6.DataWorks 数据分析介绍及实践(二)|学习笔记

简介: 快速学习6.DataWorks 数据分析介绍及实践

开发者学堂课程【DataWorks一站式大数据开发治理平台精品课程:6.DataWorks 数据分析介绍及实践】与课程紧密联系,让用户快速学习知识

课程地址:https://developer.aliyun.com/learning/course/81/detail/1232


6.DataWorks 数据分析介绍及实践(二)

五、使用演示

1、首先前往阿里云的官网在搜索框输入dataworks,点击搜索就可以直达,也可以在产品分类大数据位置找到dataworks,点击管理控制台。点击工作空间列表,选择某个工作空间点击进入首页。

2、首页放置两个常用的场景,大数据开发场景,数据分析场景使用的链路

image.png

3、切换到数据分析场景链路现在可以通过点击卡片进入数据分析模块,也可以通过左上角切换到数据分析模块。

4、数据分析模块的首页,可以看到它分为三大功能,一个是电子表格,是维表,是报表。

5、重点演示是电子表格功能,点击电子表格,可以看到它分为两个部分,中是新建电子表格,下面是全部的电子表格,可以点击新建空白的电子表格,也可以从某个模板新建

6、下面创建电子表格的列表,点击右上角也可以切换为分享给的,这里能查看到别人分享给的电子表格的列表,对电子表格会有同命名转交克隆删除的操作。

7、新建电子表格,可以把一些数据导入到电子表格中,可以手动的编辑数据,也可以选择把一些现成的数据导入进,可以选择导入本地的数据。比方想导入某一个Excel文件,点击选择文件,有一个谷歌应用商店的数据把它导入进,点击确认。

image.png

8、看到谷歌应用商店的对应用的评分数据已经被导入进,拿到数据后想用数据探查的功能整体查看数据的分布,可以看到有APP字段有187个唯一的值,目录主要是 family 和 tours 分类,至于应用的评分,可看到是有一些空值存在的,可以把空值给取消掉,这样就可以查看到应用评分分布的情况,包括评论的数量的直方图统计,这里是概览的信息,如果想要更详细的统计信息,可以点击详细模式查看更多的统计的数据

9、对数据有基本解后,可以对数据进行透视分析,点击透视可以选择本地的数据进行透视,也可以使用外部数据源透源。先点击第一个狗功能,点击确认。

10首先查看APP的评分的情况,可以把评分作为行维度,把APP的数量作为指标,可以看到它现在的排序是比较乱的,而且里面有一些空值,这时可以做一些筛选,选择它的评分不等于好,现在就会把空值给筛掉,现在可以看到它排序是乱掉的,再进行排序,rating 等级按照首字母顺序,它是按照012345的排序排的

11还可以按照免费应用还是付费应用做透视的分析,可以查看到免费的应用有1231个,而付费的应用有107个,各个不同免费和付费的他们各自的等级评分等级的分布也都可以查看到。

12怎么从数据源导入数据,并且完成进一步的分析?新建 sheet,点击从数据查询功能,进入到查询模式,这里是个人视角的查询分析的工作台。

13要分析的是一张用户画像表,它存在 MaxCompute 里,找到项目双击进去,通过搜索找到的那张表 portrait 表

14对它进行基本信息的查看,或者是进行数据预览,点击取消,如果需要查询他所有字段,可以直接通过拖拽的方式,一句代码都不用写,直接把它拖到表格中,它就会自动运行查询。可以看到查询结果已经插入到电子表格中

15比方想查询女性用户的用户画像,那可以通过双击 gender 字段,它就会自动生成一条sql语句,select from dw demo s td. user_ portrait 202008 where gender输入女性,点击运行,它就会把这条sql运行结果插入进,还可以把查询保存下,这样可以重复的使用文件。下面是个人的查询文件管理的地方,还有运行的历史,通过双击操作可以快速的把这次运行的代码载入到编辑器中。现在已经拿到数据,关闭查询模式

image.png

16在透视时直接选择某数据源进行透视的操作,选择使用外部数据源,现在要透视的这张表还是用户画像表,选择数据源类型为 MaxCompute,选择对应的工作空间,选择那张表 odps. dw demo. std.user. portrait, 202008,它是一张非分区表,所以不用指定它的分区。

17现在可以在右侧查看到表的结构,现在开始透视分析,希望把性别放到维度上,把消费水平和城市水平放到行维度上,根据这些维度对用户的拼音进行分析,再加指标,购物车加购的情况,可以看到城市等级的顺序是有问题的,设置排序城市等级可以按照首字母的顺序,消费水平可以手动的排序,低、中、高,点击确定。

18可以看到顺序是对的,这样就得到一张简单的透视表

19现在觉得指标的可读性不,可以给他命令一个名字中文名购物车,Pv改为浏览量。

20现在是对9月份的用户画像表进行分析,如果10月份时要做相同的这样透视分析,要怎么把的这些操作复用到10月份的数据上呢?可以在数据源点击编辑,把数据表更改为10月份的那张表就可以,或者如果表是分区表,可以只去修改它的分区,点击确定数据就会刷新为对应更新过的数据。

