参考技术A
在阿里云的大数据体系中,有两个数据展现组件,一个是QuickBI、一个是DataV。
使用QuickBI过程类似于吃炸酱面,技术人员提前帮业务人员准备好数据(第1步、第2步),业务人员把自己需要的数据拖到仪表板或者表格里(第3步或第4步),最后再把仪表板和报表加上菜单就是数据门户(第5步)。
为了让大数据更加普惠,QuickBI和DataV分别找到了两种不同的解决方案:
Quick BI产品架构如下图所示:
Quick BI的主要模块和相关功能。
能够解决:
推荐搭配使用:
RDS + Quick BI
图例:
通过整合散落的各类数据,构建统一的大数据平台系统,实现经营、商品、流量、店铺、订 单、营销等各类场景分析,从各类整体指标概览,再到分层细节指标数据的对比分析,实现 数据指导业务精细化运营。
能够解决:
多渠道数据无法整合分析
多渠道经营、流量、店铺等数据各自为阵,无法整合关联分析。
数据的汇管用无法统一
各业务部分规则不同导致无法实现统一化管控,数据分析过程中效率低下。
业务人员自助分析困难
业务人员分析数据完全依赖IT部门,无法根据需求灵活分析
新的时代需要全方位的去利用大数据提高会员服务的体验,需要对会员的分类、分级、偏好、以及连锁门店的经营状况等数据进行分析,以增加对会员行为预测的更准确的判断。
能够解决
-用户数据提取效率
要从业务上面考虑,如何从会员及其行为数据提取洞见,并给会员提供更好的服务;
-BI系统建设成本
传统BI 和大数据建设的体系成本非常高,速度也很慢;
-业务人员协同
传统连锁的报表分析业务门槛很高,限于连锁模式的特性,很多业务人员分散在全国各地。
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。
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2019年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。
Quick BI快速入门分为以下步骤:
当文件的状态为 同步完成
默认在 Personal Workspace 下,通过上传文件的方式连接数据源成功后,则在 我的数据集 下看到新建的数据集。如果没有,您可以通过以下方式创建数据集。若已有目标数据集,请跳过此步骤。
下面为您介绍查看订单信息明细表的度量和维度信息。
为了分析各个渠道的毛利情况,您需要在 度量 中添加 毛利额 和 毛利率 两个指标,方便后续进行相关数据统计。
为了分析各个渠道的毛利情况,您需要将订单信息明细表和渠道信息维度表进行通过 渠道ID 字段进行关联,以获取对应的渠道名称和渠道类别,方便后续进行相关数据统计。
通过以下步骤,分析毛利额异常下滑的原因。
进入仪表板编辑页面。
为了分析毛利额下滑原因,您需要先查看月度毛利额的走势,确认毛利额在哪个月份出现下滑。同时需要分析销售额的月度走势,确认近几个月的销售情况。本文以线图来展示月度毛利额和月度销售额的走势图。
查看月度毛利额统计
您可以通过线图查看毛利额的月度走势数据。
此时,您可以看到2019年8月份的毛利额从7月份的66.54万下降到了58.46万。
查看销售额统计
为了进一步排查毛利额的下降原因,您可以通过线图查看销售额的月度走势数据。
在3月29日深圳云栖大会的数据分析与可视化专场中,阿里云产品专家潘炎峰(陌停)对大数据智能分析产品 Quick BI 进行了深入的剖析。大会现场的精彩分享也赢得观众们的一直认可和热烈的反响。
Quick BI诞生于阿里巴巴集团自身对数据分析的需求过程。从自研报表,到自研BI可视化,再到现在所使用的智能Quick BI,集团经历了多年的探索。从当初重度依赖专业的数据分析人才,到现在赋予一线业务人员智能化的分析工具,阿里小二们真正的做到了“数据化运营”让数据产生价值。
数据处理
现在,越来越多的企业开始数据上云,也有的行业如政府、金融因为严苛的安全需求而自建本地数据库,导致企业出现数据分散式存储的状况。而Quick BI却可以链接各种数据源,满足云上和本地的不同需求,整合为可被统一调度的数据集。
可视化展现
Quick BI的可视化能力也不容小觑,内设地图、柱图、雷达图等21种数据图表,任何场景下的报表展示均毫无压力。特别令人惊喜的是Quick BI 特有的类Excel的电子表格功能,它足以让企业数据分析人员兴奋不已,不仅延续了本地化操作的经验,也更加贴合中国式复杂报表的制作需求。
Quick BI 仪表板示例
Quick BI电子表格示例
协同与安全
除了在数据基础层面的连接、分析与展示,Quick BI还愿意为客户想的更多。协同与安全便是深钻的核心。
Quick BI 可以创建多个工作空间,每个空间的被编辑与被访问权限可以灵活设置,让空间中的不同角色,获得匹配自己的行为权限。过程中既保障了数据的私密性和安全性,又实现了数据的分享和部门的协同。
行业应用
会上了解到目前Quick BI已经广泛应用于零售、金融、互联网、媒体、医疗健康、通讯等行业,并期待着与更多领域的企业开展合作。
金融行业应用案例
传统行业应用案例
持续更新
Quick BI是一款不断更新与迭代的产品,不难发现,它正朝着以“降低技术要求、解决存储计算、智能业务感知” 的方向前行,也许不久的将来就会呈现数据分析的新生态,人人都是分析师,让数据为业务创造更多价值。