数据分析:构建可视化报表服务

本文涉及的产品
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
云数据库 RDS MySQL,集群版 2核4GB 100GB
推荐场景:
搭建个人博客
RDS MySQL Serverless 高可用系列,价值2615元额度,1个月
简介: 摘要:本手册为北京云栖 Workshop《云数据·大计算:快速搭建互联网在线运营分析平台》的《数据分析:构建可视化报表服务》篇而准备。主要阐述如何使用Quick BI制作报表,将前面几个实验处理分析得来的数据进行有效的展现和洞察。

上一步>>数据处理:数据建模与加工

实验背景介绍

本手册为北京云栖 Workshop《云数据·大计算:快速搭建互联网在线运营分析平台》的《数据分析:构建可视化报表服务》篇而准备。主要阐述如何使用Quick BI制作报表,将前面几个实验处理分析得来的数据进行有效的展现和洞察。

实验目标

承接前述实验加工好的数据表rpt_user_trace_log,通过Quick BI完成网站用户分析画像的仪表板。该表包含了:country、province、city、device_brand、use_time、pv等字段信息。见图表示意链接
5
6

  • 在该仪表板中,将展示用户的核心指标、周期变化、用户地区分布、分布和记录。
  • 并能够根据国家的查询条件,动态更新图表数据内容。

实验涉及大数据产品

实验环境准备

必备条件

  • 确保阿里云账号处于登录状态。
  • 开通Quick BI高级版试用,见帮助文档

进入Quick BI

确保阿里云账号处于登录状态。

  • step1:点击进入Quick BI管理控制台。
    _2017_12_18_15_24_47

_2017_12_18_15_24_56

  • step2:进入到产品首页。进入“默认组织”
    1

第一步:连接数据——添加数据源

《数据处理:数据建模与加工》实验将数据导入云数据库RDS后,可以利用Quick BI添加为数据源进行分析和展示。本章节为了大家快速的掌握Quick BI的使用提前将数据给大家拷贝了一份在官方的RDS里,大家只需要配置即可用。

  • step1:选择空间默认空间,点击数据源进入数据源列表页。

[说明] 数据量千万级别,响应速度秒级。Quick BI支持MaxCompute和RDS数据源,这次演示推荐RDS(MySQL)。

  • step2:点新建数据源,选择并点击(RDS)MySQL
    点击MySQL
  • step3:配置 MySQL 数据源,并点击 测试连通性 ,待连通性测试通过后,点击 添加 保存现有配置信息。
    配置MySQL

RDS for MySQL数据源配置信息如下:

  • 显示名称:workshop
  • 数据库地址: rm-bp1z69dodhh85z9qa.mysql.rds.aliyuncs.com
  • 端口:3306
  • 数据库:workshop
  • 用户名:workshop
  • 密码:workshop#2017
  • step4:点击数据源列表页中workshop数据源这行,显示该数据源下的数据表,找到表rpt_user_trace_log,并点击创建数据集按钮生成数据集。并“确定”跳转到数据集页面。
    2

4

第二步:编辑数据集

说明:

  1. 将对表的加工过程固化保存下来以避免重复操作。
  2. 常见加工:维度、度量的切换、修改维度的类型、 增加计算字段、创建层次结构、修改字段的数据类型、更改度量聚合方式、 制作关联模型。
  • step1:进入数据集的列表页,进入“我的数据集”文件夹;点击名称,进入编辑数据集页面。
    3
  • step2:转换字段的维度类型

    • 选择access_date字段->右键->维度类型切换->日期(源数据格式)->yyyyMMdd。如下图所示:
      _2017_12_18_16_14_39
    • 转换包含地理信息的字段的维度类型(一般字段不需要转换)。选择province字段->右键->维度类型切换->地理信息->省。
      _2017_12_18_16_13_25
    • 选择city字段->右键->维度类型切换->地理信息->省/直辖市。如下图所示:
      _2017_12_18_16_13_39
    • 转换成功后,在左侧维度栏中会看到region字段前多一个地理位置图标,如下图所示:
  • step3:新建层系。选择province字段->右键->新建层系结构,

    • _2017_12_18_16_13_48
    • 弹出提示框,点击确定。
    • 然后把 city字段移到province层次结构 的树下,如图所示
      7
  • step4:点击保存,保存数据集。然后点击"返回"进入数据集列表页。

第三步:制作仪表板

与上一节衔接,将分析结果固化为可视化报表。随着数据的更新,报表可视化展现最新数据。我们把这个过程叫制作仪表板。

制作思路:确定内容->确定布局和样式->制作图表->实现动态联动查询。

step1:点击rpt_user_trace_log后面的新建仪表板,进入仪表板编辑页
10

或者点击主导航上的仪表板菜单,点击新建下拉菜单下的新建仪表板按钮,就可以开始创建一个仪表板。

step2:指标卡,从仪表板空间中向空白区拖入2个指标卡,调整布局成一排。

  • 指标卡一:选择数据来源为来自数据集rpt_user_trace_log,选择度量为pv,点击更新
  • 指标卡二:选择数据来源为来自数据集rpt_user_trace_log,选择度量为uv,点击更新
    11

step3:趋势图,将图表区域内的线图拖拽左侧画布,

  • 并配置选择数据来源为来自数据集rpt_user_trace_log,选择维度为device(设备)、度量为pv,点击更新图表, 结果如下:
    业务目的:最近7天的查看趋势

