【大数据开发必看】可视化BI神器---FineBI

2024-03-07 18:52:39

数据可视化分析平台FineBI

1. 可视化的应用

1.1 数据可视化

可视化分析平台：不用写代码，直接对原始数据通过图形化操作实现分析和构建报表平台
- 主要用于提供给业务人员快速上手实现数据分析
构建可视化报表
- 通过图的形式来展示对应的数据，实现信息的传递
- 传递信息的方式
  - 文字：不太适合表达数据的信息结果
  - 图片：简单直观
    - 体现数据走势
    - 体现数据大小
    - 体现数据比例
  - 声音：不太适合数据的表达
  - 视频：太笨重，不太方便

1.2 目的

通过图片来展示数据的结果，从图中可以发现数据的规律、数据中存在的问题、价值等
柱状图：用于体现数据的大小
饼状图：用于体现数据的比例
曲线图：用于体现数据的走势
地图：用于体现不同区域的数据分布

1.3 工具

第一种：商业化可视化产品
- 功能最全面，使用非常简单
- 非常适合业务人员快速上手
- 很短的时间内快速的构建数据分析报表平台
第二种：开源化的可视化产品
- 功能相对不是特别的全面
- 使用相对需要定制化开发（写代码）
第三种：通过代码自己开发
- 定制化程度最高
- 成本最高，需要大量的时间和人力来开发这个平台

2. 商业可视化平台FineBI

2.1 介绍

FineBI是定位于自助大数据分析的BI工具，能够帮助企业的业务人员和数据分析师，开展以问题导向的探索式分析

2.2 优势

通过多人协作来实现最终的可视化构建
FineBI不需要通过复杂代码来实现开发，通过可视化操作实现开发
功能非常的强大
- 适合各种数据可视化的应用场景
- 各种常见的分析图表
- 支持各种各样的数据源
- 支持处理大数据

2.3 部署

傻瓜式安装~~~

3. 订单分析案例背景

3.1 电商业务

用户行为
- 浏览商品
- 登录注册
- 添加购物车
- 收藏商品
- 下订单购买
产生数据
- ip地址
- 用户id
- 客户端信息（浏览器名称、版本、操作系统名称、版本）
- 正在访问的商品id
- 正在访问的页面url
- 从哪个页面url进入的
- 订单id
- 支付方式，金额…
电商后台分析
- 用户分析
  - 总用户个数
  - 新增用户个数
  - 用户的来源比例
  - 用户的客户端比例
  - 流失用户
  - 回流用户
  - 跳出用户
- 访问分析
  - 访问量最多的网页，前10名
  - 商品销量的前10名
  - 商品浏览的前10名
  - 商品收藏的前10名
- 分析作用
  - 用于发现用户的喜好，给用户提供更好的服务
  - 用于发现整个平台存在的问题，改善平台的流程、设计、让更多的用户喜欢这个平台

3.2 订单分析

订单数据的生成
- 用户在平台上下订单 => 订单存储在这个平台的数据库中
- 订单业务数据库：专门用于提供对于用户的订单的提交和查询
订单中包含的数据
- orderid：订单id
- userid：用户id
- productid：商品id
- 商品名称
- 商品分类
- 订单金额
- 商品个数
- 支付方式
- 配送地址
- 订单生成时间
- …
实现订单分析
- 订单的总金额
- 订单的总个数
- 不同省份订单的比例
- 退款订单的个数
- 发货订单的个数

4. 案例架构及数据准备

4.1 整体架构

业务订单数据
- MySQL数据库：sl_shop
- 用于对外支撑业务：下订单
ETL
- Kettle：过滤、转换、补全
待分析数据
- MySQL数据库：sl_shop_bi
- 用于实现数据分析：订单分析
分析的结果：
- MySQL实现分析：sl_shop_bi
- FineBI：实现可视化报表构建

