请上传宽度大于 1200px,高度大于 164px 的封面图片
    调整图片尺寸与位置
    滚轮可以放大缩小图片尺寸,按住图片拖动可调整位置,多余的会自动被裁剪掉
取消
ALICE(uid:1095980)
职业资格认证:FCP-FineBI | FCA-简道云 | FCP-FineBI V6.x | FCP-报表开发工程师
【FineBI学习打卡】DAY55 雷达图
第55天知识点:雷达图   不知道有多少小伙伴有购物纠结症? 我就有严重的纠结症。 比如,前段时间打算买部手机。 在精挑细选之后,终于挑到了2部中意的手机。 但最纠结的时刻来了,这2部我到底买哪一部? 喜欢A手机的外观,但感觉B手机拍照更胜一筹。 B手机续航时间长,但A手机机身重量轻,携带方便。 …… 犹豫不决间,突然想到:我是不是可以用数据可视化的方法来解决这个问题? 需求很简单,只需要:直观对比2部手机的各项性能。 灵感闪现:雷达图!!! 于是,我立马打开FineBI。 01 操作步骤 第一步:数据准备->上传原始数据 (PS:这一步需要确保数据准确,并采用同一标准进行评估,至于为什么需要采用同一标准,我们会在文末介绍)   结果如下:   第二步:新建组件 图表类型选择雷达图 将【性能】字段拖入横轴中,【A产品】、【B产品】拖入纵轴中 结果如下:   线越接近外围,表示该手机在对应性能指标上表现越好。 到这里,我们基本就能得出结论了。 第三步:组件美化 1、取消轴值 结果如下: 这一步主要是将轴上的数值取消展示,因为我只需要比较两个多边形的面积大小,不需要知道具体的数值。   2、取消轴线 结果如下: 这一步主要是将轴线即由圆心向四周发散的射线取消展示。   3、连线改为多边形 结果如下: 这一步主要是将灰色网格线由圆形改为多边形,更符合视觉特征。   4、自定义排序 结果如下: 这一步主要是将同类型的指标放在相邻的位置上,便于观察同类特征。   5、调整网格线间距 结果如下: 这一步是为了将原来较密的灰色网格线间距调整的宽松一些。 至此,一个雷达图就制作完成了。 心里有答案了!! 原来,数据分析在一定程度上还能治好我的纠结症。 如果你也和我一样,面对琳琅满目的商品,总是容易陷入选择困难症,那么不妨试试这个方法吧。 看到这里,恭喜你,你已经掌握了制作雷达图的方法了。 如果想要了解更多关于雷达图的内容,可以接着往下看。 02 基本概念 雷达图也称蜘蛛网图、星图、极坐标图,因形似雷达而得名。 最开始主要应用于企业经营状况的--收益性、生产性、流动性、安全性和成长性的评价。 对于正向指标,一般线越接近外围,表示该指标表现越好,整体面积越大,表明综合表现越好。 负向指标则相反。 03 常用场景 绩效评估:比如你需要评估个人或团队在业绩、合规、行为、服务、态度等不同维度的综合表现,雷达图可以帮助你判断出哪些方面是强项,哪些方面是薄弱项。 SWOT分析:比如你需要分析你和对手的优劣势、机会威胁等,可以使用雷达图来对多方面进行权衡比较,找到与对手的差异。 产品特性比较:比如你需要购买某一产品,但犹豫不决,就可以使用雷达图来比较不同产品各个特性上的表现,帮助你做出更明智的选择。 用户满意度调查:比如你想知道某一产品上市后的效果,就可以将用户反馈转化为雷达图,从而知道产品哪些方面需要改进。 04 注意事项 1、度量值标准化(归一化) 因为不同指标的数据范围和单位可能不同,因此在进行比较前需要对数据进行标准化处理。 这是什么意思呢? 举个简单的例子,大家就明白了。 我语文考了90分,化学考了59分,哪一个考的好呢? 语文! 但如果我告诉你,语文满分150分,化学满分60分,你的答案还是语文吗? 肯定不是了。因为你在心里已经对2个数值进行了标准化。 即:90/150*60=36分<59分 这个过程其实就是度量值标准化,即将不同标准的数值统一到同一标准下进行比较。 一般我们会将所有值通过标准化置于【0,1】之间,然后再进行比较。 下面是标准化前后的雷达图效果数据, 标准化前,A、B的特性2和3感觉都是弱项, 但实际上,几个特性的满分标准并不同, 标准化后,特性2、3分别成了A、和B的强项, 明显标准化后的雷达图更能反映实际情况。     2、角度平衡 尽量保持雷达图中的射线角度平衡,避免过于密集或过于稀疏可能产生视觉上的误导。   END   雷达图经常用于对人/物的综合评价,通过面积大小判断综合能力的好坏,通过与目标值的比较判断优劣势,找到差距与问题。   感兴趣的小伙伴可以自己动手试试看~
【FineBI学习打卡】DAY54 环比增长还是下降?通过颜色区分一目了然!
