【实验】阿里云大数据助理工程师认证(ACA)- QuickBI数据分析(上)

简介: 【实验】阿里云大数据助理工程师认证(ACA)- QuickBI数据分析

实验概述

Quick BI是专为云上用户量身打造的新一代智能BI服务平台。Quick BI提供海量数据实时在线分析,拖拽式操作、丰富的可视化效果,帮助您轻松自如地完成数据分析、业务数据探查。它不止是业务人员“看”数据的工具,更是数据化运营的助推器,Data Intelligence is more than Business Intelligence,实现人人都是数据分析师。通过实验学生能掌握Quick BI的使用方法。


实验目的

本实验要求学生掌握大数据可视化从分析到实现的基本流程,利用阿里云提供的可视化工具Quick BI进行初步尝试,快速生成可视化BI报表,使用Quick BI工具对数据进行初步的分析。


实验架构


阿里云Quick BI可视化工具


第 1 章:实验背景


1.1 maxcompute


请点击页面左侧的 ,在左侧栏中,查看本次实验资源信息。

maxcomputemaxcompute MAXCOMPUTE

在弹出的左侧栏中,点击 创建资源 按钮,开始创建实验资源。

资源创建过程需要1-3分钟。完成实验资源的创建后,用户可以通过 实验资源 查看实验中所需的资源信息,例如:阿里云账号等。


1.2 实验概述


Quick BI是专为云上用户量身打造的新一代智能BI服务平台。Quick BI提供海量数据实时在线分析,拖拽式操作、丰富的可视化效果,帮助您轻松自如地完成数据分析、业务数据探查。它不止是业务人员“看”数据的工具,更是数据化运营的助推器,Data Intelligence is more than Business Intelligence,实现人人都是数据分析师。通过实验学生能掌握Quick BI的使用方法。


1.5 实验准备


本实验需要使用阿里云的Quick BI资源,具体步骤如下:


【注】本实验均在Google Chrome浏览器下测试运行,为了达到最大兼容,推荐使用Windows7以上的操作系统以及Chrome浏览器进行实验。


【注】一旦开始创建资源,该实验就开始计时,并在到达实验规定的时长时,将自动结束实验并清除资源。


进入实验后会出现如下界面,首先点击实验手册,然后点击附件下载,将附件下载到本地
下载完成之后点击实验资源,然后点击创建实验资源按钮,如下图所示
等待创建完成。创建完成后出现如下界面,点击复制控制台url的链接,然后使用浏览器的隐


第 2 章:实验详情


2.1 添加数据源


  1. 首先点击工作空间,然后点击数据源,最后点击上传文件

20200711141454726.png

阿里云Quick BI支持很多种数据来源,可以直接从MaxCompute将数据导入。还可以根据业务类型,从自建的数据库(目前仅支持MySQL和SQLServer)或者是本地的Excel、CSV文件导入。


【注】本实验只使用导入本地文件的方法导入数据,从MaxCompute和MySQL导入数据的方法不做实践。

2. 从本地数据导入


阿里云的Quick BI支持将本地上的Excel与csv文件上传创建数据集。以某公司的销售数据为例。该文件可以在云中沙箱的实验附件中可以找到,直接点击文件名下载,如下图。


20200711141524263.png


在新弹出的窗口中选择本地EXCEL文件。


20200711141543220.png


点击后跳出上传页面,点击 选择文件 按钮,选择刚才下载的文件(Global Superstore Orders 2016.xlsx),在输入指定名称一栏将数据源的名称修改为Global_Superstore_Orders_2016。

20200711141656437.png


1)点击确定,稍等片刻即可在页面中查看到数据文件。

20200711141734620.png

2) 点击 创建数据集 按钮之后会弹出创建数据集对话框,点击 确定 按钮


20200711141801800.png


20200711141818937.png

3) 页面会跳转至数据集标签下,现在已经创建好了一个新的数据集。

20200711141836937.png

3. 从MaxCompute中导入


【注】在Quick BI中同样还支持导入MaxCompute数据,本实验中并未配置MaxCompute,因此在此仅对从MaxCompute导入做简单介绍,不纳入实验范围内。可以直接跳转至步骤2。


点击 数据源 按钮,然后点击 新建数据源


20200711141857440.png

然后在对话框中点击云数据库,然后点击MaxComputer按钮

20200711141915993.png


2) 在实际生产应用过程中,如果当前账号有配置MaxCompute项目的情况下,按照当前帐号下的MaxCompute项目名称以及该账号的Access ID与Access Key(可以在账号控制台下找到)将下列对话框中的信息完善,点击测试连接检查信息是否有误,将该连接添加进Quick BI。在此步骤中仅仅只是查看一下如何添加数据源的操作。


20200711141936317.png


3) 如果测试正确,将会显示下列的提示。一旦测试成功后就可以点击上图的添加按钮将MaxCompute的数据导入。


4) 稍等片刻刷新页面即可看到数据表已经导入了Quick BI。



20200711142005976.png

4. 从MySQL导入


【注】在Quick BI中同样还支持导入MySQL数据库的数据,本实验中并未配置MySQL服务,因此在此仅对从MySQL导入做简单介绍,不纳入实验范围内。

1)点击 数据源 按钮,然后点击 新建数据源


20200711142024523.png

然后在对话框中点击云数据库,然后点击MySQL按钮


20200711142043882.png


2)同样在测试连接无误后将其添加进数据源。这一步仅仅只是查看一下如何连接MySQL。在实际应用的过程中,等待数据同步后即可看到如下类似的数据表:


20200711142101145.png

2.3 制作单个交叉表


  1. 在工作空间中选择仪表板,然后点击新建仪表板,即可新建一个仪表板


20200711142729892.png

新建的仪表板界面如下图所示:

