喜乐君·数据分析夏令营 第 7 期：数据模型——从单表到多表 · 课堂回顾

📌 要点：数据模型 = 数据合并 = 计算的高级形式——物理合并是分析之前做好恒定且真的合并了，逻辑合并是分析过程中按需处理；逻辑又分两种：持久的关系（Relationship）与按需的混合（Blend）。从视图的角度看都是「合成一个」，只是合并发生的位置不同。本期用三段递进把这条轴讲完：Facebook 拆开物理 vs 逻辑 → Bookshop 演示双层结构 → Library 引入混合（Blend）。 正式课 · 2026-09-05 直播配套文字版 · 视频回放：B 站「Tableau 喜乐君」《直播第七次 · 数据模型：从单表到多表》（约 50 分钟） · 来源书稿：《数据可视化分析》第 4 章

喜乐君（XILEJUN）：Tableau Visionary 名人堂成员，著有《数据可视化分析》《业务可视化分析》等。slogan：「唯有知识让我们免于平庸」。

这一期把「数据模型」讲成一根轴——物理 vs 逻辑。前六期都在单表内，本期第一次打开多表世界。课上分三段推进：

• 第一段用 Facebook 扩张学校数据 做最简单的引子，让观众看见「物理 vs 逻辑」的分叉；
• 第二段切到 Tableau 官方 Bookshop 样例，演示「双层结构」——预先合并的物理层 + 按需关联的逻辑层；
• 第三段临时引入 Library + Catalog，补齐「混合（Blend）」这一类。最后落到第二版书的「unit × join 位置」四格框架——把全部讲过的合并方式收拢到一张二维图。

• 第1期：AI 时代，为什么数据分析依然值得学 2026/7/8
• 第2期：问题的结构与维度度量 2026/7/13
• 第3期：可视化原理与「从问题到图形」 2026/7/14
• 第4期：可视化的转折点：分布分析与相关性分析 2026/7/22
• 第5期：交互与仪表板设计 2026/8/6
• 第6期：计算的体系·从透视表到 SQL 2026/8/22
• **第7期：数据模型·从单表到多表** 2026/9/5

课程要点（时间轴）

• 课堂三段 —— 开场 Facebook 拆开物理 vs 逻辑 → 主体 Bookshop 演示双层结构 → 收束 Library 引入混合（Blend）
• 主线贯穿 —— 物理 = 预先合并 / 逻辑 = 按需合并；一根轴讲完全部合并方式
• 模型是什么 —— 分析前的预处理 / 预计算；弥补表中已有字段的不足；当前表算不出的，才去别处拿
• 逻辑模型（关系） —— 一根线、两边圆圈；按需合并、性能高又灵活；不用的字段连提取都不提取
• 物理模型（Join） —— 双圆圈；分析前预先合并；Excel VLOOKUP 是真的合在一起；要预先预估要的所有东西
• Bookshop 双层结构 —— 物理层 Book⋈Info 用 BookID=[BookID1]+[BookID2] 预合并；逻辑层 Author/Edition/Sales/Award/Series 关系连接；六个表不会预先合并到一起
• 三个关键开关 —— 基数（Cardinality）、性能选项（Referential Integrity）、关系筛选
• 混合（Blend） —— 在右侧（视图之后 / 分组聚合之后）；临时的握手；关系是持久的，混合是按需的；混合灵活到大部分人难以驾驭
• unit × join 位置四格 —— 一个维度是合并方式（上下追加 vs 左右相连），另一个维度是合并位置（物理 vs 逻辑）

• 七期闭环 —— 模型 = 计算的高级形式 = SQL 的 JOIN，只是换了一种方式表达

一、整体节奏：三段递进、一条主线

课堂用三段递进 + 一根主轴组织全部内容。

• 第一段 · 开场（00:00–15:40）：用 Facebook 扩张学校数据 做最简单的引子——两份表，一份是扩张批次事实表，一份是学校信息表。先做一道「各年月扩展学校数量」（单表能搞定），再加一道「各年月覆盖学生数量」（必须引入第二表）。这一步把观众引到分叉口：在引入第二张表时，关系和 Join 是两种不同路径。
• 第二段 · 主体（15:40–39:17）：切到 Tableau 官方 Bookshop 样例。

Bookshop 是 2020.2 同步推出的官方数据源，官方已经做好了模型——既有物理预合并（Book⋈Info 用计算字段 BookID=[BookID1]+[BookID2] 合并），又有逻辑关系层（Author / Edition / Sales / Award / Series 关系连接）。这一段落到三个关键开关——基数、性能选项、关系筛选——并明确「六个表不会预先合并到一起」。

