Skip navigation
1 2 3 Previous Next

Vietnam

91 Posts authored by: Truong Dai

1. Dual-axis mapping improvements

 

Ở các version trước đây, Dual-axis đối với chart map chỉ thể hiện theo cùng một Latitude, Longitude ở cả 2 lớp. Nhưng ở version 2018.1 này, tính năng Dual-axis trên mapping được cải thiện hơn.

 

Ở lớp biểu đồ thứ nhất, bạn có thể thể hiện map theo tỉnh thành và lớp thứ 2 thể hiện các vị trí của các Store trên bản đồ. Với tính năng này, bạn không cần phải thể hiện ở 2 sheet khác nhau: một sheet thể hiện thông tin doanh số theo tỉnh thành và một sheet thể hiện doanh số theo các store. Bây giờ, thật đơn giản để có thể vừa xem doanh số của các tỉnh thành và các store trên cùng một bản đồ như thế này:

 

upload_2018-5-4_9-5-23.png

 

upload_2018-5-4_9-5-38.png

 

2. Improved Hierarchy filtering

 

Ở các version trước đây, khi sử dụng nhiều filter trong cùng một sheet, thông thường sẽ chọn kiểu Filter là Only Relevant Values, để khi chọn Filter này, các filter còn lại cũng sẽ thay đổi tương ứng. Nhưng trường hợp này khi áp dụng cho một Hierarchy sẽ có một số bất cập mà bạn không mong muốn. Ví dụ, bạn muốn tính năng Hierarchy cũng được áp dụng khi dùng Filter. Khi click chọn thay đổi trong Category thì các Values trong field Sub-Category cũng sẽ hiển thị tương ứng, filter này sẽ theo chiều từ tổng quát đến detail.

 

Tính năng này sẽ được cập nhật trong version 2018.1 này:

 

upload_2018-5-4_9-7-21.png

 

Trong version 2018.1 sẽ có thêm mục All values in Hierarchy:

 

upload_2018-5-4_9-7-46.png

 

3. Viz in tooltip improvements

 

Từ version 10.5 đã có tính năng Viz in tooltip, tuy nhiên chúng vẫn có khuyết điểm là không thể Hide được các Sheet đã đưa vào tooltip.

 

Ở version 2018.1, tính năng này đã được cải thiện. Bạn có thể Hide các Sheet có trong Tooltip tương tự như là trong Dashboard hay Story:

 

upload_2018-5-4_9-9-2.png

 

upload_2018-5-4_9-9-9.png

 

4. Step and Jump Lines

 

Ở các version trước đây, khi vẽ chart Line thì chỉ hiển thị đường Linear mặc định, nhưng ở 2018.1 bạn có thể trực quan hóa dữ liệu bằng kiểu đường Line khác như Step Line hoặc Jump Line, chỉ bằng một cú click chuột:

 

upload_2018-5-4_9-10-5.png

 

5. SQL Server spatial data

 

Spatial Data trong SQL Server là dữ liệu không gian biểu diễn thông tin vị trí địa lý và hình dạng của các đối tượng trên trái đất.

 

Trong SQL Server hỗ trợ 2 kiểu Spatial Data: Geometry Data và Geography Data.

  • Geometry Data: Biểu diễn các đối tượng trong hệ tọa độ Euclide (tọa độ phẳng)
  • Geography Data: Biểu diễn các đối tượng trong hệ tọa độ trái đất (tọa độ Ellipsoid)

Trong Tableau 2018.1, bạn có thể kết nối trực tiếp đến Spatial Data trong SQL Server. Ở đây, bạn có thể sử dụng các cột không gian (spatial column) được lưu trữ trong đó để xây dựng bản đồ trực quan trong Tableau. Sử dụng các hoạt động không gian được SQL Server hỗ trợ để tạo các truy vấn không gian nâng cao và tận dụng SQL tùy chỉnh để thực hiện phân tích không gian nâng cao.

 

6. Downgrade workbooks from Tableau Server and Tableau Online

 

Ở version 10.5, trên Tableau Desktop bạn có thể lưu workbook về các phiên bản cũ hơn (từ version 10.2 trở lên), nhưng trên Tableau Server bạn vẫn chỉ có thể tải Workbook về máy tính cá nhân của bạn ở Version hiện tại của Workbook đó.

 

Giả sử, workbook đó đang ở Version 10.5 nhưng Tableau Desktop của bạn lại ở version 10.3 và bạn không thể mở được workbook này trên máy tính cá nhân của bạn? Đừng lo lắng vì trên Tableau Server version 2018.1, bạn có thể download workbook về một version cũ hơn (từ 10.2 trở lên). Ngay lúc chọn Download workbook, sẽ có một hộp thoại xuất hiện và hỏi bạn muốn tải workbook đó bằng version nào:

 

upload_2018-5-4_9-11-47.png

 

7. Additional clustering functionality

 

Ở các phiên bản trước đây, khi bạn lưu một kết quả Cluster làm một trường (field) để có thể sử dụng được kết quả đó cho các sheet khác, thì field đó được lưu với kết quả mô hình của nó. Tuy nhiên, nhược điểm ở đây các Cluster không tự động cập nhật khi dữ liệu được làm mới.

 

Đối với phiên bản 2018.1, Tableau có thêm tính năng Refit sẽ làm mới và tính toán lại các cụm đã lưu, dựa vào dữ liệu hiện tại.

 

upload_2018-5-4_9-12-38.png

8. Synchronize dual axes for different numeric data types

 

Trước đây, bạn không thể đồng bộ hóa 2 trục nếu chúng có kiểu dữ liệu khác nhau. Ví dụ như một trục là kiểu số nguyên và trục còn lại là kiểu số thập phân thì không thể đồng nhất trục lại được.

 

Nhưng ở version 2018.1, bạn có thể làm được điều này, tương tự các trục có cùng kiểu dữ liệu.

 

Tableau 10.5:

 

upload_2018-5-4_9-18-2.png

 

Tableau 2018.1:

upload_2018-5-4_9-18-53.png

 

9. Analytical object guidance

 

Trong version 2018.1, ở tab Analytics sẽ có thêm phần hướng dẫn khi tính năng nào đó không được highlight lên (tức là trong dữ liệu hiện tại trên màn hình, không phù hợp để áp dụng tính năng đó). Khi rê chuột vào tính năng đang ẩn đi đó, sẽ có dòng chú thích hiện lên cho bạn biết, tại sao bạn không sử dụng được tính năng đó ở màn hình hiện tại:

 

upload_2018-5-4_9-19-35.png

 

10. Easier driver installation

 

Bạn có một Database Server và bạn muốn Tableau kết nối đến Database Server đó để phân tích dữ liệu. Nhưng bạn vẫn không biết từ version nào của Tableau có thể hỗ trợ kết nối đến Database Server của bạn. Trên Tableau Desktop phiên bản 2018.1, khi bạn click vào Database Server muốn kết nối, hộp thoại đăng nhập sẽ hiển thị. Bạn sẽ thấy phía dưới bên phải của hộp thoại, sẽ có một URL Download and install the drivers, khi click vào link URL này, phần support trong Tableau sẽ cho bạn biết Database Server của bạn được hỗ trợ kết nối từ phiên bản nào trong Tableau.

 

Ví dụ: Đối với hệ điều hành Window 64-bit , Tableau Desktop và Tableau Server có thể kết nối đến MonetDB từ phiên bản Tableau 9.1.2 trở lên.

 

upload_2018-5-4_9-20-24.png

 

upload_2018-5-4_9-20-42.png

 

 

11. Web authoring improvements

 

Web authoring đã được cải thiện ở phiên bản 2018.1 này. Bạn có thể chỉnh sửa các annotation của chart, update axis, tùy chỉnh thiết lập lại trục axis, điều chỉnh kích thước các header và có thể sử dụng thẻ Show me khi đang ở trong Dashboard.

 

upload_2018-5-4_9-21-22.png

 

 

12. Tableau Bridge Improvements

 

Tableau Bridge clients có thể làm mới các Extract và duy trì Live Connection đến dữ liệu on-premise. Tableau Bridge tạo ra một kết nối an toàn, trực tiếp từ Tableau Online đến dữ liệu.

 

Trong phiên bản 2018.1, Tableau Bridge đã có những cải thiện mới, hỗ trợ cân bằng tải (load-balanced) khi có nhiều Client kết nối trực tiếp (live connections), mang lại độ tin cậy và ổn định cao hơn.

 

upload_2018-5-4_9-22-48.png

 

13. Mobile updates

 

Ở phiên bản 2018.1, bạn có thể thêm các comment và share các ảnh chụp nhanh màn hình thông qua menu iOS Sharing trên điện thoại hoặc máy tính bảng của bạn. Nói một cách dễ hiểu, thông qua AirDrop của iOS, bạn có thể share nhanh ảnh chụp màn hình cho những người cũng đang sử dụng hệ điều hành iOS gần bạn

 

upload_2018-5-4_9-24-8.png

 

14. Navigate stories with arrows alone

 

Trên Story, phần Layout có thêm một cách hiển thị mới khi chuyển từng trang trong Story. Cách hiển thị này sẽ thu gọn diện tích, nhìn màn hình của bạn sẽ thoáng hơn.

