运行结果：
客户分析总览：
数据分析：沿海城市的交易次数明显比内地多，安徽、福建、广东、河南等人口大省的利润额较多；办公用品类退回较多。
配送分析总览：
数据分析：随着年份增长，配送量明显增长，技术类配送准时性更高。
销售分析总览：
数据分析：沿海城市销售额较高，家具类销售额较大，华东销售额遥遥领先其他片区。
利润分析总览：
数据分析：华北、中南的技术类和家具类利润大，华东的办公用品利润较大。三四季的片区经理业绩都有所提升。
退货分析总览：
数据分析：沿海城市退货率较高，其中消费者退货数量大，办公类退货较多。
预测分析总览：
数据分析：2020年的预测销售额都会有所增长，其中预测4季销售额会达到最高，利润也会达到最高。
一、实验(实训)目的与要求；
1.理解数据可视化的绘图方法
2.掌握Tableau可视化步骤、原理和效果
3.掌握Tableau仪表板的使用
4.掌握Tableau地图的使用
二、实验(实训)原理与内容；
网店是指基于互联网的在线销售平台，为消费者提供物美价廉、种类丰富的商品批发和零售服务，这是一种新型购物方式。
目前， 网店的竞争越来越激烈。在这种情况下，经营网店需要的是自身的管理和比其他普通超市优越的赢利点。
本案例将以某网店在2016年至2019年共计4年的运营数据为数据源，围绕客户分析、配送分析、 销售分析、利润分析、退货分析和预测分析6个方面进行全面、深入的可视化展示。
在使用Tableau进行数据分析之前， 需要提前导入“网店运营数据.xlsx”，并做好数据提取。
三、实验(实训)方法、步骤、过程记录与处理；
1. 客户分析总览。
客户细分是深度分析客户需求、应对客户需求变化的重要手段。通过合理、系统的分析，企业可以知道客户有什么样的需求，分析客户消费特征，使运营策略得到最优的规划，发掘潜在有价值的客户。
在本例中，客户分析将围绕各省市交易次数、各省市利润额、客户销售额情况、 客户交易量排名4个方面进行。
各省市交易次数:
先将数据[省/自治区]的地理角色改为[省/市/自治区]，在双击该数据，使得中国地图出现在工作表中，其次把该数据拖进标签中，在将标记中自动切换成饼图，将[记录数]拖进大小和角度中，在将[类别]拖进标记的颜色中，最后在菜单栏处选择地图层，样式处选择黑色。
各省市利润额:
在列中拖入[类别]，行拖入[省/自治区]，在标记处，将[利润]拖入文本中，[类别]拖入颜色。在筛选器中拖入数据[年(订单日期)]，选择全部。
客户销售额情况:
在列处拖入[销售量]，行拖入[客户名称]，在标记处，颜色处拖入[类别]，最后点击[降序]。
客户交易量排名：
在列处拖入[是否退回]，行拖入[客户名称]，在标记处，颜色处拖入[类别]，最后点击[降序]。
- 配送分析总览
配送是指在区域范围内里，根据客户要求对物品进行拣选、加工、包装、分割、组配等，并按时送达指定地点的物流活动。在本案例中， 配送分析主要围绕各省市配送情况、 配送准时性、 商品发货天数、 配送延迟商品4个方面进行分析。
物流时间是指配送中心在产品采购入库后，通过科学管理手段，以最佳方法和适当库存合理控制产品入库、在库及出库时间。在本案例中，存在发货配送延迟的现象，最晚为两天。
各省市配送情况：
行处拖入[发货天数]，将发货天数点击维度、离散，行处在拖入[省/自治区]，列处[年(订单日期)]，在标记处，颜色处拖入[实际发货天数]，在标签处拖入[记录数]，筛选器中拖入[发货天数]，选择所有值，点击确定。
配送准时性：
在列处拖入[月(订单日期)]，行拖入[记录数]，筛选器中拖入[年(订单日期)]选择2016。在标记处，颜色处拖入[是否按时发货]，在标签处拖入[数量]，表完成。
商品发货天数：
行处拖入[发货天数]，将发货天数点击维度、离散，行处在拖入[类别]，列处[年(订单日期)]，在标记处，颜色处拖入[类别]，在标签处拖入[记录数]，筛选器中拖入[发货天数]，选择所有值，点击确定。
配送延迟商品：
在列处拖入[年(订单日期)]，行拖入[产品名称]，在标记处，颜色处拖入[是否按时发货]，在标签处拖入[发货天数]。
- 销售分析总览
