一文带你了解企业上云数据分析首选产品Quick BI

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
智能商业分析 Quick BI,专业版 50license 1个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介: 文章将为大家详细介绍上云数据分析首选产品 Quick BI的核心能力。

日前,国际权威分析机构Gartner发布2021年商业智能和分析平台魔力象限报告,阿里云Quick BI再度入选,并继续成为该领域唯一入选魔力象限的中国企业Gartner ABI领域魔力象限的评选条件全面且严苛。Gartner将围绕厂商们各个维度的能力进行打分,并将表现优先突出的厂商纳入魔力象限。


为让大家更全面了解Quick BI,从以展开进行阐述。

Quick BI是专为云上用户量身打造的智能数据分析和可视化BI产品,帮助企业快速完成从传统的数据分析到数据云化+分析云化的转变,将企业的业务数据产出后以最快的速度被推送到各组织侧消费使用。


1、从阿里内部上云孵化而来

BI在阿里巴巴内部是重要的数据分析工具,应用在一线小二与管理层工作的方方面面,BI工具是数据化运营和数据化决策的基础。

Quick BI汲取了阿里巴巴内部BI设计与应用的经验,产品孵化后通过阿里云对外部企业提供服务。在从IOE时代到分布式数据存储和计算时代过渡的进程中,阿里巴巴发现市场上的BI工具无法满足大数据量计算和快速分析的需求,并且单个工具的能力比较单一,无法满足各种复杂多变的场景。而那时的阿里巴巴,各个业务的需求爆炸式增长,急需一款即使没有数据开发和分析背景的人员也能使用的取数工具。

于是决定自研一套在分布式数据存储框架上的取数工具。

之后一段时间内部不同BU的数据分析类的工具百花齐放,有的面向于复杂的表格,有的用于快速的制作报表,有的只能搭建移动端的报表。

在登月(阿里内部数据全部迁移到ODPS)之后,阿里巴巴推出了阿里内部统一的云上BI分析工具,并且在集团内部不断演化,直至不仅能在各业务线的决策分析中发挥作用,还能贴合电商营销和行业运营构建专题性的数据分析产品。也可直接服务于技术、运营、产品等角色的一线员工快速连接数据生成报表。最终发展成10万员工快速上手的功能强大的BI平台。

除了关注内部员工以外,在服务淘宝、天猫的商家时,发现数据作为企业基础资源,并没有被很好的消费和使用。从2017年开始,更为普世的面向全行业的基础数据分析工具Quick BI开始向云上的客户提供SaaS服务,现在除了公共云,还以敏捷专有云、标准专有云和独立部署的方式向非阿里云客户提供BI服务。


2、数据联合分析能力

Quick BI并非是将内部BI产品原封不动的搬到云上,适合于大型互联网公司的内部产品不一定适合广泛的阿里云上客户。

一开始,Quick BI的定位是帮助客户分析他们在阿里云上存储的数据,所以依照阿里云数据存储的类型进行了全面的接入。

业务本身建立在阿里云上的企业,数据会存储在各种云数据库和存储中,阿里云提供了多种选择,帮助大型企业进行数据的批量处理和流式处理,处理后的结果也会存储在阿里云上,比如Maxcompute、RDS、ADB、Hbase或Hologres等,不同类型的存储提供了对于亿、百亿和千亿以上量级的存储和计算能力。

image.png

现实状态下有的客户还在迁移上云过程中或者本身就是混合部署,他们还有部分数据存储在本地,这就需要对本地和云上的数据进行联合分析,Quick BI通过自建的查询引擎,以及和阿里云Data Lake Analytics产品的合作,提供了较强的对异构数据进行联合分析的能力。

3、如何利用Quick BI 构建数据分析体系

对于大多数主动发起或统一规划的数据中心,数据分析体系或者说报表体系一般是从无序到有序,或者从有序到无序再到有序的路径建立起来的。

IT团队或者数据分析师首先基于对业务的理解,建立面向业务的报表体系,这种固定的报表体系只能满足部分业务的需求,其他需求则需要配置临时报表。随着业务的变化有越来越多的报表需要上线和下线,原本统一固定的报表体系也变得越来越混乱无序,此时又再需要进行重构。

