在进行数据分析的过程中,必不可少的一环就是多维分析。影响一个事件结果的因素很多,因此在分析过程中我们的维度并不是单一化的,从不同的角度来审视业务的衡量指标是一种很自然的思考模式。例如分析销售数据,可能会综合时间周期、产品类别、分销渠道、地理分布、客户群类等多种因素来考量。这些分析角度虽然可以通过报表来反映,但每一个分析的角度生成一张报表,各个分析角度的不同组合又可以生成不同的报表,使得IT人员的工作量相当大,往往难以跟上管理决策人员思考的步伐。

多维OLAP分析是BI工具分析功能的集中体现,其应用特性主要体现在两方面:一是即时查询到效果(Online),这要求后台数据的计算速度和前台浏览器的展示速度都要很快;二是多维度自定义分析,这要求BI工具的多维数据库应该具有较大的灵活性,可以随用户的要求组合任意的指标和维度。在这里,维指的是用户的分析角度。例如对销售数据的分析,时间周期是一个维度,产品类别、分销渠道、地理分布、客户群类也分别是一个维度。只有同时满足这两个特性的交互分析过程,才是多维OLAP分析,才能保障用户即时看到其分析需求对应的数据统计结果,以及通过切换维度和改变条件等方式,轻松得到不同维度下的不同分析结果,对业务情况有更加全面客观的认识。

FineBI商业智能解决方案提供了各种常见的OLAP分析操作,除基本的分组汇总外,还可以进行任意多维度的分析,多计算指标、过滤、联动、钻取换维、复用、数据预警等等分析功能。

1. 计算指标

在FineBI中,所有的表格和图表除可进行分组或交叉汇总外,每处汇总的计算方式并不限于求和,而是包括求和、求最值、求平均,并且他们之间可以实现即时切换。

当然这些汇总方式并不能满足用户的计算需求,所以FineBI也支持添加计算指标,主要分两类,一是配置类,一是公式类。

配置类计算指标

 

配置类计算指标是指对已有的数值指标进行特定的计算,包括计算数值指标的所有值、组内所有值、同期值、环期值、累计值、组内累计值、排名和组内排名等。

可视化分析策略:计算指标

公式类计算指标

 

公式类计算指标是指使用已有的数值指标经过公式计算而得到的计算指标,如计算销售单价,可以在公式计算框中输入公式“销售金额/销售套数”。FineBI支持多种公式函数,如数学和三角函数、文本函数、日期和时间函数、逻辑函数等。

可视化分析策略:配置类计算指标

2. 过滤

过滤的作用是清洗数据、提炼数据、聚焦数据,可以让分析过程更加简明和高效,以帮助用户更好的找到所关心的知识。FineBI的过滤设置,是依靠过滤组件也就是控件来完成的,一个控件可以绑定多个维度,并对整个页面的数据进行过滤,无需对应被过滤字段,更无需进行抽象的参数传递设置。而针对某一特定的维度或指标的过滤则在其字段的下拉菜单中完成。用户可以通过点面结合的方式,实现不同数据不同的过滤需求。

可视化分析策略:过滤,通用查询控件

可视化分析策略:过滤

此外,FineBI原创的通用查询控件囊括了文本类控件、时间类控件和数值类控件的所有功能,并且其允许用户自由对这些条件进行“且”和“或”的逻辑连接;又由于每个单独的条件自带有“非”的逻辑功能,使得用户可以通过通用查询中“且或非”的完备逻辑体系配置出任意的过滤条件。

3. 联动

 

FineBI中的组件联动是指,点击某个具体的数值汇总指标的时候,该数值指标的具体组成数值在表格或者图表组件中联动显示,这对用户分析数据有极大的帮助。

FineBI中组件联动分为两类,一种是联动到相应数据的明细表,另外一种是联动到已经存在的统计组件中。联动的设置非常简单,只要选择“联动到组件”,然后拖拽一下就行了。

可视化分析策略:3.联动

可视化分析策略:换维和钻取

4. 换维和钻取

 

FineBI支持维度内容和维度层次的切换。

钻取是改变维的层次,变换分析的粒度,向上钻取和向下钻取两种,如下图那样,用户只需把对应数据列拖放到“分类”中就可以实现换维了,这一切的操作如此简单,让人惊讶!

5. 复用

 

很多时候,为了分析,我们会重复创建同一个组件(主要是数据配置)或者使用同样的计算指标,我们并非有意去重复创建,完全是分析主题的需要,而这一部分的工作量根本是浪费时间,影响工作进度。所以为了减少工作量,加快工作效率,FineBI提出了复用功能,支持组件复用和指标复用,可以实现同一个模板之间的组件复用,也可以是不同模板之间的复用。

可视化分析策略:复用

可视化分析策略:数据预警

6. 数据预警

 

数据预警功能是业务逻辑和数据的典型结合之一。数据预警通过数字颜色的变化、标记的变化,以直观的方式标记了当前数据的特征,并可以结合业务逻辑提示决策人员尽早调整决策。

FineBI数据预警功能,对于在某个数据区间的数据可以进行红绿灯预警或者数据前景预警;更可以使用计算指标添加平均线的功能动态的反应数据的整体水平,实现个体数据与数据总体水平的直观对比。