数据可视化系列-06数据分析工具QuickBI

本文涉及的产品
智能商业分析 Quick BI,专业版 50license 1个月
简介: 数据可视化系列-06数据分析工具QuickBI

数据可视化系列-06数据分析工具QuickBI


参考:

Quick BI 数据可视化分析平台

QuickBI官方文档


一文介绍QuickBI

Quick BI是一款全场景数据消费式的BI平台,秉承全场景消费数据,让业务决策触手可及的使命,通过智能的数据分析和可视化能力帮助企业构建数据分析系统,您可以使用Quick BI制作漂亮的仪表板、格式复杂的电子表格、酷炫的大屏、有分析思路的数据门户,也可以将报表集成在您的业务流程中,并且通过邮件、钉钉、企业微信等分享给您的同事和合作伙伴。

通过Quick BI可以让企业的数据资产快速的流动起来,通过BI和AI结合挖掘数据背后的价值,加深并加速在企业内部各种场景的数据消费。

e23c25fb4fec13e8c997372bcd1f2a45_e0e8934b722754e087bbf8b8dbac948c.png


Quick BI 的基本对象

数据源:您在使用 Quick BI 分析数据时,需要先指定原始数据所在的数据源。数据源就是数据所在的地方。Quick BI 中提供了多种添加数据源的方式:

aec70db65559ebb0f34cb599d4c40a39.png


数据集:您可以将各种不同的数据源中的表创建为数据集。在数据集列表中,您还可以对已添加的数据集做编辑、移动和删除操作。

d95e1552a017c84d30a5da3716287ce0.png


电子表格(适用于Quick BI专业版和高级版):电子表格仅适用于高级版及专业版的群空间下。类Excel的在线报表设计器,灵活个性化的报表样式配置,快捷的总小计自定义高级计算,支持在线、本地多元化的分析模式,业务人员亦可以自助完成“格式复杂,信息量大”的中国式报表,可实现包括但不限于各类业务明细表、分组报表、交叉报表、主子报表、分栏报表、查询类报表、填报类报表等表格的制作。

602a01e55bfb312f158e375c2e785250.png


仪表板:仪表板采用了更加灵活的磁贴式布局来显示报表数据的交互,它不仅可以将数据以可视化的方式呈现,还支持通过各种数据筛选和查询,使用各种数据展现方式,突出数据中的关键字段。


2b424132adf61e4c27659b0dc9720128.png

数据门户:数据门户也叫数据产品。您可以使用数据门户功能构建例如经营分析系统的应用。数据门户不仅可以引用Quick BI中的数据结果,同时也支持外挂链接。

a21980e1df6ee3a50f6cd12ea36629d2.png

快速入门

Quick BI产品架构界面说明

菜单栏

单击菜单栏中的配置项,可切换至对应功能入口并进行相关操作。


①订阅管理、指标监控、取数中心

②系统消息提示

③设置组织、空间等后台配置

④帮助文档、社区、操作视频、创作区等



Quick BI以全场景数据消费为目的,支持不同角色在产品中进行操作以推动数据在企业中流动:


我的看板面向高管及查看报表的用户。

工作台面向开发者或分析师进行数据分析。

开发者中心面向企业开发者或社区开发者的自定义诉求。

模板市场面向企业的不同角色或用户,提供多行业模板。


我的看板

首页

支持千人千面的首页报表设置,来实现默认即可查看对应报表。请参见配置PC端首页。

image.png


工作台首页

工作台可以查看并管理我的工作空间、快速创建资源、基于模板创建仪表板、快速进入近期操作的资源和新手上路。

1af8cf794c579b26fdce94dcd235aff2.png


通过仪表板分析数据

参考:通过仪表板分析数据

通过Quick BI连接外部数据源,进行数据分析和报表搭建,主要分为以下步骤:


