大数据可视化的实施步骤

热门文章

• 01

  数据可视化设计时，有哪些点需要注意？

  阅读量：1625

• 02

  渠道专访 | Smartbi携手中新赛克达成战略合作，生态构建再上新高度

  阅读量：2596

• 03

  报表引擎-满足各种企业级数据分析需求

  阅读量：3669

• 04

  不会吧不会吧！不会还有人不会做可视化图表吧？

  阅读量：4640

• 05

  AI人工智能数据分析如何助力企业决策？

  阅读量：153

• 06

  商业智能、数据仓库和数据分析傻傻分不清？！

  阅读量：2978

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>

专题推荐