 

upload_2018-5-4_9-25-1.png

Topic giới thiệu các dạng chart cơ bản được Tableau cung cấp để phân tích dữ liệu. Qua topic này các bạn sẽ biết được cách sử dụng các chart cũng như khi nào cần sử dụng chúng.

 

 

Tableau chart.png

 

 

 

Phần 1 của Topic sẽ giới thiệu 12 dạng chart đầu tiên

 

1. Text tables
2. Heat maps
3. Highlight tables
4. Simbol maps
5. Filled maps
6. Pie charts
7. Horizontal bars
8. Stacked bars
9. Side - by - side bars
10. Tree maps
11. Circle views
12. Side-by-side circles

 

1. Text tables

Text tables
dùng để hiển thị một bảng dữ liệu (dạng như crosstab hoặc pivot). Bạn kéo Dimension hoặc measure mà bạn muốn xem dữ liệu vào row và column. Sau đó bạn click vào Show me chọn Text tables

 

 

Tableau text tables chart.png

 

 

Bạn thu được một Text tables

 

 

Tableau text tables.png

 

 

2. Heat maps

Heat maps
(bản đồ nhiệt) là một biểu đồ gồm hai chiều trong đó các giá trị được thể hiện bằng màu sắc. Nó như một bảng tóm tắt các thông tin giúp người dùng nắm bắt thông tin một cách nhanh chóng.

 

Bạn có thể tạo một heat maps trên tableau bằng cách kéo một hoặc nhiều dimension vào column và row để tạo thành 2 chiều dữ liệu.

Sau đó kéo Measure vào Color hoặc Size để xem độ lớn của dữ liệu. Tiếp theo click vào Show me và chọn Heat maps

 

tableau heatmap chart.png

 

 

Ví dụ: Bạn tạo một Heat maps xem dữ liệu Doanh thu (Sales) và Lợi nhuận (Profit) của dòng sản phẩm (Category) và tỉnh (Province).

 

 

Tableau heat maps.png

 

 

Dựa vào Heat maps trên bạn có thể thấy được lợi nhuận của Hàng điện tử ở Hà Tĩnh là lớn nhất, tiếp theo là Thành phố HCM, đồng thời dựa vào độ lớn của những hình chữ nhật bạn cũng có thể thấy rằng doanh thu của Hàng điện tử ở TP Hồ Chí Minh là cao nhất.

 

Với một lượng dữ liệu lớn, bạn chỉ cần sử dụng Heat Maps là có thể dễ dàng phát hiện những vùng dữ liệu lớn (hoặc nhỏ) trong kho dữ liệu của bạn.

3. Highlight Tables

Highlight Tables
là một dạng giống với Heat Maps dùng để hiển thị dữ liệu qua màu sắc nhưng Highlight tables hiển thị dữ liệu chi tiết thay vì hiển thị hình chữ nhật như Heat maps.

 

Để tạo một Highlight tables bạn cũng thực hiện tương tự như Heat maps, bạn kéo các dimension vào column và row, kéo Measure vào color, sau đó click vào Show me và chọn Highlight tables

 

tableau highlight chart.png

 

Bạn có Highlight tables

 

 

Tableau Highlight.png

 

 

4. Symbol maps

 

5. Filled maps

 

Symbol Maps và Filled Maps là hai dạng bản đồ được Tableau cung cấp. Bạn có thể hiển thị dữ liệu của bạn lên bản đồ địa lí theo quốc gia, vùng, tỉnh, quận/huyện, điểm.

 

Điểm khác nhau giữa Symbol maps và Filled maps là:

  • Symbol maps: Hiển thị vùng theo dạng Marker (điểm)
  • Filled maps: Hiển thị vùng dạng phủ màu lên toàn vùng đó.

6. Pie charts

Là một dạng biểu hình tròn bao gồm nhiều phần. Pie charts thường dùng để thể hiện tỷ trọng đóng góp (%) của các đối tượng con vào số tổng.

 

Để tạo Pie charts trên tableau, bạn kéo Measure vào Size, dimension vào Color sau đó click vào Show me và chọn dạng Pie chart

 

Tableau chart.png

 

 

Ví dụ bạn tạo một Pie chart thể hiện tỷ trọng đóng góp của các dòng sản phẩm vào lợi nhuận tổng

 

 

Tableau Pie chart.png

 

7. Horizontal bars

Horizontal bars
là một dạng biểu đồ hình cột quen thuộc, dạng này được dùng để so sánh các đối tượng dữ liệu với nhau.

 

Để tạo Horizontal bars trong Tableau, bạn kéo một hoặc nhiều dimension vào column hoặc row, measure vào column hoặc row. Sau đó bạn vào Show me, chọn dạng chart là Horizontal bars

 

upload_2015-8-7_14-4-43.png

 

Ví dụ: Bạn tạo một horizontal bar để so sánh doanh thu giữa các tỉnh với nhau

 

 

 

tableau bar.png

 

 

8. Stacked bars

Stacked bars là một dạng biểu đồ hình cột như Horizontal bars nhưng mỗi cột nó có nhiều phần xếp lên nhau, vì vậy ngoài việc có thể so sánh dữ liệu các cột với nhau, bạn còn thể hiển thị thêm một chiều thể hiện chi tiết thành phần của mỗi cột.

 

Để tạo một Stacked bars trong Tableau bạn kéo dimension vào Columns, measure và rows tạo thành một horizontal bar, sau đó để tạo các stack, bạn kéo thêm một dimension vào color. Sau đó bạn chọn loại chart là Stacked bars

 

 

 

tableau stacked bars.png

 

 

Ví dụ: Bạn tạo một Stacked bars so sánh doanh thu của các Dòng sản phẩm, đồng thời xem chi tiết trong mỗi dòng sản phẩm thì tỉ lệ đóng góp doanh thu của các vùng như thế nào.

 

 

 

tableau stacked bars chart.png

 

9. Side - by - side bars

Side - by - side bars là một dạng biểu đồ hình cột để so sánh nhiều đối tượng dữ liệu trên một không gian làm việc.


Để tạo Side - by - side bars trên Tableau, bạn thực hiện tương tự như Stacked bars ở trên, nhưng bạn chọn dạng chart là Side - by - side bars

 

 

 

tableau side by side.png

 

Ví dụ: Bạn tạo một Side - by - side bars so sánh doanh thu các khu vực với nhau, trong mỗi khu vực bạn có thể thấy được doanh thu chênh lệch của các dòng sản phẩm.

tableau side by side bar.png

10. TreeMaps

Treemaps
là một dạng biểu đồ biểu diễn dữ liệu thành các hình chữ nhật, kích thước của mỗi hình chữ nhật thể hiện độ lớn của đối tượng. Bạn có rất nhiều đối tượng dữ liệu vậy bạn muốn xem những đối tượng nào đang chiếm tỉ trọng cao, dùng Treemaps để xem điều này.

 

Để tạo Treemaps trên Tableau, bạn kéo dimension vào column, measure vào row. Sau đó bạn vào Show me, chọn dạng chart là Treemaps

 

 

tableau tree map.png

 

 

Ví dụ: Bạn dùng Treemaps để xem số liệu doanh thu của các sản phẩm, trong dòng sản phẩm Nội thất thì những sản phẩm nào chiếm tỉ trọng cao nhất.

 

tableau treemap.png

11. Circle views


Circle views
là một dạng biểu đồ bao gồm nhiều hình tròn thể hiện độ phân tán dữ liệu của bạn.
Để tạo Circle views trong Tableau, bạn kéo dimension và measure vào column và row, kéo measure vào color. Bạn vào Show me, chọn loại chart là Circle views

tableau circle.png

Ví dụ: Bạn xem mức độ phân tán doanh thu của các sản phẩm, dựa vào circle views, bạn có thể thấy được doanh thu của mỗi dòng sản phẩm tập trung ở khoảng nào, trong đó có những sản phẩm nào vượt quá khoảng trung bình cần lưu ý.

 

circle views.png

12. Side - by - side circle


Side - by - side circle
tương tự như Circle views, nhưng nó cung cấp cho bạn một cách nhìn khác.

 

Để tạo Side - by - side circle trong tableau, bạn kéo 2 dimension vào column và measure vào row. Vào Show me chọn Side - by - side circle

side - by - side circle.png

Ví dụ: Bạn tạo một side - by - side circle để xem lợi nhuận của các dòng sản phẩm ở các vùng.

 

tableau side by side circle viê.png

 


Với chart trên bạn có thể phát hiện được dòng sản phẩm Nội thất bán ở Miền Bắc bị lỗ và dòng sản phẩm Điện lạnh bán ở miền Tây Nam Bộ đạt doanh thu cao nhất

Chúng tôi liên tục gây ấn tượng bởi câu chuyện của khách hàng thúc đẩy sự đổi mới và tạo ảnh hưởng với dữ liệu. Kimberly-Clark , nhà cung cấp các sản phẩm chăm sóc cá nhân của Fortune 500, sử dụng Tableau kết hợp với kho dữ liệu của Amazon Redshift từ AWS và Panoply để thúc đẩy phân tích bán lẻ tự phục vụ ở quy mô lớn.

