核心分析任务
VP 的仪表板是一个更大的进程的可见结果。 报表和仪表板利益干系人看到的是分析工作的一小部分。 在生成单个视觉对象之前，大部分工作都用于准备和建模数据。 如果该基础存在缺陷，则基于该基础的每个见解都是不可靠的，并且没有可视化技术修复它。
分析过程遵循五个任务的可重复周期：准备、建模、可视化、分析和管理。
准备数据
在 Tailwind Traders，数据分析师发现销售点系统将日期记录为 MM/DD/YYYY，而电子商务平台使用 YYYY-MM-DD。 产品名称也不匹配——在一个系统中是“TW Alpine Pack”，而在另一个系统中则是“Alpine Backpack”。 如果不清除这些不一致，报表会将同一产品的销售额拆分为两行，隐藏实际数字。
如果基础数据不一致或不完整，则每个见解都不可靠。 预处理会在开始任何分析之前，将原始数据转变为干净且一致的状态。
为数据建模
接下来，数据分析师会在销售事实数据表与产品、商店和日期的维度表之间创建关系。 它们定义了“净收入”和“逐年增长”等计算，并构建一个日期层次结构，以便从年到季度向下钻取到每月。
如果两个人基于同一数据生成报告并获取不同的数字，则模型是问题。 建模意味着 定义表之间的关系，以及计算如何在每个报表中生成一致的结果 。
可视化数据
现在，数据已在副总裁的仪表板上生动呈现。 对于销售分析，他们使用饼图展示渠道构成，使用条形图比较不同渠道中的产品，使用折线图展示每月销售趋势，并使用卡片显示关键汇总指标。
错误的图示回答的是另一个问题，而不是当前提出的问题。 正如不同的业务问题需要不同的分析类型一样，它们还需要 不同的视觉格式才能清楚地传达答案。
分析数据
在 Tailwind Traders，数据分析师使用关键影响因素视觉对象来确定哪些因素对交易结果影响最大，发现折扣水平和产品类别是主要驱动因素。 新式分析工具中的 AI 功能通过检测异常、显示关键影响因素和生成叙述性解释来支持这项工作。
一个满是数字却缺乏上下文的仪表板，终究只是一堆数据。 分析意味着超越数据表面呈现的内容，去理解它意味着什么以及它提示应采取什么行动。 数据分析师的角色是验证这些输出，并确定见解是否可操作且可信。
管理资产
VP 的仪表板在发布后需要保持准确。 数据分析师会监控数据源连接是否发生可能导致报表失效的变更，验证计算结果和可视化内容是否仍然正确，并确保数据按计划刷新，以便相关方始终看到最新数据。
如果发布后没有人维护报表，团队会生成自己的版本，其数量略有不同。 持续管理 可确保每个人都从同一受信任的源工作。
Tip
想一想你经常看到的一份报表。 是否可以将原始数据的路径跟踪到完成的视觉对象？