传统数仓的模式下数据分析全流程及帆软应用

操作性数据，本层数据，一般会按照来源业务系统的分类方式而进行分类，在ODS数据存储层中，我们不会对数据模型进行修改，会维持原有的数据模型不变

涉及工具：mysql、oracle、kettle、TaskCTL

是数据仓库的主体。DW层将ODS层中获得的数据按照主题建立各种数据模型

oracle优化等

数据集市或宽表。DM层为面向最终应用的主题层，一般依据前端报表/业务包需求进行设计，所以DM层表不需要考虑复用，每一张DM表仅为一张报表所服务

Excel、Finereport、FineBI、Tableau、PowerBI

这边会涉及很多张表，比如会有用户信息表、商家信息表、骑手信息表、商品价格表，订单表，评价表等等

在数据仓库中建一个ods层，每天都将上述的字段通过Taskctl的定时任务，以kettle工具传入ods层的数据表，做增量同步，此次数据同步不涉及任何数据更改，只是把业务系统中的数据同步

基于ods层中得到的上述基础表，编写sql代码，就可以按照名字维度去统计所有的订单详情，然后将此类表格同步至DW，很多时候做到这一层就可以进行数据分析了

可再基于DW层得到的表数据，再进行特定领域的建模，比如我想知道我在这家商户中，在特定的时间段内下了多少单，哪个菜点的次数最多，花了多少钱

所有的数据分析都是建立在具体业务需求的基础之上。只有了解了数据分析的目的，才能针对性地获取精准的数据，并且得到有指导意义的结论。明确业务需求之后，需要根据目标搭建分析的框架，明确需要分析的维度与具体指标，采用哪种有效的理论依据开展下面的数据分析工作

对第一步的业务需求进行数据准备，针对性地采集相对应的数据

将采集到的数据进行加工整理，一般情况下采集的数据具有量大以及多样化的特性，而数据分析师很难从这些杂乱无章数据中提取到有价值的信息。因此在数据处理过程中需要进行数据清洗（去掉无效或重复或缺失重要指标的数据）、数据转化（统一数据格式以便以快捷处理操作）、数据抽取（从大量数据中获取与数据分析目标更精准的数据）、数据合并（将不同分组却相似的数据进行合并）、数据计算（在执行数据分析前的初步处理）。只有将数据处理后才能将“干净”的数据投入到数据分析环节中使用

对采集并处理过的数据进行分析，提取数据中有价值的信息，并得到有效的结论。这个过程中需要用到大量的数据分析理论方法，例如聚类分析、线性回归分析、因子分析、方差分析等等。通过这些数据分析方法搭建对应的数据分析的模型，通过转化的分析软件得到最终的结论，一般情况下对于少量数据我们可以通过Excel完成，而对于高级数据分析则需要专业的分析软件，比如Python、R语言

通过数据分析，隐藏在数据内部的关系和规律就会显现出来，为了更加直观的观测数据结论，我们需要将数据进行可视化处理

将数据分析的起因、过程、结果以及可执行性建议系统的呈现出来，以供决策者参考

https://bbs.fanruan.com/

用户随时提问，也由其他用户帮助回答，佣金由帆软公司付

各产品有对应的帮助文档体系，且支持用户自行编写并上传，审核通过可对外发布，在借鉴别人的文档过程中遇到错误可随时发起更正

学习班，帮助通过帆软认证的资深证书

行式报表、交叉表图片样式展示

将页面数据写入到数据库，包括数据的增加、删除和修改操作。同时也支持对填写数据的自定义校验，Excel 导入数据，根据填写值智能联动等功能

行式填报、主子表填报图片样式展示

决策报表自由灵活的设计风格，可以说其专为大屏和移动端而生，可制作画面美观、内容丰富的管理驾驶舱，制作在手机、平板等移动设备端查看的敏捷报表。在同一个页面，整合不同的业务数据，完美展示企业的各类业务指标，实现数据的多维度分析

决策报表图片样式展示

指一个报表中包含多个模块，每一块都类似一张单独的报表或者一张图表，块与块之间相对独立，互不影响，但是不支持自适应布局

相较于EasyV和公司的大屏设计器，帆软的FVS大屏插件用起来逻辑性更复杂一点，但主要目的是让大家了解市面上有这款软件也可以做大屏，并且有个别的效果和功能点是我们现有工具不具备的，可借鉴或者开拓思路的

与平台对比的功能优缺点（组件功能层面等）

《智慧水务管理大屏》演示

三维城市

unity

地图

仪表盘

树状图

框架图

富文本

轮播器

可用于制作幻灯片

离屏控制