比肩Power BI,OLAP阵营又填一猛将

如果说到大数据应用最广泛的技术,那不得不提一下OLAP技术,在国内外,不论传统公司还是互联网公司,都开始利用OLAP技术分析挖掘大数据的价值。也许很多人对OLAP的概念还不是很清楚,简单来说,就是把数据预处理成数据立方(Cube),并把有可能的汇总都预先算出来(即预聚合处理),然后在用户选择多维度汇总时,在预先的计算出来的数据基础上很快地计算出用户想要的结果,从而可以更好更快地支持极大数据量的及时分析。

如要要了解OLAP技术首要先理解维度与度量这两大概念,例如下图所示,票的分类可以看作是一个维度,时间可以看作是一个维度,地区可以看作是一个维度,维度还可以继续进行分层,例如时间维可以分成日期、月份、季度、年这几个层次。度量就是指多维数组的取值,例如出票金额就是一个度量值。根据预先设置好的维度与度量,我们后期就能从多个维度去对数据进行观察与分析,这就是OLAP技术的基本概念。

Power BI,多维分析的利器

如果需选一个做多维分析最好用的工具,那必然非Power BI莫属了。Power BI的多维分析能力非常强悍,结合报表关联、DAX函数、报表可视化等功能一起使用,可以让多维分析发挥出无穷的威力。由于Power BI是微软自家的产品,产品界面上与EXCEL有不少相似的地方,只要对EXCEL稍微有点了解的人,便能快速入门。

Power BI在数据连接上提供的接口非常丰富,不仅支持EXCEL、CSV格式的本地文件,还支持常见数据库的连接,但是数据性能有一定的局限性,一般超过1 G就会变得很卡:

Power BI在多表关联上的能力上非常厉害,只需简单的连线,就能把几十个有关系的报表连接起来,看似错综复杂,实际上却井井有条,这比用vlookup方便多了:

DAX函数是Power BI最具魔力的地方了,DAX 是公式或表达式中可用于计算并返回一个或多个值的函数、运算符或常量的集合。 简单来说,DAX 可帮助你通过模型中已有的数据来创建新的度量值。DAX函数学习起来并不是很难,而且有很多函数与EXCEL是一样的,EXCEL公式能力强的小伙伴很容易就能掌握:

通过Power BI建模后的数据,后续就可以进行各种可视化图表的制作了:

Smartbi智分析,多维分析最佳的备选方案

Power BI的多维分析功能固然了得,但是也有其自身的缺点,例如不能制作复杂式报表、数据量大小有限制、官网加载慢、产品体系封闭等问题,因此它并非是一个非常完美的分析工具。小编在这里给大家提供一个备选方案,可以有效弥补Power BI的各种缺点,但功能却不弱于Power BI,它就是智分析。这个工具最大的优点就是和EXCEL结合的比较紧密,对于数据小白来说绝对是一个很好的福音。

智分析在数据源的支持上比Power BI更为广泛,不仅支持EXCEL、MYSQL、SQL server等常用的数据库,还支持多种非关系型、多维等数十种数据库,接口非常丰富。如果数据量不是特别大的话,一般只要选择EXCEL文件导入的方式即可:

智分析在多维分析上最强大的功能便是数据模型了,通过数据模型,可以快速对数据源进行多表关联、钻取、分层、增加度量等操作,与Power BI不一样的的是,智分析的建模全部都是在同一界面里完成,可视化操作上相对Power BI来说比较友好:

智分析在多表关联上提供了多对一、一对多、一对一(内连接)、一对一(外连接)四种连接方式,与Power BI一样,都是利用连线的方式对报表进行关联:

在维度的分层上,智分析可以轻松为时间、地理等维度新建层次,并能以直观形式进行展示:

智分析可以通过两种方式去添加新的度量值,第一种是直接双击数据字段生成,对于简单的数据聚合可以采取这种方式:

第二种便是通过手写函数的方式去增加新的度量值,利用MDX函数可以轻松求出同比、环比等指标,MDX函数在Sql Server运用非常广泛,可以进行各种多维的分析,熟悉Sql Server的小伙伴应该不会陌生:

进入智分析的仪表盘,便可以借助强大的可视化能力对建模后的数据进行数据展示,与Power BI一样,只需要通过鼠标简单的拖拽,便可以去制作各种可视化图形,智分析提供的图形选择非常多,丰富程度不亚于Power BI:

智分析还支持利用插件的方式对数据模型中的数据集去制作复杂式报表,只要下载一个smartbi插件,在EXCEL里安装好并登录,便能直接调用数据模型中的数据字段:

    通过smartbi插件的电子表格功能,您可以轻松制作出交叉、分组等其他的复杂式报表:


©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 205,132评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,802评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,566评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,858评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,867评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,695评论 1 282
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,064评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,705评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 42,915评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,677评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,796评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,432评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,041评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,992评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,223评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,185评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,535评论 2 343

推荐阅读更多精彩内容