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

本文涉及的产品
云数据库 RDS MySQL,集群系列 2核4GB
推荐场景:
搭建个人博客
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
云数据库 RDS PostgreSQL,集群系列 2核4GB
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
如何在云端创建MySQL数据库
开始实验后,系统会自动创建一台自建MySQL的 源数据库 ECS 实例和一台 目标数据库 RDS。
全面了解阿里云能为你做什么
阿里云在全球各地部署高效节能的绿色数据中心,利用清洁计算为万物互联的新世界提供源源不断的能源动力,目前开服的区域包括中国(华北、华东、华南、香港)、新加坡、美国(美东、美西)、欧洲、中东、澳大利亚、日本。目前阿里云的产品涵盖弹性计算、数据库、存储与CDN、分析与搜索、云通信、网络、管理与监控、应用服务、互联网中间件、移动服务、视频服务等。通过本课程,来了解阿里云能够为你的业务带来哪些帮助     相关的阿里云产品:云服务器ECS 云服务器 ECS(Elastic Compute Service)是一种弹性可伸缩的计算服务,助您降低 IT 成本,提升运维效率,使您更专注于核心业务创新。产品详情: https://www.aliyun.com/product/ecs
目录
相关文章
|
21天前
|
数据采集 数据可视化 数据挖掘
阿里云 Quick BI使用介绍
阿里云 Quick BI使用介绍
82 3
|
6月前
|
存储 数据采集 数据挖掘
Python数据分析实验一:Python数据采集与存储
Python数据分析实验一:Python数据采集与存储
193 1
|
24天前
|
SQL 分布式计算 数据挖掘
加速数据分析:阿里云Hologres在实时数仓中的应用实践
【10月更文挑战第9天】随着大数据技术的发展,企业对于数据处理和分析的需求日益增长。特别是在面对海量数据时,如何快速、准确地进行数据查询和分析成为了关键问题。阿里云Hologres作为一个高性能的实时交互式分析服务,为解决这些问题提供了强大的支持。本文将深入探讨Hologres的特点及其在实时数仓中的应用,并通过具体的代码示例来展示其实际应用。
125 0
|
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
126 1
|
4月前
|
存储 数据挖掘 OLAP
阿里云 EMR Serverless StarRocks OLAP 数据分析场景解析
阿里云 E-MapReduce Serverless StarRocks 版是阿里云提供的 Serverless StarRocks 全托管服务,提供高性能、全场景、极速统一的数据分析体验,具备开箱即用、弹性扩展、监控管理、慢 SQL 诊断分析等全生命周期能力。内核 100% 兼容 StarRocks,性能比传统 OLAP 引擎提升 3-5 倍,助力企业高效构建大数据应用。本篇文章对阿里云EMR Serverless StarRocks OLAP 数据分析场景进行解析、存算分离架构升级以及 Trino 兼容,无缝替换介绍。
19181 12
|
6月前
|
存储 安全 数据挖掘
性能30%↑|阿里云AnalyticDB*AMD EPYC,数据分析步入Next Level
第4代 AMD EPYC加持,云原生数仓AnalyticDB分析轻松提速。
性能30%↑|阿里云AnalyticDB*AMD EPYC,数据分析步入Next Level
|
3月前
|
SQL 开发框架 大数据
【数据挖掘】顺丰科技2022年秋招大数据挖掘与分析工程师笔试题
顺丰科技2022年秋招大数据挖掘与分析工程师笔试题解析,涵盖了多领域选择题和编程题,包括动态规划、数据库封锁协议、概率论、SQL、排序算法等知识点。
85 0
|
4月前
|
运维 数据挖掘 Serverless
深度解析阿里云EMR Serverless StarRocks在OLAP数据分析中的应用场景
阿里云EMR Serverless StarRocks作为一款高性能、全场景覆盖、全托管免运维的OLAP分析引擎,在企业数据分析领域展现出了强大的竞争力和广泛的应用前景。通过其卓越的技术特点、丰富的应用场景以及完善的生态体系支持,EMR Serverless StarRocks正逐步成为企业数字化转型和智能化升级的重要推手。未来随着技术的不断进步和应用场景的不断拓展我们有理由相信EMR Serverless StarRocks将在更多领域发挥重要作用为企业创造更大的价值。
|
6月前
|
分布式计算 监控 大数据
《吊打面试官》- 大数据工程师50道中大厂面试真题保姆级详解
《吊打面试官》- 大数据工程师50道中大厂面试真题保姆级详解
107 1
《吊打面试官》- 大数据工程师50道中大厂面试真题保姆级详解
|
6月前
|
存储 安全 数据挖掘
性能30%↑|阿里云AnalyticDB X AMD EPYC,数据分析步入Next Level
阿里云原生数仓 AnalyticDB for PostgreSQL 与 AMD 新一代硬件深度优化,结合全自研计算引擎及行列混合存储实现性能升级,综合性能提升30%。结合丰富的企业级能力帮助企业构建离在线一体、流批一体综合数据分析平台,采用同一引擎即可满足离线批处理、流式加工,交互式分析三种场景,在开发运维、时效性及成本上具备更高的性价比。
499 0