领略大数据分析的魅力:迈向FineBI的世界

这篇具有很好参考价值的文章主要介绍了领略大数据分析的魅力:迈向FineBI的世界。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

版权声明:本文为 小异常 原创文章,非商用自由转载-保持署名-注明出处,谢谢!
本文网址:https://sunkuan.blog.csdn.net/article/details/131698171







随着大数据时代的到来,无论是企业还是个人,数据分析已经成为了决策的重要依据。在这个背景下,数据分析 BI 工具逐渐受到了人们的青睐。在这篇博客中,我将向大家分享我对 FineBI 工具的学习体验,我仅花了七天时间进行学习。

在接触数据分析 BI 工具之前,我对它的概念和作用并不了解。然而,通过初步的探究,我了解到 数据分析 BI 工具是一种用于收集、整合、分析和呈现数据的软件或服务。它能够帮助我们从海量数据中提取有价值的信息,从而做出更明智的决策。(从已有数据中进行分析)

领略大数据分析的魅力:迈向FineBI的世界,大数据,数据分析,finebi,java

市场上的 BI 工具有很多,其中常见的包括 FineBI、Tableau 和 PowerBI 等。这些工具各有特点,但 FineBI 以其强大的功能和易用性受到了我的关注。

领略大数据分析的魅力:迈向FineBI的世界,大数据,数据分析,finebi,java

与 Excel 电子图表相比,BI 和 Excel 的最大区别在于其数据处理和分析的能力。Excel 主要适用于小规模数据的加载、分析、展示,而 BI 则是一个基于数据库的一站式数据-业务分析平台,能够深入挖掘业务信息。

在 BI 开发过程中,我将整个流程分为 六个步骤:认识数据、连接数据、处理数据、分析数据、可视化表达和看板制作。这个流程的最终目的是实现对业务的支持、洞察和驱动,这是数据分析的核心。否则,前面的工作都只是表面功夫。

领略大数据分析的魅力:迈向FineBI的世界,大数据,数据分析,finebi,java

使用 BI 工具有一套完善的流程,其目的是构建一套数据看板。这个过程类似于产品开发,需要我们按照规定的步骤进行操作,以确保数据的准确性和可靠性。因此在预处理时,要对数据进行:数据清洗、数据整合、数据运算。

  • ETL:数据处理过程,将大量的原始数据经过提取(Extract)、转换(Transform)、加载(Load)到目标存储的数据仓库的过程。

总的来说,我对 FineBI 的学习体验感到满意。虽然我仅仅花了七天时间进行学习,但我已能够感受到它的强大功能和便利性。如果你对数据分析感兴趣,或者想提升自己的数据分析能力,那么我强烈推荐你考虑使用 FineBI 工具进行学习和实践。


一、FineBI介绍(6.0版本)

FineBI 是新一代大数据分析工具,由帆软公司推出,FineBI 凭借强劲的大数据引擎,用户只需简单拖拽便能制作出丰富多样的数据可视化信息,自由地对数据进行分析和探索,让数据释放出更多未知潜能。

【FineBI 是 BS 架构且对企业进行收费(具体请看:https://www.finebi.com/product/download),FineBI 6.0 帮助手册:https://help.fanruan.com/finebi 】

只需要简单四步就可以轻松分析数据:准备数据、处理数据、可视化分析、数据分享协作。

领略大数据分析的魅力:迈向FineBI的世界,大数据,数据分析,finebi,java

1、使用人群

  • IT 人员
  • 管理人员
  • 数据分析师

2、四步分析数据

  1. 准备数据,连接电子表格、数据库;
  2. 处理数据、排序、分组、过滤、合并,支持各种常规函数,DEF 函数是帆软自研的;
  3. 可视化分析,通过拖拉拽的方式,实现各种图表快速搭建;
  4. 数据分享协作,可以分享给他人,共同协作,共同搭建图表。


二、分析主题

分析主题」是你在 BI 中进行数据分析和可视化展示的核心元素。当你需要进行数据分析时,可以创建分析主题并在其中进行自己的业务分析,分析主题中支持进行数据处理、制作可视化图表和仪表板;同时「分析主题」支持不同用户之间进行协作编辑,极大的方便了用户对分析内容的共享。

领略大数据分析的魅力:迈向FineBI的世界,大数据,数据分析,finebi,java



三、数据分析方法(3种)

