一天老板给我一个任务:“喂,在吗?给我把这3个月的报表数据展现一下,要做好看点,下班前给我。”
我的内心
我立马打开Excel,大脑飞速运转,眼睛里只有密密麻麻的数字,各种要数据,函数公式,终于在夜里11点,把下面这图发给了老板:
第二天,老板把我叫过去,我以为是表扬我,结果是一顿XXXX,你这做的什么玩意?整整一天就做出这么个XX?
你做的这个,我用这个可视化工具,20分钟就能做出来,而且比你的好看太多,你自己看看:
这就是专业的数据分析工具做出来的东西,可视化只是它们的展现形式而已,背后的数据和分析逻辑才是最重要的。
一说到数据可视化工具,很多人脑子里可能会列举出很多答案,我给它们做了如下分类:
1.动态数据报表:能够直连数据库,数据实时更新,及时反映业务实际情况,主要工具是应用于企业级的报表平台,国内除了FineReport似乎也没有别的;
2.开源可视化:能够实现动态实时数据的更新与展示,除了时间序列数据,还有动态路径数据、实时轨迹数据等等,比较专业,代表工具为ECharts、Highcharts等;
3.自助式分析:多数不需要代码,拖拽即可分析,不用等IT处理好数据,想分析什么维度就分析什么维度,代表工具比如python、FineBI等
而使用者包含这些人:
1.管理层:这些人是组织的关键决策者,时间很紧,更关心的是见解和建议,而不是技术细节。你要回答他们是什么,为什么,怎么做,最重要的是简洁且关键
2.业务人员:BI也行,报表也行
3.分析师:专业的BI工具
Excel想必大家都不陌生,作为职场标配软件,它既是典型的入门级数据可视化工具,也有着许多强大功能。
还记得我初入职场时,工作团队的标准可视化工具就是Excel。然而,人工处理数据耗费了大量时间,使我们无暇关注数据和业务本身,所有的力气都放在了取数制数上,面对大数据量的稳定性也是一塌糊涂。
我就以我的个人经验,从最中肯的角度,推荐几个不错的数据可视化工具。
一、动态数据报表
1、FineReport
这里我推荐报表工具FineReport,这可能是最好用的数据报表工具,FineReport是带着数据分析思想的报表,涵盖了早期商业智能的功能。
这和传统的报表工具不一样,传统报表工具如Excel需要手动修改数据,复杂的还需要写个VBA,而FineReport直连数据库,可以做到数据实时更新。
FineReport的知识层次如下,每一个层次又有很多级别:
1.操作:FineReport的使用技巧,按照大功能可分为数据表、图表、参数查询、数据填报、移动端、平台搭建、定时调度、部署集成
2.扩展:主要是底层的数据处理,需要掌
3.握的有数据库知识SQL语言、ETL等,前端的一些实现开发,需要掌握的是JS
4.开发:FineReport支持各类插件,不满足的功能可以自己开发定制,会用到java
最让人感到惊讶的功能是它的可视化大屏功能。
报表工具的先进性同时也促进了数据分析领域的拓展,但如果思想还只停留在报表工作上,绝对会被取代。
二、开源可视化
1、Echarts
Echarts是一款开源工具,百度出品,画面酷炫确实有一定的吸引力,有自己的优势。
这里就不得不提一下Highcharts了,其实使用上两者很类似,都是看着option该怎么配然后给数据,不过性能上highchart占内存明显的小,而64位chrome浏览器默认单页面js只能占1.5G左右的内存,加参数也最多2g,用echart的话内存实在是不够。
数据量特别大的话highchart有明显优势,但是这么大的数据量下已经开始卡了,不推荐单页模式搞大数据量,在流畅度操作的性能方面,两者差不多。
一个很恰当的比喻:Highcharts 和 Echarts 就像是 Office 和 WPS 的关系,不过这也是暂时的,相信Echarts会做得更好,谁说国产的东西比不过外国。
三、自助式分析
1、python
python大法好,现在在很多地方都能看见这样的标语:自从学了python,我怎么怎么样,其实完全脱离了该语言的本质,一味鼓吹,是没有任何意义的。
其实python很强大,数据可视化只是其一小部分,数据处理也很厉害,这里就不多赘述。
2、FineBI
先来看看FineBI的分析模式:
这是一款很敏捷的数据可视化工具,什么叫敏捷?就是轻便且易用,不用下载应用,直接在浏览器就可以操作。
其主打的是超大数据量性能和自助式分析2个特点,在特定环境下,最高可以支撑亿级数据秒呈现,是先预加载好数据,再进行分析,在功能方面,适用于企业中的技术人员、业务人员和数据分析师,可以完全自主的进行探索式分析。
直接导入现有的数据,或者直接连接企业数据库,将结果导入到FineBI,稍作处理就得到了自助数据集。
在自助数据集内创建组件,确定想分析的维度之后,就可以直接生成可视化了。
以上就是粗略的介绍了一下数据可视化工具,希望能对你有所帮助。
BI 可视化
原创文章,作者:Maggie-Hunter,如若转载,请注明出处:https://blog.ytso.com/173453.html