4.2 数据准备

将业务订单数据导入到MySQL当中
- step1：找到数据对应的SQL文件
- step2：将这个文件拖入DataGrip中
- step3：运行这个文件
全部的表
- sl_areas：用于存储地址：省份、城市、地区【区、县】
  - areaId：地区id
  - parentId：这个地区的上一个级别的地区id
  - areaName：地区名称
  - areaType：地区的级别（0省 1市 2县或区）
- sl_goods：商品表，记录了所有商品信息：id、名称、价格、上架时间、三级分类
  - goodsId：商品的唯一编号id
  - goodsName：商品名称
  - goodsCatId：商品最后一级分类id
  - saleTime：销售时间
  - createTime：上架时间
- sl_goods_cats：商品分类：商品一级、二级、三级
  - catId：分类id
  - parentId：父分类的id
    - 一级分类：水果
    - 二级分类：进口水果
    - 三级分类：橙子
  - catName：分类名称
  - cat_level：分类级别（1 2 3）
- sl_orders：订单表，记录了所有订单信息：订单id、用户id、订单金额
  - orderId：订单id
  - userId：用户id
  - realTotalMoney：实际价格
  - payType：支付方式
  - createTime：订单时间
- sl_order_goods：订单商品表，记录了订单与商品的关系：订单id、商品id
  - orderId：订单id
  - goodsId：商品id
  - goodsNumber：个数
  - goodsPrice：价格
  - payPrice：支付价格
- sl_users：用户表，记录了所有用户的信息：用户id、用户名称
  - userId：用户id
  - loginName：登录的昵称

4.3 Kettle实现ETL

需求：将sl_shop数据库中每张表的最新数据同步到sl_shop_bi中，每天同步一次
- 每天分析昨天的数据
  - 昨天的最新数据存储sl_shop数据库中
  - 将最新的数据同步到sl_shop_bi中用于Fenix
- 每天在分析之前，先同步一次
- 用Kettle实现：每天自动同步sl_shop中最新的数据存入到sl_shop_bi中
演示：以订单表为例
- step1：先构建一个转换任务：读取sl_shop中订单表的数据，写入sl_shop_bi中ods_sl_orders
- step2：配置输入，构建输入数据库连接
- step3：配置输出
- step4：测试运行
- step5：构建作业，每天执行一次
  - 先创建一个作业
  - 配置转换
  - 配置定时运行

4.4 直接导入ETL以后的数据

删除sl_shop_bi中的表
```
drop table sl_shop_bi.ods_sl_orders;
```
找到对应的SQL文件并执行即可

5. MySQL分析开发

5.1 每日订单总额/总笔数分析

需求：统计每天的订单总额和总个数
分析：对订单表的数据进行统计
- id：订单id
- dt：日期
- total_money：总金额
- total_cnt：总个数

创建结果表：app_order_total

create table app_order_total(
    id          int primary key auto_increment,
    df          date,
    total_money double,
    total_cnt   int
);

实现分析：
- substring(str,pos,len)：从pos【这个不是从0开始，而是从1】开始，截取len长度的字符串
- round(column, decimals)：把column这一列的数字四舍五入为decimals位小数

保存结果

insert into app_order_total
select null,
       substring(createTime, 1, 10)  as dt,
       round(sum(realTotalMoney), 2) as total_money,
       count(orderId)                as total_cnt
from ods_sl_orders
# where substring(createTime, 1, 10) = '2019-09-05'
group by substring(createTime, 1, 10);

5.2 下订单用户总数分析

需求：统计所有下订单的用户的总个数

分析：

基于订单表进行分析
订单表中：订单对应的用户id
对订单表中的用户id去重统计个数

select substring(createTime,1,10) as dt,count(distinct userId) as total_user_cnt
from ods_sl_orders
group by substring(createTime,1,10);

5.3 热门商品top10

需求：统计所有订单中哪些商品被购买的次数最多的前10名

分析：

统计每个商品对应的订单个数
按照个数降序排序
取前10
结果：
- 商品名称订单个数
订单商品表中：订单id、商品id
商品表：商品id、商品名称

use sl_shop_bi;
create table app_goods_top10(
    id int primary key auto_increment,
    dt date,
    goodsName varchar(100),
    cnt int
);

insert into app_goods_top10
select null,
       substring(a.createtime, 1, 10),
       b.goodsName,
       count(*) as cnt
from ods_sl_order_goods a
         join ods_sl_goods b
              on a.goodsId = b.goodsId
group by b.goodsName, substring(a.createtime, 1, 10)
order by cnt desc
limit 10;

5.4 每小时上架商品个数

需求：统计每天每个小时上架的商品个数

分析：根据商品上架时间进行分组统计

商品表

use sl_shop_bi;
create table app_hour_goods(
    id int primary key auto_increment,
    daystr date,
    hourstr varchar(10),
    cnt int
);
insert into app_hour_goods
select null,
       substring(createTime, 1, 10) as daystr,
       substring(createTime, 12, 2) as hourstr,
       count(*) cnt
from ods_sl_goods
group by substring(createTime, 1, 10), substring(createTime, 12, 2)
order by daystr,hourstr;

