Tableau: İlişkiler, Join ve Union

Eğitim Hakkında

Tableau ilişki, join, union ve blend

Bu eğitim, Tableau'da çok tablolu veri kaynakları kurmayı öğretir. Mantıksal katman (logical layer) ilişkileri ile fiziksel katman (physical layer) join'leri arasındaki fark, ilişki kardinalitesi ve referans bütünlüğü işlenir. Inner/left/right/full outer join, join calculation, cross-database join ve join tuzakları (satır çoğalması) uygulamalı ele alınır. Union ile tablo birleştirme, wildcard union, veri harmanlama (data blending) ile birincil/ikincil kaynak, linking fields ve blend-join-union seçim kriterleri gösterilir.

Süre ve Format

2 Gün. Her gün dört modül; ilişki, join, union ve blend kurma lableri.

Seviye

Orta Seviye — Tableau'da ilişki (relationship), join türleri, union ve veri harmanlama ile çok tablolu veri kaynağı kurmayı kapsar.

Öğrenme Metodu

Birden çok tabloyu ilişki, join, union ve blend ile birleştirip sonuçları karşılaştırarak uygulanır.

Neden Bu Eğitim?

🧩Doğru Model

İlişki ve join farkını kavrayarak doğru kardinaliteli veri kaynağı kurarsınız.

⚠️Tuzaklardan Kaçış

Join'in satır çoğaltma tuzaklarını tanıyıp yanlış toplamayı önlersiniz.

🔀Blend/Union

Blend ve union ile farklı granülerlik ve kaynakları birleştirirsiniz.

Anahtar Konular

tableau jointableau relationshiptableau unionveri harmanlamadata blendinglogical layerkardinaliteçok tablolu veri

“Yanlış birleştirilen veri, en güzel grafikte bile yanıltır.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

Tableau Temeli

Veri bağlantısı ve alan kavramlarına aşinalık faydalıdır.

2

İlişkisel Veri

Tablo, anahtar ve ilişki kavramlarına temel aşinalık beklenir.

3

Tableau Desktop

Çok tablolu bağlantı yapılabilen Tableau Desktop gerekir.

4

Lab Ortamı

İnternet erişimli bir bilgisayar ve ilgili yazılımın kurulabildiği ortam gerekir.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiKatılımcı ilişki ve join farkını kavrayıp doğru modeli kurabilir.

Modül 1

İlişkiler (Relationships)

Mantıksal katman (logical layer) ve noodle
İlişki ile join arasındaki fark
İlişki kardinalitesi (cardinality) ayarı
Referans bütünlüğü (referential integrity)
Çok tablolu esnek ilişki modeli
Soru bazında otomatik sorgu üretimi

Modül 2

Join Türleri

Inner, left, right, full outer join
Fiziksel katman (physical layer) join
Join calculation ile anahtar eşleme
Cross-database (çapraz veritabanı) join
Join tuzakları: satır çoğalması (duplication)
Join ile blend seçimini karşılaştırma

Modül 3

Kardinalite

Many-to-one, one-to-one
Kardinalite ve referential integrity
Performans etkisi
Yanlış kardinalite belirtileri
İlişki düzenleme
Model doğrulama

Modül 4

Join Tuzakları

Satır çoğalması (fan-out)
Yanlış toplam (double counting)
LOD ile düzeltme
Null padding (left join)
Join vs ilişki seçimi
Sonuç doğrulama

Günün hedefiKatılımcı union ve blend ile farklı kaynakları birleştirebilir.

Modül 1

Union (Birleştirme)

Alt alta tablo birleştirme (union)
Wildcard (joker) union ile çoklu dosya
Şema uyumsuzluğu ve alan eşleme
Table Name ve Sheet alanları
Mismatched fields birleştirme
Union performans etkisi

Modül 2

Veri Harmanlama (Blend)

Birincil ve ikincil veri kaynağı
İlişkilendirme alanları (linking fields)
Blend sırasında toplama (aggregation) mantığı
Non-additive ölçülerde blend kısıtı
Yıldız (*) ikincil kaynak göstergesi
Blend ile join ne zaman tercih edilir

Modül 3

Cross-Database

Cross-database join
Farklı kaynakları birleştirme
Birleşik veri kaynağı
Federated sorgu
Performans ve extract
Veri tipi uyumu

Modül 4

Seçim Kriterleri

Blend vs join vs union
Granülerlik farkı yönetimi
Non-additive ölçü sorunu
Yayınlanmış kaynak blend
Model bakım kolaylığı
Senaryo bazlı karar

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

İlişki Kurma

Logical layer ilişkileri kurarsınız.

✅

Join Türleri

Inner/left/right/full join uygularsınız.

✅

Kardinalite

Doğru kardinalite ve bütünlük ayarlarsınız.

✅

Tuzak Yönetimi

Join satır çoğalması tuzaklarını önlersiniz.

✅

Union

Union ve wildcard union ile tablo birleştirirsiniz.

✅

Blend

Veri harmanlama ile farklı kaynakları bağlarsınız.

✅

Cross-Database

Çapraz veritabanı join kurarsınız.

✅

Model Kararı

Blend/join/union arasında doğru seçim yaparsınız.

Kimler İçin Uygundur?

Tableau'da veri modelini kuran analistler
çok kaynaklı rapor hazırlayanlar
veri kaynağı tasarlayanlar

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

Tableau'da veri modelini kuran analistler ve çok kaynaklı rapor hazırlayanlar için uygundur.

İlişki ile join farkı nedir?

İlişki mantıksal katmanda esnek sorgu üretir; join fiziksel katmanda sabit birleştirir. Fark eğitimde uygulanır.

Join tuzağı nedir?

Yanlış kardinalitede satırların çoğalıp toplamları şişirmesidir; tespiti ve düzeltmesi işlenir.

Blend ne zaman kullanılır?

Farklı granülerlik veya kaynaklar söz konusu olduğunda; blend-join-union seçim kriterleri eğitimde ele alınır.

Sertifika veriliyor mu?

Eğitim sonunda Digital Vizyon Akademi Katılım ve Başarı Sertifikası verilir.

Sertifikalandırma

Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika

TABLEAU - CREATE DATA SOURCES WITH RELATIONSHIPS & JOINS EĞİTİMİ