浅谈 BI 与数据分析的可视化

作者 | 钟家福

640?wx_fmt=png&wxfrom=5&wx_lazy=1

杏仁医生数据工程师,关注数据分析与挖掘。

一、名词解释

估计这个标题对大家来说不是很好理解,在开始正题之前,我们先对标题中的「BI 报表可视化」和「分析报表可视化」做个名词解释。

BI 报表可视化

  • 广义 BI:商务智能的一套整体解决方案,包括数据仓库、报表查询、数据分析、数据挖掘、数据可视化等;

  • 狭义 BI:敏捷 BI 产品,一款可视化产品,如永洪 BI、Tableau 等。

通过敏捷 BI 产品设计制作的,提供给业务部门日常使用的可视化报表,就是今天要说的 BI 报表可视化。

分析报表可视化

对某块业务某些具体现象或问题的洞察,应该就是咱们所说的分析。在业务分析结果报告中使用的可视化图表(请留意是结果报告),就是分析报表可视化。

二、说说共同点

他们的共性主要体现在三个方面。

1.都通过可视化来展示信息

同属于可视化,都是通过图表形式展现数据,帮助用户快速、准确理解信息,向用户揭示数据背后的规律。

2.具备可视化共有的基础特性

  • 准确、快速表达信息;

  • 好看、高大上但不复杂。

3.图表类型通用

可视化的各种图表类型,诸如:柱形图、散点图、瀑布图等,在分析报表中可用,在 BI 报表中同样可用。

下面举三个示例来对「图表类型通用」做个说明

示例1:假设你是某个班的班主任,你想要分析自己班上所有学生的成绩情况。你制作了这张箱线图,分析结果告诉你雷军成绩最好,马云成绩最不佳,李彦宏成绩最稳定,王小川最可能超常发挥。那么,如果是教导主任呢?他如果希望是教务系统中有一个可以直接查看全校学生成绩的页面,那么就可以将这个箱线图制作成一个 BI 视图。

640?wx_fmt=png

示例2:某家公司做了一次运营策略调整,运营重点从获客转向流失用户的唤回。运营总监想知道下面的几位运营经理,是否将这个策略执行到位了。好,如果总监看到的结果不是如图所示的运营策略的调整已经被执行到位,那么总监可能很生气。他完全有理由让你制作一份常规报表放到 BI 系统中去,因为他需要每周、每月查看这个报表来检查各部门是否执行到位。

640?wx_fmt=png

示例3:某家公司每年收入近两千万,Boss 希望你帮他分析 2017 年公司的营收都花在哪些模块了,最终毛利润是多少,那么你帮 Boss 制作了这张图作为分析结果呈现。Boss 看完后,认为分析的非常好,这个模式应该被推广被复用,他说你帮我做到 BI 系统里去,Boss 们每月、每季度都需要看到。

640?wx_fmt=png

以上三个事例中,同一类型图表在分析报表可视化中 BI 报表可视化中都是可用的!

三、谈谈不同之处

「分析报表可视化」和「BI 报表可视化」的关键差异在于它们的出发点是不同的。分析报表可视化的核心是输出结论;BI 报表可视化是某业务主题下灵活的动态分析。

分析报表可视化:核心是结论

每一次的业务分析结论与建议都会被要求是明确的,所以我们会把图表里所有通用的模块都调整为很精细化的,紧紧地围绕本次分析展开。

分析报表的核心点是结论,一切都是围绕结论展开的。分析报表中的可视化图表是报告的组成部分,它必须是围绕分析结论,服务于结论表达的。你的分析结论越明确,越多的通用部分就会被抹去。

BI 报表可视化:业务主题下灵活地动态分析

BI 报表同样具备一定的主题性,但它不是这个主题下某个非常明确的结论,它更多地是一种分析模式,是某个主题下的动态分析。所以 BI 报表需要支持该主题下的各种场景、各种洞察需求。比如我们刚才提到的瀑布图,其中是一种技术分析模式,我们可以在瀑布图的基础上,按业务线、产品线的不同,结合相应的图表,搭建一个完整的仪表盘(Dashboard)。

