淺談 BI 與資料分析的視覺化
作者 | 鍾家福
杏仁醫生資料工程師，關注資料分析與挖掘。
一、名詞解釋
估計這個標題對大家來說不是很好理解，在開始正題之前，我們先對標題中的「BI 報表視覺化」和「分析報表視覺化」做個名詞解釋。
BI 報表視覺化
廣義 BI：商務智慧的一套整體解決方案，包括資料倉庫、報表查詢、資料分析、資料探勘、資料視覺化等；
狹義 BI：敏捷 BI 產品，一款視覺化產品，如永洪 BI、Tableau 等。
通過敏捷 BI 產品設計製作的，提供給業務部門日常使用的視覺化報表，就是今天要說的 BI 報表視覺化。
分析報表視覺化
對某塊業務某些具體現象或問題的洞察，應該就是咱們所說的分析。在業務分析結果報告中使用的視覺化圖表(請留意是結果報告)，就是分析報表視覺化。
二、說說共同點
他們的共性主要體現在三個方面。
1.都通過視覺化來展示資訊
同屬於視覺化，都是通過圖表形式展現資料，幫助使用者快速、準確理解資訊，向用戶揭示資料背後的規律。
2.具備視覺化共有的基礎特性
準確、快速表達資訊；
好看、高大上但不復雜。
3.圖表型別通用
視覺化的各種圖表型別，諸如：柱形圖、散點圖、瀑布圖等，在分析報表中可用，在 BI 報表中同樣可用。
下面舉三個示例來對「圖表型別通用」做個說明
示例1：假設你是某個班的班主任，你想要分析自己班上所有學生的成績情況。你製作了這張箱線圖，分析結果告訴你雷軍成績最好，馬雲成績最不佳，李彥巨集成績最穩定，王小川最可能超常發揮。那麼，如果是教導主任呢？他如果希望是教務系統中有一個可以直接檢視全校學生成績的頁面，那麼就可以將這個箱線圖製作成一個 BI 檢視。
示例2：某家公司做了一次運營策略調整，運營重點從獲客轉向流失使用者的喚回。運營總監想知道下面的幾位運營經理，是否將這個策略執行到位了。好，如果總監看到的結果不是如圖所示的運營策略的調整已經被執行到位，那麼總監可能很生氣。他完全有理由讓你製作一份常規報表放到 BI 系統中去，因為他需要每週、每月檢視這個報表來檢查各部門是否執行到位。
示例3：某家公司每年收入近兩千萬，Boss 希望你幫他分析 2017 年公司的營收都花在哪些模組了，最終毛利潤是多少，那麼你幫 Boss 製作了這張圖作為分析結果呈現。Boss 看完後，認為分析的非常好，這個模式應該被推廣被複用，他說你幫我做到 BI 系統裡去，Boss 們每月、每季度都需要看到。
以上三個事例中，同一型別圖表在分析報表視覺化中 BI 報表視覺化中都是可用的！
三、談談不同之處
「分析報表視覺化」和「BI 報表視覺化」的關鍵差異在於它們的出發點是不同的。分析報表視覺化的核心是輸出結論；BI 報表視覺化是某業務主題下靈活的動態分析。
分析報表視覺化：核心是結論
每一次的業務分析結論與建議都會被要求是明確的，所以我們會把圖表裡所有通用的模組都調整為很精細化的，緊緊地圍繞本次分析展開。
分析報表的核心點是結論，一切都是圍繞結論展開的。分析報表中的視覺化圖表是報告的組成部分，它必須是圍繞分析結論，服務於結論表達的。你的分析結論越明確，越多的通用部分就會被抹去。
BI 報表視覺化：業務主題下靈活地動態分析
BI 報表同樣具備一定的主題性，但它不是這個主題下某個非常明確的結論，它更多地是一種分析模式，是某個主題下的動態分析。所以 BI 報表需要支援該主題下的各種場景、各種洞察需求。比如我們剛才提到的瀑布圖，其中是一種技術分析模式，我們可以在瀑布圖的基礎上，按業務線、產品線的不同，結合相應的圖表，搭建一個完整的儀表盤（Dashboard）。
一般來說，對於分析報表而言，老闆看完，就代表這件事結束了；而 BI 則是可以被反覆使用的。新上線一個 BI 報表，意味著這個 BI 報表的維護、優化才剛剛開始，需要根據戰略目標、業務需求不斷地進行調整，所以 BI 報表的核心需求是靈活地支援動態分析。
下面，我們舉個簡單的例子來說明：
假設有家公司的業務是做一個醫院掛號的網站。老闆提了一個需求，想知道今年患者掛號的科室分佈情況，你可能會做左邊這樣的圖，把很多小的科室合併了，因為老闆更關心排名在前的科室。這樣做可以突出重點。但是如果這個報表是存在於 BI 系統中的，那麼用左邊這張圖就不行了。因為它當某些同事想要知道「眼科」患者掛號情況，那左邊圖就沒有相關資訊。
我們的分析報表只要給老闆展示 Top N 的重點，而在 BI 報表裡面，就需要考慮到資訊的全面性，覆蓋到不同業務部門各式各樣的需求。
四、靈活地支援動態分析
我們將支援動態分析行為分為基礎和進階兩個層次。
