如何優雅地使用Tableau Prep Builder？
Tableau Prep正式釋出於2018年4月，當月我就在工作環境中使用它，一直到年底才有了中文版本。那時恰逢因為Desktop無法勝任複雜的資料清理，我感到無能為力放棄一小段時間之際，因此可以說Tableau Prep在最關鍵的時候，讓我重拾了對“大資料視覺化分析”的資訊，之後順利推廣到公司的IT和大資料部門。
一年三個月之後的今天，我給很多人反覆推薦了Prep的強大和魅力，自己也幾乎逢專案必用Prep開啟分析之旅。這幾天為一家上市醫藥公司做了三天的高強度培訓，按照朋友@紀楊老師的建議，我把此前最後講解的Prep穿插到了Desktop視覺化分析之前，後來感覺效果確實不錯。Prep緩解了大家“資料整理恐懼症”的壓力，從而為Desktop的視覺化分析提前清理了道路。
晚上又回答了上海一家客戶的Prep問題諮詢，我想有必要總結自己一年多的使用經歷，為正在使用和準備使用prep的朋友撥開前面的不確定和雲霧。
說明：2019年開始，Tableau Prep調整為兩個產品分支，Prep Builder複雜前端的資料視覺化整理和輸出，Prep Conductor負責Server端的資料流管理和執行部分。
一、何時使用Tableau Prep
可以說，Tableau Desktop中的資料整理功能，Prep全部都能完成，而且往往效果會更好；反之則不行。在以下的情形下，推薦優先甚至只能使用Tableau Prep整理：
1、資料整理過程，需要對資料做深度處理，比如非常多的錯誤值需要清理，大量的0值或者null需要排除——關鍵是，所需要清理的資料量非常大時。
這些功能desktop亦能完成，但是Prep更有效率，可以避免大量的清理運算對desktop視覺化造成的效能壓力，體現到Server端就是提高了資料訪問者的流暢性。昨天在客戶那裡，500M的Excel表格，12列轉置後相當於增加了11倍資料，然後清除0值，輸出的hyper檔案卻只有80M，輸出耗時大約5分鐘。如果同樣的操作放在desktop中完成，再發布到Server中提供共享訪問，因為資料清理所帶來的時間浪費，隨著訪問使用者的增加，可以理解為是倍數級別的。
謹記：從效率和效能方面看，區分資料整理和資料視覺化兩個環節，幾乎總是有意義的。
2、為了提高視覺化的效能，需要大幅度調整資料來源的聚合級別並選擇部分資料欄位
在這裡，Prep擔當了搭建臨時的資料倉庫（或者理解為資料快取）的作用。我們知道資料是有詳細級別的，不是每次資料聚合（比如過去各月各區域貢獻的銷售額）都要從最細的資料粒度來計算求和，這樣會影響資料載入和分析效能。
比如我們要做零售終端的貢獻分析，我們的很多報表都可以從一個臨時表來生成——各零售終端在每個月在每個商品的貢獻，我們可以把這個詳細級別標記為：終端*月份*商品。為此，我們可以使用prep的聚合功能，提前建立一個臨時聚合表，把最細的資料詳細級別資料（比如：終端*精確時間*商品*批次*會員）提前聚合到想要的級別（精確時間——> 月份，不保留會員和批次資訊）。這樣每個月的資料量很可能壓縮到之前的1/10，並且可以刪除不用的無關欄位，這樣的資料會非常顯著地提高資料視覺化過程中的效率。
3、涉及到多次資料連線，並且是在不同階段做資料連線
資料聯結是資料整理必備的技能，簡單的聯結可以直接在desktop中完成，但是如果要多個數據源多次聯結，特別是在一個數據源整理的不同階段做聯結，desktop就束手無策了，這正是Prep大放光彩的時刻。
Prep在此方面有幾個地方絕對讓人過目不讓：
直觀檢視連線結果，包括各部分的連線記錄數和連線明細；並可基於結果立刻整理；
透過拖拽輕鬆實現多次連線，更有效率。
連線和整理過程透過流程儲存，過程可以重複使用。
4、需要使用行轉列功能，或者列轉行兩次及以上（巢狀表頭）
資料整理階段總會遇到很多不符合“資料庫正規化”的資料，這需要結構上的整理，比如把很多的列轉為行顯示——特別是所謂的“寬表”，經常用一列代表一個月份或者一個同類的主題。
而在少數情況下，我們還需要行轉為列——主要是報表展示的需要。Desktop在資料來源的層面僅能執行一次列轉行操作，而多次轉置和行轉列是Prep獨有的功能，加上Prep可以在一個流程的多個地方執行轉置，在轉置方面就更加強大。
二、如何優雅的使用Tableau Prep
作為Prep最早的一批粉絲和深度使用者，說明一下幾個關鍵點。
1、 把篩選操作儘可能提前
在任何時候，減少資料的大小都是有意義的。在新版本的Tableau Prep中，進一步增加了“資料篩選”的功能，可以直接透過計算欄位保留資料，或者透過多選輕鬆清除資料。（Tableau Prep Builder 2019。2。3超級棒新功能 ）
不過這裡提供一個預防性的建議：
儘可能不要在資料來源的層面隱藏資料欄位，而是放到下一次清理環節中使用“移除”欄位來代替。
為什麼呢？我和我的客戶都遇到過類似的情境：可能是bug或者資料來源支援的問題，當你的資料來源欄位增加時，Prep往往不能自動加入這些新欄位，相當於只在原來的框架中增量更新，不會自動擴充套件欄位的多少。這種情況下，重新整理資料來源無效果，只能重建資料來源連線，重建的代價就是第一個環節的設定會消失，此前手動隱藏的欄位就會重現天日，不得不重新點選一遍。
2、多使用資料聚合，分層看需求，分層準備資料，養成建立資料倉庫的習慣
資料聚合是提高效能的核心操作，養成根據分析需要建立資料倉庫的概念，會幫助分析師理清資料的層次性、提高視覺化過程的效率、減少視覺化過程中的複雜運算（LODs）。這也是tableau Prep資料整理的核心落腳點。
“資料是有層次性的”，每個層次代表的是一種視角、一種高度和一種業務場景。資料視覺化幫助我們建立全覽視角，資料聚合幫助我們從資料層面清晰化。完美搭配～
3、建議：每個流程只做一種操作及其相關操作
雖然Tableau倡導“在任何步驟中應用清理操作”，但是我想同時給出的建議是
“不要濫用Tableau軟體的易用性”，否則只會增加混亂
。從設計的角度看，從使用的經驗總結看，儘可能只在一個環節執行一種操作及其緊密關聯的整理。比如資料轉置環節，那就僅僅做轉置和轉置後的欄位重新命名；資料聚合環節，僅僅做資料聚合，除非是聚合的需要，不要在這個環節更改欄位名稱。
Prep的功能只有幾大類：資料整理、資料連線Join、資料並集Union、資料聚合、資料轉置，努力讓每個環節都具有實質性的意義。
愛因斯坦說，“凡事要追求簡單，但不要過於簡單”，這句話可以作為資料清理環節的理念。
4、使用顏色和說明，記錄流程，便於覆盤
在prep中，有幾個特別主要的指示牌：流程標題、說明和顏色。在資料連線、資料並集中，顏色是最好的指示牌，我們甚至不需要記住兩側資料的名字了。
一定要善加使用Prep的流程標題和說明，於己於人，都是好處多多。每個流程的“名稱”可以說明重點，而“說明”則闡述製作過程和注意點。
愛上PREP，整個世界都會美好。
Jul 14， 2019 from石家莊to山東
Jul 16， 2019 update