 

Ở châu Âu, dữ liệu thương mại điện tử của công ty đến từ nhiều vùng và nguồn dữ liệu rời rạc. Nhóm phân tích EMEA có trách nhiệm quản lý nó, nhưng các hệ thống kế thừa của họ không cung cấp sự linh hoạt cần thiết để giải quyết nhanh các câu hỏi đến họ và yêu cầu phân tích số liệu đáng kể. Lựa chọn sử dụng Tableau trên Panoply đã là một trò chơi thay đổi, tiết kiệm cho công ty 250.000 USD trong hai năm và lên đến tám giờ mỗi tuần, trong khi cũng đặt sức mạnh của phân tích dữ liệu an toàn trong tay nhiều hơn nữa. Đối với nhóm phân tích, lợi ích đã tăng đáng kể với thời gian thu được nhiều hơn để giải thích dữ liệu so với việc chi tiêu hàng giờ vô tận.

 

Kimberly-Clark tiết kiệm được hàng ngàn đô la, mà không làm mất nguồn tài nguyên

 

Hỏi Helena Carre, Giám sát Omnichannel của EMEA tại Kimberly-Clark, về nền tảng Tableau đang chạy trên Panoply và cô ấy sẽ nói với bạn rằng nó giống như có "siêu quyền lực phân tích".

 

Carre dành phần lớn thời gian của mình đắm mình trong dữ liệu, dẫn đầu nhóm phân tích EMEA Analytics. Dữ liệu thương mại điện tử của Kimberly Clark bắt nguồn từ 15 khu vực khác nhau, được tổng hợp từ nhiều nguồn khác nhau.

 

Khu vực EMEA đa dạng có các SKUs khác nhau và mô tả mặt hàng cho từng nhà bán lẻ. Nhóm cũng thu thập và phân tích dữ liệu người tiêu dùng từ nhiều nguồn nội bộ (bao gồm dữ liệu về chi tiêu bán hàng và tiếp thị), các nguồn bên ngoài (như SimilarWeb và Nielsen) và các ứng dụng web. Kết hợp những SKUs với dữ liệu bị đúc và trùng lặp các điểm dữ liệu vốn có trong các hệ thống kế thừa bao gồm phân tích kệ kỹ thuật số và nền tảng dựa trên nền web và cảnh quan của chúng khá bão hòa.

 

Đó là nhiệm vụ quan trọng để tìm ra một giải pháp nhanh nhẹn. Nhóm của Carre đã chọn sử dụng giải pháp lưu trữ dữ liệu thông minh dựa trên AI của Panopy kết hợp với Tableau. Sự kết hợp mạnh mẽ này đã giúp nhóm lưu trữ hơn 400 giờ trong một năm, tương đương với gần một phần tư triệu đô la, đồng thời cho phép truy cập dữ liệu tự động, an toàn cho nhiều chuyên gia trong tổ chức. Giờ đây, họ dành ít thời gian thu thập và lướt qua dữ liệu và có thêm thời gian để diễn giải nó. Điểm mạnh kết hợp của Tableau và Panoply cũng mang lại cho họ một "sân chơi" nơi họ có thể điều chỉnh các bộ dữ liệu để phát hiện ngẫu nhiên.

 

Carre cho biết: "Việc sử dụng Tableau trên Panoply là giải pháp tốt nhất có thể cho đội của tôi. "Nó mang lại cho tôi những điều tôi cần - tốc độ, tự động hóa, hiệu quả, linh hoạt - mà không thổi ngân sách của tôi, tăng số lượng nhân viên của tôi. Nó tiếp tục là một bổ sung tuyệt vời cho các nguồn lực hiện có của tôi. "Các tính năng mới giúp cho nhóm có thể dễ dàng so sánh hiệu suất theo cách lưu trữ (tức là trực tuyến, cửa hàng, định dạng nhanh, superstore ...). Ví dụ về số liệu hiệu suất được phân tích bao gồm: giá cả và khuyến mại, quy mô gói, thị phần và tăng trưởng.

 

Mở rộng khả năng phân tích mà không yêu cầu nhiều nhân viên

 

Carre và nhóm của cô hỗ trợ Kimberly-Clark bằng cách báo cáo về sự chia sẻ thị trường, độ co giãn giá cả và xu hướng tiêu dùng. Vì những bộ dữ liệu phức tạp và phức tạp của công ty, Carre thường gọi các nguồn lực CNTT để giúp các truy vấn thiết kế và quy trình ETL cho các câu hỏi về tình báo kinh doanh trước khi cô có thể hình dung chúng trong Tableau. Mặc dù quá trình này đã hoạt động nhưng nó không đủ nhanh để họ có thể nhanh chóng trả lời các câu hỏi kinh doanh đòi hỏi.

 

Giải pháp Tableau on Panoply giải quyết nhu cầu phân tích số liệu và phân tích của nhóm Carre, và đã cứu công ty này một khoảng thời gian và số lượng lớn người lao động. Chẳng hạn, chỉ trong một báo cáo bán lẻ khu vực, nhóm đã tiết kiệm tám giờ mỗi tuần - tương đương với 250.000 đô la mỗi hai năm, như được đề cập ở trên. Báo cáo này là một ví dụ về "lợi tức đầu tư lớn của Kimberly Clark" mang lại những năng lực mới mà không cần thêm một Nhà phân tích Kinh doanh khác vào nhóm hoặc trải qua các quá trình thu thập hoặc phát triển khách hàng dài.

 

Bạn biết đấy, dữ liệu khảo sát thường rất phức tạp, với nhiều fields thể hiện với nhiều giá trị ý nghĩa riêng. Chúng tôi đã khảo sát các dữ liệu này với quy mô lớn nhỏ, theo nhiều mục đính khác nhau. Từ đây, chúng tôi có một cách thức chung giúp xử lý dữ liệu để phân tích trong Tableau.

 

Trong bài viết này chúng tôi sẽ hướng dẫn bạn một số cách định hình lại bộ dữ liệu, để phân tích dễ hàng hơn ở Taleau.

 

Bước 1: Thông thường, dữ liệu khảo sát được định dạng sao cho mỗi hàng tương ứng với một người trả lời và một cột tương ứng với mỗi câu hỏi. Điều này dẫn đến kết quả là chúng tôi muốn gọi dữ liệu này là dữ liệu ‘short and fat’,khi đó hàng là người trả lời, nhưng nhiều cột cho tất cả các câu hỏi. Tuy nhiên, Tableau thích dữ liệu đó là ‘tall and thin’. Để tuân thủ tùy chọn này, chúng tôi cần xoay dữ liệu để chúng tôi sẽ có ít cột hơn và nhiều hàng hơn.

 

Khi bạn xoay dữ liệu của mình, bạn muốn giữ bất kỳ Dimensions nào - nghĩa là các trường bạn muốn ‘slice and dice’ ra khỏi trục quay để chúng được lưu trữ dưới dạng các cột riêng biệt không phụ thuộc vào các dimensions là 'Câu hỏi'. Với dữ liệu điều tra, điều này có xu hướng là bất kỳ thông tin nhân khẩu học nào về người trả lời của bạn. Ví dụ: độ tuổi, giới tính, quốc gia, v.v ...

 

upload_2018-3-15_16-59-43.png

 

Điều này dẫn đến nhiều cột của bạn được chuyển đổi thành hai 'Pivot Field Names' (đổi tên thành Questions) và 'Pivot Field Values' (đổi tên thành Responses).Số lượng này nhân với số lượng hàng ban đầu trong nguồn dữ liệu của bạn bằng số câu hỏi có trong trục chính.Bây giờ, mỗi hàng trong bộ dữ liệu tương ứng với một câu hỏi cho mỗi người trả lời.

 

upload_2018-3-15_16-59-57.png

 

Thường có những câu trả lời 'không', có nghĩa là một bị đơn đã không trả lời câu hỏi. Bạn nên áp dụng một bộ lọc nguồn dữ liệu để loại trừ những điều này sao cho mỗi bản ghi đều tương ứng với câu trả lời cho mỗi câu trả lời.

 

Bạn có thể tìm hiểu thêm về xoay dữ liệu của bạn trong Tableau với Pivot dữ liệu trong Tableau này.

 

Bước 2: Làm sạch dữ liệu để phân tích:

 

Sau khi xoay dữ liệu, công việc khó khăn đã kết thúc! Bây giờ nó chỉ là vấn đề làm sạch bộ dữ liệu để phân tích là dễ dàng nhất có thể.

 

Một trong những bước đầu tiên tôi thực hiện là sao chép trường phản hồi và thay đổi kiểu dữ liệu thành số. Thao tác này sẽ chuyển đổi bất kỳ phím trả lời số (như xếp hạng) thành các biện pháp . Điều này làm cho nó dễ dàng hơn để tính toán, chẳng hạn như tính trung bình máy tính, ví dụ.

 

upload_2018-3-15_17-3-26.png

Một bước khác là nhóm các câu hỏi có các phím trả lời tương tự (như câu hỏi xếp hạng, thang đo Likert, có / không, v.v.).Điều này làm cho việc phân tích các câu hỏi cùng loại bằng cách sử dụng trường 'Question Type' và 'Questions' trên các kệ bộ lọc.

