用户画像分析-22

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 用户画像分析-22

5. 数据可视化展现

本步骤将指导您如何通过Quick BI创建网站用户分析画像的仪表板,实现数据表rpt_user_info_d的可视化。

1、复制如下地址,在Chromium网页浏览器打开新页签,粘贴并访问Quick BI控制台。

http://das.base.shuju.aliyun.com/console.htm

1.1、选择个人用户或者企业用户,点击免费试用

1.2、再弹出框中填写内容,点击确定

2、申请成功就自动跳转至Quick BI工作台界面

3、在左侧导航栏中,单击数据源,再选择个人空间,点击进入空间

4、在数据源页面,单击右上方的新建数据源

5、添加数据源对话框中,选择云数据库>MaxCompute

6、在添加MaxCompute数据源对话框中,配置如下参数,单击连接测试,待数据源连通性正常后,单击确定

参数说明:

  • 显示名称:自定义显示名称,示例为test。
  • 数据库地址:使用默认地址,无需修改。
  • 项目名称:输入MaxCompute项目名称
  • AcessKey ID:输入子账号的AccessKey ID。
  • AcessKey Secret:输入子账号的AcessKey Secret。

说明 您可在云产品资源列表中查看MaxCompute项目名称、AccessKey ID和AcessKey Secret。

7、在数据源页面,选择您刚刚添加的数据源,单击同步并刷新页面。

8、数据源页面,找到rpt_user_info_d表,单击操作列下 图标。

9、转换字段的维度类型。

1)转换日期字段的维度类型。

在数据集编辑页面的维度区域,右键单击dt字段,选择维度类型切换>日期>yyyyMMdd

2)转换地理信息字段的维度类型。

在数据集编辑页面的维度区域,右键单击region字段,选择维度类型切换>地理>省/直辖市

10、在数据集编辑页面,单击右上方的保存

11、在保存数据集对话框中,名称输入为rpt_user,位置选择根目录,单击确定

12、制作仪表板。

随着数据的更新,让报表可视化地展现最新数据,这个过程叫制作仪表板。仪表板的制作流程为:确定内容、布局和样式、制作图表和完成动态联动查询。

1)在数据集编辑页面,选择右上方的开始分析>创建仪表板

2)在仪表板编辑页面右侧,单击线图,选择指标>指标看板

3)数据面板,将维度中的dt(year)拖拽到过滤器,将度量中的pv拖拽到看板指标/度量

4)在指标看板面板,单击过滤器dt(year) 图标。

5)设置过滤器对话框中,过滤条件开始于输入为0,过滤条件结束于输入为0,单击确定

6)在指标看板面板,单击更新

返回如下页面,您可以看到当下的数据。

7)在上方菜单栏中,将线图拖拽到下方画布中。

8)数据面板,将维度dt(day)拖拽到类别轴/维度,将度量pv拖拽到值轴/度量,将维度age_range拖拽到颜色图例/维度,将维度中的dt(year)拖拽到过滤器

9)线图面板,单击过滤器dt(year) 图标。

10)在设置过滤器对话框中,过滤方式选择单年,过滤条件输入为0,单击确定

11)线图面板,单击更新

12)在上方菜单栏中,将色彩地图拖拽到下方画布中。

13)数据面板,将维度region将拖拽到地理区域,将维度中的dt(year)拖拽到过滤器,将度量pv拖拽到色彩饱和度/度量

14)在色彩地图面板,单击过滤器dt(year) 图标。

15)在设置过滤器对话框中,过滤方式选择单年,过滤条件输入为0,单击确定

16)在色彩地图面板,单击更新

返回如下页面,您可以看到色彩地图的数据展示。

17)在仪表板编辑页面,单击右上方的保存

18)在仪表板对话框中,名称输入为rpt_user,位置选择根目录,单击确定

19)在仪表板编辑页面,单击右上方的预览

返回如下页面,您可以看到色彩地图、指标看板和线图的展示效果。

相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
目录
相关文章
|
数据采集 机器学习/深度学习 大数据
行为检测代码(一):超详细介绍C3D架构训练+测试步骤
这篇文章详细介绍了C3D架构在行为检测领域的应用,包括训练和测试步骤,使用UCF101数据集进行演示。
457 1
行为检测代码(一):超详细介绍C3D架构训练+测试步骤
|
11月前
|
SQL 数据采集 DataWorks
DataWorks产品最佳实践测评:用户画像分析实践
DataWorks作为阿里云提供的一款大数据开发治理平台,以其强大的数据处理能力和便捷的操作界面,在数据处理领域扮演着重要角色。本文将基于个人体验,对DataWorks产品进行最佳实践测评,重点探讨用户画像分析实践,并提出优化建议。
225 11
|
11月前
|
数据采集 DataWorks 搜索推荐
DataWorks产品最佳实践测评:用户画像分析实践
DataWorks产品最佳实践测评:用户画像分析实践
364 3
|
4月前
|
存储 SQL 人工智能
Windows Server 2025 中文版、英文版下载 (2025 年 7 月更新)
Windows Server 2025 中文版、英文版下载 (2025 年 7 月更新)
404 0
Windows Server 2025 中文版、英文版下载 (2025 年 7 月更新)
|
10月前
|
机器学习/深度学习 供应链 搜索推荐
优化销售预测:6种模型适用的场景与实战案例
不同行业的销售预测采用什么模型比较好?3分钟了解6种销售预测模型,以及适用行业场景。
2900 2
优化销售预测:6种模型适用的场景与实战案例
|
人工智能 安全 数据挖掘
AI时代,如何问数查数更轻松?(1)
AI时代,如何问数查数更轻松?
849 4
|
监控 数据挖掘 数据安全/隐私保护
ERP系统中的销售预测与市场趋势分析解析
【7月更文挑战第25天】 ERP系统中的销售预测与市场趋势分析解析
481 3
|
机器学习/深度学习 数据可视化 搜索推荐
用Python进行社交媒体分析:挖掘用户行为和趋势
【4月更文挑战第12天】本文介绍了Python在社交媒体分析中的应用,包括数据处理、可视化、机器学习等方面的优势。基本流程涉及数据获取、预处理、探索、模型选择与训练、评估优化以及结果可视化。文中给出了用户行为分析、话题趋势分析和用户画像分析的Python代码示例,展示了Python在这一领域的实用性。通过学习和实践,读者可以掌握Python进行社交媒体分析的技能。
1338 4
|
数据采集 搜索推荐 算法
151 用户画像
151 用户画像
544 0
|
存储 SQL 分布式计算
从理论到工程实践——用户画像入门宝典(一)
用户画像是大数据顶层应用中最重要的一环,搭建一套适合本公司体系的用户画像尤为重要。但是,用户画像的资料往往理论居多,实践少,更少有工程化的实战案例。 本文档结合了常见的用户画像架构,使用Elasticsearch作为底层存储支撑,用户画像的检索和可视化效率得到了大幅度的提升。文档从用户画像的理论到实践均有所涉及,大家可以参照此文档完成用户画像系统从0到1的搭建。
945 1
从理论到工程实践——用户画像入门宝典(一)