什么构成了一个好的数据集？
- 版本 ：2022.1 及更高版本
了解如何使用 Tableau Desktop（或者生成示例或概念验证内容）的一个好方法是查找您感兴趣的数据集。当您有真正的问题要用数据回答时，分析的步骤会变得更加简单和有意义。
数据集的现实
在尝试查找企业认可的非官方数据的数据集时，有两个不可避免的事实。
找不到想要查找的内容。
尽量避免对您所需的内容有过于具体的先入之见。
对于可用于给定项目的内容保持灵活而开放的思想。
有时，您需要的数据是付费的 — 请决定是否值得。
您将必须清理数据。
准备进行基本的清理和调整，确保数据结构良好，可用于分析
您可能需要引入其他数据集。
拥有数据字典或元数据可能至关重要。
可能需要计算。
什么构成了一个好的数据集
好的数据集是适合于您的用途的数据集。只要满足这种需求，它就是一个好的数据集。但是，有一些注意事项可以帮助您清除不太可能适合您的用途的数据集。总体而言，请查找满足以下条件的数据集：
包含您需要的元素
是解聚的数据
至少有几个维度和几个度量
具有良好的元数据或数据字典
可使用（不是专有格式、没有过于凌乱或过于繁琐）
是什么让 Superstore 数据源很出色？
1.良好的数据集具有您所需的元素
如果要查找数据集来构建特定可视化项或显示特定功能，请确保数据集具有所需的字段类型。例如，地图的视觉效果很好，但需要地理数据。基本演示通常涉及对日期进行下钻查询，因此数据至少需要一个日期字段（并且需要比年份更精细才能显示下钻查询）。并非所有数据集都需要所有这些元素 — 了解您所需的内容，并且不要把时间浪费在缺少关键元素的数据集上。
用于分析的常见元素：
日期
地理数据
分层数据
“有趣的”度量 - 量级的巨大变化或正负值
某些功能或可视化项类型可能需要数据的特定特征，例如：
群集
预测
趋势线
用户筛选器
某些计算
标靶图
控制图
2.良好的数据集是解聚的（原始）数据
如果数据过于聚合，则无法进行太多分析。举例来说，如果您想查看人们在 Google 上搜索“南瓜香料”的趋势，但有年度数据，您只能看到高度概括的趋势。理想情况下，您希望得到每天的数据，这样您就可以看到当星巴克开始提供 #PSL 时的巨大峰值。
根据不同的分析，解聚的内容可能有所不同。请注意，由于隐私或实用性的原因，某些数据集永远不会比特定级别更精细。例如，您不太可能找到疟疾病例逐个报告的数据集，因此按区域划分的每月总数可能足够精细。
聚合和粒度
3.良好的数据集具有维度和度量
许多可视化项类型需要维度和度量
如果只有维度，则通常您只能进行计数、计算百分比或使用“记录数”字段操作。
如果只有度量，则无法按任何内容分解值。您可以完全解聚数据，也可以使用整体 SUM 或 AVG 等。
这并不是说只有维度的数据集没有用处。人口统计数据是有大量维度的数据的示例，许多有关人口统计的分析都是基于计数或基于百分比的。但对于分析性较强的丰富数据集，您至少需要几个维度和度量。
维度和度量（离散和连续）
Tableau 创建的字段
4.良好的数据集具有元数据或数据字典
数据集只有在您知道数据是什么时才有用。在寻找好数据的过程中，没有什么比打开一个像这样的文件更让人沮丧的了：
4 或 12 的来源是什么意思？“OTU0-OTU4”字段中有哪些信息？
一个好的数据集应该具有标记良好的字段和成员，或者有一个数据字典，这样您就可以自己重新标记数据。想想 Superstore — 它的字段和值是什么是显而易见的，比如“Category”（类别）和它的成员“Technology”（技术）、“Furniture”（家具）和“Office Supplies”（办公用品）。或者，对于上图中的微生物群数据集，有一个数据字典来解释了每个来源（4 是粪便，12 是胃）和每个 OTU 的分类（OTU3 是类噬菌体属的细菌）。
数据字典也可以称为元数据、指标、变量定义、词汇表或任意数量的其他内容。在一天结束时，数据字典提供有关列名称和列成员的信息。可通过多种方式将该信息引入数据源或可视化项，其中包括：
重命名列，使其更易于理解（可在数据集本身或 Tableau 中完成此操作）。
为字段成员重新指定别名（可在数据集本身或 Tableau 中完成此操作）。
创建计算以添加数据字典信息。
在 Tableau 中为字段加上注释（注释不会显示在已发布的可视化项上，只会显示在制作环境中）。
使用数据字典作为另一个数据源，并将两个数据源合并。
丢失数据字典会使数据集变得毫无用处。如果要为数据集添加书签，请也为数据字典添加书签。如果要下载，请同时下载两者并将它们放在同一位置。
5.好的数据集是您可以使用的数据集
只要您能够理解数据集并且它具有所需的信息，即使很小的数据集也可以为分析提供强大的支持。较小的数据集也易于存储、共享和发布，并且可能具有良好的性能。
同样，即使您找到了满足您需要的“完美”数据集，如果需要花费不现实的努力来清理，那么它也不是完美的。知道何时远离于混乱的数据集非常重要。
例如，此数据集来自维基百科的一篇关于相对字母频率的文章。它开始为 84 行和 16 列（转置为 1,245 行和 3 列）。Excel 文件为 16KB。但是，借助某些组、集、计算和其他操作，它可实现强大的分析和有趣的视觉效果。
单击图像可下载工作簿。
重新标记数据
找到一个好的数据集后，通常需要对其进行重新标记它。重新标记数据对于为示例或概念验证创建假数据，或者使数据更具可读性都很有用。
重命名会改变该字段在 Tableau 中的显示方式，例如将“Sales”（销售额）重命名为“Pipeline Sales”（渠道销售额），或将“State”（州/省/市/自治区）重命名为“Province”（省）。
重新指定别名会更改字段成员的显示方式，例如为“Country”（国家/地区）字段中的值重新指定别名，使 CHN 变为中国，并使 RUS 变为俄罗斯。
离散维度字段中的值称为成员。只能为成员重新指定别名。假设有一个表示温度的度量字段。如果不更改数据本身，则无法更改值“54°F”。但在“Country”（国家/地区）字段将成员“CHN”的别名重新指定为“中国”是相同的信息，只是用另一种方式标记。
重命名和重新指定别名几乎是一回事。Tableau 中的惯例是：为字段命名，并为成员指定别名。有关详细信息，请参见在“数据”窗格中组织和自定义字段和在视图中创建别名以重命名成员。
