此部分仅仅是告诉你怎样用Tableau做这个模型，如果想要更加深刻的了解可以去看专门的统计学课程。
41、回归分析
回归分析：本质上是讲存在及可能存在的相关关系的变量拟合成直线或者曲线。据此，我们一方面可以总结出已有数据的规律和特征，另一方面还可以预测数据。
1、简单的线性回归模型
步骤： ①人工服务接听量->列，呼入案头总时长->列；分析->取消聚合度量
②添加回归分析：直接右键->趋势线->显示趋势线
回归方程如上，R值越大越好，越大越拟合越有关联性，p值越小越好，p值决定了可信程度 添加趋势线的几种方法： 1、直接右键->趋势线->显示趋势线 2、分析->趋势线->显示趋势线 3、右侧分析->模型->趋势线
如果想看描述趋势线： 步骤：右键趋势线->描述趋势线
如果把描述趋势线添加到图中，可以复制描述趋势线内的内容。
2、其他的几种回归分析模型：
我们可以在工作界面中点击右键->趋势线->编辑趋势线——>选择其他的几种回归模型
1、对数模型
2、指数模型
根据上图我们看到从140到后面增长曲线明显增加，这时有人可能会认为拟合度不好，但是其实其拟合度要比上一种更好，这时为什么呢？因为后面的那部分量非常的少，对整个的拟合结果影响非常的小。 下面可以举例说明： 创建一个计算字段：人工服务接听量->右键->创建字段；人工服务接听量异常区分->颜色
我们可以看到前半部分数据所占比重占大头，同时我们可以看下正常数据和异常数据的所占比：
由上图我们可以看出异常数据对于曲线的拟合产生的影响很小。在统计里通常6%或者更小的3%的数据可以忽略不计。 如果还不明白，我们可以通过创建参数来对比观察： 步骤：1、右键左侧空白处->创建参数->自定义参数，如下图所示
2、修改下计算字段
然后我们进行对比查看： 当处于80时，异常数据占13.19%
当处于130时，异常数据占2.40%
除了以上对不，我们还可以通过添加趋势线进行对比： 1、当值为100时
2、当值为140时
这样是不是就很明朗了。
3、幂模型
4、多项式模型
42、时间序列分析
时间序列预测是Tableau内嵌的周期性的预测功能，它能够自动的拟合预测模型，分析数据的变化规律，定量的预测数据，同时也可以对预测模型的参数进行调整，评价预测模型的精度。
1、创建人工服务接听量预测曲线
时间序列本质上是用原始的时间序列数据拟合出模型，分析研究数据的变化发展规律，从而得出观测数据的统计特征，再依据拟合出的模型外推(向后推)一定时间内预测的数值，并且能够自动识别出是以周围周期还是以月为周期等的匹配的情况，可以自动识别出周期性。 步骤： ①先创建基础表：人工服务接听量->行，日期->列（下拉选择天）
②显示初步预测：右键图中空白处->预测->显示预测
③对预测曲线进行编辑：右键->预测->预测选项
但是如果真的选择用零填充缺少值是，结果会出现很大的不同，因此更推荐补全原数据。 如果想更改预测模型选项可以点击下图的内容进行选择：
其中，季节等同周期，如果波动很大，建议选择累乘更好拟合
2、预测模型评价
步骤：右键->预测->描述预测
预测波动：
评价
累加与累成
如果数量集差异较大用累乘
后话：
关于Tableau的入门博客到此结束，由于写的过于仓促，有的知识点并没有完美的展现出来，很抱歉，又因为专业理解还没到一定程度，所以在某些部分可能会存在专业性不强的问题，但是通过此系列博客，还是可以了解到数据可视化软件Tableau的基本使用得。在以后得日子里，博主有可能还会继续更新Tableau得进阶博文。希望大家能够关注下我！