步骤一:连接数据源

本文为您提供免费的阿里云MySQL数据源,供您练习并上手Quick BI。


步骤二:数据建模

连通数据源后,当需要分析的数据存储在不同的表,您可以通过数据关联,把多个表连接起来,形成模型进行数据分析。

ce4d1100b23b9dd7abaac40e44229fbc.png

54b2b2406a3c4130ce907cd2f2693792.png

94fb633a31a14fdb315894ce97ca2b2a.png


在度量中新增毛利额和毛利率字段。

97abf57779b10755ef3e07e32e34f4c4.png

目标字段添加成功后,单击保存。

8decdc02136c892aff87fc963559f62a.png


步骤三:数据可视化分析

您可以通过创建仪表板,添加不同的图表来展示数据,并通过联动进行数据可视化分析。

1.在数据集编辑页面,在顶部导航栏选择开始分析创建仪表板。

9c2f662231f879d83a9d284d3a54076a.png

2.创建指标趋势图,分析月度核心销售额、毛利额、毛利率。

为了更好地展示各个月份销售额、毛利额、毛利率三个关键指标的走势数据,推荐您选择指标趋势图进行呈现。

按照下图指引,创建指标趋势图。

37d5a9a913471e245325f1f7befb406f.png

在高级页签,开启副指标展示,配置图表样式。

2a3234df7cbdd492fa189f49db7d585a.gif

3.创建气泡图,分析渠道类别销售额和毛利数据。

为了更好地展示不同渠道类别的销售额、毛利率、毛利额的数据,推荐您选择气泡图进行呈现。

按照下图指引,创建气泡图。

d5818f2f2082963922dde6a8a062a84a.png

设置过滤器

在样式页签,配置图表样式。

4.联动分析2019年8月渠道明细毛利率数据。

为了更好地分析各个渠道在2019年8月份的销售额和毛利率明细情况,推荐您配置指标趋势图到渠道类别销售&毛利四象限图和渠道明细销售&毛利四象限图的联动,用于查看各个渠道类别在2019年8月份的销售额和毛利率数据。

