【实验】阿里云大数据助理工程师认证(ACA)- QuickBI数据分析(上)

本文涉及的产品
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
云数据库 RDS MySQL,集群系列 2核4GB
推荐场景:
搭建个人博客
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 【实验】阿里云大数据助理工程师认证(ACA)- QuickBI数据分析

实验概述

Quick BI是专为云上用户量身打造的新一代智能BI服务平台。Quick BI提供海量数据实时在线分析,拖拽式操作、丰富的可视化效果,帮助您轻松自如地完成数据分析、业务数据探查。它不止是业务人员“看”数据的工具,更是数据化运营的助推器,Data Intelligence is more than Business Intelligence,实现人人都是数据分析师。通过实验学生能掌握Quick BI的使用方法。


实验目的

本实验要求学生掌握大数据可视化从分析到实现的基本流程,利用阿里云提供的可视化工具Quick BI进行初步尝试,快速生成可视化BI报表,使用Quick BI工具对数据进行初步的分析。


实验架构


阿里云Quick BI可视化工具


第 1 章:实验背景


1.1 maxcompute


请点击页面左侧的 ,在左侧栏中,查看本次实验资源信息。

maxcomputemaxcompute MAXCOMPUTE

在弹出的左侧栏中,点击 创建资源 按钮,开始创建实验资源。

资源创建过程需要1-3分钟。完成实验资源的创建后,用户可以通过 实验资源 查看实验中所需的资源信息,例如:阿里云账号等。


1.2 实验概述


Quick BI是专为云上用户量身打造的新一代智能BI服务平台。Quick BI提供海量数据实时在线分析,拖拽式操作、丰富的可视化效果,帮助您轻松自如地完成数据分析、业务数据探查。它不止是业务人员“看”数据的工具,更是数据化运营的助推器,Data Intelligence is more than Business Intelligence,实现人人都是数据分析师。通过实验学生能掌握Quick BI的使用方法。


1.5 实验准备


本实验需要使用阿里云的Quick BI资源,具体步骤如下:


【注】本实验均在Google Chrome浏览器下测试运行,为了达到最大兼容,推荐使用Windows7以上的操作系统以及Chrome浏览器进行实验。


【注】一旦开始创建资源,该实验就开始计时,并在到达实验规定的时长时,将自动结束实验并清除资源。


进入实验后会出现如下界面,首先点击实验手册,然后点击附件下载,将附件下载到本地
下载完成之后点击实验资源,然后点击创建实验资源按钮,如下图所示
等待创建完成。创建完成后出现如下界面,点击复制控制台url的链接,然后使用浏览器的隐


第 2 章:实验详情


2.1 添加数据源


  1. 首先点击工作空间,然后点击数据源,最后点击上传文件

20200711141454726.png

阿里云Quick BI支持很多种数据来源,可以直接从MaxCompute将数据导入。还可以根据业务类型,从自建的数据库(目前仅支持MySQL和SQLServer)或者是本地的Excel、CSV文件导入。


【注】本实验只使用导入本地文件的方法导入数据,从MaxCompute和MySQL导入数据的方法不做实践。

2. 从本地数据导入


阿里云的Quick BI支持将本地上的Excel与csv文件上传创建数据集。以某公司的销售数据为例。该文件可以在云中沙箱的实验附件中可以找到,直接点击文件名下载,如下图。


20200711141524263.png


在新弹出的窗口中选择本地EXCEL文件。


20200711141543220.png


点击后跳出上传页面,点击 选择文件 按钮,选择刚才下载的文件(Global Superstore Orders 2016.xlsx),在输入指定名称一栏将数据源的名称修改为Global_Superstore_Orders_2016。

20200711141656437.png


1)点击确定,稍等片刻即可在页面中查看到数据文件。

20200711141734620.png

2) 点击 创建数据集 按钮之后会弹出创建数据集对话框,点击 确定 按钮


20200711141801800.png


20200711141818937.png

3) 页面会跳转至数据集标签下,现在已经创建好了一个新的数据集。

20200711141836937.png

3. 从MaxCompute中导入


【注】在Quick BI中同样还支持导入MaxCompute数据,本实验中并未配置MaxCompute,因此在此仅对从MaxCompute导入做简单介绍,不纳入实验范围内。可以直接跳转至步骤2。


点击 数据源 按钮,然后点击 新建数据源


20200711141857440.png

然后在对话框中点击云数据库,然后点击MaxComputer按钮

20200711141915993.png


2) 在实际生产应用过程中,如果当前账号有配置MaxCompute项目的情况下,按照当前帐号下的MaxCompute项目名称以及该账号的Access ID与Access Key(可以在账号控制台下找到)将下列对话框中的信息完善,点击测试连接检查信息是否有误,将该连接添加进Quick BI。在此步骤中仅仅只是查看一下如何添加数据源的操作。


