运营也用的起来的数据分析工具:Quick BI即席分析详解

本文涉及的产品
智能数据建设与治理Dataphin,200数据处理单元
可视分析地图(DataV-Atlas),3 个项目,100M 存储空间
数据可视化DataV,5个大屏 1个月
简介: 数据部门是一个容易被投诉的“高危”部门,需求响应慢、数据准确性不高会影响业务的发展。然而数据分析师每周动辄就有几十个需求在手,无限的加班也无法解决所有问题,到底怎样才能改变BI分析师的需求响应问题呢?

-更多数智化转型、数据中台内容请加入阿里云数据中台交流群以及官方微信(文末扫描二维码)

-阿里云数据中台官网 https://dp.alibaba.com/index



Quick BI——阿里云上客户都在用的BI产品(中国唯一入选Gartner ABI魔力象限BI),无缝对接各类云上数据库和自建数据库,大幅提升数据分析和报表开发效率,0代码鼠标拖拽式操作交互,让业务人员也能轻松实现海量数据可视化分析。

了解产品详情:https://www.aliyun.com/product/bigdata/bi


Quick BI即席分析:让业务实现自助分析

无论是初创型公司还是大型集团,数据分析都是BI团队的核心工作之一,是驱动业务数据化和推动业务发展的利器。但是,随着业务的快速发展,BI团队支撑的工作量往往呈几何式增长,那么在人力资源有限的情况下,难以满足业务部门的诉求。


“授人以鱼不如授人以渔”!

Quick BI的即席分析,提供灵活的数据分析能力,随时取数、随时分析。

在IT支撑,提供标准元数据,以及由组织管理员完善行级权限管控的基础之上,业务人员能够借助即席分析提成本的通过拖拽,零SQL的进行分析和取数,降低对BI分析师的依赖,最终实现数据分析和业务决策的提效。

image.png

QuickBI产品架构全景

百阿里云

奥运会全球精定云服务商

分析取数

报表访问

智能问答

订阅推送

语义交互,内容推送

门户/自有系统,PC/移动

探索分析,下载取数

钉钉,微信,邮件,短信

开放集成力

自助分析

中国式报表山

可视分析

数据门户

页面和卡片嵌入

生意梦谋

仪表板

自助分析

点选式

安全集成

组件

自助分析

数据故事构建

分析型图表

基础图表

电子表格

钉钉

流程集成

模板

40+基琴医影

智能报表

市场

交互式分析

时序及动态分析

我悟和女叉妆

数据连接

百万级

移功定制正表

自助取数

数据见解

高级计算

查请控件和Tab

开放接口

平台强基础

分析引掌(直连/抽取/加速/智能缓存)

内核Quick引学

安全,稳定

阿里云存储

业务数据源

本地数据库

应用数据源

表单填报

文件上传

Maxcomute.oss,MysqLg

生题梦温,钉订等

Mysql,sqLSorver,Oracle,DB2,SPiQ,HIve等

Dataphin

阿里云专有云企业版

阿里云公共云多租户

本地IDC

阿里云公共云VPC

阿里云专有云敏捷版

业务人员触发分析动机的场景

即席分析可以是有目的性地主动创建,比如基于“商品库存”这个数据集进行主动分析;也可以是看数据时触发的,比如看到仪表板上的某个异常数据,想要进一步诊断数据异常的原因。