第54天知识点:环比增长还是下降?通过颜色区分一目了然!   单个数据本身没有什么意义,需要通过与历史数据或者其它数据对比来探索出更多的价值。 同环比就是其中一种常用的计算方式,通常用于描述数据现在与过去的变化情况。 这不,最近就收到一个关于同环比的问题: 有个小伙伴需要在展示环比值的时候,将增减情况分别用不同的颜色区分表示。 这是他想要达到的效果: 简单解释一下这个图的意思。 如果今天较昨天销售额环比增加,那么增加的销售额部分用绿色表示; (柱子的高度=今天的销售额=昨天的销售额+绿色部分) 如果今天较昨天销售额环比减少,那么减少的销售额用红色表示。 (柱子的高度=昨天的销售额=今天的销售额+红色部分) 接下来,我们来看看这样的效果在FineBI中应该如何实现? 首先,我们准备了一份模拟数据: 这份数据表,记录了6月3日至6月9日这一周的销售数据,包括: 销售额(当期):表示当天的销售额 销售额(环期):表示前一天的销售额 销售额(环比增减值):当天较前一天的销售额增减值 销售额(环比增减值)=销售额(当期)-销售额(环期) 销售额(环比增减率):当天较前一天的销售额增减幅度 销售额(环比增减值)=销售额(环比增减值)/销售额(环期) 01、制作图表 接下来,我们开始制作图表: 1、图表类型选择堆积柱形图,然后将【日期】放入横轴,【销售额(当期)】、【销售额(环比增减值)】放入纵轴; 2、将【销售额(环比增减值)】放入图形属性下对应字段颜色属性框中,并将正值设置为绿色,负值设置为红色。 结果如下: 可以看到,虽然环比增减值用颜色区分开了,但问题是: 红色部分显示在了蓝色柱子的下方,而并没有像上图一样展示在柱子上方。 如何让负值也展示在柱子上方呢? 那就得让它看上去是个负值,但实际上是个正值。 02、处理环比增减值 这里可以通过ABS函数对【销售额(环比增减值)】取绝对值来实现。 然后,设置如下: 结果如下: 但,另一个问题又出现了:环比增长的那些柱子对应的值都不对。 蓝色的柱子表示的是当期销售额的值,如果再加上绿色柱子,岂不是高于当期销售额了? 这和我们前面所说的环比增长的柱子高度=今天的销售额=昨天的销售额+绿色部分不符。 03、调整蓝色柱子(基础值部分) 我们再来仔细分析一下蓝色柱子部分与红绿色柱子部分的逻辑关系: 所以,我们需要对蓝色柱子的值进行修正,即对当期值与环期值取孰低: 结果如下: 到这里,其实基本就已经完成图形的制作了。 但是,对于图例部分,目前显示的是数值区间,并不直观,对于其它用户而言,并不能很好的一眼看出绿色代表的是环比增加,红色代表的是环比下降。 04、优化图例 所以,我们可以再对图例做一下优化: 结果如下: 05、美化图表 我们可以对图表整体进行适当美化,添加折线和数据标签来更加直观的看到销售额变化趋势及增减情况,最后达到文章开头的效果。 结 语 END   其实,如何实现增减值用不同颜色区分,重点主要是厘清以下关系: 1、柱子的高度=基础部分+ 增减值部分; 2、基础部分=MIN(当期值,环期值),即当期值与环期值取孰低; 3、增减值部分不能直接使用,需要先用ABS函数转化为绝对值,这样才能实现无论是环比增加还是减少,均能展示在蓝色柱子的上方的效果。 感兴趣的小伙伴可以自己动手试试看~
【FineBI学习打卡】DAY53 聚合函数(下)
第53天知识点:聚合函数(下)   上一篇我们介绍了什么是聚合函数,聚合函数与一般计算函数有什么区别以及聚合函数在什么场景中使用。 今天这篇文章就接着上一篇内容继续解答后面几个问题: 聚合函数怎么用?为什么我输入了聚合函数,计算结果还是不对? 聚合指标和非聚合指标能一起计算吗? 我输入了聚合函数,为什么提示“不支持直接输出聚合函数”? 04 聚合函数书写规范 有的小伙伴在输入聚合函数后会有疑问,我也是输入的聚合函数,为什么出来的结果还是不对? 一看,原来输入的聚合函数是这样的: 上面的写法其实和直接输入:销售额/目标值,效果是一样的。 它们的计算逻辑都是:先相除再相加,所以结果肯定也是不对的。 