注意：重命名或重新指定别名只会更改在 Tableau Desktop 中的外观;不会将任何更改写回基础数据。
重新标记以制作假数据
重新标记现有数据集是使示例或概念验证内容更具吸引力的好方法。
使用简单的数据集（如 Superstore）来构建所需的内容（特定图表类型、显示某些功能等）
重命名相关字段、更改工具提示，或者更改文本方面以掩盖数据实际表示的内容。
重要信息：只有在信息明显是假的情况下才这样做。小心，人们不认为它是真实数据，并尝试使用它进行分析。例如，使用荒唐的名称或毫无意义的字段名，如颜色或动物。
重新指定别名以使数据更易于使用
将数据存储为数值而不是字符串值更有效，但数值编码可能会使数据更难理解。对于小型数据集，它可能不会对性能产生影响，所以优先考虑能够轻松理解数据。
重新指定别名的缺点您不再能够访问这些数值（这使得排序、分配颜色渐变等操作变得更加困难）。请考虑复制该字段并为副本重新指定别名。另外，Tableau 的计算可以很好地保存原始信息，同时使其更容易理解。
使用 CASE 函数重新指定别名
对于重新指定别名，计算可能很有助益。例如，CASE 函数允许您说，本质上，“当此字段的值为 A 时，请给我 X。当值为 B 时，请给我 Y”。
这里，CASE 函数查看 tornado 数据集中的 F-scale，并提供与每个数值相关的书面描述：
CASE [F-scale]
WHEN "0" THEN "Some damage to chimneys; branches broken off trees; shallow-rooted trees pushed over; sign boards damaged."
WHEN "1" THEN "The lower limit is the beginning of hurricane wind speed; peels surface off roofs; mobile homes pushed off foundations or overturned; moving autos pushed off the roads..."
WHEN "2" THEN "Roofs torn off frame houses; mobile homes demolished; boxcars overturned; large trees snapped or uprooted; highrise windows broken and blown in; light-object missiles generated."
WHEN "3" THEN "Roofs and some walls torn off well-constructed houses; trains overturned; most trees in forest uprooted; heavy cars lifted off the ground and thrown."
WHEN "4" THEN "Well-constructed houses leveled; structures with weak foundations blown away some distance; cars thrown and large missiles generated."
WHEN "5" THEN "Strong frame houses lifted off foundations and carried considerable distances to disintegrate; ... trees debarked; steel reinforced concrete structures badly damaged."
END
现在我们可以选择使用原始的“F-scale”字段 (0-5) 或可视化项中的“F-scale damage description”（F-scale 损害描述）字段。
寻找数据集时的技巧
注意：尝试确保可以回答“数据集中的行（也称为记录）代表什么？”问题如果您不能清楚地说明这一点，那么您可能无法很好地理解数据以便能够使用它，或者数据的结构不适合进行分析。
跟踪数据的来源。
将数据字典信息与数据本身一起保存。
如果需要使内容保持最新，请避免使用过时的数据。查找：
可更新的数据（库存、天气、定期发布的报告等）
永恒的数据（各种动物的平均质量不会年复一年地变化）
可通过人为更改为历史日期或未来日期来实现未来验证的数据
尝试简单地用 Google 搜索一下您要找的东西，您可能会感到惊讶。
如果需要准备的工作太多，不要害怕放弃数据集。
寻找数据的地方
可以在何处寻找数据？在非常多的地方都可以找到数据集。可通过这些选项着手了解相关信息。请注意，数据集的真实情况确实适用于这些站点 — 您现在可能找不到您的想法，并且很可能需要做一些清理，以便为分析做好数据准备。
免责声明：尽管我们尽最大努力确保外部网站的链接保持正确、最新并相关，但 Tableau 对于外部提供商所维护的页面的准确性或新鲜度不担负任何责任。在此处列出网站并是对任何内容或组织的认可。请与外部网站联系来获取其内容相关问题的答案。
Tableau Public：Tableau Public 是适用于 Tableau 的数据集的一项令人惊叹的资源。搜索您感兴趣的主题的工作簿，浏览寻找灵感，然后下载工作簿来访问数据。或者查看精心制作的示例数据。
维基百科表格 ：从维基百科表格中获取数据：复制并粘贴到电子表格中、复制并直接粘贴到 Tableau 中，或使用 Google 工作表和 IMPORTHTML 函数创建数据的 Google 电子表格。
Google 数据集搜索：“一个整合在线数据集碎片世界的搜索引擎”。
Data is Plural：订阅有关数据集的每周新闻稿，或浏览存档。
Makeover Monday：“每周一加入我们，使用给定的数据集，创建更好、更有效的可视化项，并帮助我们使信息更容易访问”。您可以看到其他人用相同的数据集做了什么，开始您的分析或给予灵感。使用 Twitter 上的 #makeovermonday 参与。
其他网站