良性演进建立起来的数据分析体系,一般包括决策分析、业务专题分析和临时报表。决策分析和业务专题分析通常会用固定的数据产品形成报表体系,由专业的数据团队维护,可以保持较长周期的稳定。而临时报表可以随着业务的变化临时创建和消亡,当业务稳定后对应的临时报表再沉淀到固定报表体系中。

拥有复杂场景解决能力的Quick BI提供了多种数据分析能力,包括:仪表板、电子表格、自助分析、大屏、自助取数等。

  • 仪表板可创建分析思路经明确的、有一定数据逻辑的报表或者数据产品;
  • 电子表格适合样式复杂,甚至需要对单元格级进行调整的场景,比如银行报送的报表、政府单位逐级填报汇总的报表,只要熟悉Excel不需要会写SQL也能轻松配置;
  • 自助分析适合分析维度和指标都比较多的大宽表,由数据团队构建并保障大宽表的产出,业务人员随着业务需求随时组合不同维度和指标,可以定位数据波动原因,也可分组汇总数据等。这些分析不需要固化,即分析即走;
  • 还有一些场景需要导出大量数据,再进行后续分析或者导入其他系统,比如用户名单、订单明细等,动辄几百万上千万,这时使用自助取数就可以方便的完成。

幻灯片1.png

数据构建

分析和可视化

多端

数然门户

仪表板

数据查询引擎

多益访间

阿里云存储

分析型图农

基型&衣

数若衣建琪

侈动栈

交互式分析

亮级分析

本地数努库

H5,铸,企分

分听引续

SOL毯测

时序及动态分析

数妆数事构建

Pcl

性度视型

应用数据承

加速引掌

多农关联

玫坏见解

痘换获管

电视屏

文件上传

字用管理

订阅

智能引续

自助分析

电子衣格

数坏发存

表甲磺报

自助取数

Quick BI最新产品大图


数据分析和可视化结果能在多种渠道被使用。不止可以在PC浏览器访问,还可以在移动环境下通过手机端访问(可视化效果自动适配手机屏)。针对工厂、会议室、活动现场等场合,还可以投像至电视屏。

无论是通过导出、分享还是订阅,当数据发生变化或出现波动时,便会主动推送给关注这组数据的人。当企业在使用钉钉或者企业微信时,Quick BI可以和他们很好的集成,提高业务沟通中查看数据、分析数据的效率。Quick BI可以给群或单个用户主动发送消息,也可以用系统通知的方式发送信息。

钉钉群甚至可以设置智能机器人,群成员向Quick BI机器人提问,即可查找数据和报表。

4、Quick BI 的数据可视化能力

可视化是BI产品的核心能力,Quick BI认为数据可视化应该从简单的数据呈现向快速的数据分析进行升级,而0代码交互式的可视化操作面板可以明显提升数据分析的效率。

除了通过交互式的操作(钻取、联动、跳转)快速发现数据之间的关联和组成,Quick BI进一步提供全新的快速洞察方式。新增的指标拆解图可以帮助用户自定义分析的指标和纬度,用户可以随时调整分析的维度和拆解的顺序,在指标出现波动和异常时能够快速定位影响因素。

5、生意参谋自助分析

生意参谋自助分析功能针对在集团电商平台开店的卖家推出,Quick BI 和生意参谋联合打造了生意参谋自助分析模块。当天猫、淘宝的卖家在使用生意参谋进行店铺数据化运营过程中,面对现有报表无法满足需求时,可以通过拖拉拽的形式,0代码的对生意参谋内的数据进行自助分析。以前卖家只能勾选维度和指标,选择时间周期,将数据下载到本地再进行分析。现在,在线即可完成分析,做好的仪表板页面也能保存在生意参谋中。目前有近两千家店铺因此受益。

image.png

零售云全域分析

生意参谋自助分析

集团版

单店版

QuickBI

QuickBl

淘系账号SSO

(零售云部署)

淘系账号sSO

(生意谋独立部署)

多店,单品牌,多品牌

生意全景分析

参谋移动端

参谋移动端

报表和电子表格

(移动报表,订阅推送,机器人)