那到底该如何正确的书写聚合函数呢? 大家记住一点:对称性。 什么意思呢? 就是运算符号前后都需要嵌套聚合函数。 实在理不清,教你一个简单的方法:先按照普通的计算方式输入公式,再给每个字段嵌套上聚合函数即可。 比如,先输入:销售额/目标值,然后再给销售额和目标值分别套上一个聚合函数:SUM_AGG(销售额)/SUM_AGG(目标值) 这样就不会出现输入不规范的情况啦。 05 聚合和非聚合指标能一起计算吗? 有时候,按照上面的方式输入函数,却提示:聚合函数不能嵌套聚合函数。 但是把聚合函数去掉了之后吧,又提示:无法将聚合参数和非聚合参数混合使用。 搞得都不知道到底应该怎么写了。 首先,咱得明白一点: 【完成率-聚合函数结果】这个字段,是通过聚合函数计算出来的结果,所以它其实本质上已经是个聚合结果了。 而【完成率目标】是原始数据表中的一个普通字段,是个非聚合结果。 那为什么加不加聚合函数都报错呢? 本质上还是因为没有遵循对称性的原则。 什么意思呢? 如果该字段已经是聚合函数计算出来的结果,那么不用嵌套聚合函数,直接输入字段即可,如果该字段是普通字段,那么该字段仍需嵌套聚合函数使用。 所以正确的写法应该是: 其实就等同于: 这样是不是容易理解一点了? 06 提示:不支持直接输出聚合函数 有的时候,明明输入了聚合函数,输入的公式也正确,但却提示:“不支持直接输出聚合函数”,这是为什么呢? 因为公式输错地方啦!!!你在数据集中使用了聚合函数。 大家记住: 聚合函数只能在组件编辑界面,通过添加计算字段去使用,不可以在数据集中参与运算。 结语: 关于聚合函数使用时的几点注意事项,总结如下: 1、聚合函数只能在组件编辑界面使用,数据集中使用会报错。 2、聚合函数书写时需要遵守对称性原则。即聚合指标只能和聚合指标进行计算,如果一个非聚合指标需要和聚合指标进行运算,那么需要将非聚合指标嵌套上聚合函数让其先变成聚合指标。   3、聚合函数适合数据集是明细数据,但组件中需要按汇总数据展示的场景,即需要先相加再相乘/除。   感兴趣的小伙伴可以自己动手试试看~
【FineBI学习打卡】DAY52 聚合函数(上)
第52天知识点:聚合函数(上)   看着这些函数是不是感到既熟悉又陌生。 好像都认识,但好像又都不认识。 这就是咱们今天要分享的主角--聚合函数。 聚合函数是很多小伙伴初学FineBI时遇到的一个难点。 大家对于聚合函数常常会有这样的困惑: 什么是聚合函数?聚合函数与一般的函数有什么区别? 聚合函数什么时候用? 聚合函数怎么用?为什么我输入了聚合函数,计算结果还是不对? 聚合函数和非聚合函数能一起计算吗? 我输入了聚合函数,可为什么提示“不支持直接输出聚合函数”? 接下来,我们将对这几个常见问题一一解答。 01 什么是聚合函数? 聚合函数,顾名思义,就是将数据聚集后合并在一起的函数,其实,也就是咱们常说的汇总函数。 聚合函数是对一组数据先进行汇总,然后再使用汇总后的值进行计算。 但需要注意的是:聚合函数是某一类函数的统称,而不是指具体某一个函数。 02 聚合函数和一般函数有什么区别? 聚合函数和我们一般的函数有什么区别呢? 汇总的话,SUM函数就可以直接实现了,为什么还需要通过难理解的聚合函数去实现呢? 我们先给大家看个简单的例子。 现有一张各月的销售完成情况表。 我们需要在组件中展示出季度的销售完成情况。 我们先把日期拖入维度栏,销售额、目标值拖入指标栏。 然后将原始数据表中的完成率直接拖入指标栏中。 结果不对,很明显是将三个月的完成率加总在一起了。 而我们想要的结果应该是60/600,对吧? 所以我们不用原来的数据,我们在组件中添加计算字段,通过销售额/目标值去重新计算完成率,这样应该就没问题了吧: 但得到的结果仍然不对: 销售额60,目标值600,完成率怎么会是30%呢? 这是为什么呢? 因为我们的季度值是从月份分组汇总上来的,如果直接用销售额/目标值,他的计算逻辑其实是: ∑(各月的销售额/各月的目标值) 所以直接用销售额/目标值是按照10%+10%+10%计算的,而不是我们想象中会按照60/600计算输出对应结果。 