数据可视化系列-06数据分析工具QuickBI

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
|
数据采集 数据可视化 数据挖掘
数据分析案例-汽车客户信息数据可视化分析
数据分析案例-汽车客户信息数据可视化分析
124 0
|
4月前
|
JSON 数据挖掘 API
结合数据分析工具,深入挖掘淘宝API接口的商业价值
随着电子商务的蓬勃发展,淘宝作为国内领先的电商平台,不仅为消费者提供了便捷的购物环境,同时也为开发者和数据分析师提供了丰富的数据资源。通过有效地调用淘宝API接口获取商品详情,再结合数据分析工具进行深入的数据挖掘,可以为商家、市场分析师及研究人员等带来巨大的商业价值
|
5月前
|
数据采集 数据可视化 数据挖掘
2019 年排名前6的数据分析工具
2019 年排名前6的数据分析工具
|
4月前
|
数据可视化 数据挖掘 Java
提升代码质量与效率的利器——SonarQube静态代码分析工具从数据到洞察:探索Python数据分析与科学计算库
在现代软件开发中,保证代码质量是至关重要的。本文将介绍SonarQube静态代码分析工具的概念及其实践应用。通过使用SonarQube,开发团队可以及时发现和修复代码中的问题,提高代码质量,从而加速开发过程并减少后期维护成本。 在当今信息爆炸的时代,数据分析和科学计算成为了决策和创新的核心。本文将介绍Python中强大的数据分析与科学计算库,包括NumPy、Pandas和Matplotlib,帮助读者快速掌握这些工具的基本用法和应用场景。无论是数据处理、可视化还是统计分析,Python提供了丰富的功能和灵活性,使得数据分析变得更加简便高效。
|
4月前
|
数据挖掘 数据安全/隐私保护 Python
【Python数据分析】<数据分析工具>基于Excel的数据分析
【1月更文挑战第22天】【Python数据分析】<数据分析工具>基于Excel的数据分析
|
3月前
|
数据可视化 搜索推荐 数据挖掘
数据分析案例-顾客购物数据可视化分析
数据分析案例-顾客购物数据可视化分析
101 0
|
5天前
|
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
【4月更文挑战第25天】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。
|
11天前
|
机器学习/深度学习 数据挖掘 计算机视觉
python数据分析工具SciPy
【4月更文挑战第15天】SciPy是Python的开源库,用于数学、科学和工程计算,基于NumPy扩展了优化、线性代数、积分、插值、特殊函数、信号处理、图像处理和常微分方程求解等功能。它包含优化、线性代数、积分、信号和图像处理等多个模块。通过SciPy,可以方便地执行各种科学计算任务。例如,计算高斯分布的PDF,需要结合NumPy使用。要安装SciPy,可以使用`pip install scipy`命令。这个库极大地丰富了Python在科学计算领域的应用。
13 1
|
12天前
|
数据可视化 数据挖掘 Python
Python中数据分析工具Matplotlib
【4月更文挑战第14天】Matplotlib是Python的数据可视化库,能生成多种图表,如折线图、柱状图等。以下是一个绘制简单折线图的代码示例: ```python import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5] y = [2, 4, 6, 8, 10] plt.figure() plt.plot(x, y) plt.title('简单折线图') plt.xlabel('X轴') plt.ylabel('Y轴') plt.show() ```
13 1
|
12天前
|
数据采集 SQL 数据可视化
Python数据分析工具Pandas
【4月更文挑战第14天】Pandas是Python的数据分析库,提供Series和DataFrame数据结构,用于高效处理标记数据。它支持从多种数据源加载数据,包括CSV、Excel和SQL。功能包括数据清洗(处理缺失值、异常值)、数据操作(切片、过滤、分组)、时间序列分析及与Matplotlib等库集成进行数据可视化。其高性能底层基于NumPy,适合大型数据集处理。通过加载数据、清洗、分析和可视化,Pandas简化了数据分析流程。广泛的学习资源使其成为数据分析初学者的理想选择。
15 1