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
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。![购买BI 购买BI](https://img.alicdn.com/tfs/TB1C5U7PVXXXXbVapXXXXXXXXXX-1066-609.png)
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。《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。[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。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。
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:
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。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。业务目的:查看访问用户的地域分布情况。
结果如下:
业务目的:查看访问设备的分布情况.
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。
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。[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。
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。
相关文章
- Google Earth Engine APP——在线计算Landsat 和 sentinel数据的23类植被指数的应用
- 【MATLAB教程案例15】基于WOA鲸鱼优化算法的函数极值计算matlab仿真及其他应用
- 解码2022中国网安强星丨从“移动应用”到“万物互联”,梆梆安全做物联网时代的安全“守门人”
- 后台开发:核心技术与应用实践1.6.2结构体、共用体在内存单元占用字节数的计算
- PgSQL · 应用案例 · "写入、共享、存储、计算" 最佳实践
- Web应用渗透测试框架Arachni
- 基于Cocos SDKHub接入华为HMS Game服务—接入华为应用升级服务
- 人工智能应用需要高可信性(180806)
- 《51单片机应用开发从入门到精通》——2.4 延时时间计算实例
- 阿里云机器学习技术与应用
- 《信息存储与管理(第二版):数字信息的存储、管理和保护》—— 2.1 应用
- JAVA应用监测
- 《深入解析sas:数据处理、分析优化与商业应用》一导读
- 【机器视觉】——单目相机标定(张正友标定)、畸变矫正、重投影误差计算、pnp问题求解、实际尺寸测量、标定参数矩阵应用
- mysql 索引学习--多条件等值查询,顺序不同也能应用联合索引啦
- MySql使用优化——不同种类的索引在不同场景中的应用(附实战分析源码)
- 基于文字识别动态扫描,通过字符间距计算模糊匹配率,调用语音识别接口把返回结果进行语音播报,改换数据源可应用多场景进行识别、监测、报警、分析等,支持在线识别和离线识别两种方式
- 云计算应用是节省成本还是增加额外费用?
- 源代码搭建应用(一)——动手搭建自己的计算集群系统