• 第三段 · 收束（39:47–47:49）：临时引入 Library + Catalog。

这是一份只在视图层面用一次的数据，没必要放进模型——于是引入「混合（Blend）」，强调「混合是在右侧」（做完可视化、分组聚合之后再临时接入另一张表）。

• 点睛（47:49–49:53）：第二版书的分类框架——「unit × join 位置」——把全部合并方式收拢到一张二维图，并预告 Tableau 2026.2 的 composable data source（不在本期展开）。

二、第一段：Facebook 入场——「物理 vs 逻辑」

1. 问题驱动的引入

第一个题最简单：各年月 Facebook 扩展学校数量。单表里有 unit_id（学校唯一编码），countd([unit_id]) 即可解决——单表能搞定。

第二个题加一个度量：各年月覆盖学生数量。单表里没有 students 字段，必须引入「学校信息表」。

这一步的关键判断是课堂上反复强调的——

• 「回到数据源，回到分析的前一个环节，用数据模型的方式弥补表的不足」：把"数据模型"翻译成"分析前的预处理 / 预计算"。
• 「计算就是弥补你表中已有字段的不足」：当前表能算的，是计算；当前表算不出的，才去别处拿。

2. 逻辑模型（关系模型）登场

用关系（Relationship）引入第二张表——一根线、两边圆圈，是 Tableau 2020.2 起的标志性符号。演示两条题：

• 选 students → 算覆盖学生数量；
• 选 female / male → 做男女堆叠图（提示：堆叠易被覆盖，要用粗细 / 明暗分开）。

当场给出三条关键判断：

• 「逻辑模型是按需合并，性能高又灵活」；
• 「Excel 的 VLOOKUP 是真的合在一起，而我们这里是按需合并」；
• 「不用的字段甚至可以连提取都不提取」——这是逻辑模型相对物理的最大性能优势。

3. 物理模型（Join）登场

复制一份数据，演示双圆圈 / Join；默认内连接改成左连接（外连接）的现场操作。

课堂上的关键警告：内连接会丢行——「如果选内连接，左边有右边没有的就被排除了，所以后面我们的数据中没有的那部分就没有了」。

由此给出一条金线：物理连接要预先预估你后面要的所有东西。又用 Facebook 数据跑了一次相同题目，把两次结果并列——肉眼可见的「合并 vs 按需」差异。

三、第二段：Bookshop 主体——「双层结构」

1. 为什么选 Bookshop

「Tableau 2020 年出关系模型的时候，同步出了一个非常好的数据集——图书商店（Bookshop），官方已经做好了模型」。Bookshop 既包含预先合并的物理层，又包含关系层，是双层结构最自然的演示样本。

2. 双层结构的具体形态

• 物理层：Book 与 Info 用 BookID 预合并；Info 内部两个字段 BookID1 + BookID2 先用计算字段合起来。建议左连接（Outer / Left）——「书在 Info 中不一定有完整属性，但分析时要保留所有书」。
• 逻辑层：关系覆盖 Author / Edition / Sales / Award / Series 等表。「123456 六个表，但是它并不会预先的合并到一起」——这是关系模型的关键论断：逻辑模型在物理上独立，在分析时按需联合。
• 实测两题切换：
  • 「作者图书数量」→ 只用 Book + Author 两个表字段；
  • 「获奖图书数量」→ 自动切换到 Award 字段，「它在查询的时候，就只查询奖项字段和 Book Info 字段，其他表不查」——按需特性体现得淋漓尽致。

3. 三个关键开关

• 基数（Cardinality）：默认多对多；通过 COUNT([title]) 等字段实测，确认 Book→title 是唯一的，改成「一对一 / 一对多」关系。
• 性能选项（Referential Integrity）：「某些记录匹配」是默认值；改为「全部记录匹配」可让 Tableau 查询时假定两边都存在——但前提是业务上确实没有缺失（例如「获奖书必然在 Book 中有记录」）。
• 关系筛选：关系模型保留全部数据，先在视图中用度量筛选或在关系上挂筛选器；课堂示例：「没获奖的排除空值」——直接挂筛选器即可。

Excel 完全没有这种多层关系能力，所以 Excel 是低阶的。

4. 一句话概括 Bookshop

「Bookshop 兼容了逻辑表和物理表」——一句话把整段教学立住。

例子嵌套：Check out 数量 → 通过 Book 关联 Award，Book 表只作为关联条件不出现在最终视图，但不影响分析结果。

四、第三段：Library 引入——把「混合（Blend）」补齐

1. 为什么需要混合

课堂原话：「混合重要在它是完成临时分析的神器」。

• 「数据就做那么一两次用，你为了这一两次的分析需求做一个模型，反而显得太笨重」；
• 「临时用，放到模型里第一数据泄露别人都知道了」——这是数据治理角度的反对。