按照下图指引,配置图表联动。

17cb34fbfeb371398911758507cca8d2.png

在图表联动设置对话框,按照下图指引,联动图表。

dc7bb3468d84ff7421fc6ba627b694c9.png

联动配置完成后,单击指标趋势图中2019年8月的数据点,可以看到渠道类别销售&毛利四象限图和渠道明细销售&毛利四象限图中的数据已被过滤为2019年8月。

21eb7ce6d36918476513329debfc5de8.gif


步骤四:发布共享

分析完成后,您可以将仪表板搭建成数据门户,并导出用于存档;若随着时间发展,数据又出现其他异常,您可以将仪表板分享给他人协同编辑。

按照下图指引,发布仪表板。

0bab042381f34a89d0422b237a60fefd.png

搭建数据门户。

数据门户也叫数据产品,可以通过菜单形式将仪表板组织成复杂的带导航菜单,常用于专题类分析。您可以将创建好的仪表板集成到数据门户,并导出存档。

按照下图指引,创建数据门户。

7ef92f28d11117882377972ca7768c5d.png

按照下图指引,添加并设置门户菜单。

c86c7decf4c50bbc42013e087ab0241e.png

按照下图指引,保存数据门户。

本例中,数据门户命名为某零售电商毛利额异常下滑诊断分析报告。

d3515452a461ad77fd146a1d0819ee5d_668d971a605b50a0ec49f516532d2abb.png

按照下图指引,导出数据门户。

13fe98a5a3dfa66388417b5ffc0689b0.png

共享仪表板。812caddb64d94270d49d270ef96fca4d.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
|
3月前
|
数据可视化 数据挖掘 Linux
震撼发布!Python数据分析师必学,Matplotlib与Seaborn数据可视化实战全攻略!
在数据科学领域,数据可视化是连接数据与洞察的桥梁,能让复杂的关系变得直观。本文通过实战案例,介绍Python数据分析师必备的Matplotlib与Seaborn两大可视化工具。首先,通过Matplotlib绘制基本折线图;接着,使用Seaborn绘制统计分布图;最后,结合两者在同一图表中展示数据分布与趋势,帮助你提升数据可视化技能,更好地讲述数据故事。
57 1
|
2月前
|
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。
55 2
|
2月前
|
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。
38 2
|
3月前
|
机器学习/深度学习 数据可视化 数据挖掘
数据可视化大不同!Python数据分析与机器学习中的Matplotlib、Seaborn应用新视角!
在数据科学与机器学习领域,数据可视化是理解数据和优化模型的关键。Python凭借其强大的可视化库Matplotlib和Seaborn成为首选语言。本文通过分析一份包含房屋面积、卧室数量等特征及售价的数据集,展示了如何使用Matplotlib绘制散点图,揭示房屋面积与售价的正相关关系;并利用Seaborn的pairplot探索多变量间的关系。在机器学习建模阶段,通过随机森林模型展示特征重要性的可视化,帮助优化模型。这两个库在数据分析与建模中展现出广泛的应用价值。
51 2
|
3月前
|
数据可视化 数据挖掘 Python
惊呆了!Python数据分析师如何用Matplotlib、Seaborn秒变数据可视化大师?
在数据驱动时代,分析师们像侦探一样在数字海洋中寻找线索,揭示隐藏的故事。数据可视化则是他们的“魔法棒”,将复杂数据转化为直观图形。本文将带你探索Python数据分析师如何利用Matplotlib与Seaborn这两大神器,成为数据可视化大师。Matplotlib提供基础绘图功能,而Seaborn在此基础上增强了统计图表的绘制能力,两者结合使数据呈现更高效、美观。无论是折线图还是箱形图,这两个库都能助你一臂之力。
45 4
|
3月前
|
数据可视化 数据挖掘 Python
告别枯燥数字,拥抱视觉盛宴!Python 数据分析中的数据可视化艺术,你 get 了吗?
在数据驱动时代,数据分析至关重要,但单纯依赖数据表格难以揭示其背后的洞见。这时,数据可视化便彰显出其重要性,尤其借助 Python 的强大工具如 Matplotlib、Seaborn 和 Plotly 等,可将数据转化为直观的图形。Matplotlib 提供高度定制的图表,Seaborn 则简化了图表美化过程。通过折线图、散点图、箱线图、小提琴图及热力图等多种图表形式,我们可以更深入地理解数据分布与关系,有效传达信息并支持决策制定。数据可视化不仅是一门技术,更是讲述数据故事的艺术。
71 3
|
4月前
|
数据可视化 数据挖掘 Python
Python中的数据可视化:探索性数据分析的利器
【8月更文挑战第29天】在数据科学的世界里,数据可视化是理解复杂数据集的关键。本文将引导你通过Python的强大库,如Matplotlib和Seaborn,来揭示数据背后的故事。我们将一起探索如何利用这些工具进行有效的数据可视化,从而促进对数据的深入理解和分析。文章不仅提供代码示例,还将讨论如何选择恰当的图表类型、调整视觉元素以及如何解释图表结果,旨在帮助初学者建立坚实的数据可视化基础。
|
4月前
|
数据可视化 数据挖掘 API
Python数据分析:数据可视化(Matplotlib、Seaborn)
数据可视化是数据分析中不可或缺的一部分,通过将数据以图形的方式展示出来,可以更直观地理解数据的分布和趋势。在Python中,Matplotlib和Seaborn是两个非常流行和强大的数据可视化库。本文将详细介绍这两个库的使用方法,并附上一个综合详细的例子。
|
4月前
|
SQL 数据挖掘 关系型数据库
SQL中的聚合函数:数据分析的强大工具
【8月更文挑战第31天】
134 0
|
4月前
|
数据可视化 数据挖掘 Python
数据可视化不再难!Matplotlib带你轻松绘制精美图表,让数据分析焕发光彩!
【8月更文挑战第22天】今天分享如何用Python的Matplotlib库绘制多样图表。Matplotlib是数据可视化的强大工具,对数据分析至关重要。本文分六部分:首先介绍环境准备,包括安装和配置;随后通过四个案例演示折线图、柱状图、饼图及散点图的绘制方法;最后总结并鼓励大家进一步探索Matplotlib的丰富功能。跟着示例操作,你将学会基本图表的制作,提升数据展示技能。
46 0