 

upload_2018-3-15_17-3-49.png

 

 

Bước 3: Bắt đầu phân tích bộ dữ liệu Khảo sát của bạn

 

Ngay khi dữ liệu có hình dạng phù hợp để phân tích trong Tableau, việc dễ dàng tạo các loại hình hình ảnh khác nhau và tương tác với chúng trong bảng điều khiển rất dễ dàng. Với một cú nhấp chuột vào 'use as filter', một viz ngay lập tức sẽ trở thành một bộ lọc cho phần còn lại của bảng điều khiển; và với bộ lọc nhanh , bạn có thể chop và thay đổi câu hỏi bạn đang xem phản hồi.

 

Mẫu Dashboard sau:

 

upload_2018-3-15_17-4-7.png

a.png

Công cụ Web Scraping của UiPath có thể trích xuất gần như bất kỳ loại dữ liệu nào từ các trang web và các ứng dụng web.

 

Scraping HTML là dễ dàng và chỉ cần một vài cú nhấp chuột.

 

Dưới đây là các bước cần thiết để nhanh chóng thực hiện việc này:

 

1. Pull up một page

Bước đầu tiên của quá trình này là chỉ cần kéo lên trang bảng HTML bạn muốn scrape.

 

2. Run Web Scraping

Đi đến Design menu và click Web Scraping.

 

upload_2018-3-6_8-31-14.png

 

Thao tác này sẽ kéo Extract Wizard. Bấm next.

 

3. Bảng HTML sẽ tự động phát hiện

Dưới đây là ví dụ về Danh bạ Google. Khi Recorder hoạt động (con trỏ bằng tay màu xanh), nhấp vào ô đầu tiên của bảng.

 

upload_2018-3-6_8-34-48.png

 

Đó là tất cả những gì bạn phải làm. Trình ghi sẽ tự động phát hiện loại dữ liệu bạn đang cố gắng trích xuất. Trong trường hợp này, dữ liệu ở định dạng bảng HTML.

 

upload_2018-3-6_8-35-52.png

 

Click Yes

 

4. Xem trước dữ liệu trước khi xuất

 

Điều này sẽ kéo lên một bản xem trước của dữ liệu được trích xuất. Bạn có thể đặt số kết quả sẽ được trích xuất. Nếu bạn muốn trích xuất tất cả dữ liệu từ bảng bạn có thể đặt số là 0.

 

upload_2018-3-6_8-37-21.png

 

5. Setup khoảng trang

 

Nếu bảng kéo dài nhiều trang, trình webscraper sẽ tiếp tục nắm bắt dữ liệu cho đến khi kết thúc bảng. Nhấp vào Yes và nhấp vào nút Next theo để cho phép tự động hóa chuyển sang một trang khác.

 

upload_2018-3-6_8-39-24.png

 

6. Đó là nó! Một khi bạn đã hoàn tất, bạn có thể chạy tự động hóa.

 

Tệp sẽ được trích xuất trong một bảng dữ liệu và cũng được lưu ở định dạng CSV. Bạn có thể kéo nó lên qua bảng điều khiển Workspace. Nhấp chuột phải vào Workflow mà bạn đang làm việc và nhấp vào Open Containing Folder.

 

upload_2018-3-6_8-40-40.png

1. DATEADD Function

 

DATEADD(date_part, interval, date)

 

- Hàm DATEADD cho phép bạn chỉ định một số ngày và tăng nó. số lượng mà chỉ đơn giản là bạn sử dụng trong khoảng thời gian này có thể sửa đổi ngày bằng cách tăng date_part.

 

- Ví dụ: DATEADD(‘day’, 15, #2014-09-15#) = 2014-09-30 12:00:00 AM

 


upload_2018-3-23_9-18-12.png

 

2. DATEDIFF Function

 

DATEDIFF (date_part, date1, date2, start_of_week)

 

- Hàm Date này cho phép bạn thấy sự khác biệt giữa date1 và date2 thể hiện trong các đơn vị được xác định bởi date_part. Tham số start_of_week không bắt buộc và nếu nó không được phác thảo, thì điểm bắt đầu của the week được thiết lập bởi nguồn cung cấp thông tin liên quan.

 

- Ví dụ: DATEDIFF(‘day’, #2014-09-15#, #2014-09-20#) = five
upload_2018-3-23_9-18-48.png

 

3. DATENAME Function

 

DATENAME(date_part, date, [start_of_week])

 

- Bạn có thể sử dụng hàm Date này để thấy tham số date_part của date như là một chuỗi. Một lần nữa, tham số start_of_week là không bắt buộc.

 

- Ví dụ: DATENAME(‘month’, #2014-09-01#) = “September”
upload_2018-3-23_9-19-12.png

 

4. DATEPARSE Function

 

DATEPARSE(format, string)

 

- Hàm Date này chủ yếu hoạt động trong phạm vi đảo ngược của DATENAME bằng cách thay đổi một chuỗi thành một date/time cùng với định dạng cụ thể của bạn. Nếu chuỗi không khớp với định dạng date/time, thì nó sẽ có giá trị của Null.

 

- Ví dụ: DATEPARSE(“dd.MMMM.yyyy”, “29.September.2014”) = #September twenty nine, 2014#
upload_2018-3-23_9-21-34.png

 

5. DATEPART

 

DATEPART(date_part, date, start_of_week)

 

- Hàm DATEPART cho phép bạn xem một date_part cụ thể dưới dạng kết hợp số nguyên. Một lần nữa, các tham số start_of_week là không bắt buộc.

 

- Ví dụ: DATEPART(‘year’, #2014-09-30#) = 2004
upload_2018-3-23_9-21-53.png

 

6. DATETRUNC

 

DATETRUNC(date_part, date, start_of_week)

 

- Hàm Date này cắt ngắn ngày để tính chính xác của date_part mà chỉ đơn giản là bạn chỉ định trong phép tính. Nói cách khác, nó quay về date_part đó.

 

- Nếu start_of_week bị bỏ qua, thì nó được xác định bởi việc cung cấp thông tin.

 

- Ví dụ: DATETRUNC(‘quarter’, #2014-09-29#) = 2014-07-01 12:00:00 AM

 

upload_2018-3-23_9-23-31.png

 

7. DAY Function

 

DAY(date)

 

- Hàm Date này trả lại ngày kể từ date yêu cầu như là một số nguyên liên kết.

 

- Ví dụ: DAY(#09-29-2014#) = twenty nine
upload_2018-3-23_9-23-53.png

 

8. ISDATE Function

 

ISDATE(string)

 

- Trả về true nếu một chuỗi cho trước là một ngày hợp lệ.

 

- Ví dụ: ISDATE(“September twenty-nine, 2014”) = true
upload_2018-3-23_9-24-18.png

 

9. MAX Function

 

MAX(expression) or MAX(expr1,expr2)

 

- Trả về mức tối đa của một biểu thức trên tất cả các bản ghi hoặc tối đa 2 biểu thức cho mỗi bản ghi. 2 đối số phải được sắp xếp không đổi. Hàm date này trong tableau có thể có giá trị NULL nếu đối số là NULL.

 

- Ví dụ: MAX(#2014-09-15#,#2014-10-15#) = 2014-10-15 12:00:00 AM
upload_2018-3-23_9-25-4.png

 


10. MIN Function

 

MIN(expression) or MIN(expr1,expr2)

 

- Trả về mức tối thiểu của một biểu thức trên tất cả các bản ghi hoặc tối thiểu 2 biểu thức cho mỗi bản ghi. MIN trả về giá trị NULL nếu một trong hai đối số là NULL.2 đối số phải là một loại hằng số.

 

- Ví dụ: MIN(#2014-09-15#,#2014-10-15#) = 2014-09-15 12:00:00 AM
upload_2018-3-23_9-25-34.png

 

11. MONTH

 

MONTH(date)

 

- Hàm Date này trả lại tháng của date yêu cầu như là một số nguyên liên kết, tương tự như phép tính DAY sẽ cho ngày.

 

Ví dụ: MONTH(#09-29-2014#) = nine

upload_2018-3-23_9-28-57.png

 

12. NOW

 

NOW()

 

- Trả về Ngày và Thời gian hiện tại.

- Ví dụ: NOW() = 2014-11-07 12:00:00 AM

 

 

upload_2018-3-23_9-29-37.png

 

13. TODAY

 

TODAY()

 

- Trả lại Ngày hiện tại

 

- Ví dụ: TODAY() = 2014-11-07

 

upload_2018-3-23_9-31-8.png

 

14. YEAR

 

YEAR(date)

 

- Hàm Date này trả về Year của date yêu cầu như là số nguyên liên kết.

 

- Ví dụ: YEAR(#09-29-2014#) = 2014

upload_2018-3-23_9-31-37.png

 

15. MAKEDATE

 

MAKEDATE(year,month,day)

 

- Trả về giá trị date được xây dựng từ năm, tháng và ngày của tháng.

 

- Ví dụ: MAKEDATE(2004, 4, 15) = #April 15, 2004#

 

upload_2018-3-23_9-31-56.png

 

16. MAKEDATETIME

 

MAKEDATETIME(date, time)

 

- Trả về một datetime kết hợp một ngày và thời gian.

