数据可视化系列-06数据分析工具QuickBI

本文涉及的产品
智能商业分析 Quick BI,专业版 50license 1个月
简介: 数据可视化系列-06数据分析工具QuickBI

数据可视化系列-06数据分析工具QuickBI


参考:

Quick BI 数据可视化分析平台

QuickBI官方文档


一文介绍QuickBI

Quick BI是一款全场景数据消费式的BI平台,秉承全场景消费数据,让业务决策触手可及的使命,通过智能的数据分析和可视化能力帮助企业构建数据分析系统,您可以使用Quick BI制作漂亮的仪表板、格式复杂的电子表格、酷炫的大屏、有分析思路的数据门户,也可以将报表集成在您的业务流程中,并且通过邮件、钉钉、企业微信等分享给您的同事和合作伙伴。

通过Quick BI可以让企业的数据资产快速的流动起来,通过BI和AI结合挖掘数据背后的价值,加深并加速在企业内部各种场景的数据消费。

e23c25fb4fec13e8c997372bcd1f2a45_e0e8934b722754e087bbf8b8dbac948c.png


Quick BI 的基本对象

数据源:您在使用 Quick BI 分析数据时,需要先指定原始数据所在的数据源。数据源就是数据所在的地方。Quick BI 中提供了多种添加数据源的方式:

aec70db65559ebb0f34cb599d4c40a39.png


数据集:您可以将各种不同的数据源中的表创建为数据集。在数据集列表中,您还可以对已添加的数据集做编辑、移动和删除操作。

d95e1552a017c84d30a5da3716287ce0.png


电子表格(适用于Quick BI专业版和高级版):电子表格仅适用于高级版及专业版的群空间下。类Excel的在线报表设计器,灵活个性化的报表样式配置,快捷的总小计自定义高级计算,支持在线、本地多元化的分析模式,业务人员亦可以自助完成“格式复杂,信息量大”的中国式报表,可实现包括但不限于各类业务明细表、分组报表、交叉报表、主子报表、分栏报表、查询类报表、填报类报表等表格的制作。

602a01e55bfb312f158e375c2e785250.png


仪表板:仪表板采用了更加灵活的磁贴式布局来显示报表数据的交互,它不仅可以将数据以可视化的方式呈现,还支持通过各种数据筛选和查询,使用各种数据展现方式,突出数据中的关键字段。


2b424132adf61e4c27659b0dc9720128.png

数据门户:数据门户也叫数据产品。您可以使用数据门户功能构建例如经营分析系统的应用。数据门户不仅可以引用Quick BI中的数据结果,同时也支持外挂链接。

a21980e1df6ee3a50f6cd12ea36629d2.png

快速入门

Quick BI产品架构界面说明

菜单栏

单击菜单栏中的配置项,可切换至对应功能入口并进行相关操作。


①订阅管理、指标监控、取数中心

②系统消息提示

③设置组织、空间等后台配置

④帮助文档、社区、操作视频、创作区等



Quick BI以全场景数据消费为目的,支持不同角色在产品中进行操作以推动数据在企业中流动:


我的看板面向高管及查看报表的用户。

工作台面向开发者或分析师进行数据分析。

开发者中心面向企业开发者或社区开发者的自定义诉求。

模板市场面向企业的不同角色或用户,提供多行业模板。


我的看板

首页

支持千人千面的首页报表设置,来实现默认即可查看对应报表。请参见配置PC端首页。

image.png


工作台首页

工作台可以查看并管理我的工作空间、快速创建资源、基于模板创建仪表板、快速进入近期操作的资源和新手上路。

1af8cf794c579b26fdce94dcd235aff2.png


通过仪表板分析数据

参考:通过仪表板分析数据

通过Quick BI连接外部数据源,进行数据分析和报表搭建,主要分为以下步骤:


步骤一:连接数据源

本文为您提供免费的阿里云MySQL数据源,供您练习并上手Quick BI。


步骤二:数据建模

连通数据源后,当需要分析的数据存储在不同的表,您可以通过数据关联,把多个表连接起来,形成模型进行数据分析。

ce4d1100b23b9dd7abaac40e44229fbc.png

54b2b2406a3c4130ce907cd2f2693792.png

94fb633a31a14fdb315894ce97ca2b2a.png


在度量中新增毛利额和毛利率字段。

97abf57779b10755ef3e07e32e34f4c4.png

目标字段添加成功后,单击保存。

8decdc02136c892aff87fc963559f62a.png


步骤三:数据可视化分析

您可以通过创建仪表板,添加不同的图表来展示数据,并通过联动进行数据可视化分析。

1.在数据集编辑页面,在顶部导航栏选择开始分析创建仪表板。

9c2f662231f879d83a9d284d3a54076a.png

2.创建指标趋势图,分析月度核心销售额、毛利额、毛利率。

为了更好地展示各个月份销售额、毛利额、毛利率三个关键指标的走势数据,推荐您选择指标趋势图进行呈现。

按照下图指引,创建指标趋势图。

37d5a9a913471e245325f1f7befb406f.png

在高级页签,开启副指标展示,配置图表样式。

2a3234df7cbdd492fa189f49db7d585a.gif

3.创建气泡图,分析渠道类别销售额和毛利数据。

为了更好地展示不同渠道类别的销售额、毛利率、毛利额的数据,推荐您选择气泡图进行呈现。

按照下图指引,创建气泡图。

d5818f2f2082963922dde6a8a062a84a.png

设置过滤器

在样式页签,配置图表样式。

4.联动分析2019年8月渠道明细毛利率数据。

为了更好地分析各个渠道在2019年8月份的销售额和毛利率明细情况,推荐您配置指标趋势图到渠道类别销售&毛利四象限图和渠道明细销售&毛利四象限图的联动,用于查看各个渠道类别在2019年8月份的销售额和毛利率数据。