“用数据说话”，用数据证明相关销售成果是非常有说服力的，比如全年经营情况。在本案例中， 销售分析将围绕各省市销售额、区域销售额、产品细分和客户细分。
各省市销售额：
先将数据[省/自治区]的地理角色改为[省/市/自治区]，在双击该数据，使得中国地图出现在工作表中，其次把该数据拖进标记的标签中，使得在地图上出现文本，在将标记中自动区切换成饼图，将[记录数]拖进标记的大小中，[销售额]拖入角度中，在将[类别]拖进标记的颜色中。最后在菜单栏处选择地图层，样式处选择黑色，点击确定。
区域销售额：
在列处拖入[地区]，行拖入[类别]，在标记处，颜色处拖入[类别]，在标签文本处拖入[销售额]。
产品细分：
在列处拖入[细分]，行拖入[季度(订单日期)]和[类别]，在标记处，颜色处拖入[类别]，在标签文本处拖入[销售额]。
客户细分：
在列处拖入[销售额]和[年(订单日期)]，行拖入[子类别]和[类别]，在标记处，颜色处拖入[细分]，筛选器中拖入[类别]选择[办公用品]。
- 利润分析
利润也称净利润或净收益。从狭义的收入、费用来讲，利润包括收入和费用的差额，以及其他直接计入损益的利得、 损失；从广义的收入、费用来讲，利润是收入和费用的差额。
在本例中， 客户分析将围绕产品利润分析、区域利润分析、区域经理业绩3个方面进行。
产品利润分析：
在列处拖入[细分]和[利润]，行拖入[子类别]和[类别]，在标记处，文本标签处拖入[利润]，筛选器中拖入[类别]选择[办公用品]。
区域利润分析：
在列处拖入[类别]和[利润]，行拖入[年(订单日期)]和[地区]，在标记处，文本标签处拖入[利润]，筛选器中拖入[年(订单日期)]选择[2019]。
区域经理业绩：
在列处拖入[销售经理]和[季度(订单日期)]，行拖入[利润]和[销售额]，在标记处，颜色处拖入[季度(订单日期)]，在自动处选择条形图。
- 退货分析总览
退货是指买方将不满意的商品退还给卖方的过程。常见的退货原因：商品质量或包装有问题， 存货量太大或商品滞销，商品已变质或损坏等。
在本案例中， 退货分析将围绕退货区域分布、退货产品数量、退货产品类型、退货产品名称4个方面进行。
退货区域分布：
先将数据[省/自治区]的地理角色改为[省/市/自治区]，在双击该数据，使得中国地图出现在工作表中，其次把该数据拖进标记的标签中，使得在地图上出现文本，在将标记中自动区切换成饼图，将[记录数]拖进标记的大小和角度中，在将[是否退回]拖进标记的颜色中，最后在菜单栏处选择地图层，样式处选择黑色，点击确定。
退货产品数量：
在列处拖入[年(订单日期)]，行拖入[数量]，在标记处，颜色处拖入[细分]，文本标签处拖入[数量]，在自动处选择条形图。
退货产品类型：
在列处拖入[年(订单日期)]，行拖入[类别]和[子类别]，在标记处，颜色处拖入[是否退回]，文本标签处拖入[销售额]。
退货产品名称：
在列处拖入[年(订单日期)]，行拖入[类别]和[产品名称]，在标记处，颜色处拖入[是否退回]，文本标签处拖入[销售额]。
- 预测分析
预测是基于分析当前和历史数据决定未来趋势的过程。预测分析是一种统计或数据挖掘解决方案， 包含可在结构化和非结构化数据中使用以确定未来结果的算法和技术。
在本案例中，可以根据该网店2016年至2019年的销售额和利润，预测2020年总体销售额以及各个地区销售额和利润情况。为了提高预测精度，统计频率采用季度或月份。
预测2020年总体销售额：
在列处拖入[年(订单日期)]，再往下分[月(订单日期)]，行拖入[细分]和[销售预测]，点击菜单栏的[分析]，双击模型中的[预测]，在标记处，颜色处拖入[细分]。
预测2020年各个地区销售额：
在列处拖入[年(订单日期)]，再往下分[季度(订单日期)]，行拖入[地区]，在标记处，文本标签处拖入[销售额]，点击菜单栏的[分析]，双击模型中的[预测]。
预测2020年利润情况：
在列处拖入[年(订单日期)]，再往下分[季度(订单日期)]，行拖入[地区]，在标记处，文本标签处拖入[利润]，点击菜单栏的[分析]，双击模型中的[预测]。