(PC和移动报表,订阅推送,机器人)

(移动报表,订阅推送,机器人)

自定义

店铺PC取数报表

集团PC取数报表

数据集

行业分析模板

报表和电子表格

(默认模板报表,自定义报表)

(商家数据隔离)

(默认模板报表,自定义报表)

品牌

店铺

查询引擎

品牌共享ADS集群

店铺共享ADS集群

上传数据

上传数据

品牌自有空间

品牌自有空间

(只读)

生意参谋ODPS数仓

品牌一方数据

生意参谋单店数据

生意参谋品牌数据

品牌经营数据

其他渠道数据

流量,交易,转化,物流,服务,互动,评价

流量,交易,转化,物流,服务,互动,评价

6、钉钉

2021年初,Quick BI和钉钉团队合作。在钉钉应用市场推出“智能报表”应用,帮助在钉钉上的百万企业分析在钉钉中产生的任务、表单、流程等数据,并支持将钉钉中产生的数据和企业自有的业务数据进行融合分析。

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。  
目录
相关文章
|
4天前
|
数据采集 监控 数据可视化
BI工具在数据分析和业务洞察中的应用
BI工具在数据分析和业务洞察中的应用
25 11
|
4月前
|
数据可视化 安全 搜索推荐
干货|FESCO Adecco外企德科:Quick BI打造战略管理“观数台”(2)
干货|FESCO Adecco外企德科:Quick BI打造战略管理“观数台”
128 4
|
4月前
|
监控 数据可视化 数据挖掘
干货|FESCO Adecco外企德科:Quick BI打造战略管理“观数台”(1)
干货|FESCO Adecco外企德科:Quick BI打造战略管理“观数台”
104 4
|
16天前
|
数据采集 数据可视化 数据挖掘
数据驱动决策:BI工具在数据分析和业务洞察中的应用
【10月更文挑战第28天】在信息爆炸的时代,数据成为企业决策的重要依据。本文综述了商业智能(BI)工具在数据分析和业务洞察中的应用,介绍了数据整合、清洗、可视化及报告生成等功能,并结合实际案例探讨了其价值。BI工具如Tableau、Power BI、QlikView等,通过高效的数据处理和分析,助力企业提升竞争力。
34 5
|
3月前
|
供应链 数据可视化 数据挖掘
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 建模及python代码详解 问题一
本文详细介绍了第十一届泰迪杯数据挖掘挑战赛B题的解决方案,涵盖了对产品订单数据的深入分析、多种因素对需求量影响的探讨,并建立了数学模型进行未来需求量的预测,同时提供了Python代码实现和结果可视化的方法。
125 3
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 建模及python代码详解 问题一
|
3月前
|
存储 数据可视化 数据挖掘
【python】python企业财务能力数据分析可视化(源码+报告+数据集)【独一无二】
【python】python企业财务能力数据分析可视化(源码+报告+数据集)【独一无二】
151 1
|
3月前
|
机器学习/深度学习 数据采集 数据挖掘
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 建模及python代码详解 问题二
本文提供了第十一届泰迪杯数据挖掘挑战赛B题问题二的详细解题步骤,包括时间序列预测模型的建立、多元输入时间预测问题的分析、时间序列预测的建模步骤、改进模型的方法,以及使用Python进行SARIMA模型拟合和预测的具体实现过程。
69 1
|
3月前
|
供应链 算法 数据挖掘
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 23页论文及实现代码
本文介绍了2023年第十一届泰迪杯数据挖掘挑战赛B题的解决方案,深入分析了产品订单数据,并使用Arimax和Var模型进行了需求预测,旨在为企业供应链管理提供科学依据,论文共23页并包含实现代码。
100 0
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 23页论文及实现代码
|
4月前
|
BI
专业认证!阿里云Quick BI入选Gartner®魔力象限
专业认证!阿里云Quick BI入选Gartner®魔力象限
133 1
|
3月前
|
数据采集 运维 DataWorks
DataWorks产品使用合集之打开quickbi报表时很慢,该怎么办
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。

热门文章

最新文章