首页 > 数据百科 > 大数据可视化的实施步骤

大数据可视化的实施步骤

2021-05-31 10:46:00   |  Smartbi大数据百科 9388

商业智能BI产品更多介绍:https://www.smartbi.com.cn/

商业智能BI产品更多介绍:点击前往

    大数据可视化的步骤(一)需求分析&sma&<p><span style="font-size: 14px;">需求分析是大数据可视化项目开展的前提,要描述项目背景与目的、业务目标、业务范围、业务需求和功能需求等内容,明确实施单位对可视化的期望和需求。包括需要分析的主题、各主题可能查看的角度、需要发泄企业各方面的规律、用户的需求等内容。</span></p>

    大数据可视化的步骤(二)建设数据仓库/数据集市的模型&sma&<p><span style="font-size: 14px;">数据仓库/数据集市的模型是在需求分析的基础上建立起来的。数据仓库/数据集市建模除了数据库的ER建模和关系建模,还包括专门针对数据仓库的维度建模技术。维度建模的关键在于明确下面四个问题:</span></p><p><span style="font-size: 14px;">1.哪些维度对主题分析有用?</span></p><p><span style="font-size: 14px;">2.如何使用现有数据生成维表?</span></p><p><span style="font-size: 14px;">3.用什么指标来“度量”主题?</span></p><p><span style="font-size: 14px;">4.如何使用现有数据生成事实表?</span></p>

    大数据可视化的步骤(三)数据抽取、清洗、转换、加载(ETL)&sma&<p><span style="font-size: 14px;">数据抽取是指将数据仓库/集市需要的数据从各个业务系统中抽离出来,因为每个业务系统的数据质量不同,所以要对每个数据源建立不同的抽取程序,每个数据抽取流程都需要使用接口将元数据传送到清洗和转换阶段。</span></p><p><span style="font-size: 14px;">数据清洗的目的是保证抽取的原数据的质量符合数据仓库/集市的要求并保持数据的一致性。</span></p><p><span style="font-size: 14px;">数据转换是整个ETL过程的核心部分,主要是对原数据进行计算和放大。数据加载是按照数据仓库/集市模型中各个实体之间的关系将数据加载到目标表中。</span></p>

    大数据可视化的步骤(四)建立可视化场景&sma&<p><span style="font-size: 14px;">建立可视化场景是对数据仓库/集市中的数据进行分析处理的成果,用户能够借此从多个角度查看企业/单位的运营状况,按照不同的主题和方式探查企业/单位业务内容的核心数据,从而作出更精准的预测和判断。</span></p>

文章目录

大数据可视化的步骤(一)需求分析&sma&<p><span style="font-size: 14px;">需求分析是大数据可视化项目开展的前提,要描述项目背景与目的、业务目标、业务范围、业务需求和功能需求等内容,明确实施单位对可视化的期望和需求。包括需要分析的主题、各主题可能查看的角度、需要发泄企业各方面的规律、用户的需求等内容。</span></p>
大数据可视化的步骤(二)建设数据仓库/数据集市的模型&sma&<p><span style="font-size: 14px;">数据仓库/数据集市的模型是在需求分析的基础上建立起来的。数据仓库/数据集市建模除了数据库的ER建模和关系建模,还包括专门针对数据仓库的维度建模技术。维度建模的关键在于明确下面四个问题:</span></p><p><span style="font-size: 14px;">1.哪些维度对主题分析有用?</span></p><p><span style="font-size: 14px;">2.如何使用现有数据生成维表?</span></p><p><span style="font-size: 14px;">3.用什么指标来“度量”主题?</span></p><p><span style="font-size: 14px;">4.如何使用现有数据生成事实表?</span></p>
大数据可视化的步骤(三)数据抽取、清洗、转换、加载(ETL)&sma&<p><span style="font-size: 14px;">数据抽取是指将数据仓库/集市需要的数据从各个业务系统中抽离出来,因为每个业务系统的数据质量不同,所以要对每个数据源建立不同的抽取程序,每个数据抽取流程都需要使用接口将元数据传送到清洗和转换阶段。</span></p><p><span style="font-size: 14px;">数据清洗的目的是保证抽取的原数据的质量符合数据仓库/集市的要求并保持数据的一致性。</span></p><p><span style="font-size: 14px;">数据转换是整个ETL过程的核心部分,主要是对原数据进行计算和放大。数据加载是按照数据仓库/集市模型中各个实体之间的关系将数据加载到目标表中。</span></p>
大数据可视化的步骤(四)建立可视化场景&sma&<p><span style="font-size: 14px;">建立可视化场景是对数据仓库/集市中的数据进行分析处理的成果,用户能够借此从多个角度查看企业/单位的运营状况,按照不同的主题和方式探查企业/单位业务内容的核心数据,从而作出更精准的预测和判断。</span></p>

商业智能BI资料包

扫码添加「小麦」领取 >>>

商业智能BI资料包

扫码添加「小麦」领取 >>>

新一代商业智能BI工具

覆盖传统BI、自助BI、现代BI不同发展阶段,满足企业数字化转型的多样化需求

让数据成为增长引擎,解锁行业领先的智能BI实践方案!

前往下载
Copyright© 广州思迈特软件有限公司  粤ICP备11104361号 网站地图

电话咨询

售前咨询
400-878-3819 转1

售后咨询
400-878-3819 转2
服务时间:工作日9:00-18:00

微信咨询

添加企业微信 1V1专属服务