1、在编辑数据中分析

很多数据由于未经过处理,不方便用来直接制作图表。

这时,我们可以将数据添加到主题后,在主题中先对数据进行分析,然后用分析后的数据再制作图表会比使用原数据表更方便。

比如对表头进行分析:「切换字段类型」、「排序」、「删除列」、「筛选」

领略大数据分析的魅力:迈向FineBI的世界,大数据,数据分析,finebi,java


2、在表格中分析

FineBI 提供三种表格类型:分组表、明细表、交叉表。

领略大数据分析的魅力:迈向FineBI的世界,大数据,数据分析,finebi,java

其中,分组表是最实用的表格形式,它将表中的数据按相同项合并为一组显示,进行多维度分析。

  • 维度:文本类型的字段;
  • 指标:数值类型的字段。

1)在「维度」上进行数据处理

例如:排序、过滤、字段分组

领略大数据分析的魅力:迈向FineBI的世界,大数据,数据分析,finebi,java

2)在「指标」上完成数据运算

例如:快速计算、设置数据条

领略大数据分析的魅力:迈向FineBI的世界,大数据,数据分析,finebi,java


3、在图表中分析

不建议大家直接制作图表,而是建议大家先用 表格 把需要的数据准备好,再制作图表。

FineBI 有丰富的图形类型,可以满足大家对于可视化展示的不同需求。图形也是最直观展示数据的手段。

若不知道如何选择图表,可以参考文档:如何选择正确的图表

领略大数据分析的魅力:迈向FineBI的世界,大数据,数据分析,finebi,java



四、数据处理与计算

1、拆分行列

编辑数据时,我们可以利用「拆分行列」功能将字符串快速按我们的需求进行分割。

可以使用「按分隔符拆分」或「按字符数拆分」

  • 按分隔符拆分:「中国-江苏-无锡」以“-”作为分隔符,可拆分为「中国」 「江苏」「无锡」三个字段值
  • 按字符数拆分:「中国江苏无锡」一共 6 个字符,以 2 个字符拆分,可拆分为「中国」「江苏」「无锡」三个字段值

领略大数据分析的魅力:迈向FineBI的世界,大数据,数据分析,finebi,java

领略大数据分析的魅力:迈向FineBI的世界,大数据,数据分析,finebi,java


2、行列转换

行转列 可将一维表转成二维表

  • 一维表也常称为流水线表格。一般有固定的列名,平常输入数据只需要一行一行的添加即可。
  • 二维表格是一种关系型表格,通常数据区域的值需要通过行列同时确定。更符合我们日常的阅读习惯,信息更浓缩,适合展示分析结果。

本文介绍如何在编辑数据中进行行转列。如下图所示:

领略大数据分析的魅力:迈向FineBI的世界,大数据,数据分析,finebi,java

领略大数据分析的魅力:迈向FineBI的世界,大数据,数据分析,finebi,java


3、合并处理

在实际使用数据的过程中经常会有需要将两张表联合在一起形成一张新表使用的情况。

1)左右合并

  1. 并集合并: 全部保留;
  2. 交集合并: 只保留相同的;
  3. 左合并: 只保留左表(左表是主表);
  4. 右合并: 只保留右表(右表是主表)。

领略大数据分析的魅力:迈向FineBI的世界,大数据,数据分析,finebi,java

2)上下合并

领略大数据分析的魅力:迈向FineBI的世界,大数据,数据分析,finebi,java



五、主题模型与函数

1、主题模型

使用模型,实现在一个分析主题内进行多表分析。只需要将分析主题内的表在模型中建立关联,就能使用多张表一起分析。

领略大数据分析的魅力:迈向FineBI的世界,大数据,数据分析,finebi,java

领略大数据分析的魅力:迈向FineBI的世界,大数据,数据分析,finebi,java

领略大数据分析的魅力:迈向FineBI的世界,大数据,数据分析,finebi,java


2、计算类型选择

可以使用以下四种主要类型的计算在 FineBI 中创建计算字段:

