Quick BI产品核心功能大图(五)移动端:让数据在更多业务场景中流通

简介: 将数据更好的融入日常工作中,一个重要的前提条件就是多端多渠道的数据触达和办公协同能力。Quick BI凭借移动端交互体验,帮助用户随时随地便捷查看报表,并通过在线协同方式,追踪策略的执行落地。让数据在企业中流动起来,真正将数据贯穿在业务决策的过程中。

前言

今年双十一刚刚落幕开售第一小时,天猫上有超过2600个品牌成交额超去年首日全天,78个去年双11成交额千万级的品牌,今年突破了1亿元大关。


在大促狂欢的氛围背后,对于品牌商家而言,双十一的价值已不仅仅是数据大屏上的一串数字,在达成生意目标的同时,商家也在通过数据,持续追踪构建品牌的长期可持续发展能力。


将数据更好的融入日常工作中,一个重要的前提条件就是多端多渠道的数据触达和办公协同能力。


Quick BI凭借移动端交互体验,帮助用户随时随地便捷查看报表,并通过在线协同方式,追踪策略的执行落地。让数据在企业中流动起来,真正将数据贯穿在业务决策的过程中。


image.png

点击查看1分钟功能介绍小视频


Quick BI移动端整体解决方案

为了让用户随时随地消费数据,利用数据做决策,Quick BI移动端提供了一套完整的解决方案。


数据在企业内的流通本质是一个闭环的过程,从数据内容触达数据消费者到数据消费者基于数据内容进行分析决策,再到决策后进行协同落地,最后又会形成新的数据内容。


Quick BI移动端在企业数据流通的不同环节,有针对性地进行了产品能力建设,让数据价值流动起来。


数据内容触达

数据内容触达数据消费者从动机来看可以分为主动和被动两种:

· 数据消费者可以主动从Quick BI的微应用中通过导航/门户/搜索等能力去找到自己想要查看的内容

· 也可以通过邮件、监控告警、推送的报表信息等方式被动接收数据内容


1. 订阅推送

新的一天,从数据早报开始。每天早上,可以借助邮件订阅,让企业内员工都能收到Quick BI自动推送的数据日报。


只需简单的配置,即可在邮箱、短信、钉钉工作通知、钉群等多个终端定时开启邮件推送。



2. 监控告警

还在担心数据异常无法感知?Quick BI能够监控指标异常,当数据发生异常时及时触发通知,手机端就能快速查看异常数据,迅速响应。


· 支持小时、日、月粒度的实时监控。

· 支持短信、钉钉群、钉钉工作通知等方式告警,随时随地响应告警,处理异常数据。


3. 微应用推荐

作为数据内容的生产者,IT人员常常面临这样的难题:上新了某个核心数据指标或者核心报表,怎么能够快速通知到所有使用BI的人呢?


这个问题的本质其实是内容生产者如何把数据内容分发给合适的消费者。


Quick BI的移动端微应用就为消费者提供了一个寻找数据内容的阵地。在微应用的“常用”页面,管理员可以配置企业主推的数据报表或门户导航,将核心数据内容推荐给适合查看的人员。同时,借助banner位和轮播消息,管理员也可以推送重要数据内容和消息通知。


类比淘宝首页,每一个用户都能通过搜索/推荐等途径获取想要的商品信息。作为数据消费者在使用Quick BI移动端微应用时,我们也提供了多种路径帮助用户降低数据信息获取的成本。




基于数据内容分析决策

数据内容触达阅览者之后,希望阅览者能够基于数据内容进行分析决策,而这有两个重要的前提:


· 数据内容的生产者(报表开发者)能够基于移动端特性,设计符合需求的移动端交互习惯的样式,且搭建成本要足够低;

· 数据内容的消费者(报表查看者)能够在移动端获得较好的看数、查数和分析的体验。


1. 搭建成本再降低


所见即所得的移动端报表搭建来了!

Quick BI支持直接在移动模式下搭建所需移动报表,报表开发者再也不需要为了调整一个样式配置项,在PC和移动模式下来回切换了~



想要配置出好看的报表更简单了!

Quick BI移动端上新了主题功能,仪表板展示的灵活性更高。报表开发者可以一键切换主题样式,例如双11战报、政务风报表、阿里健康疫情统计等,快速配置出好看的报表。


高管查看的移动端报表更需要考虑美观度,我们在主题配置中提供了圆角、背景色&图片、标题边框等个性化功能使仪表板更具风格。



2. 样式&分析能力再升级

在优化针对重点图表给予移动端特性做了样式和交互优化后,报表查看者看数和分析数据的体验也得到了显著提升。


比如基于移动端的展示空间特点,特别设计了适合移动端展示的交叉表样式。通过合并行维度整合相关维度值,尤其适合零售场景中的商品信息展示。



Quick BI所有报表&数据门户,设置手机设备横屏后,支持以不同设备方向查看报表数据。能够解决表格类图表(如交叉表)竖屏阅读效率低的问题



同时,Quick BI移动端支持联动、钻取、跳转等交互方式,结合查询控件能力升级,整体分析数据体验提升。


例如在高层管理者看板中显示各个大区的销售概览数据,单击可在当前页面弹出小浮层,快速查看各个大区的详细数据,单击切换不同的大区,可以快速切换查看各个大区的数据,轻量高效地查看自己感兴趣的数据,而不用跳转到新页面,在多个报表页面中来回切换。



