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

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

我们可以看到,在数量字段前有一个标签SUM,该标签指定了数量字段的聚合方式,即求和。如果我们需要改变数量字段的聚合方式,只需要点击SUM标签,然后选择相应的聚合方式即可(在这个步骤中不需要修改数量字段的聚合方式)。

202007111429574.png

如果我们需要对数据集中的某些字段进行过滤,只需要将相应的字段拖动到过滤器中,然后填写相应的过滤条件即可(在本步骤中不需要对字段进行过滤操作)。

20200711143015210.png

在完成了上述操作之后,我们只需要点击更新按钮,即可生成相应的交叉表。交叉表如下图所示:


20200711143034494.png

在生成了交叉表之后我们可以在页面右侧,图表设计的样式中,将交叉表的表名修改为Sales_Amount


20200711143059895.png


修改完成之后,我们可以看到交叉表的表名已经变成了Sales_Amount


20200711143120142.png

5. 如果我们需要分析该公司月度平均销售额,那么我们就需要改变相应度量的聚合方式。首先我们点击页面上方的工具栏中的交叉表,重新创建一个交叉表。

然后在页面右侧选择数据集Global_Superstore_Orders_2016,选择的方法与之前的步骤相同。然后将维度中的订购日期(month)和度量中的销售额分别拖动到行和列中,如下图所示


20200711143149637.png


点击销售额前方的聚合类型的标签SUM,将聚合类型修改为平均值(AVG)

20200711143212989.png


然后点击更新按钮即可得到相应的交叉表

20200711143232638.png

月度平均销售额交叉表如下图所示:


2020071114325090.png

在生成了交叉表之后我们可以在页面右侧,图表设计的样式中,将交叉表的表名修改为Avg_Sale


20200711143307911.png


修改完成之后,我们可以看到交叉表的表名已经变成了Avg_Sale

6. 点击页面右上角的保存按钮

7. 在保存仪表板的对话框中,将仪表板的名称修改为报表,然后点击确定即可保存仪表板。如果有需求,我们可以将仪表板保存到不同的位置。

8. 保存完成之后我们就可以在仪表板页面查看我们刚才保存的仪表板


第 3 章:思考与讨论


3.1 思考与讨论


阿里云Quick BI产品相对于普通桌面Excel等电子表格有什么优势?

参考答案


Quick BI 支持众多种类的数据源,既可以连接 MaxCompute(ODPS)、RDS、ADS、HybridDB(Greenplum)等云数据源,也支持连接 ECS 上您自有的 MySQL 数据库,还支持上传本地文件到 Quick BI 内置的探索空间进行分析。


由于云计算的天生优势,使用Quick BI处理和分析海量数据成本很低。


Quick BI 使用起来很简单,通过提供智能化的数据建模工具,极大降低了数据的获取成本和使用门槛,拖拽式操作和丰富的可视化图表控件为数据分析提供了便利。

相关实践学习
阿里云实时数仓实战 - 用户行为数仓搭建
课程简介 1)学习搭建一个数据仓库的过程,理解数据在整个数仓架构的从采集、存储、计算、输出、展示的整个业务流程。 2)整个数仓体系完全搭建在阿里云架构上,理解并学会运用各个服务组件,了解各个组件之间如何配合联动。 3 )前置知识要求:熟练掌握 SQL 语法熟悉 Linux 命令,对 Hadoop 大数据体系有一定的了解   课程大纲 第一章 了解数据仓库概念 初步了解数据仓库是干什么的 第二章 按照企业开发的标准去搭建一个数据仓库 数据仓库的需求是什么 架构 怎么选型怎么购买服务器 第三章 数据生成模块 用户形成数据的一个准备 按照企业的标准,准备了十一张用户行为表 方便使用 第四章 采集模块的搭建 购买阿里云服务器 安装 JDK 安装 Flume 第五章 用户行为数据仓库 严格按照企业的标准开发 第六章 搭建业务数仓理论基础和对表的分类同步 第七章 业务数仓的搭建  业务行为数仓效果图  
目录
相关文章
|
7月前
|
存储 分布式计算 大数据
【赵渝强老师】阿里云大数据存储计算服务:MaxCompute
阿里云MaxCompute是快速、全托管的TB/PB级数据仓库解决方案,提供海量数据存储与计算服务。支持多种计算模型,适用于大规模离线数据分析,具备高安全性、低成本、易用性强等特点,助力企业高效处理大数据。
356 0
|
4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。
|
4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
211 9
|
5月前
|
人工智能 分布式计算 DataWorks
阿里云大数据AI产品月刊-2025年8月
阿里云大数据& AI 产品技术月刊【2025年 8 月】,涵盖 8 月技术速递、产品和功能发布、市场和客户应用实践等内容,帮助您快速了解阿里云大数据& AI 方面最新动态。
445 2
|
5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。
|
6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
|
存储 分布式计算 资源调度
【赵渝强老师】阿里云大数据MaxCompute的体系架构
阿里云MaxCompute是快速、全托管的EB级数据仓库解决方案,适用于离线计算场景。它由计算与存储层、逻辑层、接入层和客户端四部分组成,支持多种计算任务的统一调度与管理。
449 1
|
7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。