阿里云MVP Meetup：《云数据·大计算：海量日志数据分析与应用》之《数据分析展现：可视化报表及嵌入应用》篇

本手册为杭州阿里云MVP Workshop《云计算·大数据：海量日志数据分析与应用》的《数据分析展现：可视化报表及嵌入应用》篇而准备。主要阐述如何使用BDP个人版制作报表，将前面几个实验处理分析得来的数据进行有效的展现和洞察。
实验背景介绍

本手册为阿里云MVP Meetup Workshop《云计算·大数据：海量日志数据分析与应用》的《数据分析展现：可视化报表及嵌入应用》篇而准备。主要阐述如何使用Quick BI制作报表，将前面几个实验处理分析得来的数据进行有效的展现和洞察。

《数据加工：用户画像》实验中的结果表数据已经事先导入RDS中，表名为rpt_user_info_all_d。该表包含了:用户id、地区、性别、年龄范围、星座、访问设备、PV 等访问信息。

承接前述实验加工好的数据表，通过Quick BI完成网站用户分析画像的仪表板。

在该仪表板中，将展示用户的地区分布、设备分布和访问明细记录。 并能够根据年龄范围的查询条件，动态更新图表数据内容。 涉及大数据产品 Quick BI 实验环境准备

必备条件：

确保阿里云账号处于登录状态。

step1：点击进入大数据（数加）管理控制台 Quick BI tab页面下。 step2：点击购买Quick BI标准版。

step3：在购买页面中，点击立即购买。
step4：在确认订单页面中点击去支付，并确认支付。

step5：成功开通Quick BI。

进入Quick BI

确保阿里云账号处于登录状态。

step1：点击进入Quick BI管理控制台。

step2：点击进入Quick BI标准版。

添加数据源

《数据加工：用户画像》实验将数据导入云数据库RDS后，可以利用Quick BI添加为数据源进行分析和展示。本章节为了大家快速的掌握Quick BI的使用提前将数据给大家拷贝了一份在官方的RDS里，大家只需要配置即可用。

step1：点击左侧数据，进入数据管理页。

step2：切换至数据源标签页，点击新建数据源。

[说明] 数据量千万级别，响应速度秒级。添加RDS数据源，可以直联任何一个云上RDS数据库，或ECS中用户自建的RDS。

step3：在新建数据源对话框中，选择并点击RDS for MySQL。

step4：配置RDS for MySQL数据源，并点击测试连通性，待连通性测试通过后，点击添加保存现有配置信息。

RDS for MySQL数据源配置信息如下：

显示名称：workshop 数据库地址：

增加计算字段、创建层次结构、修改字段的数据类型、更改度量聚合方式、
制作关联模型。

step1：点击编辑按钮，进入编辑数据集页面。

step2：转换包含地理信息的字段的维度类型（一般字段不需要转换）。选择region字段- 右键- 维度类型切换- 地理信息- 省/直辖市。如下图所示：

转换成功后，在左侧维度栏中会看到region字段前多一个地理位置图标，如下图所示：

step3：点击保存，保存数据集。

制作工作表

说明：

主要用于对于数据全方位的探索分析。 支持随意对维度、度量进行拖拽选择后进行查询，得到工作表内容，支持对维度、度量的过滤,支持排序，支持报表样式的设置。 保存的工作表，可以做为下一章节【制作仪表板】的数据来源，直接展现

下面希望获得每个地区(region),不同设备(device),不同性别(gender)，不同年龄范围(age_range)的访问网站的pv量。

step1：点击左侧数据，找到数据集rpt_user_info_all_d 这行，点击表格分按钮，就会新建一个工作表对该数据集进行多维分析。

step2：分别选择需要分析的维度：region、device、gender、age_range并拖拽至分析面板行中，选择度量pv拖拽至分析面板中的列中，点击查询按钮, 得到每个地区、不同设备、不同性别、不同年龄范围的访问网站的pv量。

step3：点击保存，保存工作表名称为：访问明细。 制作仪表板

与上一节衔接，将分析结果固化为可视化报表。随着数据的更新，报表可视化展现最新数据。我们把这个过程叫制作仪表板。

制作思路：确定内容- 确定布局和样式- 制作图表- 实现动态联动查询。

制作模板如下：

【说明】仪表板创作界面的工具布局：

step1：点击主导航上的作品菜单，点击新建下拉菜单下的新建空白仪表板按钮，就可以开始创建一个仪表板。

step2：从仪表板空间中向画布拖入文本框并命名为网站用户画像。

step3：点击图表区域内的色彩地图，并选择数据源来源为来自数据集rpt_user_info_all_d，选择维度为region（地区）、度量为pv，选择完成后点击更新图表按钮，结果如下：