20200711141936317.png


3) 如果测试正确,将会显示下列的提示。一旦测试成功后就可以点击上图的添加按钮将MaxCompute的数据导入。


4) 稍等片刻刷新页面即可看到数据表已经导入了Quick BI。



20200711142005976.png

4. 从MySQL导入


【注】在Quick BI中同样还支持导入MySQL数据库的数据,本实验中并未配置MySQL服务,因此在此仅对从MySQL导入做简单介绍,不纳入实验范围内。

1)点击 数据源 按钮,然后点击 新建数据源


20200711142024523.png

然后在对话框中点击云数据库,然后点击MySQL按钮


20200711142043882.png


2)同样在测试连接无误后将其添加进数据源。这一步仅仅只是查看一下如何连接MySQL。在实际应用的过程中,等待数据同步后即可看到如下类似的数据表:


20200711142101145.png

2.3 制作单个交叉表


  1. 在工作空间中选择仪表板,然后点击新建仪表板,即可新建一个仪表板


20200711142729892.png

新建的仪表板界面如下图所示:

20200711142749446.png

可以看到,仪表板中默认生成了一张线图。由于本实验不需要使用线图,因此我们可以先将该线图删除。首先点击线图框右上角的按钮,然后点击删除按钮,即可删除线图


20200711142814203.png


 删除了线图之后,点击页面上方的交叉表按钮,新建交叉表


20200711142836356.png

3. 新建交叉表之后在页面的右侧,图表设计栏的选择数据集对话框中,选择我们之前创建的数据集Global_Superstore_Orders_2016


20200711142855936.png

选择了数据集之后,数据集中的字段就会出现在页面的最右侧

20200711142914948.png


4. 如果我们需要分析该公司每年的销售量,我们可以将维度中的订购日期(year)和度量中的数量分别拖动到相应的位置,如下图所示


20200711142935649.png

相关实践学习
如何在云端创建MySQL数据库
开始实验后,系统会自动创建一台自建MySQL的 源数据库 ECS 实例和一台 目标数据库 RDS。
全面了解阿里云能为你做什么
阿里云在全球各地部署高效节能的绿色数据中心,利用清洁计算为万物互联的新世界提供源源不断的能源动力,目前开服的区域包括中国(华北、华东、华南、香港)、新加坡、美国(美东、美西)、欧洲、中东、澳大利亚、日本。目前阿里云的产品涵盖弹性计算、数据库、存储与CDN、分析与搜索、云通信、网络、管理与监控、应用服务、互联网中间件、移动服务、视频服务等。通过本课程,来了解阿里云能够为你的业务带来哪些帮助     相关的阿里云产品:云服务器ECS 云服务器 ECS(Elastic Compute Service)是一种弹性可伸缩的计算服务,助您降低 IT 成本,提升运维效率,使您更专注于核心业务创新。产品详情: https://www.aliyun.com/product/ecs
目录
相关文章
|
13天前
|
存储 SQL 分布式计算
Java连接阿里云MaxCompute例
要使用Java连接阿里云MaxCompute数据库,首先需在项目中添加MaxCompute JDBC驱动依赖,推荐通过Maven管理。避免在代码中直接写入AccessKey,应使用环境变量或配置文件安全存储。示例代码展示了如何注册驱动、建立连接及执行SQL查询。建议使用RAM用户提升安全性,并根据需要配置时区和公网访问权限。具体步骤和注意事项请参考阿里云官方文档。
|
16天前
|
机器学习/深度学习 数据可视化 大数据
阿里云大数据的应用示例
阿里云大数据应用平台为企业提供高效数据处理与业务洞察工具,涵盖Quick BI、DataV及PAI等核心产品。DT203课程通过实践教学,帮助学员掌握数据可视化、报表设计及机器学习分析技能,提升数据驱动决策能力。Quick BI简化复杂数据分析,DataV打造震撼可视化大屏,PAI支持全面的数据挖掘与算法应用。课程面向CSP、ISV及数据工程师等专业人士,为期两天,结合面授与实验,助力企业加速数字化转型。完成课程后,学员将熟练使用阿里云工具进行数据处理与分析。[了解更多](https://edu.aliyun.com/training/DT203)
|
24天前
|
存储 分布式计算 大数据
大数据革新在即,阿里云EMR如何布局DeltaLake引领行业潮流?