21把的透视表分享给其他人,可以点击右上角的分享,指定其他人并且给他赋予相应的权限,他就可以查看或者编辑透视表。对应的同学他是可以在他的电子表格的页面看到

相关实践学习
基于Hologres轻量实时的高性能OLAP分析
本教程基于GitHub Archive公开数据集,通过DataWorks将GitHub中的项⽬、行为等20多种事件类型数据实时采集至Hologres进行分析,同时使用DataV内置模板,快速搭建实时可视化数据大屏,从开发者、项⽬、编程语⾔等多个维度了解GitHub实时数据变化情况。
相关文章
|
机器学习/深度学习 人工智能 自然语言处理
如何构建企业级数据智能体:Data Agent 开发实践
本篇将介绍DMS的一款数据分析智能体(Data Agent for Analytics )产品的技术思考和实践。Data Agent for Analytics 定位为一款企业级数据分析智能体, 基于Agentic AI 技术,帮助用户查数据、做分析、生成报告、深入洞察。
|
机器学习/深度学习 人工智能 自然语言处理
构建企业级数据分析助手:Data Agent 开发实践
本篇将介绍DMS的一款数据分析智能体(Data Agent for Analytics )产品的技术思考和实践。Data Agent for Analytics 定位为一款企业级数据分析智能体, 基于Agentic AI 技术,帮助用户查数据、做分析、生成报告、深入洞察。由于不同产品的演进路径,背景都不一样,所以只介绍最核心的部分,来深入剖析如何构建企业级数据分析助手:能力边界定义,技术内核,企业级能力。希望既能作为Data Agent for Analytics产品的技术核心介绍,也能作为读者的开发实践的参考。
2851 3
构建企业级数据分析助手:Data Agent 开发实践
|
12月前
|
供应链 监控 搜索推荐
35页PPT|零售行业自助数据分析方法论:指标体系构建平台集成、会员与商品精细化运营实践
在零售行业环境剧变的背景下,传统“人找货”模式正被“货找人”取代。消费者需求日益个性化,购买路径多元化,企业亟需构建统一的指标体系,借助BI平台实现数据驱动的精细化运营。本文从指标体系构建、平台集成到会员与商品运营实践,系统梳理零售经营分析的方法论,助力企业实现敏捷决策与业务闭环。
35页PPT|零售行业自助数据分析方法论:指标体系构建平台集成、会员与商品精细化运营实践
|
SQL 存储 缓存
基于 StarRocks + Iceberg,TRM Labs 构建 PB 级数据分析平台实践
从 BigQuery 到开放数据湖,区块链情报公司 TRM Labs 的数据平台演进实践
|
SQL 分布式计算 DataWorks
活动实践 | DataWorks智能交互式数据开发与分析之旅
本指南介绍了如何使用阿里云平台进行大数据开发与分析。首先,在MaxCompute控制台创建项目并配置计算资源;接着,通过DataWorks控制台创建工作空间和独享资源组,并绑定工作空间。然后,创建个人开发环境,载入案例并新建Notebook实例。在Notebook中,通过SQL和Python Cell进行交互式开发和数据分析,体验智能助手Copilot的功能,如SQL改写、解释、生成注释及智能建表。最后,清理所有创建的资源,包括删除DataWorks资源、MaxCompute项目及网络配置,确保环境整洁。
|
分布式计算 DataWorks 大数据
🚀DataWorks 深度实践与评测:数据治理新时代的全景体验。
在数字化转型中,企业不仅需要技术创新,更需完善的**数据管理和开发治理工具**。DataWorks 作为阿里云推出的一站式智能大数据平台,整合了阿里巴巴15年的大数据经验,提供从数据接入、开发、治理到资产管理的全流程解决方案。它支持湖仓一体架构,内置AI助手提升开发效率,并适用于金融、零售等多行业。本文将深入探讨 DataWorks 的功能、应用场景及性能表现,通过用户画像分析实践展示其强大潜力...
807 8
🚀DataWorks 深度实践与评测:数据治理新时代的全景体验。
|
SQL 弹性计算 DataWorks
Flink CDC 在阿里云 DataWorks 数据集成入湖场景的应用实践
Flink CDC 在阿里云 DataWorks 数据集成入湖场景的应用实践
855 6
|
机器学习/深度学习 数据采集 DataWorks
数据分析经典案例重现:使用DataWorks Notebook 实现Kaggle竞赛之房价预测,成为数据分析大神!
Python是目前当之无愧的数据分析第一语言,大量的数据科学家使用Python来完成各种各样的数据科学任务。本文以Kaggle竞赛中的房价预测为例,结合DataWorks Notebook,完成数据加载、数据探索、数据可视化、数据清洗、特征分析、特征处理、机器学习、回归预测等步骤,主要Python工具是Pandas和SKLearn。本文中仅仅使用了线性回归这一最基本的机器学习模型,读者可以自行尝试其他更加复杂模型,比如随机森林、支持向量机、XGBoost等。
1139 8
|
DataWorks 数据挖掘 大数据
方案实践测评 | DataWorks集成Hologres构建一站式高性能的OLAP数据分析
DataWorks在任务开发便捷性、任务运行速度、产品使用门槛等方面都表现出色。在数据处理场景方面仍有改进和扩展的空间,通过引入更多的智能技术、扩展数据源支持、优化任务调度和可视化功能以及提升团队协作效率,DataWorks将能够为企业提供更全面、更高效的数据处理解决方案。
|
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。
344 11