这和我们直接用原始数据表中的完成率计算是一个逻辑。 所以这里只能通过聚合函数去解决。 我们用聚合函数再来计算一下完成率: 结果如下: 这样的结果是不是就没有问题了。 其实呢,这就是聚合函数与非聚合函数的本质区别。 为了大家更直观的理解,我们用Excel展示一下二者区别,大家注意看上方公式: 这样能理解了吗? 非聚合计算是:先相除再相加, 而聚合计算是:先相加再相除。 了解了两种计算方式的区别之后,我们什么时候用聚合函数呢? 03 什么场景需要用聚合函数计算? 因为聚合函数是受到维度影响的,所以一般需要对明细级数据汇总计算的时候,需要用到聚合函数。比如: 原始数据表是月维度数据,但组件中需要按季度或年维度展示数据; 或者原始数据表是员工级数据,但组件中需要按照部门或者机构级展示数据。 我们以下面这张表为例: 非聚合方式下,二季度也就是合计栏的完成率不对吧,计算的逻辑呢我们前面已经说过了,这里就不再展开了。 所以,这种情况下,我们就可以通过聚合函数SUM_AGG(销售额)/SUM_AGG(目标值)去计算完成率。 明细级的数据结果并未发生变化,但汇总值的结果由先相除再相加变成了先相加再相除,这才是我们想要的最终结果。   对聚合函数有了简单的了解之后,关于聚合函数怎么用以及后面的几个问题,因为篇幅限制,我们将在下一篇文章中分享。   感兴趣的小伙伴可以自己动手试试看~
【FineBI学习打卡】DAY51 如何按区域设置均值线?
第51天知识点:如何按区域设置均值线&用颜色区分低于均值or高于均值?   日常分析时,我们常常喜欢将某一数值与整体均值进行比较,比如下面这样。 这样我们不仅能了解整体的情况,还能了解各个省份在整体中的表现,也可以给下一步决策提供一些更有针对性的参考。 但在某些场景中呢,受地域特性的影响,指标并不适合放在同一维度上进行比较。比如,你经营一家羽绒服品牌,如果把南方各省份与北方各省份的冬季羽绒服销售额放在一起比较明显就不适合。 为此,我们通常的做法是将相同大区的各个省份放在一起进行比较。 比如下面这样。 这里的均值线我们是通过设置分析线--警戒线获得的。但明显可以看出,通过对【销售额】设置警戒线获得的均值线仍然是整体的均值,而并非我们想要的各个区域的均值。 如何展示各个区域的均值线呢?就像下面这样。 我们来看看操作步骤。 1、准备数据 首先,我们导入准备好的模拟数据。 结果如下: 2、制作组件 -->新建组件,图表类型选择自定义图表 -->将字段依次拖入横纵轴 -->对其中一个【销售额】字段进行快速计算:组内所有值求平均 结果如下: 3、设置图表格式 图表属性下,将【销售额(组内所有值平均)】图表类型修改为线,颜色设置为红色,添加标签。 这样我们就可以按照区域设置均值线了: 但如果现在希望能通过柱体颜色来区分哪个省份高于区域均值,哪个省份低于区域均值的话,该怎么做呢? 我们只需要判断出各个省份的销售额是否高于对应大区的销售额均值就可以了,对吧。 但是,我们前面通过快速计算得到的【销售额(组内所有值平均)】其实只能用于展示,实际并没有生成一个真实的字段,也就是说这个值无法参与二次计算。 所以,我们需要通过另一种方式来计算得到一个真实的各大区销售额均值,然后再将各省份的销售额与这个值进行比较。 这里,我们可以通过DEF函数来实现。 4、添加计算字段【是否高于均值】 将【是否高于均值】拖入图形属性下颜色属性框中,低于均值设置为浅灰色,高于均值设置为蓝色。 结果如下: 这样是不是就更清晰了? 最后,我们来看一下对比图: 优化前 优化后   结语 数据分析不仅仅是数字的堆砌和计算,更重要的是对结果中的重要信息进行可视化。通过合理的图表设计和颜色搭配,我们可以让数据“开口说话”,让信息更加直观、生动地展现在我们面前。   希望今天的内容能对你有所启发和帮助!   感兴趣的小伙伴可以自己动手试试看~
【FineBI学习打卡】DAY50 如何巧妙展示实际值与预测值?