 

- Ví dụ: MAKEDATETIME("1899-12-30", #07:59:00#) = #12/30/1899 7:59:00 AM#

 

upload_2018-3-23_9-32-17.png

 

17. MAKETIME

 

MAKETIME(hour, minute, second)

 

- Trả về một giá trị date xây dựng từ các quy định giờ, phút và giây.

 

- Ví dụ: MAKETIME(14, 52, 40) = #14:52:40#

upload_2018-3-23_9-32-55.png

Sử dụng Sample - Superstore thực hiện ví dụ này.

 

Bước 1: Tạo 1 chart như hình vẽ. Kéo Sub - Category vào Rows, Order Date vào Columns => chọn Month. Tại thẻ Marks, Kéo Sales vào Text.

 

upload_2018-3-27_14-3-7.png

 

Bước 2: Vào Create Calculated Field, tạo công thức:

 

upload_2018-3-27_14-9-20.png

 

Bước 3: Kéo Min or Max vào Color. Click phải vào field Max or Min => Compute Using => Table (down).

 

upload_2018-3-27_14-11-52.png

 

Bước 4: Tại thẻ Marks chọn kiểu chart Bar. Ở Columns, tạo 1 công thức như hình bên dưới => click phải vào field WINDOW_AVG(1) => Compute Using => Table (down).

 

upload_2018-3-27_14-15-58.png

 

Bước 5: Click phải vào Axis => Edit Axis

 

upload_2018-3-27_14-21-42.png

 

Sau khi cửa sổ Edit Axis hiện lên, chọn như hình bên dưới:

 

upload_2018-3-27_14-23-29.png


Kết quả:

 

upload_2018-3-27_14-25-3.png

 

Chúc bạn thành công!

Truong Dai

Multiple Sort

Posted by Truong Dai Mar 28, 2018

Sử dụng Sample - Superstore thực hiện ví dụ này.

 

Bước 1: Tạo 1 chart như hình vẽ. Kéo Category, Customer Segment, Region vào Rows; Kéo Sales vào Columns.

 

upload_2018-3-27_9-49-30.png

 

Bước 2: Sort Descending theo biến Region.

 

upload_2018-3-27_9-49-46.png

 

Bước 3: Tạo một biến mới mang giá trị - sum(Sales)

upload_2018-3-27_9-50-0.png

Bước 4:
Kép field – Sales vào Rows -> Chọn Discrete.

 

upload_2018-3-27_9-50-14.png

Bước 5:
Kéo field – Sales vào giữa Region và Customer Segment. Bạn sẽ được kết quả là sort theo nhiều dimension.

 

upload_2018-3-27_9-50-27.png

Chúc các bạn thành công!

Bản đồ là một cách viz tuyệt vời, nó giúp bạn khám phá, xem xét sự thay đổi dữ liệu trên bề mặt không gian địa lý. Trong Tableau việc khám phá đặc trưng theo thuộc tính địa lý trong tập dữ liệu của bạn trở nên dễ dàng hơn bao giờ hết. Nhưng nếu bạn muốn viz nhiều yếu tố khác lọc theo các vị trí trong bản đồ, bạn có thể sử dụng nhiều chart trên dashboard hoặc viz trực tiếp trong tooltip như hình minh họa.

 

upload_2018-3-7_15-52-28.png

Tuy nhiên, đôi khi bạn vẫn muốn so sánh trực tiếp 2 thuộc tính trên cùng một bản đồ. Và bản đồ choropleth bivariate sẽ xử lý vấn đề này giúp bạn. Mặc dù có nhiều thách thức hơn so với việc viz 1 yếu tố, nhưng nó mang lại một trãi nghiệm mới, nâng cao việc xem ảnh hưởng tới các thuộc tính có liên quan trong Tableau.


Vậy bản đồ “bivariate choropleth” là gì?

 

Một chart map choropleth đặc trưng (hay còn goi là filled symbol) trong Tableau chỉ thể hiện một giá trị cho mỗi polygon.

 

Điều này cho phép độc giả dễ dàng đánh giá được hai thuộc tính thay đổi như thế nào và có mối quan hệ với nhau ra sao.

 

Ví dụ: bạn muốn xem mối quan hệ giữa tỷ lệ béo phì và mức độ thiếu lương thực ở một số bang ở Mỹ, bạn có thể tạo ra hai chart map và đặt chúng gần nhau trên dashboard. Để tìm mối quan hệ giữa các yếu tố, người xem cần xem 1 yếu tố trên bản đồ này và so sánh với yếu tố kia trên bản đồ khác. Cách này bắt buộc mắt của bạn phải di chuyển qua lại để so sánh, như ví dụ dưới đây.

upload_2018-3-7_15-54-15.png

 

Với bản đồ choropleth, bạn có thể xem xét sự tương quan giữa tỷ lệ béo phì và tỷ lệ an toàn thực phẩm cùng lúc, thông qua việc kết hợp hai thuộc tính lại với nhau và sử dụng nhiều màu sắc để phân biệt một cách nhanh chóng. Như ở nơi cả hai yếu tố đều có tỷ lệ lớn (màu đen – màu nâu nhạt), hoặc cùng thấp (màu xám) hoặc một yếu tố thấp và một yếu tố cao (xanh nhạt – cam).

 

upload_2018-3-7_15-55-10.png

 

Bằng cách thêm vào chú thích về màu sắc, dữ liệu của bạn được giải thích một cách trực quan hơn .

 

Vậy làm thế nào để thiết kế bản đồ choropleth có hiệu quả trong Tableau

 

Chúng ta sử dụng ví dụ về tỷ lệ báo phì và mức độ an toàn thực phẩm như đề cập phía trên để đào sâu vào vấn đề này.

 

Bước 1: Đơn giản hóa và phân loại dữ liệu của bạn

Việc quan trọng nhất khi bắt đầu là phải đơn giản hóa dữ liệu của bạn. Bởi vì bản đồ bivariate cho phép thấy tất cả các kết hợp của hai thuộc tính nên nó khá là phức tạp. Ví dụ bản đồ có hai thuộc tính thì sẽ có 4 màu khác biệt (2x2) và bản đồ có 3 loại cho mỗi thuộc tính thì sẽ có 9 màu khác biệt (3x3) …

 

Nếu bạn nghĩ tới nguyên tắc 7 +/- 2 là số đối tượng bạn có thể giữ để làm việc trong bộ nhớ thì rất dễ dàng để thấy tại sao bản đồ kết hợp hơn 9 màu sắc thì rất khó giải thích, do nó có quá nhiều category để nhớ.

 

Đối với hầu hết các dữ liệu, bạn không nên tạo quá 3 nhóm dữ liệu. Cách bạn tạo ra như thế nào phụ thuộc vào 2 thuộc tính trên bản đồ của bạn và những gì có ý nghĩa để so sánh giữa chúng. Một nguyên tắc là nếu bạn có thể so sánh giữa các bản đồ khác nhau thì bạn cũng có thể so sánh chúng trên bản đồ bivariate

 

Trong ví dụ so sánh tỷ lệ béo phì và an toàn thực phẩm ở Mỹ, mỗi thuộc tính được chia làm 3 nhóm.

Để chia data thành 3 nhóm, tạo một công thức như sau:

 

upload_2018-3-7_15-57-18.png

 

upload_2018-3-7_15-58-11.png

 

Bước 2: Gom 2 yếu tố thành 1 dimension

upload_2018-3-7_15-58-40.png

Bước 3: Kéo field mới tạo vào màu sắc và điều chỉnh màu sắc để có kết quả tốt nhất.

 

upload_2018-3-7_15-59-12.png

 

Bước 4: Thêm legend vào để việc đọc hiểu được dễ dàng hơn.

 

upload_2018-3-7_15-59-38.png

 

Bước 5: Thêm action highlight để làm nổi bật chart khi người dùng chọn vào legend.

upload_2018-3-7_16-0-7.png

 

Chúc các bạn thành công!

 

* Bump Chart: có một mục đích tương đối đơn giản-Bump chart được sử dụng để hình dung sự thay đổi thứ tự xếp hạng theo thời gian.

 

Là một cách thể hiện hiệu quả để cho thấy các thứ hạng sắp xếp như thế nào qua các biện pháp khác nhau theo thời gian. Ví dụ, bạn có thể muốn xem loại danh mục sản phẩm đã xếp hạng theo doanh số bán hàng từ năm này sang năm khác. Hoặc có thể bạn muốn sử dụng các tháng rời rạc làm yếu tố thời gian để xem liệu thứ hạng của danh mục sản phẩm có thay đổi hay không theo thời vụ.

 

* Xây dựng Bump Chart trong Tableau: Sử dụng Sample Superstore để làm mẫu. Thể hiện thứ hạng sắp xếp theo doanh thu bán hàng của các loại sản phẩm theo quý.

 

Bước 1: Tạo giá trị mới để sắp xếp thứ hạng theo doanh thu bán hàng:

 

RANK(SUM(Sales))

 

upload_2018-3-10_16-10-8.png

 

Bước 2: Kéo Oder date vào Columns. Kéo Rank vào Rows. Kéo Sub-category Color.