用户再基于需要被分析的数据来进行个性化探索,如特定数据的筛选排序、交叉钻取、二次计算等,最终将结果以邮件、消息等方式分享给业务决策者。

下图展示的是企业内从数据到分析到决策的一般流程,而即席分析最重要的是简化了中间的分析过程,将分析的能力赋予了每个业务人员。

image.png

交叉钻取

归因

文档

一次性,静

态报告

结果呈现

分析计算

即席分析

汇报

ABC

数据计算,预测

洞见突出

中产国

多维数据集

结果分享

业务域数

仪表板

可二次分析

2

据切片

筛选排序

数据整理

数据工程师

业务决策者

业务分析师

如何使用即席分析快速构建分析表格

作为一个业务运营,关注的销售数据复杂多变,每天都需要组合不同场景的数据。例如需要根据全国门店的库存情况来调货,确保重点门店在大促期间库存充足。

此时,仅仅依靠一个固化的交叉表并不能完全满足从华东区域销售数据联合全国门店库存情况调货的诉求。而即席分析的能力可以实现灵活的看数、取数。

1. 数据准备

进入数据集,通过数据集新建即席分析或者直接从即席分析模块一键创建。

image.png

数据集

名称Q共2个文件

新辞文件夹

全部

我的

新建数堰集

风即席分析测试空间

我的数据集

根目录

数据门户

创建者

修改人/修改时间

名称

数撼湿

新连即席分析

仪表板

TL

销售分析数据HEW

mysql故据

W

2021/7/214:09:59

MySQL

company-gbi_testdata

即席分析

R

销售数据NEW

mysql数据

电子表格

2021/7/214:08:54

MySQL

company-ordor-salosrocord

C

自助取数

智能小

数据集

数据填报

数据源

image.png

监控指标

我的

开发者中心

工作空间

订阅

访问

创作区

开发

O

专业版

QuickBl

即席分析

新建即席分析

共0个文件

名称

全部状态

新连文件夹

全部

我的

即席分析山试空间

数据门户

仪表板

即席分析

电子表格

Ea

自助取数

智能小园

T

数据集

暂无数据,快快开始获取吧!

数据填报

新建即麻分析

数据温


2. 数据选择

即席分析页面左侧是数据面板。

  • 先有数据,再有表格,左侧数据面板可以直接加载具体维值
  • 符合操作习惯,左侧更方便将字段拖拽到右侧表格区域生成报表

此处用一个动图大体演示下在即席分析中如何从数据面板中选择字段,通过拖拽生成表格。即席分析默认使用维值模式,每个维度字段可以直接展开当前维度下的具体维值并且拖拽选择维值,在数据选择的时候已经做了一部分数据筛选。

数据选择.gif

勾选数据面板中的“仅展示维度名”可以从默认的维值模式切换到维度模式,此时与仪表板、电子表格等模块的数据面板一样,选择某一个维度则是将当前维度下的所有维值都选中。

可以通过双击或拖拽维度的方式生成表格。比如这里选择运输方式这个字段,是直接将运输方式下的三个维值都选中了。

维度模式选择.gif

未命名的即席分析

预览

编辑

保存

保存并发布

O艺围品尚

镇售分析数据

iii列

三行

Su区域(列表)

搜索维度或度量

仅展示维度名

维度

抱携字段到此处用作查询控件

订单日期

客户名称

区域

订单等级

远输方式

东北

区城

华东

省份

str,城市

华中

产品类型

华北

产品小类

产品名称

总计

产品包箱

运输日期

shipping-time

度量0

默认

订单编号

订单数量

订单金额

折扣点

利润全额

单价

运输成本


3. 数据筛选

在已经形成表格后,如果想要进一步的缩小数据查询的范围,也可以通过拖拽直接生成查询控件。

即席分析的查询控件无需进行复杂的条件配置。

比如,想要在已有表格基础上筛选出产品包箱类型为“中型箱子”和“大型箱子”,那么只需要在数据面板中直接选择“中型箱子”和“大型箱子”这两个维值拖拽到控件区域即可。

维值筛选.gif

预览

未命名的即席分析

编辑

保存

保存井发布

宏围品凸

销售分析数据

ii列

Str订单日期(列表)

Su地理展级结构(列表)

三行

度量(列表)

摆索维度或度量

仅展示维度名

维度

描携字段到此处用作查询控件

地理展级结构

订单日期

2015

2016

总计

订单日期

客户名称

订单等级

地理层级结构

订单编号

订单编号订单数量

订单编号

订单数量

订单数量

运输方式

江苏省

883433

1964444

935

1589

1081011

产品类型

654

产品小类

浙江省

7998

4907280

9844239

4196

3802

4936959

产品名称

产品包箱

华中

5098368

11222386

4910

4492

6124018

9402

远输日期

华北

12023136

10319

24736485

10520

12713349

20839

shippingtime

总计

性别

22912217

24855337

20360

47767554

39828

19468

度量

默认

订单编号

订单数量

订单金锁

折扣点

利润金额

单价

远输成本

0值

若需要查看度量对应的筛选数据,直接将度量拖拽至控件区域内,再设置具体数值即可。

比如想要查看订单数量>1000的数据,直接将“订单数量”拖拽至控件区域内,再输入对应数值。

度量筛选.gif


4. 数据计算

在即席分析中,可以在已有表格中直接右键来进行功能操作。根据选中的内容不同可进行的操作也不同。

比如右键选中2个度量时,可以进行百分比、差异百分比和四则运算,计算公式按照选中的顺序来显示。

image.png

除了默认提供的几种快捷计算,还可以通过自定义计算来写表达式。

image.png


5. 交叉钻取

下钻&上卷

所有在数据集中配置了层级结构的维度字段,只要不是层级结构中的最后一层,都可以在即席分析中的表格进行下钻的操作。通过下钻去进行更细粒度的数据查询。

比如下图中的地理层级结构,可以从原来的“区域”下钻到“省份”,从“省份”下钻到“城市”;

