【善用Tableau】自定义管理视图优化分析资产

XILEJUN‍‍‍‍

喜乐君

Tableau Visionary * 5‍‍‍‍‍‍‍‍‍‍‍

业务数据分析“专家”、敏捷BI布道师，《数据可视化分析》《业务可视化分析》多本书作者，中国地质大学（武汉）经管学院MBA校外导师

以Tableau会友，致力于构建业务分析通识框架，‍

XILEJUN.com 全球、VIZWISE.cn 国内

“唯有知识，让我们免于平庸”

01

—

Tableau管理视图

在 Tableau server 中，系统默认内置了多个管理视图，包括视图性能、提取性能、磁盘空间等多个主题。

近期，喜乐君为某外资客户提供了“Tableau Server 服务器运维服务”，为之诊断提取时间漫长、资源不足等问题。

• 每天凌晨到上午10点，几百个任务先后执行，延误了一早的视图有效性
• 服务器资源受限，不确定是扩展服务器节点，还是增加 CPU 资源

起初，我准备使用系统默认的视图，比如上面的“数据提取的后台任务”：

官方视图内容翔实，但如果我要检查一周甚至一个月的数据提取，那么上面就会出现很长的滚动条，我很难检查每个提取的频次、时长等关键信息。

为此，聪明的服务器管理员可以连接 Tableau Server 的内置存储库Repository，使用其元数据底表完成自定义可视化分析——毕竟手中有 Tableau，还有什么可怕的呢。

为此，我申请开通了 Tableau Repository 的访问权限：

[admin@localhost ~]$ tsm data-access repository-access enable --repository-username readonly --repository-password "Tableau！@#¥%.*&" 
此操作将执行服务器重新启动。是否确实要继续? (y/n): 
y 
正在开始更新存储库访问异步作业。 
作业 ID 为“12”，超时为 75 分钟。 
5% - 启用维护应用程序。 
11% - 正在等待维护应用程序启动。 
17% - 读取配置。 
23% - 正在启用数据库服务。 
29% - 正在等待数据库服务启用。 
35% - 正在更新存储库中的角色。 
41% - 更新待定配置。 
47% - 禁用所有服务。 
52% - 等待停止服务。  
58% - 更新节点上的配置版本。 正在运行 - 正在等待服务重新配置。 
64% - 正在等待服务重新配置。 
70% - 启用所有服务。 正在运行 - 等待启动服务。 
76% - 等待启动服务。 
82% - 正在禁用数据库服务。 
100% - 正在等待数据库服务禁用。

而后使用Tableau连接 Postgresql 数据库，使用如下数据表完成分析：

_background_task 数据表：该视图包含后台任务和系统任务的关键信息。This view combines the important contents of both the background_jobs table and the async_jobs table to give an overall picture of jobs that were given to a backgrounder process. Tableau

该数据表的元数据如下所示：

于是，我使用上述数据表构建了一个管理视图仪表板，如下所示：

从上面可以看出，这里存在两个 Reporting_v2的数据模型，而且提取频率完全一致（每隔15分钟增量刷新），过去4天，每个数据累计提取时长102分钟，每次不足1分钟。

这样，我就能发现数据源存在的同质化问题，问题出在新数据源在不同位置发布了两遍，而我之前没有意识到！

另一家客户也是一样，但问题更加严重。同一份数据源在各个工厂中都有提取，本意是加强数据权限控制，但结果数据源大小竟然几乎一样，这就说明大量的提取消耗在了重复性提取上。如下图所示：

这种仪表板相比官方仪表板更适合长周期的检查分析，通过交互可以发现异常，也可以表示更多细节。

比如我发现有一个提取比平时要久一些（颜色更深），所以我可以鼠标悬停查看细节，发现平时只需要2分钟的提取，这次消耗了4分钟；好在最后成功完成；如果频繁出现这种情况，说明资源占用比较严重。如下所示：

是不是非常优雅。

02

—

全量+增量提取

优化数据提取的最强技能，是组合使用全量刷新和增量刷新。

如果一个数据每次提取时间超过二十分钟、不追求当日 T+0数据、历史数据更新不频繁，我就建议使用增量和全量相结合的方式。

比如某个数据源，全量数据对应1500万行，覆盖很多年的数据，每次全量提取就要消耗很久时间。考虑到几年前的数据基本不可能变化，因此可以考虑增量提取的方式；由于近期数据微小调整可能累计影响准确性，可以通过周日全量提取校正。

这样，平时每天的提取就只需要不足一万行数据，修改为增量提取之后，可以通过自定义的管理视图检查。

如下图所示，点击上面的数据源，就可以看到完整的抽取（refresh extracts）和增量刷新（increment extracts）的计划情况了。在下面的数据中，周末全量抽取需要超过30分钟，而平时每天的增量刷新只需要2分钟即可。

当然，如果是订单变化比较频繁的零售行业（很多订单存在隔日、隔几日的退货情况），订单量比制造业企业更多，那么也可以采用凌晨全量、整点增量的方式。比如，我为某家零售客户甚至了如下的计划：

可见，优秀的 BI 已经可以完成很多传统数据仓库肩负的工作，从视图 view 到 etl 计划，从数据整理到数据管理；优秀的 Bi 正在模糊数据仓库和业务分析之间的壁垒。

Tableau Server 不仅仅是 BI，更是 DW/BI 一体化的平台，这才是真正的 BI 商务智能系统。

如有需要，欢迎试用。

Tableau 不是曲高和寡的大公司专属，中小企业也能以极低的成本（每年数万）获得苹果、美孚、美国航空等世界巨头使用的超级工具。与其把时间花在寻找轮子、重复性造轮子的努力中，为什么企业不把精力花在主业上，好好赚钱呢？

工具是我们能力的天花板，也是企业盈利可能性的天花板。

最后说个好消息！

我在几个最为活跃的读者群中，时常介绍我在写的《数据分析通识》图书进展，目前已经基本完成书稿。八月份开始，我就准备逐步恢复视频录制啦。

一个多月没发文章，顺带来个抽奖，赠送一个定制手提袋如何（也让我测试一下这个礼物功能咋用）。点击即可参与。

礼物是这样的，现在已经晋升为我的短期差旅公文包啦。

@喜乐君 咨询顾问｜上海唯知唯识创始人

《数据可视化分析:Tableau原理与实践》2020.8

《业务可视化分析:从问题到图形的Tableau方法》2021.7

《数据可视化分析:分析原理与Tableau、SQL实践》2023.9‍‍‍

《业务可视化分析：从问题到图形的分析原理与实践》2025.8

《数据分析通识·10讲：写给未来 CEOs》 2026Q1

………… MORE …………

「业务数据分析系列」图书

by 喜乐君·扫地sir