用到所有行

同时在最后一行 也看下每列的缺失值情况

这样可以发现 缺失值集中在邮编这一列

方法二，逐列筛选
除了添加辅助列，也可以 Ctrl + shift + L，筛选模式，逐列点击列顶部的筛选箭头，下拉菜单，显示该列中所有可能的值，在下拉菜单的底部，如果有“（空白）”的选项，代表该列存在空白单元格，逐列识别
处理
如果缺失值不影响分析，则可以忽略，如果需要填补，则是另外一件事情了，本文暂略。

（2）格式化日期字段

对于有日期字段的数据表，需要确保其类型正确
正确的日期格式，可以是的后续在Tableau中，处理时间序列、和日期相关的计算避免混乱

"Order Date"和"Ship Date"列的数据虽然是以日-月-年（DD-MM-YYYY）的格式显示的，但是Excel设置单元格格式为日期却不起作用，设置后仍然貌似为字符文本

在“Order Date”和“Ship Date”列旁边插入新的空列，用公式强制转换：
新列用于存放转换后的日期

=DATE(VALUE(RIGHT(D2,4)), VALUE(MID(D2,4,2)), VALUE(LEFT(D2,2)))

D2是Order Date第一行日期所在的单元格，根据实际数据修改单元格引用
双击右下角实心小方块自动填充公式，靠拖拉很费滚轮
把所有的文本日期转换为Excel可以识别的日期格式
将新列设置为日期格式，确认新生成的日期已经可以被Excel识别
如果新日期列正确无误，将新列复制并粘贴为值 替换旧列，删除新列，这里粘贴为值非常重要

如法炮制，对每一个日期格式的列进行如下 5 步：

1. 设置其为日期格式，但是发现不起作用
2. 新列获取旧列字符串，公式转换
3. 新列设为日期格式
4. 新列复制并粘贴为值 替换旧列【旧列在第一步已设置为日期格式】
5. 删除新列

（3）其他字段数据类型

• 数值字段如销售额（Sales）、利润（Profit）、折扣（Discount）和 运费（Shipping Cost）等，在单元格式中设置为数值类型，且分别设置小数位数，规整一下

• 其余列改设置为文本的设置为文本

（4）冗余数据检查

ctrl + A选择整个数据范围（包括列标题）
点击“数据”菜单，选择“删除重复项”选项。

在弹出的对话框中，勾选可能导致记录重复的字段（如“订单ID”、“客户ID”等），然后点击“确定”

Excel将删除完全重复的行并保留一个唯一的记录。

这个数据集，没有重复的行记录

（5）其他

• 异常值检测可以暂时不做
• 清理不必要的空白行或无关字段
• 检查字段名称，简洁，避免使用特殊字符
• 表头保持在第一行，没有多余的信息（例如注释）

“Row ID”、“Order ID”、“Order Date”等带有空格的字段名，不会对Tableau的基本功能造成问题，然而未来如果从Tableau导出，或者用其他数据处理工具（如SQL、Python等），空格也许会导致解析错误带来额外处理负担

因此，为提高兼容性和数据处理效率，建议在数据导入前就规范列名：
方法一：使用下划线，例如“Row_ID”、“Order_ID”
方法二：驼峰命名，例如“RowID”、“OrderID”

• 基本处理完成、格式规范，CTRL + S 保存初步处理好的数据

3.2 导入Tableau

打开Tableau Desktop。
选择“连接到数据”，选择“Excel”作为数据源。
浏览到选择EXCEL文件并加载。
Tableau中数据预览，过一下看看是否正确识别所有列和数据类型（数值、日期、文本等），如有疏漏，修改

没问题后，左下角，转到工作表1

4. 数据探索和准备分析

这部分不详细了，需要的可以去找Tableau相关资料，粗略感受和体验一下交互性，以及通过可视化工具更好地理解数据集。

使用“拖放”将不同的字段放到行或列上，尝试不同的组合以查看数据分布和关键趋势。
尝试基本的图表类型，如条形图、线图、散点图等

例如 创建基本的客户视图

将 CustomerID 拖到 行（Rows）列出所有客户
将 Segment 拖到 行
继续将 Segment 拖到 颜色（Color）
按客户类别（如 Consumer、Corporate、Home Office）对客户进行分类

将 Sales 拖到 列（Columns），显示每个客户的销售额

例如 在地图上显示销售额

State、City 或 Country 字段被 Tableau 识别为地理角色
右键点击字段（如 State）并选择 “地理角色” > “州/省”，如果是 City 则选择 “城市”，如果是 Country 则选择 “国家/地区”。
如果 Tableau 没有自动识别，可以手动设置地理角色。

将 State（或其他地理字段，如 City、Country）拖动到“列”或“行”。
将 Sales 字段拖动到 大小（Size）框，以根据销售额大小调整地图上的圆点大小。

如果没有出现地图，可以点下图右上角“智能推荐”

点击后，并选择地图，字段自动调整为下图的布局

将 Sales 字段拖动到 大小（Size）框，以根据销售额大小调整地图上的圆点大小。

也可以点击大小图标调整图表中的圆点大小

将 Sales 字段拖动到 标签（Label）框，以在地图上显示每个区域的具体销售额。

5. 客户特征分析

来到正事儿，分析识别不同客户群体的特征

5.1 新工作表

在Tableau中新建工作表

5.2 基本视图

关注这两类字段：
用于聚类的度量字段，例如 Sales Profit Discount
维度字段，例如 CustomerID

初步的散点图
将 CustomerID 拖入 行（Rows）
将 Sales 和 Profit 拖入 列（Columns），创建一个初步的散点图，显示客户的销售额和利润关系。

可以添加更多度量字段，如 Discount 拖入颜色（Color）以显示折扣率对客户的影响

这里请注意，鼠标移到某些点上，会显示Discount 为4.57 9.8 ……
这是因为Tableau 默认情况下，数值字段设置为求和（SUM），这会导致折扣显示为累加值（该客户所有购买次数，每次的折扣叠加）

点击这个位置 Discount 字段的下拉小三角，在下拉菜单中选择 “度量”，然后选择 “平均值 (AVG)”

这样，可以看到平均折扣值大的颜色深，且位于横轴销售额的左边低值区域

5.3 启动聚类分析

点击左上角“数据”右侧的 “分析” tab

找到 “聚类”（Cluster） 选项。

将 “聚类” 选项拖拽到你的散点图上，聚类设置窗口会自动弹出，显示当前选定的度量和维度。

可以在窗口中选对分析有意义的指标
不需要的字段，拖到空白处，不要，或者 右键 “移除”

调整聚类数量
根据业务需求，在框中调整聚类数量。Tableau 通常会提供一个建议的默认值 ，见右上角
可以进行修改，查看不同的分群效果

如果如图设置为2类，从销售总额和利润总额两个部分（列里面 2 个字段），会直观看到2类群体颜色，销售额或者用户购买总量低的，利润偏低

如果不小心关了，可以在这里打开对话框

Tableau 是使用 K-means 算法进行聚类分析的（前面某篇提到过聚类的方法有很多种）

在右侧点选感兴趣的Cluster，直观地区分不同的客户群体
结合业务知识，验证聚类结果的合理性。如果某些群体特征不明显，考虑调整度量的选择或数量

6. 结束

这里主要是演示一下如何用Tableau可视化聚类的大体情况，过程看着复杂，在前面检查数据阶段需要多点儿时间
实际上，从导入到Tableau，拖拖拽拽非常快的，可以直观迅速看到大体有哪些客户群体，对非技术同学很友好。

具体的客户群体特征分析，见前面Python那篇：数分基础（03-1）客户特征分析