右键子层级的维值,可以回到上一层。

下钻、上卷.gif

展开

展开是针对当前选中的行维度所属的维度整体来展开的,比如这里的是维度“区域”,选中“西北”这个维值后点击展开,最后是增加“省份”的所有值。

展开.gif

即席分析还能支持展开不同层级的维值,比如下图中表格原本展示的是“华中”、“华北”两个区域+“江苏”、“浙江”、“福建”、“江西”这四个省份的数据,展开时能自动根据所处的层级展开到下一层,已经到最后一层的可以自动合并不再继续展开。

分面展开.gif


更多关于即席分析的内容,欢迎试用Quick BI体验 https://bi.aliyun.com/



数据中台是企业数智化的必经之路,阿里巴巴认为数据中台是集方法论、工具、组织于一体的,“快”、“准”、“全”、“统”、“通”的智能大数据体系。

目前正通过阿里云对外输出系列解决方案,包括通用数据中台解决方案零售数据中台解决方案金融数据中台解决方案互联网数据中台解决方案政务数据中台解决方案等细分场景。

其中阿里云数据中台产品矩阵是以Dataphin为基座,以Quick系列为业务场景化切入,包括:

官方站点:

数据中台官网 https://dp.alibaba.com

钉钉沟通群和微信公众号

钉钉群二维码.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
|
27天前
|
SQL 缓存 分布式计算
阿里云连续五年入选Gartner®分析和商业智能平台魔力象限,中国唯一
Gartner® 正式发布《分析与商业智能平台魔力象限》报告(Magic Quadrant™ for Analytics and Business Intelligence Platforms),阿里云成为唯一入围该报告的中国厂商,被评为“挑战者”(Challengers)。这也是阿里云连续五年入选该报告。
|
3月前
|
数据采集 存储 数据挖掘
【优秀python数据分析案例】基于Python书旗网小说网站数据采集与分析的设计与实现
本文介绍了一个基于Python的书旗网小说网站数据采集与分析系统,通过自动化爬虫收集小说数据,利用Pandas进行数据处理,并通过Matplotlib和Seaborn等库进行数据可视化,旨在揭示用户喜好和市场趋势,为图书出版行业提供决策支持。
299 6
【优秀python数据分析案例】基于Python书旗网小说网站数据采集与分析的设计与实现
|
13天前
|
人工智能 供应链 搜索推荐
大数据分析:解锁商业智能的秘密武器
【10月更文挑战第31天】在信息爆炸时代,大数据分析成为企业解锁商业智能的关键工具。本文探讨了大数据分析在客户洞察、风险管理、供应链优化、产品开发和决策支持等方面的应用,强调了明确分析目标、选择合适工具、培养专业人才和持续优化的重要性,并展望了未来的发展趋势。
|
17天前
|
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。
35 2
|
17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
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。
22 2
|
1月前
|
数据挖掘 UED
ChatGPT数据分析——探索性分析
ChatGPT数据分析——探索性分析
|
1月前
|
数据可视化 数据挖掘 数据处理
ChatGPT数据分析应用——热力图分析
ChatGPT数据分析应用——热力图分析
|
1月前
|
数据挖掘
ChatGPT在常用的数据分析方法中的应用(分组分析)
ChatGPT在常用的数据分析方法中的应用(分组分析)
|
1月前
|
机器学习/深度学习 数据采集 数据可视化
如何理解数据分析及数据的预处理,分析建模,可视化
如何理解数据分析及数据的预处理,分析建模,可视化
47 0
|
1月前
|
数据挖掘
ChatGPT在常用的数据分析方法中的应用(对比分析)
ChatGPT在常用的数据分析方法中的应用(对比分析)

热门文章

最新文章