按照下图指引,配置图表联动。

17cb34fbfeb371398911758507cca8d2.png

在图表联动设置对话框,按照下图指引,联动图表。

dc7bb3468d84ff7421fc6ba627b694c9.png

联动配置完成后,单击指标趋势图中2019年8月的数据点,可以看到渠道类别销售&毛利四象限图和渠道明细销售&毛利四象限图中的数据已被过滤为2019年8月。

21eb7ce6d36918476513329debfc5de8.gif


步骤四:发布共享

分析完成后,您可以将仪表板搭建成数据门户,并导出用于存档;若随着时间发展,数据又出现其他异常,您可以将仪表板分享给他人协同编辑。

按照下图指引,发布仪表板。

0bab042381f34a89d0422b237a60fefd.png

搭建数据门户。

数据门户也叫数据产品,可以通过菜单形式将仪表板组织成复杂的带导航菜单,常用于专题类分析。您可以将创建好的仪表板集成到数据门户,并导出存档。

按照下图指引,创建数据门户。

7ef92f28d11117882377972ca7768c5d.png

按照下图指引,添加并设置门户菜单。

c86c7decf4c50bbc42013e087ab0241e.png

按照下图指引,保存数据门户。

本例中,数据门户命名为某零售电商毛利额异常下滑诊断分析报告。

d3515452a461ad77fd146a1d0819ee5d_668d971a605b50a0ec49f516532d2abb.png

按照下图指引,导出数据门户。

13fe98a5a3dfa66388417b5ffc0689b0.png

共享仪表板。812caddb64d94270d49d270ef96fca4d.png

相关实践学习
助力游戏运营数据分析
本体验通过多产品组合构建了游戏数据运营分析平台,提供全面的游戏运营指标分析功能,并有效的分析渠道效果。更加有效地掌握游戏运营状态,也可充分利用数据分析的结果改进产品体验,提高游戏收益。
Quick BI在业务数据分析中的实战应用
Quick BI 是一款专为云上用户和企业量身打造的新一代自助式智能BI服务平台,其简单易用的可视化操作和灵活高效的多维分析能力,让精细化数据洞察为商业决策保驾护航。为了帮助您更快的学习和上手产品,同时更好地感受QuickBI在业务数据分析实践中的高效价值,下面将以一个真实的数据分析案例为场景带您开启QuickBI产品之旅。场景:假设您是一家大型互联网新零售企业的数据分析师,您的经理刚刚拿到8月份的月度运营分析数据,他发现近期企业运营状况不佳,8月份毛利额环比前几个月下滑较大,三季度存在达标风险。因此将这个任务交给了您,根据订单信息和流量渠道信息等相关数据,分析企业8月份毛利额下滑的关键要素,并将其分享给团队,以便指导相关业务部门采取决策和行动,提高企业整体毛利额。  
相关文章
|
3月前
|
数据可视化 数据挖掘 Linux
震撼发布!Python数据分析师必学,Matplotlib与Seaborn数据可视化实战全攻略!
在数据科学领域,数据可视化是连接数据与洞察的桥梁,能让复杂的关系变得直观。本文通过实战案例,介绍Python数据分析师必备的Matplotlib与Seaborn两大可视化工具。首先,通过Matplotlib绘制基本折线图;接着,使用Seaborn绘制统计分布图;最后,结合两者在同一图表中展示数据分布与趋势,帮助你提升数据可视化技能,更好地讲述数据故事。
58 1
|
18天前
|
监控 数据可视化 数据挖掘
数据看板制作工具评测:这6款工具能如何提升企业的数据分析效率?
本文介绍了6款数据看板制作工具,包括板栗看板、Tableau、Power BI、Qlik Sense、Google Data Studio和Looker,从功能、适用场景等方面进行了详细对比,旨在帮助企业选择最合适的工具以实现高效的数据可视化和管理决策。
|
23天前
|
数据挖掘 关系型数据库 Serverless
利用数据分析工具评估特定业务场景下扩缩容操作对性能的影响
通过以上数据分析工具的运用,可以深入挖掘数据背后的信息,准确评估特定业务场景下扩缩容操作对 PolarDB Serverless 性能的影响。同时,这些分析结果还可以为后续的优化和决策提供有力的支持,确保业务系统在不断变化的环境中保持良好的性能表现。
27 2
|
2月前
|
机器学习/深度学习 并行计算 数据挖掘
R语言是一种强大的统计分析工具,广泛应用于数据分析和机器学习领域
【10月更文挑战第21天】R语言是一种强大的统计分析工具,广泛应用于数据分析和机器学习领域。本文将介绍R语言中的一些高级编程技巧,包括函数式编程、向量化运算、字符串处理、循环和条件语句、异常处理和性能优化等方面,以帮助读者更好地掌握R语言的编程技巧,提高数据分析的效率。
57 2
|
2月前
|
数据采集 数据可视化 数据挖掘
R语言与Python:比较两种数据分析工具
R语言和Python是目前最流行的两种数据分析工具。本文将对这两种工具进行比较,包括它们的历史、特点、应用场景、社区支持、学习资源、性能等方面,以帮助读者更好地了解和选择适合自己的数据分析工具。
51 2
|
3月前
|
机器学习/深度学习 数据可视化 数据挖掘
数据可视化大不同!Python数据分析与机器学习中的Matplotlib、Seaborn应用新视角!
在数据科学与机器学习领域,数据可视化是理解数据和优化模型的关键。Python凭借其强大的可视化库Matplotlib和Seaborn成为首选语言。本文通过分析一份包含房屋面积、卧室数量等特征及售价的数据集,展示了如何使用Matplotlib绘制散点图,揭示房屋面积与售价的正相关关系;并利用Seaborn的pairplot探索多变量间的关系。在机器学习建模阶段,通过随机森林模型展示特征重要性的可视化,帮助优化模型。这两个库在数据分析与建模中展现出广泛的应用价值。
56 2
|
3月前
|
数据可视化 数据挖掘 Python
惊呆了!Python数据分析师如何用Matplotlib、Seaborn秒变数据可视化大师?
在数据驱动时代,分析师们像侦探一样在数字海洋中寻找线索,揭示隐藏的故事。数据可视化则是他们的“魔法棒”,将复杂数据转化为直观图形。本文将带你探索Python数据分析师如何利用Matplotlib与Seaborn这两大神器,成为数据可视化大师。Matplotlib提供基础绘图功能,而Seaborn在此基础上增强了统计图表的绘制能力,两者结合使数据呈现更高效、美观。无论是折线图还是箱形图,这两个库都能助你一臂之力。
48 4
|
3月前
|
数据可视化 数据挖掘 Python
告别枯燥数字,拥抱视觉盛宴!Python 数据分析中的数据可视化艺术,你 get 了吗?
在数据驱动时代,数据分析至关重要,但单纯依赖数据表格难以揭示其背后的洞见。这时,数据可视化便彰显出其重要性,尤其借助 Python 的强大工具如 Matplotlib、Seaborn 和 Plotly 等,可将数据转化为直观的图形。Matplotlib 提供高度定制的图表,Seaborn 则简化了图表美化过程。通过折线图、散点图、箱线图、小提琴图及热力图等多种图表形式,我们可以更深入地理解数据分布与关系,有效传达信息并支持决策制定。数据可视化不仅是一门技术,更是讲述数据故事的艺术。
77 3
|
4月前
|
数据可视化 数据挖掘 Python
Python中的数据可视化:探索性数据分析的利器
【8月更文挑战第29天】在数据科学的世界里,数据可视化是理解复杂数据集的关键。本文将引导你通过Python的强大库,如Matplotlib和Seaborn,来揭示数据背后的故事。我们将一起探索如何利用这些工具进行有效的数据可视化,从而促进对数据的深入理解和分析。文章不仅提供代码示例,还将讨论如何选择恰当的图表类型、调整视觉元素以及如何解释图表结果,旨在帮助初学者建立坚实的数据可视化基础。
|
4月前
|
SQL 数据挖掘 关系型数据库
SQL中的聚合函数:数据分析的强大工具
【8月更文挑战第31天】
163 0

热门文章

最新文章