基礎的就是維度下鑽和上卷，能夠進行維度的深入和聚合，以及介面的聯動，有時候聯動在層次太多的情況下不適用，就需要提供篩選器進行篩選。
進階的是維度切換、子檢視展示、檢視動作跳轉、下載資料格式自定義。
接下來重點說明其中的「維度下鑽、上卷與切換」、「子檢視展示」及「檢視動作跳轉」。其它的支援動態分析的技巧，如：介面聯動、維度篩選器等都是市面上 BI 工具常見的功能，這裡就不贅述了。
1.維度下鑽、上卷與切換
某家中藥銷售公司，當前與五家合作方合作。運營人員經常會有需要分析：不同廠家的銷售排名、不同劑型的銷售排名，不同廠家下的劑型銷售排名等。這裡我們通過維度下鑽、上卷與切換，使之在一個圖表中實現。
通過維度下鑽，我們在廠家銷售排名基礎上細分觀察劑型銷售排名；
通過維度上卷，我們隱藏了劑型資訊，只觀察廠家銷售排名；
通過維度切換，我們實現「劑型-廠家」的細分維度，此時上卷後則就是觀察劑型的銷售排名。
2.子檢視展示
下圖，展示了某家公司在全美的銷售分佈。如果此時，我們想要觀察每個州的類目成交分佈，常規的做法往往是另做一個 BI 檢視頁，在這個檢視中展示詳細類目成交。但其實，我們可以將比較簡單的分類資訊在子檢視中展示，當用戶懸停在某個州時就顯示類目成交。這可以極大的方便使用者查閱資料。
3.檢視動作跳轉
子檢視只適合資訊量較小的附加，如果是大面積的詳細資訊新增，那麼建議使用：檢視跳轉。下圖是，某家公司一級類目、二級類目的銷售情況，如果還想看到單個產品的銷售利潤情況，可以在這裡製作一個子檢視，提升檢視商品詳情，就可以跳轉到每個產品的銷售利潤檢視。
以上，就是個人關於「BI 報表視覺化」和「分析報表視覺化」異同的看法。歡迎討論。
全文完
以下文章您可能也會感興趣：
我們正在招聘 Java 工程師，歡迎有興趣的同學投遞簡歷到 [email protected] 。
杏仁技術站
長按左側二維碼關注我們，這裡有一群熱血青年期待著與您相會。
相關推薦
BI大資料分析視覺化軟體系統開發
大資料時代，人們對資料的整理分析越來越重BI也稱商業智慧，商業智慧一般被理解為將企業中所產生的資料轉化為知識，幫助企業做出明智經營決策的輔助工具。BI大資料分析視覺化軟體適用於任何或產生資料的行業，尤其是現在是大資料時代，從大資料分析出的結論對各個企業都有深遠影響。 這裡所說的資料包括來自企業的業務系統的訂
電子商務商電商BI大資料分析視覺化系統開發
電子商務商的資料分析很重要，它可以從各種資料找那個分析出哪種商品好賣，哪類人群喜歡買什麼等等。甚至使用者畫像完全可以分析出，在電商領域，資料一般可以分為四大型別，流量、銷量、商品和會員，這也是最基礎的報表需求。 1.流量部分有點選、搜尋、來源等，這些資訊經過分析可以運用在廣告包括一些產品的改版以
傳統BI還是自助式BI---BI與資料分析 ZT
自助式BI或者自助式資料分析是最近幾年興起的一個概念。根據Gartner釋出的資訊，Self Service Business Intelligence(SSBI)被定義為“終端使用者在被批准和支援的平臺或工具組合中設計和部署自己的報告和分析。 很多業內人士都表示未來的BI或者資料分析的趨勢就是要實現去
教你解決Python資料分析視覺化時可以顯示中文
問題描述： 使用Python進行資料分析時，中文是顯示不了的， 那麼怎麼使matplotlib視覺化是能夠顯示中文呢？ 你需要具備的知識：matplotlib基本操作，linux基本操作，IPyt
Python資料分析視覺化Seaborn例項講解
Seaborn是一種基於matplotlib的圖形視覺化python libraty。它提供了一種高度互動式介面，便於使用者能夠做出各種有吸引力的統計圖表。 Seaborn其實是在matplotlib的基礎上進行了更高階的API封裝，從而使得作圖更加容易，在大
利用Python進行資料分析——視覺化
import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns 基本入門 簡單圖 當用戶只提供了一個單維列表或陣列時，matplotl
微博爬蟲/資料分析/視覺化
微博的資料分析以及視覺化 最近在學習資料分析，資料探勘以及資料視覺化的內容，之前斷斷續續地採集了接近1億條微博資料，還有幾十萬的使用者的資訊。所以篩選了一部分資料來分析分析。下面的內容大多以《廣州釋出》為例。 微博數量分析 微博時間分析 地域分析 資料視覺
淺談BI實時圖表實現資料視覺化的原理
