##BI是什么:(business intelligence)商业智能,一套完整的解决方案
##BI能做什么:BI能帮企业管理者做决策

##Fine BI是什么:一款做数据报表的工具
##FIne BI 架构: 是一款纯B/S端的商业智能分析平台

##BS和CS架构
##B/S架构:browser浏览器/server服务器
##C/S架构: client客户端/server服务器

##BS和CS的区别 
##BS;web页面应用 
优点 :可以实现跨平台,无需提前下载,客户端零维护 
缺点:个性化能力低,响应速度较慢

##CS:桌面app应用 
优点:个性化能力强,响应速度快,安全性强
缺点:需要提前下载并维护,维护成本相对较高

##可以说成 网页 和应用的区别

##好啦 说明讲完了 就需要开始操作了 第一步当然就是下载了
##FineBI商业智能软件 - 强大好用,人人可用的自助大数据分析工具
##直接点下一步就好了 这个软件是免费使用的
##然后都可以装在 software 里面统一  可以给大家看看我的根目录 非常干净

##安装好了之后 设置密码 切记 可以使用 账号 root 密码 123456 来登录 以防以后忘记密码 

#或者 账户密码都用admin admin来登录 方便记
然后数据库选择左边的 因为 左边是个人用 免费的

##进入之后 就会看到这个界面啦

##第一步 需要连接数据

通过网盘分享的文件：入门表111.xlsx
链接: https://pan.baidu.com/s/1gtxVlSldi__VDpvYvIZL9w?pwd=mbyi 提取码: mbyi 复制这段内容后打开百度网盘手机App，操作更方便哦

可以下载我的数据 来做接下来的操作

##1

进入业务包之后 

把从网盘里面的excel文件 添加进去 是2020年全国的商场销售数据
 

然后一定要记得一个操作 要把数据更新到业务包中

这是直接导入excel表格数据的操作 然后还有一种就是 导入 mysql里面的数据 
需要把数据库打开然后按下面来操作

然后这个时候就可以回数据准备里面把数据库里面的表里面添加进来了

然后记得 每次添加数据 都要点数据更新

####创建仪表盘

## 创建仪表盘  左侧选择仪表盘 创建一个文件夹 再创建一个仪表盘

##维度和指标

在我们创建了仪表盘之后可以哎仪表盘上面创建分析组件 然后利用数据进行分析操作

##其中

指标: 指标是对数据的量化,用于衡量业务数据的好坏, 指标是一数值或者比例
如:好评量,增长率,销售额,利润额等

维度: 维度是描述事情的角度,可以从不同维度分析同一指标,对指标进行细化

例如年份是时间维度,城市是地理维度

可以尝试 不同的 条件 组合 就可以得到各种各样类型的数据了 不需要在一个图中表达出所有 每个类型的图都有适合的 组合条件  可以把左侧的维度和指标里面的东西拖到右边 然后选择一种类型的视图 来看看是否满意这个效果

也有很多经典特定的组合例如 查看商品销量前十

##需要维度选 商品名称 指标选择销售 额
然后选择指标的过滤 选择 倒叙的前十  就可以达到想要的效果了

 

##先给大家看看我的整体        我一点一点带大家做出我的这个效果 好看的在最后面 刚开始 只需要在意内容就好了

1.中间这3个图就是这么做出来的

##可视化/案例

图表的目的:适合的图标类型

1.比较 柱状图,对比柱状图,分组柱状图,堆积型,分区折线图,雷达图片,词语,聚合气泡图,玫瑰图

2.占比,饼图,矩形块图,百分比堆积柱形图,多层饼图,仪表盘

3,趋势: 折现图,范围面积图, 面积图,散点图,瀑布图

4分布:地图,散点图,热力区域图,漏斗图

5可视化分析流程
#新建分析组件,选择数据源 
#先选择分组表,拖入维度和指标进行分析,然后切换为对应的图表类型
#对分析结果或样式进行调整

1柱形图 展示门店销售额前10

2.饼状图 展示 不同分类销售占比

3.折线图 展示不同月份的销售额,利润额, 销量趋势

4.词云图  按照商品销量来区分

5.钻取!!

钻取可以让用户在查看仪表盘时动态的改变维度的层次,包括了向上钻取和向下钻取

下钻: 从宏观到细节
上钻:从细节到宏观

钻取流程

1.先分别给省和市设置地理角色,自动匹配经纬度
2.基于省份创建钻取目录,然后把城市假如钻取目录
3.选择地图类表,把经纬度拖到对应的横纵轴
4.将钻取的目录拖到地图图形属性的细粒度属性框

###最后在这里可以调节颜色 啦或者自定义款式 

### 这里主要是讲一下 熟能生巧 很多功能都是没有被我开发出来的 但是所有功能都是非常表面集成的 所有数据库里的各种命令代码功能 都可以在这里看到他们的应用

这也就是所谓的拖拉拽的应用了 这个板块就不多讲了 感兴趣的可以自己多练练
下一个环境就进入到跟大模型最相关的python啦!!!

下期见!!!!