5.5 每小时订单笔数

需求：统计每天每小时订单的个数

分析：统计订单表

对天和小时进行分组
统计订单id的个数

use sl_shop_bi;
create table app_hour_orders(
    id int primary key auto_increment,
    daystr date,
    hourstr varchar(10),
    cnt int
);
insert into app_hour_orders
select null,
       substring(createTime, 1, 10) as daystr,
       substring(createTime, 12, 2) as hourstr,
       count(*) cnt
from ods_sl_orders
group by substring(createTime, 1, 10), substring(createTime, 12, 2)
order by daystr,hourstr;

5.6 不同支付方式订单总额/订单笔数

需求：统计每天不同的支付方式对应的订单总金额以及订单总笔数
分析：
- 按照日期和支付方式分组统计总金额以及订单总笔数
  - 现金
  - 支付宝
  - 微信
  - …

实现：

case … when：做判断，根据这一列的值不同，可以显示不同的内容
- 语法：
```
case 列
	when v1 then r1
	when v2 then r2
	...
	else rN
	end
```

use sl_shop_bi;
create table app_order_payType
(
    id      int primary key auto_increment,
    dt  date,
    pay_type varchar(10),
    total_money double,
    total_cnt     int
);
insert into app_order_payType
select null, substring(createTime, 1, 10)  as dt,
       case payType
           when 1 then '支付宝'
           when 2 then '微信'
           when 3 then '现金'
           else '其他'
           end
        ,
       round(sum(realTotalMoney), 2) as total_money,
       count(orderId)                as total_cnt
from ods_sl_orders
group by substring(createTime, 1, 10),
         payType

5.7 各省份订单总金额、订单总笔数

需求：统计每天每个省份的订单总金额以及订单总个数

分析：需要按照天和省份分组统计订单总金额和个数

订单表：订单金额、订单id、订单日期、areaId
地区表：地区id、地区名称
join

use sl_shop_bi;
create table app_oder_province
(
    id      int primary key auto_increment,
    dt  date,
    province varchar(10),
    total_money double,
    total_cnt     int
);
insert into app_oder_province
select null,
       substring(a.createTime,1,10) as dt,
       b.areaName,
       round(sum(realTotalMoney),2) as total_money,
       count(orderId) as total_cnt
from ods_sl_orders a
join ods_sl_area b on a.areaId = b.areaId
group by substring(a.createTime,1,10), b.areaName

5.8 不同商品分类订单个数统计

需求：统计每天不同商品分类订单的个数

分析：

订单商品表：订单id、商品id => 订单个数
商品表：商品id、商品分类id
商品分类表：商品分类id、商品分类名称

use sl_shop_bi;
create table app_cat_cnt
(
    id          int primary key auto_increment,
    dt          date,
    catName    varchar(100),
    cnt   int
);
insert into app_cat_cnt
select null,substring(a.createtime, 1, 10) as dt,
       c.catName,
       count(*) as cnt
from ods_sl_order_goods a
         join ods_sl_goods b
              on a.goodsId = b.goodsId
         join ods_sl_good_cats c on b.goodsCatId = c.catId
group by substring(a.createtime, 1, 10), c.catName

6. FineBI实现可视化

6.1 启动登录

6.2 构建连接

管理系统

6.3 配置数据

注意在数据准备好之后，必须同步数据【业务包更新】

数据准备

6.4 构建仪表盘

仪表板

6.5 添加图表

添加标题
每日订单总个数
每日订单总金额
每日订单用户数
…

码农公寓

数据可视化分析平台FineBI

1. 可视化的应用

1.1 数据可视化

1.2 目的

1.3 工具

2. 商业可视化平台FineBI

2.1 介绍

2.2 优势

2.3 部署

3. 订单分析案例背景

3.1 电商业务

3.2 订单分析

4. 案例架构及数据准备

4.1 整体架构

4.2 数据准备

4.3 Kettle实现ETL

4.4 直接导入ETL以后的数据

5. MySQL分析开发

5.1 每日订单总额/总笔数分析

5.2 下订单用户总数分析

5.3 热门商品top10

5.4 每小时上架商品个数

5.5 每小时订单笔数

5.6 不同支付方式订单总额/订单笔数

5.7 各省份订单总金额、订单总笔数

5.8 不同商品分类订单个数统计

6. FineBI实现可视化

6.1 启动登录

6.2 构建连接

6.3 配置数据

6.4 构建仪表盘

6.5 添加图表

相关文章