文章插圖
1. 數據生成還是以支付業務為例 ， 用戶選擇支付方式完成支付后 ， 落庫核心的兩張業務表：訂單表和交易表 。一個訂單會對應多筆交易（每選擇一種支付方式生成一筆交易 ， 一筆訂單可以使用多個支付方式嘗試支付） ， 其實還會產生其他表 ， 比如收貨地址表等 。
文章插圖
2. 獲取數據通常使用第三方工具如ETL將業務系統的數據經過抽?。‥xtract）、清洗轉換（Transform）之后加載（Load）到數據倉庫的過程 ， 數據呈現在BI的數據源 。
文章插圖
3. 數據建模所有數據進到數倉以后 ， 需要根據實際想要看的業務數據進行數據建模 ， 建模后的數據呈現在數據集 。數據集作為數據源和可視化展示的中間環節 ， 承接數據源的輸入 ， 并為可視化展示輸出數據表 。
文章插圖
4. 構建數據模型數據建模是什么含義呢？
底層的業務數據表其實很多 ， 幾十張上百張都有 ， 但到了業務數據分析階段 ， 當需要分析的數據存儲在不同的表 ， 可以通過數據關聯 ， 把多個表連接起來 ， 形成模型進行數據分析 。
比如上述的業務底層訂單表到了數據分析階段衍生的訂單表字段發生變化 ， name 和 city 是從業務地址表取來的數據 。
總的來說 ， 數據模型是完全面向數據分析的業務場景形成的新表 。以支付業務為例 ， 我構建的數據模型有：用戶表、訂單表和交易表 。
文章插圖
5. 設計維度和度量指標對數據字段可以進行下一步分類：
在統計學中 ， 單一數據字段可以被分為離散和連續 。離散通常是維度 ， 比如城市名稱、用戶名字 ， 特征是有限數量的值；連續通常是度量 ， 比如銷量、利潤或成功率 ， 特征是不可羅列 ， 可能為任一數值 。維度和度量中有許多灰 *** 域 ， 比如金額 ， 可以做維度 ， 也可以做度量 。
在上述訂單表中 ， device、city 等是維度 ， 對order_id 計數的總訂單數、對status = success 計數的成功訂單數是度量 。
度量可以再分原子度量和派生度量 。
原子度量指從維度里直接獲取到 ， 上表中的總訂單數和成功訂單數 。
派生度量并不能直接從數據表中獲取 ， 而需要基于已有數據進行加工處理得到 ， 上表中的訂單成功率是成功訂單數/總訂單數得到 。
6. 數據分析有了維度和度量的概念后 ， 接著引入聚合概念 。對于數據分析來說 ， 往往關心的并不是更底層一行一行的的明細數據 ， 更注重分析數據的角度 ， 關心的是數據的總體特征 。
聚合 ， 簡單講就是數據源里的多行數據按照一定的標準計算成一個數據 ， 不管數據集里有1行還是多行 ， 視圖里的數據都是聚合后的結果 ， 一行數據也是要聚合的 ， 當然一行數據聚合的結果是一樣的 。實際上 ， 維度為數據聚合提供依據 ， 而度量是依據維度聚合得到的結果 。
配置了聚合計算的計算字段 ， 將根據配置的維度自動進行聚合運算 。
如：
求和：SUM([字段])計數：COUNT([字段])計數去重：COUNT(DISTINCT [字段])求平均值：AVG([字段])
文章插圖
表述的業務含義為時間周圍為2021.3.1 ~ 2021.3.15 范圍內pc端的訂單成功率為0.5 。
計算過程：根據created_at=2021.3.1 ~ 2021.3.15 和device =pc ， SUM([總訂單數])= 2 ， SUM([成功訂單數])=1 ， SUM([成功訂單數])/SUM([總訂單數])=1/2=0.5 。
Quick BI 提供電子表格和儀表盤兩種可視化工具做以上分析 。
電子表格：
文章插圖
儀表盤：
文章插圖
通過可視化的圖標去分析數據 ， 找出機會點或者異常 。
7. 數據應用通過可視化的圖表去分析數據 ， 找出機會點或者異常 ?？梢哉f ， 前面1、2、3、4 所有的工作都在為了第5部分數據應用上 。
推薦閱讀
- 汽車鍍膜劑怎么使用視頻 汽車鍍膜劑怎么用視頻
- 顯示器hdr是什么意思 hdr是什么意思400?
- 山行描寫了哪六種景物,顯示秋景圖 山行描寫了哪六種景物
- 汽車地毯拆卸圖解 汽車地毯怎么拆卸
- 奔馳smter汽車價格查詢
- 換汽車大燈燈泡多少錢 換汽車大燈多少錢？
- 金杯汽車圖片「金杯汽車圖片價格」
- 買汽車的無息貸款真的無息嗎，現在買車都是無息貸款嗎
- 夢見汽車爆胎
- 抖音為什么不顯示瀏覽者了 抖音為什么不顯示瀏覽者