历史版本10 :数据解释 返回文档
编辑时间: 内容长度:图片数:目录数: 修改原因:

目录:

1. 概述编辑

1.1 版本

FineBI 版本功能变动
6.0-

1.2 应用场景

用户制作了一张销售额变动的图表,在查看2017年的销售额数据时,发现 7 月的销售额大幅下降,8月的销售额又大幅增长,他想分析一下是什么原因导致这两个月波动异常。使用「数据解释」功能可以帮助用户找出关键影响因素,后期可以根据这些影响因素来调整各个区域的销售策略。

26.png

1.3 功能简介

「数据解释」功能可以将复杂的分析转为自动化的流程,帮助用户提升分析的效率。

  • 用户可以使用智能推荐的维度解释依据,也可以根据自己的需求进行自定义设置;

  • 只要有组件预览的界面均可以进行数据解释的预览。

在线体验数据解释插件功能:数据解释

1.4 注意事项

  • 所有 BI 用户都可以查看数据解释,仅 分析用户 可以配置数据解释;

  • 明细表、箱型图的数据点不可以使用数据解释功能;

2. 安装插件编辑

获取到插件安装包后,在「管理系统>插件管理」中安装插件,详情参见文档:插件管理

4.png

3. 智能数据解释编辑

安装插件后,「管理系统>系统管理>常规」中的「智能数据解释」按钮自动开启,配置生效。

注 1:关闭按钮或者关闭按钮后重新打开按钮需要点击「保存」按钮使配置生效。

注 2:关闭按钮后,手动配置过的数据解释才能触发,以避免数据解释的滥用。手动配置参见本文第 5 节。 

1.png

4. 默认数据解释编辑

制作好组件后,点击某一数据点,会出现「数据解释」按钮,点击按钮右侧会展示数据解释面板。

注:此时数据解释的维度依据是系统默认的,在该组件所使用的表中,将表中默认排序的所有维度的前五项作为解释依据。若是想要自定义维度解释依据,参见本文第 5 节。

21.png

4.1 展示数据

对当前数据点的整体水平进行了介绍、展示当前数据点的数值、百分位排名以及当前数据点在整体数值中的排名标签。

22.png

4.2 关键影响因素

数据解释面板中展示了 5 个当前数据点的关键影响者,点击下拉按钮可以查看关键影响者的贡献值和贡献率。

例如店性质为自有店对当前销售额的贡献最大,贡献的销售额占整体的 91.7%;其次是生活馆对整体的销售额贡献了 68.5%。

23.png

4.3 时序对比

数据解释不仅支持对当前时间点进行分析,还可以对比两个时间点进行分析。可选择的对比时间有「年同比」和「月环比」。

例如数据点选择 8 月份的数值,对比时间选择「月环比」,可以看到 8 月份的数值对比上月增长了 2502049,变化率为 +37.3%。

24.png

点击下拉按钮查看引起变化的关键贡献者的贡献值和贡献率。自有店的月环比增长率为 41.6%,对销售额增长贡献率为 99.1%。说明自有店的销售额增长是 8 月份销售额增长的最关键因素。如下图所示:

27.png

4.4 注意事项

想要进行时序对比,当前组件分析区域需要有时间字段且时间类型有可进行的同环比,才能开启时序对比。

可以进行时序对比的依据字段时间分组以及可对比时间如下表所示:


依据字段时间分组可对比时间
年月日年同比、季同比、月同比、周同比、日环比
年周年同比、周环比
年月年同比、月环比
年季度年同比、季环比
年环比

其余时间分组均不可进行时序对比,例如时间分组设置为「月日」,则会提示:没有满足条件的时间字段,如下图所示:

333.png

5. 自定义数据解释编辑

第 4 节中的默认数据解释是在该组件所使用的表中,将表中默认排序的所有维度的前五项作为解释依据,但有些维度依据不在自己的想要解释的范围内或者想要将一些维度组合作为依据条件。   

例如我想看一下各个大区中哪些服饰是卖的最好的,只需要两个维度参与解释就可以了,此时我们就可以自定义维度解释依据。

5.1 自定义设置

1)进入组件编辑界面,点击功能栏的「数据解释」按钮,即可出现数据解释功能设置面板,如下图所示:

28.png

2)在设置面板中可以自定义设置维度解释依据,可以添加 5 个维度依据条件,一组条件最多可以拖入三个维度字段,如下图所示:

注:若第 3 节「智能数据解释」按钮不开启,设置面板中的维度解释依据的「默认」按钮灰化,需要自定义设置

10.png

5.2 效果展示

例如,用户想要看一下各个大区中哪些服饰的销售额是比较好的,设置维度依据条件如下:

12.png

在面板中可以看到,8 月份「中西区的男士配饰」对销售额贡献了 12.3%,「东南区的运动服饰及用品」对销售额贡献了 10.6%,这些都是关键影响因素。

29.png

对比 7 月份的销售额,可以看到北方区儿童服饰的销售额增长为总体销售额增长贡献的最多。可以根据这些分析结果来调整各个大区的销售策略。

30.png