  • 聚合计算
  • 明细级别计算(数据源行级别计算)
  • 控制计算粒度函数
  • 组件快速计算

参考文档:https://help.fanruan.com/finebi/doc-view-1232.html

1)聚合计算

聚合函数 可以对一组数据进行汇总,一般使用聚合函数汇总后的值进行再计算。

2)明细级别计算

数据源行级别计算 可在「自助数据集新增列」和「仪表板组件编辑界面添加计算字段 」实现。

3)控制计算粒度函数

聚合函数 根据随着用户分析「维度」的切换,计算结果会自动跟随「维度」动态调整。

但当分析区域需要存在多个维度,且同时需要计算以某个维度为分组依据的汇总数据,则需要使用固定粒度计算函数。

4)组件快速计算

组件快速计算 仅允许在创建图表/表格后对现有数据进行计算或者转换值。

详情参见:占比(快速计算)、排名(快速计算)、所有值(快速计算)、累计值(快速计算)、同比/环比(快速计算)、表格汇总方式、图表汇总方式


3、常用函数

1)IF 函数(条件)

IF() 进行条件判断,如果指定条件的计算结果为 TRUE,IF 函数将返回某个值;如果该条件的计算结果为 FALSE,则返回另一个值。

IF(boolean,number1/string1,number2/string2)

注意事项:

  • IF 中三个参数,第一个为 bool 类型或数值类型(0或者1);第二个和第三个参数相同类型,两个参数中有空,返回非空参数类型;两个参数类型不同:返回文本类型。
  • 添加计算字段 写入公式时,使用的字段不能进行过 明细过滤。这是因为 明细过滤后的指标仅支持 聚合函数 ,如果需要使用 IF 函数,则使用的字段不能进行过明细过滤,可以用其他过滤替代。

2)SUM_AGG 函数(求和)

SUM_AGG() 为对指定维度(拖入分析栏)数据进行汇总求和,且随着用户分析维度的切换,计算字段会自动跟随维度动态调整。

SUM_AGG(array)

注意事项:

  • 仅能在组件「添加计算字段」时使用聚合函数,不可在自助数据集「新增公式列」时使用。
  • 如组件中使用了包含 SUM_AGG 函数的字段,请勿修改合计行的「合计方式」,否则可能导致合计值不符合预期。

3)COUNT_ADD 函数(计数)

COUNT_AGG() 为对指定维度(拖入分析栏)数据进行计数(非空的单元格个数),且随着用户分析维度的切换,计算字段会自动跟随维度动态调整。

COUNT_AGG(array)

注意事项:

  • 实时数据支持使用一个任意类型的参数。

4)COUNTD_AGG 函数(去重计数)

COUNTD_AGG() 为对指定维度(拖入分析栏)数据进行去重计数(非空的单元格去重个数),且随着用户分析维度的切换,计算字段会自动跟随维度动态调整。

COUNTD_AGG(array)

注意事项:

  • 实时数据支持使用一个任意类型的参数。

4、高阶函数(DEF())

FineBI6.0 的升级带来了一个全新的函数——DEF函数,这个函数来自帆软自研,为计算满足 BI 复杂场景需求而生。

DEF(聚合指标, [维度1,维度2,…], [过滤条件1, 过滤条件2,…]) 其中维度和过滤条件可以缺省。

它由三个参数构成,首先是定义计算的方式,即语法中的“聚合指标”。第二个是执行聚合指标计算时的维度,第三个则是计算前对数据的过滤条件。



六、可视化组件与仪表板交互

FineBI 提供了众多常用的可视化组件,通过简单的拖放操作,我们可以轻松打造出一个令人眼前一亮的仪表板。在这篇博客中,我将不会详细介绍具体案例,如果你对此感兴趣,可以亲自登录其官网进行深入研究和探索。

领略大数据分析的魅力:迈向FineBI的世界,大数据,数据分析,finebi,java文章来源地址https://www.toymoban.com/news/detail-571975.html



博客中若有不恰当的地方,请您一定要告诉我。前路崎岖,望我们可以互相帮助,并肩前行!



到了这里,关于领略大数据分析的魅力:迈向FineBI的世界的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 世界各国当日数据探索性分析

    2.2 读取世界各国当日数据 2.3 计算各国当日现存确诊人数 2.4 绘制当日现存确诊人数世界地图 2.5 查看当日现存确诊Top10国家 2.6 计算世界各国新冠肺炎病死率 2.7 当前累计确诊人数Top10国家累计确诊人数与病死率堆积分组柱状图 2.8 世界各国当日数据可视化分析(拓展) 输出:

    2024年02月03日
    浏览(37)
  • 大数据实战 --- 世界新冠疫情数据分析

    目录 开发环境  数据描述 功能需求 数据准备 统计计算 Hbase Hive 分析数据 Hadoop+Hive+Spark+HBase 启动Hadoop :start-all.sh 启动zookeeper :zkServer.sh start 启动Hive : nohup hiveserver2 1/dev/null 21 beeline -u jdbc:hive2://192.168.152.192:10000 启动Hbase : start-hbase.sh hbase shell 启动Spark :spark-shell countryda

