数据结构：长数据 vs 宽数据

先把结论放前面：宽数据更适合人眼阅读，长数据更适合数据存储与分析。做 Tableau 时，源数据尽量用“长数据”。

1. 什么是长数据，什么是宽数据？

假设我们有一个产品从一月到十二月的销售额，可以有两种表现方式。

宽数据（Wide）

• 同一个变量（Sales）按月份展开成多列。
• 1 月到 12 月其实都是 “Sales 这个变量在不同月份的数值”，只是分散在不同列里。

长数据（Long）

• 同一个变量（Sales）集中存放在一列，月份放到另一列。
• 信息量相同，但结构更“整洁”。

工作里常见现象：数据库多是“长数据”，而我们看到的成品报表多是“宽数据”。数据库几乎不会把日期当作一列列的标题来存，因为那其实也是“数据”。

2. 当数据逐日累积时会怎样？

如果从年初开始每天都有销售额：

• 宽数据：每天都会“多一列”。一年下来单店能到 365 列，列数飞起，且每列只有寥寥几行，极不友好。

需要我把它也转换成长数据（Store、Date、Value 三列）或插入到某个页面吗？

• 长数据：每天只是“多一行”。

这就是为何宽数据当“Tableau 数据源”会别扭。把 2024-01-01、2024-01-02 放在列标题上，本质上是把“数据”硬塞进了“列名”。

3. 两种格式的使用场景

• 宽数据适合“人眼扫读”。例如横向看 12 个月的数值，很直观，年底加一列 Total 就是一张常见年报。
• 长数据适合“存储、筛选、计算与建模”。比如要找 Store=A 且 Date=2024-02-01 的记录，长数据过滤两下就能锁定。

4. 长宽转换与 Tableau 的意义

不同数据库/工具对宽↔长转换都有一套：Excel 的 Pivot/Unpivot，Python 的 pivot/melt，SQL 的 UNPIVOT…

Tableau 的贡献之一，是让这件事“拖拖拽拽就能办”。很多项目的目标，就是把机器友好的“长数据”转换成用户友好的“宽表格”，哪怕只是把复杂长表变成可读宽表，已经能极大提升表达效果。

5. 解读长数据的常见模式：Dimension + Fact

打开 Sample Superstore（只看 Orders 表）。你会发现：

• 左侧“文字型”为主的列通常是蓝色图标，称为 Dimension（维度），用于描述“是谁、是什么、在哪里、什么时候”。这些信息一般“不会随时间变化”，例如性别、产品类别等。
• 右侧“数值型”为主的列通常是绿色图标，称为 Fact（事实/记录），用于记录“发生了什么、数量多少、金额多少”，通常“会随时间变化”。

我也常用一个顺口的区分法：

• 不太随时间变的，偏描述性的，八成是 Dimension。
• 经常随时间变、需要汇总/计算的，通常是 Fact。

6. 长数据还有“进阶款”：单列 Fact 的结构（超纲，先点到）

有些图怎么都做不出来，不一定是你 Tableau 技术不行，可能是“数据结构不对口”。有种进阶的长数据结构，会把多个数值列（Sales、Cost…）再“压”成一列 Value，并用另一列 Variable 指明当前这行到底是 Sales 还是 Cost（或 Weight、Delivery 等）。

原始（常规）结构：Dimension + 多个 Fact 列（Sales、Cost…）

进阶结构：Dimension + Variable + Value（把多列 Fact 熔成一列）

好处：

• 新增一种指标，不必再加一列，只要在 Variable 里多一个取值即可。
• 某些可视化或对比（如指标切换、同轴对比、条件着色）会更“顺手”。