20200711142749446.png

可以看到,仪表板中默认生成了一张线图。由于本实验不需要使用线图,因此我们可以先将该线图删除。首先点击线图框右上角的按钮,然后点击删除按钮,即可删除线图


20200711142814203.png


 删除了线图之后,点击页面上方的交叉表按钮,新建交叉表


20200711142836356.png

3. 新建交叉表之后在页面的右侧,图表设计栏的选择数据集对话框中,选择我们之前创建的数据集Global_Superstore_Orders_2016


20200711142855936.png

选择了数据集之后,数据集中的字段就会出现在页面的最右侧

20200711142914948.png


4. 如果我们需要分析该公司每年的销售量,我们可以将维度中的订购日期(year)和度量中的数量分别拖动到相应的位置,如下图所示


20200711142935649.png

相关实践学习
每个IT人都想学的“Web应用上云经典架构”实战
本实验从Web应用上云这个最基本的、最普遍的需求出发,帮助IT从业者们通过“阿里云Web应用上云解决方案”,了解一个企业级Web应用上云的常见架构,了解如何构建一个高可用、可扩展的企业级应用架构。
MySQL数据库入门学习
本课程通过最流行的开源数据库MySQL带你了解数据库的世界。   相关的阿里云产品:云数据库RDS MySQL 版 阿里云关系型数据库RDS(Relational Database Service)是一种稳定可靠、可弹性伸缩的在线数据库服务,提供容灾、备份、恢复、迁移等方面的全套解决方案,彻底解决数据库运维的烦恼。 了解产品详情: https://www.aliyun.com/product/rds/mysql 
目录
相关文章
|
2月前
|
数据可视化 大数据 关系型数据库
基于python大数据技术的医疗数据分析与研究
在数字化时代,医疗数据呈爆炸式增长,涵盖患者信息、检查指标、生活方式等。大数据技术助力疾病预测、资源优化与智慧医疗发展,结合Python、MySQL与B/S架构,推动医疗系统高效实现。
|
2月前
|
机器学习/深度学习 搜索推荐 数据挖掘
数据分析真能让音乐产业更好听吗?——聊聊大数据在音乐里的那些事
数据分析真能让音乐产业更好听吗?——聊聊大数据在音乐里的那些事
172 9
|
3月前
|
数据可视化 数据挖掘 大数据
基于python大数据的水文数据分析可视化系统
本研究针对水文数据分析中的整合难、分析单一和可视化不足等问题,提出构建基于Python的水文数据分析可视化系统。通过整合多源数据,结合大数据、云计算与人工智能技术,实现水文数据的高效处理、深度挖掘与直观展示,为水资源管理、防洪减灾和生态保护提供科学决策支持,具有重要的应用价值和社会意义。
|
4月前
|
存储 数据挖掘 大数据
基于python大数据的用户行为数据分析系统
本系统基于Python大数据技术,深入研究用户行为数据分析,结合Pandas、NumPy等工具提升数据处理效率,利用B/S架构与MySQL数据库实现高效存储与访问。研究涵盖技术背景、学术与商业意义、国内外研究现状及PyCharm、Python语言等关键技术,助力企业精准营销与产品优化,具有广泛的应用前景与社会价值。
|
5月前
|
机器学习/深度学习 Java 大数据
Java 大视界 -- Java 大数据在智能政务公共资源交易数据分析与监管中的应用(202)
本篇文章深入探讨了 Java 大数据在智能政务公共资源交易监管中的创新应用。通过构建高效的数据采集、智能分析与可视化决策系统,Java 大数据技术成功破解了传统监管中的数据孤岛、效率低下和监管滞后等难题,为公共资源交易打造了“智慧卫士”,助力政务监管迈向智能化、精准化新时代。
|
7月前
|
存储 关系型数据库 MySQL
大数据新视界 --面向数据分析师的大数据大厂之 MySQL 基础秘籍:轻松创建数据库与表,踏入大数据殿堂
本文详细介绍了在 MySQL 中创建数据库和表的方法。包括安装 MySQL、用命令行和图形化工具创建数据库、选择数据库、创建表(含数据类型介绍与选择建议、案例分析、最佳实践与注意事项)以及查看数据库和表的内容。文章专业、严谨且具可操作性,对数据管理有实际帮助。
大数据新视界 --面向数据分析师的大数据大厂之 MySQL 基础秘籍:轻松创建数据库与表,踏入大数据殿堂
|
6月前
|
机器学习/深度学习 SQL 数据采集
大数据行业权威认证盘点:这些证书让你的简历更受大厂青睐
这些认证不仅能够为求职者提供有力的能力证明,更能帮助HR快速识别符合岗位要求的技术人才。对于希望进入大数据领域的从业者来说,选择适合自身职业规划的认证,将大大提升职业竞争力。
|
11月前
|
SQL 数据可视化 大数据
从数据小白到大数据达人:一步步成为数据分析专家
从数据小白到大数据达人:一步步成为数据分析专家
597 92
|
10月前
|
存储 分布式计算 大数据
基于阿里云大数据平台的实时数据湖构建与数据分析实战
在大数据时代,数据湖作为集中存储和处理海量数据的架构,成为企业数据管理的核心。阿里云提供包括MaxCompute、DataWorks、E-MapReduce等在内的完整大数据平台,支持从数据采集、存储、处理到分析的全流程。本文通过电商平台案例,展示如何基于阿里云构建实时数据湖,实现数据价值挖掘。平台优势包括全托管服务、高扩展性、丰富的生态集成和强大的数据分析工具。
|
并行计算 数据挖掘 大数据
Python数据分析实战:利用Pandas处理大数据集
Python数据分析实战:利用Pandas处理大数据集