14

step4:色彩地图,点击图表区域内的色彩地图,并选择数据源来源为来自数据集rpt_user_trace_log,选择维度为province(地区)、度量为pv,选择完成后点击更新图表按钮,结果如下:
15

业务目的:查看访问用户的地域分布情况。

step5:向画布中拖入控件区域内的查询控件放在第一行。拖动结束后,设置查询条件对应的字段、作用范围和样式:

step5.1:首先将前面制作好的色彩地图、曲线图的标题依次改为,全国地区分布、最近7天趋势。

step5.2:增加查询条件日期 access_date 和country。接着,点击并设置查询条件对应到哪个字段和作用范围(上述配置的两个控件名称):变化的时候能影响到哪些图表控件。选择access_date到组件两个指标卡最近7天趋势,选择country控制所有的图表

step5.3:然后设置查询条件的显示样式,设置country为枚举类型复选框样式,默认中国。设置access_date 默认*日期-绝对时间,选中日期框为20171213。点击"查询"页面生效。
[注意]鼠标选中查询条件的输入框后,样式设置界面才会出现。

step6:点击保存仪表板,名称为云栖大会workshop
保存仪表板

step7:点击预览仪表板,预览验证。

修改时间日期为20171211,看仪表板的各个区块的图表的数据是否随着查询条件的变化而变化。

第四步:制作数据门户

恭喜各位已经完成了数据采集、处理到展现的链路。更多的关于Quick BI的信息,详见官网Quick BI

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
|
12天前
|
存储 数据挖掘 机器人
淘客返利平台的数据分析与报表设计
淘客返利平台的数据分析与报表设计
|
2月前
|
数据可视化 前端开发 数据挖掘
R语言对综合社会调查GSS数据进行自举法bootstrap统计推断、假设检验、探索性数据分析可视化|数据分享(上)
R语言对综合社会调查GSS数据进行自举法bootstrap统计推断、假设检验、探索性数据分析可视化|数据分享
|
6天前
|
存储 数据可视化 Java
使用Java实现可视化数据分析平台
使用Java实现可视化数据分析平台
|
21天前
|
数据采集 数据可视化 数据挖掘
数据挖掘实战:使用Python进行数据分析与可视化
在大数据时代,Python因其强大库支持和易学性成为数据挖掘的首选语言。本文通过一个电商销售数据案例,演示如何使用Python进行数据预处理(如处理缺失值)、分析(如销售额时间趋势)和可视化(如商品类别销售条形图),揭示数据背后的模式。安装`pandas`, `numpy`, `matplotlib`, `seaborn`后,可以按照提供的代码步骤,从读取CSV到数据探索,体验Python在数据分析中的威力。这只是数据科学的入门,更多高级技术等待发掘。【6月更文挑战第14天】
54 11
|
15天前
|
数据采集 机器学习/深度学习 数据可视化
利用Python和Pandas库构建高效的数据分析流程
在数据驱动的时代,数据分析已成为企业决策的关键环节。本文介绍如何利用Python编程语言及其强大的数据分析库Pandas,构建一套高效且可扩展的数据分析流程。与常规的数据分析流程不同,本文不仅涵盖数据加载、清洗、转换等基础步骤,还强调数据可视化、模型探索与评估等高级分析技巧,并通过实际案例展示如何在Python中实现这些步骤,为数据分析师提供一套完整的数据分析解决方案。
|
2天前
|
JavaScript Java 测试技术
基于springboot+vue.js+uniapp的豆瓣电影数据分析可视化系统附带文章源码部署视频讲解等
基于springboot+vue.js+uniapp的豆瓣电影数据分析可视化系统附带文章源码部署视频讲解等
5 0
|
26天前
|
SQL 分布式计算 DataWorks
DataWorks操作报错合集之在运行数据分析任务时,底层依赖服务alisa.olap.submitjob出现了异常,如何解决
DataWorks是阿里云提供的一站式大数据开发与治理平台,支持数据集成、数据开发、数据服务、数据质量管理、数据安全管理等全流程数据处理。在使用DataWorks过程中,可能会遇到各种操作报错。以下是一些常见的报错情况及其可能的原因和解决方法。
|
25天前
|
JavaScript Java 测试技术
基于ssm+vue.js+uniapp小程序的短视频流量数据分析与可视化附带文章和源代码部署视频讲解等
基于ssm+vue.js+uniapp小程序的短视频流量数据分析与可视化附带文章和源代码部署视频讲解等
19 0
基于ssm+vue.js+uniapp小程序的短视频流量数据分析与可视化附带文章和源代码部署视频讲解等
|
11天前
|
数据采集 Web App开发 数据可视化
程序员必知:对厦门二手房的数据分析与可视化分析
程序员必知:对厦门二手房的数据分析与可视化分析
23 0
|
13天前
|
数据可视化 数据挖掘 Python
数据分析与可视化
数据分析与可视化
12 0