    2024年02月02日
    浏览(52)
  • 【Python】数据分析案例:世界杯数据可视化 | 文末送书

    每一场体育赛事都会产生大量数据,这些数据可用于分析运动员、球队表现以及比赛中的亮点。作为分析案例,我们使用T20世界杯的数据进行分析。如果你有兴趣学习如何分析类似T20世界杯这样的体育赛事,本文将为您提供指导。在本文中,我们将使用 Python 来分析 2022年T2

    2024年02月05日
    浏览(54)
  • ChatGPT+Midjourney,带你领略古诗词的魅力

    说起 Midjourney,AI 绘画界的出图质量无人怀疑,特别是 V5 版本的上线,解决了人体的手画不好的瑕疵之后,更是迎来一波好评。国外版本的话,需要用 Discord 软件与之交互,对普通用户而言还是有使用门槛的,幸运的是 MJ 尝试在国内落地,有幸加入内测频道,提早尝鲜。 小

    2024年02月09日
    浏览(47)
  • ChatGPT背后的技术原理:领略Transformer架构的魅力

    😲惊艳了时代的ChatGPT,背后到底有怎样的技术支持?本文将深入剖析ChatGPT背后的技术原理,从Transformer架构、自注意力机制到位置编码等方面,带领读者一探究竟🔍! 💥ChatGPT,这个最近让大家炸裂的人工智能语言模型,背后的秘密武器就是Transformer架构。这种神奇的架构

    2024年02月04日
    浏览(41)
  • 一零六四、世界杯数据可视化分析(阿里云天池赛)

    目录 赛制官方链接 活动背景 活动时间:即日起-12月31日17点 数据说明 世界杯成绩信息表:WorldCupsSummary 世界杯比赛比分汇总表:WorldCupMatches.csv 世界杯球员信息表:WorldCupPlayers.csv  代码实现 赛制官方链接 世界杯数据可视化分析_学习赛_天池大赛-阿里云天池 活动背景 2022世界

    2024年02月16日
    浏览(43)
  • 【 BERTopic应用 02/3】 分析卡塔尔世界杯推特数据

    摄影:Fauzan Saari on Unsplash         这是我们对世界杯推特数据分析的第3部分,我们放弃了。我们将对我们的数据进行情绪分析,以了解人们对卡塔尔世界杯的感受。我将在这里介绍的一个功能强大的工具包是Hugging Face,您可以在其中找到各种模型,任务,数据集,它还

    2024年02月13日
    浏览(64)
  • 探索MATLAB世界:掌握基础知识与实用技能(1. MATLAB环境与基本操作 2. 数据类型与变量 3. 条件与循环,1. 数据分析与统计 2. 图像处理与计算机视觉 3. 信号处理与控制系统)

    欢迎阅读本篇博客,我们将深入探讨MATLAB语言的基础知识与实用技能,旨在帮助初学者、初中级MATLAB程序员以及在校大学生系统地掌握这门强大的科学计算与数据可视化工具。 一、MATLAB的基础知识 1. MATLAB环境与基本操作 2. 数据类型与变量 3. 条件与循环 二、MATLAB的实用技能

    2024年03月12日
    浏览(62)
  • 发现便捷,畅游互联网世界——【书签导航】带你领略全新体验!

      互联网世界汇聚了大量的学习资源,但是如何快速找到适合自己的学习材料却是一项挑战。 于是,我倾尽毕生所学强势推出项目 【 书签导航 】聚合平台,这是一个是针对广大互联网学习者的最佳导航和学习工具平台。 无论你是程序员、设计师、学生,或者对任何领域的

    2024年02月16日
    浏览(38)
  • 掌握ImageSharp图像处理的艺术,一步步领略图像处理的奇妙世界

    ImageSharp:.NET平台上的灵活高性能图像处理库 ImageSharp 是一个强大的图像处理库,专为.NET平台设计。无论是简单的图像加载和保存,还是复杂的图像处理、滤镜应用和文本添加,ImageSharp 提供了丰富而灵活的功能,使图像处理变得简单而愉快。 主要特性: 跨平台支持:  Im

    2024年02月05日
    浏览(43)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包