 

upload_2018-3-10_16-11-43.png

 

Bước 3: Chọn thời gian Oder Date là Quarter

 

upload_2018-3-10_16-15-31.png

 

Bước 4: Chọn Edit table calculation… > Compute Using chọn Specific Dimensions > Sub-Category > Restaring every > Month of Order date

 

upload_2018-3-10_16-18-37.png

 

Bước 5: Duplicate file Rank > Sử dụng Dual Axis

 

upload_2018-3-10_16-18-52.png

 

Chọn kiểu chart cho lớp thứ 2 là Cicrle

 

Trên thanh Header chọn Edit Axis

upload_2018-3-10_16-19-47.png

 

Chọn Reversed:

 

upload_2018-3-10_16-19-58.png

 

upload_2018-3-10_16-20-7.png

 

Chúc bạn Thành công !

Thu thập dữ liệu Web là một công việc rất tẻ nhạt cho hầu hết các chủ trang web và nhà phát triển.

 

Công cụ Web Scraping của UiPath giúp bạn xây dựng một hệ thống tự động hóa để trích xuất dữ liệu từ các trang web trong một khoảng thời gian rất ngắn.

 

upload_2018-3-8_8-57-53.png

 

1. Truy cập Trình gỡ rối Web Scraping
Bạn có thể truy cập wizard bằng cách nhấp vào Web Scraping trong menu Design.

 

upload_2018-3-8_9-0-3.png

 

2. Bắt đầu

 

Trước khi chạy Web Scraping, đảm bảo rằng bạn đã kéo lên trang web bạn muốn cạo.

 

3. Chạy Web Scraping

 

Trình hướng dẫn sẽ hỏi bạn hai yếu tố từ trang web bạn muốn cạo. Quá trình cạo được dựa trên mẫu dữ liệu bạn đã chọn. Hãy kiểm tra hình ảnh mẫu bên dưới lấy từ các kết quả của eBay. Giả sử chúng ta muốn cạo tên của mặt hàng được liệt kê và giá cả. Trình hướng dẫn sẽ yêu cầu nhấp vào mục đầu tiên và thứ hai trong danh sách để tạo một mẫu của những gì cần phải được bỏ.

 

upload_2018-3-8_9-6-16.png
4. Chọn một phần tử trong page

 

Ở giai đoạn này, Web Scraping sẽ xác định loại trang bạn đang cố gắng trích xuất. Nếu trang ở dạng bảng như ví dụ Google Contacts, trình hướng dẫn sẽ có thể phát hiện ra nó. Trình hướng dẫn cho phép bạn chọn một mục bạn cần để cạo. Thực hiện theo hướng dẫn từng bước trong trình hướng dẫn và luồng công việc sẽ được tạo tự động khi bạn đã hoàn tất. Bước đầu tiên là chọn phần tử đầu tiên. Nếu chúng ta muốn scrape các tiêu đề của mục trong hình ảnh mẫu, phần tử đầu tiên là "danh sách tiêu đề" của mục đầu tiên trong trang kết quả của eBay và phần tử thứ hai sẽ là mục thứ hai. Đó là cách đơn giản nó được. Cùng một khuôn mẫu được sử dụng để scrape tên giá.

 

upload_2018-3-8_9-9-34.png

 

Điều quan trọng cần nhớ là khi bạn thiết lập mục đầu tiên và thứ hai làm các phần tử mô hình, việc scraping các dữ liệu khác từ cùng một loại dựa trên cùng một mẫu.

 

5. Đổi tên các tiêu đề cột

 

Khi bạn đã chọn mục đầu tiên và thứ hai, dữ liệu của bạn sẽ được lưu vào tệp CSV. Trình hướng dẫn cho phép bạn tuỳ chỉnh các tiêu đề để dễ dàng xác định và quản lý nội dung.

 

upload_2018-3-8_9-11-6.png

 

Bạn có thể kích hoạt tùy chọn Extract URL nếu có.

 

6. Trích xuất dữ liệu bổ sung
Khi bạn đã đạt đến bước này, bạn đã chọn phần tử đầu tiên và thứ hai cho mục đầu tiên của mình. Nó sẽ cho bạn thấy một bản xem trước các dữ liệu cần trích xuất. Nếu bạn muốn chọn một tập hợp các mục khác tạo thành cùng một trang web, bạn có thể sử dụng Extract Connection Data button. Điều này sẽ tiến hành cùng một quá trình bạn đã làm cho mục đầu tiên sẽ hỏi bạn về phần tử thứ nhất và thứ hai.

 

7. Dữ liệu trải dài trên nhiều trang
Có những lần mà dữ liệu kéo dài nhiều trang. Web Scraping có thể trích xuất dữ liệu kéo dài nhiều trang bằng cách chỉ định nút Next từ trang web.

 

8. Kéo bảng
Bạn có thể chạy trình hướng dẫn để tạo tệp tin CSV đầu ra. Tệp CSV sẽ được lưu trong cùng một thư mục nơi Workflow được lưu. Để dễ dàng truy cập nó, bạn có thể vào bảng Workspace, kích chuột phải vào Workflow file và nhấp vào Open Containing Folder. Bây giờ bạn có một giải pháp để trích xuất một lượng lớn dữ liệu từ bất kỳ định dạng trang web nào.

 

1. Mọi người thích phân tích trực quan của Tableau

 

Với Tableau, bạn phân tích khi bạn hình dung, giữ trọng tâm vào các câu hỏi chứ không phải phần mềm. Khách hàng của chúng tôi cho chúng tôi biết khả năng duy trì dòng chảy của phân tích là một yếu tố rất lớn cho lý do họ chọn sản phẩm của chúng tôi. Và trong Bảng, không có giới hạn đối với số lượng dữ liệu bạn có thể phân tích. Trên thực tế, công nghệ dữ liệu mới của Hyper, Tableau được thiết kế để xử lý bộ dữ liệu phức tạp lớn. Đọc để xem cách khách hàng đánh giá Tableau cho sự hài lòng và thành công của người dùng.

 

“Chúng tôi đã xem xét một số lựa chọn và nhận thấy Tableau phù hợp nhất và giá cả phải chăng cho nhu cầu của chúng tôi. Nó có thể kết nối với nhiều nguồn dữ liệu khác nhau và hợp nhất chúng vào các thông tin có ý nghĩa và dễ tiêu hóa.”

 

 

CIO IN THE EDUCATION INDUSTRY

 

 

upload_2018-3-2_15-12-51.png

 

2. Một nền tảng linh hoạt để phù hợp với chiến lược dữ liệu của bạn

 

Chúng tôi hỗ trợ bạn bất kể chiến lược dữ liệu của bạn là gì: tại chỗ, trên đám mây công cộng, trong nền tảng đám mây được quản lý đầy đủ của chúng tôi, trên Windows hoặc trên Linux.

 

Với 67 kết nối dữ liệu gốc, bạn có thể truy cập dữ liệu từ hầu hết các nguồn từ các cơ sở dữ liệu như Microsoft SQL Server và Vertica đến các ứng dụng đám mây như Amazon Web Services, Microsoft Azure và Google BigQuery. Kết nối trực tiếp với cơ sở dữ liệu của bạn để tìm thông tin chi tiết theo thời gian thực hoặc bằng các trích liệu được cung cấp bởi Hyper. Nền tảng của bạn nên làm việc với dữ liệu của bạn, bất kể dữ liệu đó tồn tại ở đâu.

 

upload_2018-3-2_15-13-14.png

 

3. Sự đổi mới tập trung vào khách hàng làm tăng giá trị

 

Từ khi thành lập, Tableau đã cách mạng hóa cách mọi người tương tác với dữ liệu. Chúng tôi lắng nghe nhu cầu của khách hàng và cung cấp các công nghệ tiên tiến giúp bạn tìm hiểu sâu hơn trong bộ dữ liệu lớn hơn. Trong năm qua, Tableau đã cung cấp hơn 100 khả năng mới - bao gồm công cụ siêu dữ liệu, trình kết nối PDF, cải tiến mã hóa địa lý và trong chú giải công cụ - với bốn phiên bản mạnh mẽ giúp khách hàng làm nhiều hơn với dữ liệu. Chúng tôi đang làm cho các tiêu đề bằng cách xử lý ngôn ngữ tự nhiên, chuẩn bị cho phép học máy, và nhiều hơn nữa.

 

4. Tiêu chuẩn doanh nghiệp về phân tích tự phục vụ, được hỗ trợ bởi CNTT

 

Một nền phân tích hiện đại nên kết hợp khám phá dữ liệu tự phục vụ với sự bảo mật và quản trị mạnh mẽ. Bảng có thể được cấu hình dựa trên nhu cầu cơ sở hạ tầng hiện tại và trong tương lai của bạn-bao gồm các tiêu chuẩn chứng thực-cung cấp một cách tiếp cận đơn giản để triển khai và bảo trì. Trong sáu năm Garner đã nhận ra Tableau như là một nhà lãnh đạo trong BI hiện đại. Các doanh nghiệp như Charles Schwab, Honeywell và ExxonMobil phụ thuộc vào Tableau là nền tảng BI hiện đại của họ để hỗ trợ hàng chục ngàn người dùng.