一般来说,对于分析报表而言,老板看完,就代表这件事结束了;而 BI 则是可以被反复使用的。新上线一个 BI 报表,意味着这个 BI 报表的维护、优化才刚刚开始,需要根据战略目标、业务需求不断地进行调整,所以 BI 报表的核心需求是灵活地支持动态分析。

下面,我们举个简单的例子来说明:

640?wx_fmt=png

假设有家公司的业务是做一个医院挂号的网站。老板提了一个需求,想知道今年患者挂号的科室分布情况,你可能会做左边这样的图,把很多小的科室合并了,因为老板更关心排名在前的科室。这样做可以突出重点。但是如果这个报表是存在于 BI 系统中的,那么用左边这张图就不行了。因为它当某些同事想要知道「眼科」患者挂号情况,那左边图就没有相关信息。

我们的分析报表只要给老板展示 Top N 的重点,而在 BI 报表里面,就需要考虑到信息的全面性,覆盖到不同业务部门各式各样的需求。

四、灵活地支持动态分析

我们将支持动态分析行为分为基础和进阶两个层次。

  • 基础的就是维度下钻和上卷,能够进行维度的深入和聚合,以及界面的联动,有时候联动在层次太多的情况下不适用,就需要提供筛选器进行筛选。

  • 进阶的是维度切换、子视图展示、视图动作跳转、下载数据格式自定义。

640?wx_fmt=png

接下来重点说明其中的「维度下钻、上卷与切换」、「子视图展示」及「视图动作跳转」。其它的支持动态分析的技巧,如:界面联动、维度筛选器等都是市面上 BI 工具常见的功能,这里就不赘述了。

1.维度下钻、上卷与切换

某家中药销售公司,当前与五家合作方合作。运营人员经常会有需要分析:不同厂家的销售排名、不同剂型的销售排名,不同厂家下的剂型销售排名等。这里我们通过维度下钻、上卷与切换,使之在一个图表中实现。

通过维度下钻,我们在厂家销售排名基础上细分观察剂型销售排名;

通过维度上卷,我们隐藏了剂型信息,只观察厂家销售排名;

通过维度切换,我们实现「剂型-厂家」的细分维度,此时上卷后则就是观察剂型的销售排名。

640?wx_fmt=png2.子视图展示

下图,展示了某家公司在全美的销售分布。如果此时,我们想要观察每个州的类目成交分布,常规的做法往往是另做一个 BI 视图页,在这个视图中展示详细类目成交。但其实,我们可以将比较简单的分类信息在子视图中展示,当用户悬停在某个州时就显示类目成交。这可以极大的方便用户查阅数据。

640?wx_fmt=png3.视图动作跳转

子视图只适合信息量较小的附加,如果是大面积的详细信息添加,那么建议使用:视图跳转。下图是,某家公司一级类目、二级类目的销售情况,如果还想看到单个产品的销售利润情况,可以在这里制作一个子视图,提升查看商品详情,就可以跳转到每个产品的销售利润视图。

640?wx_fmt=png

以上,就是个人关于「BI 报表可视化」和「分析报表可视化」异同的看法。欢迎讨论。


 全文完


以下文章您可能也会感兴趣:

  • 如何成为一名数据分析:数据的初步认知

  • 谈谈到底什么是抽象,以及软件设计的抽象原则

  • 复杂业务状态的处理:从状态模式到 FSM

  • 后端的缓存系统浅谈

  • 微服务环境下的集成测试探索(一) —— 服务 Stub & Mock

  • 微服务环境下的集成测试探索(二)—— 契约式测试

  • 乐高式微服务化改造(上)

  • 乐高式微服务化改造(下)

  • 一个创业公司的容器化之路(一) - 容器化之前

  • 一个创业公司的容器化之路(二) - 容器化

  • 一个创业公司的容器化之路(三) - 容器即未来

  • 响应式编程(上):总览

  • 响应式编程(下):Spring 5


我们正在招聘 Java 工程师,欢迎有兴趣的同学投递简历到 [email protected]

640?wx_fmt=png


杏仁技术站

长按左侧二维码关注我们,这里有一群热血青年期待着与您相会。



你可能感兴趣的:(浅谈 BI 与数据分析的可视化)