【8月更文挑战第26天】大数据时代,实时处理与分析能力对企业至关重要。Delta Lake 作为高性能、可靠且支持 ACID 事务的开源存储层,已成为业界焦点。阿里云 EMR 深度布局 Delta Lake,计划深化集成、强化数据安全、优化实时性能,并加强生态建设与社区贡献。通过与 Spark 的无缝对接及持续的技术创新,阿里云 EMR 致力于提供更高效、安全的数据湖解决方案,引领大数据处理领域的发展新方向。
29 3
|
24天前
|
存储 分布式计算 监控
揭秘阿里云EMR:如何巧妙降低你的数据湖成本,让大数据不再昂贵?
【8月更文挑战第26天】阿里云EMR是一种高效的大数据处理服务,助力企业优化数据湖的成本效益。它提供弹性计算资源,支持根据需求调整规模;兼容并优化了Hadoop、Spark等开源工具,提升性能同时降低资源消耗。借助DataWorks及Data Lake Formation等工具,EMR简化了数据湖构建与管理流程,实现了数据的统一化治理。此外,EMR还支持OSS、Table Store等多种存储选项,并配备监控优化工具,确保数据处理流程高效稳定。通过这些措施,EMR帮助企业显著降低了数据处理和存储成本。
31 3
|
24天前
|
存储 分布式计算 大数据
阿里云 EMR 强势助力,与阿里云大数据体系共创辉煌,把握时代热点,开启生态建设之旅
【8月更文挑战第26天】阿里云EMR(Elastic MapReduce)是一种大数据处理服务,与阿里云的多个服务紧密结合,共同构建了完善的大数据生态系统。EMR与对象存储服务(OSS)集成,利用OSS提供可靠、低成本且可扩展的数据存储;与MaxCompute集成,实现深度数据分析和挖掘;还支持数据湖构建服务,加速数据湖的搭建并简化数据管理与分析过程。EMR提供多种编程接口及工具,如Hive、Spark和Flink等,帮助用户高效完成大数据处理任务。
28 2
|
19天前
|
机器学习/深度学习 分布式计算 BI
MaxCompute 与阿里云其他服务的协同工作
【8月更文第31天】在当今的数据驱动时代,企业需要处理和分析海量数据以获得有价值的洞察。阿里云提供了一系列的服务来满足不同层次的需求,从数据存储到高级分析。MaxCompute(原名 ODPS)作为阿里云的大规模数据处理平台,提供了强大的计算能力和丰富的功能,可以与阿里云的其他服务无缝集成,形成完整的大数据解决方案。本文将探讨 MaxCompute 如何与其他阿里云服务协同工作,包括存储服务 OSS、数据分析服务 Quick BI 以及机器学习平台 PAI。
19 0
|
19天前
|
消息中间件 分布式计算 Kafka
MaxCompute 在实时数据分析中的角色
【8月更文第31天】随着大数据应用场景的不断扩展,对数据处理速度的要求越来越高,传统的批处理模式已经难以满足某些业务对实时性的需求。在这种背景下,实时数据处理成为了大数据领域的研究热点之一。阿里云的 MaxCompute 虽然主要用于离线数据处理,但通过与其他实时流处理系统(如 Apache Flink 或 Kafka Streams)的集成,也可以参与到实时数据分析中。本文将探讨 MaxCompute 在实时数据分析中的角色,并介绍如何将 MaxCompute 与 Flink 结合使用。
32 0
|
21天前
|
消息中间件 数据挖掘 Kafka
揭秘大数据时代的极速王者!Flink:颠覆性流处理引擎,让实时数据分析燃爆你的想象力!
【8月更文挑战第29天】Apache Flink 是一个高性能的分布式流处理框架,适用于高吞吐量和低延迟的实时数据处理。它采用统一执行引擎处理有界和无界数据流,具备精确状态管理和灵活窗口操作等特性。Flink 支持毫秒级处理和广泛生态集成,但学习曲线较陡峭,社区相对较小。通过实时日志分析示例,我们展示了如何利用 Flink 从 Kafka 中读取数据并进行词频统计,体现了其强大功能和灵活性。
28 0
|
14天前
|
存储 大数据 数据挖掘
【数据新纪元】Apache Doris:重塑实时分析性能,解锁大数据处理新速度,引爆数据价值潜能!
【9月更文挑战第5天】Apache Doris以其卓越的性能、灵活的架构和高效的数据处理能力,正在重塑实时分析的性能极限,解锁大数据处理的新速度,引爆数据价值的无限潜能。在未来的发展中,我们有理由相信Apache Doris将继续引领数据处理的潮流,为企业提供更快速、更准确、更智能的数据洞察和决策支持。让我们携手并进,共同探索数据新纪元的无限可能!
59 11
|
19天前
|
存储 分布式计算 大数据
MaxCompute 数据分区与生命周期管理
【8月更文第31天】随着大数据分析需求的增长,如何高效地管理和组织数据变得至关重要。阿里云的 MaxCompute(原名 ODPS)是一个专为海量数据设计的计算服务,它提供了丰富的功能来帮助用户管理和优化数据。本文将重点讨论 MaxCompute 中的数据分区策略和生命周期管理方法,并通过具体的代码示例来展示如何实施这些策略。
51 1