 

upload_2018-3-2_15-13-45.png

 

5. Tác động cao với tổng chi phí sở hữu thấp

 

Tableau làm việc với cơ sở hạ tầng của bạn và trực quan, dẫn đến chi phí đào tạo thấp hơn và tỷ lệ chấp nhận cao hơn trong toàn doanh nghiệp. Đây chỉ là một vài lý do khiến khách hàng báo cáo tổng chi phí sở hữu (TCO) thấp hơn các nhà cung cấp BI khác. (Và bạn có thể yên tâm - nền tảng Tableau đến mà không có bất kỳ chi phí ẩn hoặc tiện ích nào.)

 

6. Cộng đồng say mê học tập và chia sẻ

Cộng đồng Tableau là vô song. Sự có mặt của nó mở rộng 246 nhóm người dùng trên toàn cầu, các diễn đàn trực tuyến, blog và các nền tảng xã hội. Hơn 300.000 người dùng đã đăng 7.000 cuộc trò chuyện mới cho Tableau Public mỗi tuần. Năm 2017, hơn 14.000 khách hàng và đối tác từ mọi ngành đã tham gia hội nghị Tableau. Cộng đồng của chúng tôi tiếp tục truyền cảm hứng cho chúng tôi và định hướng lộ trình sản phẩm của chúng tôi.

Bài viết sẽ hướng dẫn các bạn cách kết hợp nhiều Datasource trong một view với Tableau.

 

Ví dụ: Bạn có 2 chi nhánh kinh doanh các sản phẩm khác nhau và mỗi chi nhánh sẽ có một cơ sở dữ liệu riêng. Vậy làm thế nào để bạn tạo ra một bảng danh sách tất cả các sản phẩm ở 2 chi nhánh và tính tổng doanh thu của chúng.

 

Bạn có thể dùng Tableau để thực hiện yêu cầu trên.

 

Tableau combine multidatasource one view10.png

 

Các bước chính:

  • Liệt kê tất cả các sản phẩm ở hai chi nhánh của bạn vào một file Excel và copy chúng vào tableau.
  • Tạo các field để lấy giá trị doanh thu ở hai datasource
  • Tạo liên kết cho hai Datasource gốc
  • Tạo view với dữ liệu từ 2 datasource

Hướng dẫn thực hành

  • Bước 1: Bạn import hai cơ sở dữ liệu của bạn vào Tableau
  • Bước 2: Liệt kê tất cả các sản phẩm mà bạn muốn hiển thị ở view cuối cùng vào một sheet excel

Tableau combine multidatasource one view.png

  • Bước 2: Copy dữ liệu trên vào Tableau bằng cách click vào Data -> Paste Data. Sau khi copy data trên excel vào Tableau, bạn sẽ thấy một datasource mới hiển thị trong Data. Bạn kéo Product vào Rows

Tableau combine multidatasource one view1.png

  • Bước 3: Bạn đang ở Datasource Clipboard (Datasource vừa được tạo ra từ file excel). Bạn tạo các calculated để lấy Sales từ 2 datasource gốc. Tạo Calculated Sale_superstore lấy Sales từ datasource Superstore.

 

Tableau combine multidatasource one view3.png

  • Bước 4: Bạn tạo tiếp calculated Sales_Coff lấy Sales từ datasource Coffe chain

Tableau combine multidatasource one view4.png

  • Bước 5: Tiếp tục tạo Calculated Sales_work lấy tổng của 2 calculated trên

Tableau combine multidatasource one view5.png

  • Bước 6: Tạo relationship cho hai datasource gốc bằng cách click vào Data -> Edit Relationships
  • Bước 7: Ở cửa sổ Relationships, click vào datasource Supstore, click custom và chọn Product ở Primary data source và Category ở Second data source

Tableau combine multidatasource one view7.png

 

  • Bước 8: Tương tự ở Datasource Coffe chain, chọn Product ở Primary datasource và Product type ở Second datasource
  • Bước 9: Ở sheet 1, bạn đã kéo Product vào Rows ở bước 2, bạn lần lượt double click vào 3 calculated tạo ở trên.
  • Bước 10: Tạo total bằng cách click vào Analysis->Total->Show columns Grand Totals

Sau khi hoàn thành các bước trên, các bạn sẽ có một crosstab là dữ liệu doanh thu của tất cả các sản phẩm ở 2 chi nhánh của bạn

 

Tableau combine multidatasource one view9.png

Có một vài điều bạn phải làm trước khi tiến hành cài đặt.

Đảm bảo bạn có phiên bản phần mềm Server Tableau phù hợp.

Yêu cầu phần cứng
Danh sách dưới đây mô tả các đề xuất phần cứng cho một cài đặt nút đơn của Tableau Server:

- Bộ xử lý 8 lõi, bộ xử lý 2.0 GHz hoặc cao hơn

- Kiến trúc bộ xử lý 64-bit

- Bộ nhớ 32 GB

- Dung lượng đĩa trống 50 GB

Yêu cầu hệ điều hành
Các bản phân phối sau đây của Linux được hỗ trợ:

- Red Hat Enterprise Linux (RHEL) 7, CentOS 7 và Oracle Linux 7.Chúng được gọi chung trong tài liệu này giống như RHEL.

- Ubuntu chỉ 16,04 LTS. Phiên bản 17.04 không được hỗ trợ.

Các phiên bản trước của CentOS và Ubuntu không được hỗ trợ vì Tableau Server yêu cầu hệ thống quản lý quá trình.

Trong một cài đặt đa cấp của Tableau Server, tất cả các nút máy tính mà bạn đang cài đặt Tableau phải chạy Linux và cùng một phân phối Linux.

Lưu ý: Bạn không thể cài đặt Tableau Server trên một sự kết hợp giữa Linux và Windows. Tất cả các nút trong một cluster phải chạy cùng một hệ điều hành. Tham khảo thêm thông tin tại đây


Bước 1 : Cài đặt gói Máy chủ Tableau và bắt đầu Tableau Services Manager
1.1 Đăng nhập như là một người dùng với sudo truy cập vào máy tính mà bạn muốn cài đặt Tableau Server. Bạn không thể sử dụng tài khoản root để cài đặt Tableau Server.


1.2 Điều hướng tới thư mục nơi bạn đã sao chép gói cài đặt Server Tableau.


1.3 Sử dụng trình quản lý gói để cài đặt gói Máy chủ Tableau. Trên Ubuntu, hãy chạy lệnh sau:

sudo apt-get update

sudo apt-get -y install gdebi-core

upload_2018-2-26_8-34-53.png

sudo gdebi -n tableau-server-<version>_amd64.deb

upload_2018-2-26_8-35-9.png


***:(phiên bản khác thì chạy : sudo yum install tableau-server- <version>.x86_64.rpm)


*** Kiểm tra thư mục chứa file cài đặt:

Từ $: cd mydata/

~/mydata$ ls (thấy file cần cài)

1.4 Điều hướng đến thư mục tập lệnh:

cd /opt/tableau/tableau_server/packages/scripts.<version>

upload_2018-2-26_8-35-32.png

1.5 Chạy tập lệnh sau để bắt đầu TSM:

sudo ./initialize-tsm –accepteula

upload_2018-2-26_8-35-49.png

 

 

upload_2018-2-26_8-35-53.png

1.6 Sau khi khởi tạo xong, đóng phiên terminal:

exit or logout


Bước 2: Kích hoạt và đăng ký Tableau Server

- Bắt đầu bằng cách đăng nhập như một người dùng có quyền truy cập sudo và sau đó đăng nhập vào TSM.

tsm login -u <username>

- Nếu bạn gặp lỗi xác thực, xác minh rằng tài khoản người dùng nằm trong nhóm tsmadmin. Để xem tài khoản người dùng trong nhóm tsmadmin, hãy chạy lệnh sau:

grep tsmadmin /etc/group

upload_2018-2-26_8-36-46.png

- Nếu tài khoản người dùng không nằm trong nhóm, hãy chạy lệnh sau để thêm người dùng vào nhóm tsmadmin:

sudo usermod -G tsmadmin -a <username>

Sau khi bạn đã thêm người dùng vào nhóm tsmadmin, hãy chạy lại lệnh đăng nhập tsm.

Sau khi bạn đã đăng nhập thành công vào TSM, kích hoạt và đăng ký Tableau Server:
2.1 Kích hoạt giấy phép của Tableau Server. Chạy lệnh sau:


License_key: TSRX-C202-3280-6A55-8E43

tsm licenses activate -k <license_key>

(Để kích hoạt một thử nghiệm kéo dài hai tuần, hãy chạy lệnh sau:
tsm licenses activate –t nếu không có license_key)

upload_2018-2-26_8-37-22.png

Chạy lệnh:

( ~$ source /etc/profile.d/tableau_server.sh

~$ tsm login ) nếu không login được

upload_2018-2-26_8-37-43.png

2.2 Đăng ký Tableau Server. Tạo một mẫu mà bạn có thể chỉnh sửa bằng cách chạy lệnh sau:


tsm register --template > /path/to/registration_file.json
Tạo file registration_file.json (tham khảo thêm tại đây) theo nội dung sau:
Sử dụng
notpad++, Atom hoặc công cụ khác soạn thảo file .json

{
"zip" : "700000",
"country" : "VIETNAM",
"city" : "HOCHIMINH",
"last_name" : "LASTNAME",
"industry" : "Software",
"eula" : "yes",
"title" : "Software Applications Engineer",
"phone" : "0912345678",
"company" : "BSD",
"state" : "HCMC",
"department" : "Engineering",
"first_name" : "FIRSTNAME",
"email" : "fullname@bsdvn.com"
}

File này có thể chỉnh sửa nội dung

2.3 Mở một chương trình soạn thảo văn bản, điền vào các tập tin đăng ký, lưu nó, sau đó vượt qua nó bằng lệnh sau đây:


tsm register --file /path/to/registration_file.json

upload_2018-2-26_8-41-18.png

Bước 3: Cấu hình tường lửa cục bộ (tùy chọn)
Chạy một tường lửa cục bộ trên máy tính đang chạy Tableau Server. Đây là một thực hành tốt nhất về an ninh. Theo mặc định, các bản phân phối Linux không cho phép tường lửa trong quá trình cài đặt chuẩn.