不久前，在商業智慧實時圖表解決方案的選擇中，我們簡單講了下實時分析的工作流程。今天我們就來詳細討論一下這個話題。 如果你已經使用過實時dashboard，或者正打算建立一個，那麼，這篇文章可以幫助你理解實時dashboard背後的故事以及實時資料如何展現在你的dashboard中，從而實現資料視覺化。 除去
BI大資料分析大資料視覺化軟體系統開發
資訊科技社會，在各個企業基本上都有完善OA、ERP等資訊基礎化系統。長此以往，積累了海量的資料。其中包括來自業務系統的訂單、庫存、交易賬目、客戶和供應商等，來自企業所處行業和競爭對手的資料以及來自企業所處的其他外部環境中的各種資料。這時候就需要BI大資料分析大資料視覺化軟體系統，將資料整合合理利用資料資源做出
淺談演算法和資料結構: 五 優先順序佇列與堆排序
在很多應用中，我們通常需要按照優先順序情況對待處理物件進行處理，比如首先處理優先順序最高的物件，然後處理次高的物件。最簡單的一個例子就是，在手機上玩遊戲的時候，如果有來電，那麼系統應該優先處理打進來的電話。 在這種情況下，我們的資料結構應該提供兩個最基本的操作，一個是返回最高優先
【手把手教你】Python獲取財經資料和視覺化分析
內容來自：微信公眾號：python金融量化 關注可瞭解更多的金融與Python乾貨。 “巧婦難為無米之炊”，找不到資料，量化分析也就無從談起。對於金融分析者來說，獲取資料是量化分析的第一步。Python的一個強大功能之一就是資料獲取（爬蟲）。但是對於沒時間學爬蟲程式的小白來說，pytho
[大資料專案]-0016-基於Spark2.x新聞網大資料實時分析視覺化系統
2018最新最全大資料技術、專案視訊。整套視訊，非那種淘寶雜七雜八網上能免費找到拼湊的亂八七糟的幾年前的不成體系浪費咱們寶貴時間的垃圾，詳細內容如下，視訊高清不加密，需要的聯絡QQ：3164282908（加Q註明51CTO）。 課程介紹 本專案基於某新聞網使用者日誌分析系統進行講解
【python資料探勘課程】十九.鳶尾花資料集視覺化、線性迴歸、決策樹花樣分析
這是《Python資料探勘課程》系列文章，也是我這學期上課的部分內容。本文主要講述鳶尾花資料集的各種分析，包括視覺化分析、線性迴歸分析、決策樹分析等，通常一個數據集是可以用於多種分析的，希望這篇文章對大
利用 ELK系統分析Nginx日誌並對資料進行視覺化展示
一、寫在前面 結合之前寫的一篇文章：Centos7 之安裝Logstash ELK stack 日誌管理系統，上篇文章主要講了監控軟體的作用以及部署方法。而這篇文章介紹的是單獨監控nginx 日誌分析再進行視覺化圖形展示，並在使用者前端使用nginx 來代理kibana
淺談BI領域的資料模型設計（二）
/**********************************/目錄：第一部分：基礎概念第二部分：設計方式第三部分：銀行業資料模型基本概念介紹第四部分：銀行業資料模型分主題介紹第五部分：ODS和EDW/**********************************/第三部分：銀行業資料模型基本
資料鑽取與大屏視覺化-東軟SaCa DataViz
前言：專案中一直準備做這塊，後面檢索到：阿里dataV，海致BDP，東軟DataViz，超圖DataInsight。 主要功能：關聯資料來源、資料鑽取與分析、圖冊與視覺化 官網網站：http://www.sacadataviz.com 產品論壇：https://forum
power bi 如何獲取資料做視覺化
獲 取 數 據l 獲取資料Power BI Desktop 可連線到種類廣泛的多種資料來源，包括本地資料庫、Excel 工作表和雲服務等。 它可幫助清理資料和設定資料格式，以使資料更為有用，包括拆分和重新命名列、更改資料型別和處理日期。還可建立列之間的關係，以便可以更輕鬆地
使用Python對大腦成像資料進行視覺化分析
## 簡介 大腦是人類目前所知的最複雜的器官，為了很好的瞭解大腦這個器官，我們做了很多努力，核磁共振成像(Magnetic Resonance Image,MRI)技術就是其中的重要突破，通過MRI的方式，我們可以獲得大腦的一些資料。 近年來，隨著機器學習的興起，醫學資料與機器學習結合使用的情況越來越多，而
淺談angular2與angularJS的區別
iges style 區別 float 頁面加載速度 小夥伴 困境 特征 架構 簡介 大家好，今天給大家介紹一下angular，相信做過前端的小夥伴們都知道angular的大名，angularJS自2012年發布起就受到了大家的廣泛關註。他首次提出