业务目的：查看访问用户的地域分布情况。

step4：将图表区域内的柱图拖拽至右侧画布，并配置选择数据来源为来自数据集rpt_user_info_all_d，选择维度为device（设备）、度量为pv，点击更新图表，
结果如下：

业务目的：查看访问设备的分布情况.

step5：点击图表区域内的交叉表，并选择数据源 来自工作表 访问明细（上述步骤中保存的工作表），点击更新图表按钮，结果如下：

业务目的：查看每个地区(region)、不同设备(device)、不同性别(gender)，不同年龄范围(age_range)的访问网站的pv量。

step6：向画布中拖入控件区域内的查询条控件，在拖动指示分隔线落到文本框和气泡地图之间的时候，放下查询条件控件。

业务目的：增加查询条件年龄范围，实现动态图表。

拖动结束后，设置查询条件对应的字段、作用范围和样式：

step6.1：首先将前面制作好的色彩地图、柱状图和交叉表控件的标题依次改为，地区分布和设备分布。

step6.2：接着，点击并设置查询条件对应到哪个字段和作用范围（上述配置的两个控件名称）：变化的时候能影响到哪些图表控件。

step6.3：然后设置查询条件的显示样式，这里设置为枚举类型复选框样式。

[注意]鼠标选中查询条件的输入框后，样式设置界面才会出现。

step7：点击保存仪表板，名称为云栖大会workshop。

step8：点击预览仪表板。

修改年龄范围为不同的值，看仪表板的各个区块的图表的数据是否随着查询条件的变化而变化。

恭喜各位已经完成了数据清洗、加工到展现的链路。更多的关于Quick BI的进阶教程，详见：更多案例（销售数据分析、仪表板制作）

.NET Core开发的iNeuOS工业互联网平台，发布 iNeuDA 数据分析展示组件，快捷开发图形报表和数据大屏 经过一段时间的努力，iNeuDA产品组件已经开发和测试完成，现在正式上线。现在iNeuOS工业互联网操作系统的技术体系和产品体系更佳完善，为中小企业提供更佳全面解决方案。
阿里云MVP Meetup 《云数据·大计算：海量日志数据分析与应用》之《数据应用：数据服务》篇 本文主要阐述在使用DataWorks（数据工场）的过程中如何使用数据服务模块，快速将已生成的数据给用起来。此功能可用于快速将数仓中的结果表生成API，通过API给下游应用使用，或者通过API服务完成数据共享等。
阿里云MVP Meetup 《云数据·大计算：海量日志数据分析与应用》之《数据质量监控》篇 本手册为阿里云MVP Meetup Workshop《云计算·大数据：海量日志数据分析与应用》的《数据质量监控》篇而准备。主要阐述在使用大数据开发套件过程中如何将已经采集至MaxCompute上的日志数据质量进行监控，学员可以根据本实验手册，去学习如何创建表的监控规则，如何去订阅表等。
数据分析：构建可视化报表服务 摘要：本手册为北京云栖 Workshop《云数据·大计算：快速搭建互联网在线运营分析平台》的《数据分析：构建可视化报表服务》篇而准备。主要阐述如何使用Quick BI制作报表，将前面几个实验处理分析得来的数据进行有效的展现和洞察。
【转载】大数据workshop：《云数据·大计算：海量日志数据分析与应用》 本手册为云栖大会Workshop之《云计算·大数据：海量日志数据分析与应用》场的前提准备条件所需。主要为保障各位学员在workshop当天能够顺畅进行动手实操，那么本场需要各位学员再参加之前确保自己云账号已免费开通MaxCompute、Data IDE和Quick BI。
【转载】阿里云MVP Meetup：《云数据·大计算：海量日志数据分析与应用》之《数据加工：用户画像》篇 本手册为阿里云MVP《云计算·大数据：海量日志数据分析与应用》的《数据加工：用户画像》篇而准备。主要阐述在使用大数据开发套件过程中如何将已经采集至MaxCompute上的日志数据进行加工并进行用户画像，学员可以根据本实验手册，去学习如何创建SQL任务、如何处理原始日志数据。
【转载】阿里云MVP Meetup 《云数据·大计算：海量日志数据分析与应用》之《数据采集：日志数据上传》篇 本手册为阿里云MVP Meetup Workshop《云计算·大数据：海量日志数据分析与应用》的《数据采集：日志数据上传》篇而准备。主要为保障各位学员在workshop当天能够顺畅进行动手实操，那么本节为学员掌握阿里云数据采集的操作和使用。
MaxCompute（原ODPS）是一项面向分析的大数据计算服务，它以Serverless架构提供快速、全托管的在线数据仓库服务，消除传统数据平台在资源扩展性和弹性方面的限制，最小化用户运维投入，使您经济并高效的分析处理海量数据。
祎休 阿里云MaxCompute产品经理，帮助每一个想使用大数据计算服务的同学轻松上云。