2. Library + Catalog 数据演示

新数据 Catalog 字段：isbn / library_id / number_of_copies（某书在某图书馆的副本数）。

题目：获奖图书的 check-out 总数 + 图书馆在册数量。

操作流程：

• 主模型保持不变；
• 视图里临时拖入 Catalog，表上出现橙色标记表示来源外部；
• 维度上挂 Catalog 字段，关系符号自动激活——「临时的握手」。

操作细节（演示细节）：

• 默认关联符号未激活，是因为视图字段还没拖进来；先拖字段、再点关联，是 Blend 的标准动作。
• Excel 完全做不了：Excel 没有逻辑层，不能「先做透视、再连第二张表」。

3. 混合的关键特征

• 「混合是在右侧」——左是视图（可视化侧），右是数据加工（分组聚合侧）。
• 课堂定调：
  • 「关系是持久的，混合是按需的」；
  • 「关系稳定（字段谁和谁连必须事先确定），混合灵活（要什么连什么）」；
  • 「混合灵活到大部分人难以驾驭」——不推荐初学者作为首选。
• 混合可叠加多张表（再建 Library Profiles 也是混合之一），但要混合到同一个主表。
• 引出 2026.2 新功能 composable data source——发布后再做跨数据源关系——「今天太难了不讲」，给后续埋点。

五、收束：unit × join 位置

第二版书的核心思路——「unit × join 位置」：一个维度是合并方式（上下追加 vs 左右相连），另一个维度是合并位置（物理 / 预先 vs 逻辑 / 按需）。落到四格：

• unit × 物理：Excel 多表追加、Tableau 的并集（Union）；物理操作，分析前已合并为单表。
• unit × 逻辑：按需追加同结构表；Tableau Union（自动并集）。
• join × 物理：Excel VLOOKUP / XLOOKUP、Tableau Join（内 / 左 / 外）、SQL JOIN——分析前真合并；要预先预估要的所有东西。
• join × 逻辑：Tableau Relationship（持久 / 字段谁和谁连已定）+ Tableau Blend（按需 / 想要什么连什么）。

一句话收束：「从视图的角度讲都是合成一个，只是合并发生的位置不同」。

六、三句话带走

• 「物理合并是分析之前做好恒定，而且真的合并了；逻辑合并是分析过程中按需处理」。
• 「逻辑又分两种：持久的关系、按需的混合」。
• 「Power BI 中按需的混合是用 RELATED / TREATAS 类函数实现的，所以更简单一点」——一个跨工具的小伏笔。

最后落到七期闭环：「模型 = 计算的高级形式 = SQL 的 JOIN，只是换了一种方式表达」——把"模型"接回到第6期"计算的类型"，形成七期闭环。

结语：数据模型的体系与学习建议

• 三段对应三种合并：Facebook 引出概念、Bookshop 演示结构、Library 演示混合——三段不可少，否则学生无法建立「位置」维度。
• 关键词密度：逻辑 / 物理 / 按需 / 持久 / 关系 / 混合 / 基数 / 性能选项 / 多对多——九词反复出现，建议信息图与文字稿统一保留。
• 学习建议：
  • 建议以 SQL 同步学习 Tableau 的关系模型（JOIN 对应 Join，子查询 / 视图对应 Relationship）。
  • 不建议同时学习 Power BI——Power BI 模型逻辑与此有差异，双修易顾此失彼。
  • 学习需投入时间——无论是付费课程还是个人时间，都需舍得投入方能获得真正的知识。
• 配套书稿：《数据可视化分析》（第二版）第 4 章。

资源

• Tableau 官方案例： https://help.tableau.com/current/pro/desktop/en-us/bookshop_data.htm
  • Raw data (xlsx)
    • Bookshop.xlsx — the raw data as an .xlsx file
    • BookshopLibraries.xlsx — additional library tables that introduce many-to-many relationships (contains only the additional library tables)
  • Packaged data source (tdsx) files
    • Bookshop.tdsx — a packaged .tdsx file with the related data source pre-built and some metadata customizations added
    • MinimalBookshop.tdsx — the same tables as Bookshop.tdsx but without any metadata or cleanup
    • Bookshop_libraries.tdsx — a packaged .tdsx file that adds the library tables to Bookshop.tdsx (includes all tables).
• 视频回放：B 站「Tableau 喜乐君」 《直播第七次 · 数据模型：从单表到多表》 （约 50 分钟）。
• 配套书稿：《数据可视化分析》（第二版）第 4 章。
• 往期回顾：第 6 期《计算的体系：从透视表到 SQL》；第 5 期《交互与仪表板设计》。

作者：xilejun · v1.0 · 2026-09-05