探索式資料分析（EDA）是進行資料研究時的基本步驟。在 Tableau 裡取得資料的第一手洞見很容易：你很快就能建立並解讀表格、長條圖、直方圖與盒鬚圖！

歡迎加入本課程！

選項

正確

錯誤

解讀直方圖

在 Tableau 進行 EDA：資料表與長條圖

Superstore 資料：表格

Superstore 資料：長條圖

在 Tableau 進行 EDA：直方圖

Superstore 資料：直方圖行銷活動

Superstore 資料：直方圖的組距大小

盒鬚圖與分佈特性

table

bar plot

histogram

box plot

你該選哪一種視覺化？

Tableau 的 EDA：盒狀圖

Superstore 資料：盒鬚圖

Superstore 資料：比較盒狀圖

單變量探索式資料分析

在這個較概念性的章節中，你將更深入探討不同的集中趨勢與離散程度量測，以及它們在 Tableau 中應如何使用。你會學到摘要卡的用法、樣本與母體的差異，並了解如何計算與視覺化變異數、標準差與信賴區間。

離散程度的衡量

Statistics：真或假

Tableau：摘要卡與離散程度

Superstore 資料：Summary Card

Superstore 資料：標準差

加分題：樣本 vs. 母體

Superstore 資料：變異數

標準誤與信賴區間

多種統計量與估計值

Tableau：加入線條與分佈帶

Superstore 資料：高工作量

Superstore 資料：信賴區間

Superstore 資料：平均數或中位數？

離散程度與信賴區間

現在該一次檢視 2 個變數了。描述 2 個變數之間的關係，也就是迴歸，是找出資料中趨勢的好方法。你將學會如何找出最佳趨勢線、描述趨勢模型，並以恐龍資料來預測未來觀測值！

兩個變數之間的關係

猜猜相關性

Tableau：趨勢線

恐龍：該預測什麼？

恐龍：如何取消彙總？

恐龍：加入趨勢線

評估趨勢線

模型預測：嚴謹還是隨機？

Tableau：描述趨勢模型

恐龍：模型摘要

恐龍：依演化支建立模型

恐龍：信賴區間

雙變量探索式資料分析

在最後一章，你將探索兩種更進階的統計技術：預測與分群。預測能協助你偵測時間序列資料中的重複模式，並預估這些模式未來的變化。透過分群，你可以在未標記的資料中找出模式，讓你以不同方式切分資料集，挖掘隱藏的洞見。

Forecasting（預測）

Forecasting：真或假？

Tableau：預測

T 恤銷售：第一次預測

T 恤銷售：彙總

T 恤銷售：調整預測

分群

要不要做叢集？

Tableau：分群分析

世界指標：國家分群

世界指標：描述叢集

世界指標：將叢集映射到地圖

世界指標：叢集結果

恭喜！

預測與分群

Workbooks and Datasources

透過 Tableau 內建的統計函式，將你的報表能力更上一層樓。使用拖放式分析，你將學會如何進行單變量與雙變量的探索式資料分析，並建立迴歸模型來發現隱藏趨勢。搭配真實世界的資料集，你也會運用像是分群與預測等機器學習技巧。現在就更深入地挖掘你的資料吧！

<h2>使用內建統計函數</h2>
利用 Tableau 內建的統計功能，將您的報告技能提升到全新層次。 
<br><br>
<h2>執行探索性資料分析並建立迴歸模型</h2> 
透過拖放式分析工具，您將學習如何進行單變量與雙變量的探索性資料分析，並建立迴歸模型，以發掘隱藏的趨勢。 
<br><br>
<h2>應用機器學習技術</h2>
在處理真實世界資料集時，您也將運用機器學習技術，例如分群與預測分析。 是時候更深入探索您的資料了！

在 Tableau 進行 EDA：資料表與長條圖

Create Your Free Account