Nếu bạn đã cài đặt hoặc bật tường lửa cục bộ thì bạn phải mở hai cổng cho Tableau Server. Port (TCP 80) & tabadmincontroller port(TCP 8850). Mở các port này bằng cách sử dụng Firewalld, đó là tường lửa mặc định trên CentOS. Nếu bạn đang sử dụng một tường lửa khác thì bạn cần phải xác định lệnh phải chạy để mở các cổng này.

3.1 Bắt đầu firewalld:
sudo systemctl start firewalld

Nếu thông báo lỗi chưa cài firewalld thì chạy lệnh:

$ sudo apt-get install firewalld

upload_2018-2-26_8-41-38.png

3.2 Đặt vùng mặc định thành công khai. Chạy lệnh sau:
sudo firewall-cmd --set-default-zone=public

3.3 Thêm gateway port and the tabadmincontroller port. Chạy các lệnh sau:
sudo firewall-cmd --permanent --add-port=80/tcp

sudo firewall-cmd --permanent --add-port=8850/tcp

( $ sudo firewall-cmd –permanent –add-port=2233/udp )


3.4 Tải lại tường lửa và xác minh cài đặt. Chạy các lệnh sau:

sudo firewall-cmd --reload
sudo firewall-cmd --list-all

Bước 4: Định cấu hình lưu trữ nhận dạng
Bạn phải định cấu hình cài đặt cửa hàng nhận dạng. Có hai loại lưu trữ nhận dạng:
Xác thực LDAP: Đến bây giờ bạn biết rằng nếu bạn đang chạy Windows Active Directory hoặc một giải pháp LDAP khác, bạn phải có tệp json cho bước này.
Xác thực cục bộ: Nếu tổ chức của bạn không sử dụng giải pháp LDAP để xác thực người dùng thì bạn phải cấu hình máy chủ Tableau để sử dụng chứng thực cục bộ.
Đảm bảo bạn đã cấu hình Tableau Server cho giải pháp lưu trữ nhận dạng chính xác. Nếu bạn muốn thay đổi nó sau khi cài đặt, thì bạn phải cài đặt lại Tableau Server. Chọn một trong các tùy chọn dưới đây cho cửa hàng nhận dạng bạn đang định cấu hình. Không cấu hình cả hai loại.

Tùy chọn 4.1: Xác thực LDAP(Tuỳ nhu cầu sử dụng )
Để định cấu hình máy chủ Tableau để xác thực LDAP, tệp tin cấu hình LDAP identity Store.

Lưu tập tin cục bộ, ví dụ, ldap_auth_file.json.

{
"configEntities":{
"identityStore": {
"_type": "identityStoreType",
"type": "activedirectory",
"domain": "your-domain.lan",
"nickname": "YOUR-DOMAIN-NICKNAME",
"directoryServiceType": "activedirectory",
"hostname": "optional-ldap-server",
"sslport": "636",
"bind": "simple",
"username": "username",
"password": "password"
}
}
}

Chuyển tệp cấu hình bằng lệnh sau:
tsm settings import -f /path/to/ldap_auth_file.json

Tùy chọn 4.2: Xác thực cục bộ
Để cấu hình Tableau Server để xác thực nội bộ, hãy sao chép nội dung json sau vào một trình soạn thảo văn bản và lưu tệp cục bộ. Ví dụ: local_auth_file.json.
{
"configEntities":{
"identityStore": {
"_type": "identityStoreType",
"type": "local"
}
}
}

Chuyển tệp cấu hình bằng lệnh sau:
tsm settings import -f /path/to/local_auth_file.json

*** Bỏ qua ước 4, ta có thể chạy lệnh sau:
~$ tsm settings import -f /opt/tableau/tableau_server/packages/scripts. <version>/config.json

upload_2018-2-26_8-46-19.png

Bước 5: Hoàn tất cài đặt

Các bước cài đặt cuối cùng là áp dụng các thay đổi, khởi tạo và bắt đầu TSM, và sau đó tạo tài khoản quản trị.

 

5.1 Áp dụng cấu hình bạn đã thực hiện trong các bước trước. Chạy lệnh sau:

tsm pending-changes apply

 

 

upload_2018-2-26_8-46-35.png

 

5.2 Khởi tạo và bắt đầu Tableau Server. Chạy lệnh sau:

tsm initialize --start-server --request-timeout 1800

 

 

upload_2018-2-26_8-46-49.png

 

5.3 Tạo tài khoản quản trị viên Server Tableau. Nếu bạn đang sử dụng LDAP để xác thực, thì tài khoản bạn chỉ định ở đây phải là người dùng trong thư mục.

 

Mặt khác, nếu bạn đang chạy Tableau Server với xác thực cục bộ, thì tên người dùng và mật khẩu mà bạn chỉ định ở đây sẽ được sử dụng để tạo tài khoản quản trị. Nhập mật khẩu mạnh cho tài khoản này.

 

 

Chạy lệnh sau:

 

tabcmd initialuser --server 'localhost:80' --username 'admin' --password '<password>'

 

 

upload_2018-2-26_8-47-4.png

 

 

Kiểm tra tableau server đang chạy

 

~$ tsm status –v

upload_2018-2-26_8-47-16.png

~$ tsm topology list-nodes –v

upload_2018-2-26_8-47-26.png

Xem Đăng nhập vào trang Quản trị Máy chủ của Tableau.


Máy chủ của bạn đã được cài đặt!
Sau khi tạo người dùng quản trị viên, bạn đã đăng nhập với tư cách là quản trị viên của Tableau Server, sử dụng giao diện web. Bạn có thể chọc xung quanh giao diện người dùng để có được một cảm giác về những gì bạn có thể làm. Bạn cũng có thể thử xuất bản bảng tính tới máy chủ từ Tableau Desktop.

upload_2018-2-26_8-47-42.png

Nhưng trước khi triển khai Tableau Server tới tất cả các đồng nghiệp, bạn phải thực hiện thêm vài bước. Đầu tiên: sao lưu máy chủ của bạn. Mặc dù bạn không có bất kỳ người dùng hoặc dữ liệu nào trên máy chủ Tableau của mình, bạn nên sao lưu nhanh. Chương kế tiếp, Backing Up Tableau Server, cung cấp các bước thiết yếu.

Sau khi sao lưu máy chủ, bạn có thể muốn bảo mật truy cập vào máy chủ của mình bằng cách cấu hình SSL và (tùy chọn) cung cấp truy cập an toàn từ các máy khách internet.

Sau đó, chúng tôi sẽ mô tả cách thêm người dùng, tạo nhóm và sau đó định cấu hình dự án để những người phù hợp có quyền truy cập đúng nội dung.

Nó hoạt động như quảng cáo! Xuất bản bảng tính từ Tableau Desktop cũng hoạt động!

Nhưng kể từ này là os Ubuntu và tôi muốn truy cập từ xa bằng cách sử dụng ssh , cần phải cài đặt máy chủ

Open-ssh.Chạy các lệnh sau:

~$ sudo systemctl start ssh
~$ sudo systemctl status ssh


Nếu ssh.service không có thì cài openssh-server

~$ sudo apt-get install openssh-server
~$ sudo systemctl status ssh
ssh tsadmin@XX.XX.X.XX
$ tsm status -v

Bài viết sẽ hướng dẫn các bạn các Copy và Paste giữa hai workbooks khác nhau trong Tableau.

Trong Tableau, khi tạo ra nhiều work books, các bạn có thể sẽ phải tạo cùng một field, calculated, format,...ở workbook này và workbook kia. Việc tạo lại những cái đã tạo sẽ khiến bạn mất thời gian nên Tableau cho phép bạn có thể copy chúng qua lại giữa các workbook.

 

Copy and Paste Group

  • Bạn có một Group Category Custom đã tạo, bạn muốn copy group này sang workbook khác. Bạn Click vào Group đó, chọn Copy

 

Tableau copy and paste between workbook.png

  • Ở workbook cần copy đến, bạn click vào Dimension, chọn Paste

Tableau copy and paste between workbook1.png

Copy and paste Formating

 

  • Ở workbook đã format, bạn Click vào Format, chọn Copy Formating

Tableau copy and paste between workbook3.png

  • Ở workbook cần copy đến, Click vào Formating chọn Paste Formating

Tableau copy and paste between workbook4.png