分析决策后的协同落地

基于数据报表进行分析决策后,如何快速追踪策略执行落地打通看数据、分析数据、执行落地的业务闭环也是Quick BI在移动端办公协同中的重点思考。


得益于和钉钉天然的集成性,Quick BI提供了action打通的特有能力,目前已经打通了钉钉待办、日程、DING的功能,能够支持数据的快速分享,DING到对应的负责人,推动执行落地。


比如,老板查看销售数据的KPI情况,发现有问题或对数据不满意,就能直接DING到对应的负责人来排查问题;


在群消息里看到每日推送的营收日报,发现某一个大客户申请试用了,于是能够快速进行后续商务对接,及时的响应帮助促成试用到购买的转化。



更多关于移动端的内容,欢迎试用Quick BI来体验 https://bi.aliyun.com/


关联阅读:

Quick BI产品核心功能大图(一)可视分析:数据价值的直观展现

Quick BI产品核心功能大图(二)即席分析:运营也用的起来的数据分析工具

Quick BI产品核心功能大图(三)电子表格: 新手亦可表格自由

Quick BI产品核心功能大图(四)Quick引擎加速:十亿数据亚秒级分析




阿里云数据中台是阿里巴巴数据中台唯一商业化输出,以数据中台方法论为内核,构建起”快、准、全、统、通“的智能大数据体系。

阿里云数据中台产品矩阵是以Dataphin为基座,以Quick系列为业务场景化切入:

  • - Dataphin,智能数据建设与治理
  • - Quick BI,数据可视化分析
  • - Quick Audience,一站式消费者运营和管理
  • - Quick Tracking,全域行为洞察
  • - Quick Stock, 智能货品运营
  • - Quick Decision,风控决策数字引擎

目前正对外输出系列解决方案,包括通用数据中台解决方案、零售数据中台解决方案、金融数据中台解决方案、互联网数据中台解决方案等。

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  
相关文章
|
Java Linux Apache
Maven下载和配置教程:Windows、Mac和Linux系统安装指南
Maven下载和配置教程:Windows、Mac和Linux系统安装指南
1782 0
|
SQL Java Maven
Mac下安装DBeaver
Mac下安装DBeaver
1785 0
Mac下安装DBeaver
|
存储 搜索推荐 数据库
深入解析向量数据库:定义、原理和应用的全面指南
深入解析向量数据库:定义、原理和应用的全面指南
3699 0
|
9月前
|
人工智能 缓存 API
8大AI记忆优化策略助你突破智能体上下文限制
本文深入解析AI系统中的记忆管理策略,涵盖8种主流方案及工程实现,助你突破上下文限制,构建高效智能体。
1943 0
|
人工智能 自然语言处理 人机交互
CosyVoice 2.0:阿里开源升级版语音生成大模型,支持多语言和跨语言语音合成,提升发音和音色等的准确性
CosyVoice 2.0 是阿里巴巴通义实验室推出的语音生成大模型升级版,通过有限标量量化技术和块感知因果流匹配模型,显著提升了发音准确性、音色一致性和音质,支持多语言和流式推理,适合实时语音合成场景。
9228 22
CosyVoice 2.0:阿里开源升级版语音生成大模型,支持多语言和跨语言语音合成,提升发音和音色等的准确性
|
机器学习/深度学习 计算机视觉
【YOLO性能对比试验】YOLOv9c/v8n/v6n/v5n的训练结果对比及结论参考
【YOLO性能对比试验】YOLOv9c/v8n/v6n/v5n的训练结果对比及结论参考
|
弹性计算 自然语言处理 安全
掌握 In-Context Learning (ICL):构建高效 Prompt 的技巧与调优策略
ICL(In-Context Learning)是一种在大型语言模型中使用的技术,通过提供示例让模型在上下文中理解任务并生成正确输出。核心步骤包括定义任务、选择和格式化示例、编写任务指示,并通过调优和修复错误提高模型性能。欢迎体验阿里云百炼大模型及相关服务产品。
870 1
|
人工智能 监控 API
window本地部署Dify
这篇文章详细介绍了如何在Windows系统上本地部署Dify平台,并通过Docker进行环境搭建,实现基于大模型的AI应用开发和管理。
7187 1
window本地部署Dify
|
机器学习/深度学习 数据采集 算法
Python实现Prophet时间序列数据建模与异常值检测(Prophet算法)项目实战
Python实现Prophet时间序列数据建模与异常值检测(Prophet算法)项目实战
|
Linux Shell 调度
PBS任务脚本模板及常用服务器PBS命令介绍
【2月更文挑战第21天】本文介绍在Linux服务器中,通过PBS(Portable Batch System)作业管理系统脚本的方式,提交任务到服务器队列,并执行任务的方法~
1360 5
PBS任务脚本模板及常用服务器PBS命令介绍