第50天知识点:如何巧妙展示实际值与预测值?   在实际业务场景中,我们除了会展示已发生日期的实际数据之外,还希望能展示未来一定周期的预测数据。 这不,A百货公司就经常出现这样的业务场景:当月会将本月的实际销售业绩与预测的销售业绩进行对比,就像下面这样: 今天一上班(假设今天是6月15日),老板就把你叫到办公室,然后说到:小张啊,我希望这个图能有点新意: 对于本月已发生日期,展示实际值,对于未发生日期,展示预测值。 然后,打开一张不知道从哪儿找来的图,指着说到,就希望能达到这样的效果: 嗯...... 对于老板深(头)思(脑)熟(一)虑(热)的要求,虽然心里可能骂了一万遍,但脸上仍然要保持微笑,然后欣然接受。 回到工位后,开始思考:这效果要怎么实现呢? 假如你是小张,你会怎么做呢? 首先,我们看一下现有的数据。 案例数据 数据表只包含三个字段,分别是: 日期:6月1日-6月30日 实际值:6月1日-15日的实际销售值(即截止到当日数据) 预测值:6月1日-6月30日每一天的预测销售值 案例分析 接着,我们来分析一下上面两张柱形图的区别: 与第一张柱形图相比,第二张柱形图中: 1-15日(实际已发生日期):只保留浅蓝色柱子即实际值; 16日及以后(未来将要发生日期):保留深蓝色柱子即预测值。 也就是说,我们需要对原始数据中的预测值进行处理: 将已发生日期的预测值全部置空。 换句话说,如果某个日期已经有实际值了,那么就将它的预测值置空,否则就显示为预测值。 操作步骤 上述效果在BI中可以这么实现: 解释一下这个公式的含义: 首先,ISNULL(实际值)=0表示【实际值】列非空,所以整个公式的含义就是:如果【实际值】列有值,就让结果为空,否则就让它等于原来的【预测值】。 (关于ISNULL函数的用法可参考:ISNULL-判断是否为空- FineBI帮助文档 FineBI帮助文档 (fanruan.com)) 结果如下: 接下来,我们去修改一下组件。 将纵轴中的原有的【预测值】替换为我们刚刚新增的列:【预测值(未来)】。   结果如下: 不知道,大家发现一个问题没有:日期与柱子并没有对齐。 这是为什么呢? 预测值虽然置空了,但实际在图表中是占据了位置的。 你可以简单理解为旁边还有个高度为0的柱子。 那怎么才能将日期与柱子对齐呢? 把高度为0的柱子挪到蓝色柱子的上方,让它不占位是不是就行了? 该怎么挪呢? 将纵轴上的【实际值】、【预测值(未来)】分别设置开启堆积。 结果如下: 这样日期是不是就显示在柱子中间了。 最后,我们只需要调整一下实际值与预测值的颜色就可以了。 将【预测值(未来)】字段拖入图形属性下对应字段颜色属性框中,对颜色进行设置,具体如下: 结果如下: 这样就可以给老板交差啦! 不知道你日常中有没有遇到过类似的场景呢?如果有的话,不妨试一试上面提到的方法吧。   结 语 多了解一种数据处理技巧,遇到不同的业务场景就能更游刃有余。   感兴趣的小伙伴可以自己动手试试看~
【FineBI学习打卡】DAY49 如何批量合并多张数据表(下)?
第49天知识点:如何批量合并多张数据表(下)?      上一篇,我们留下了三个小问题: 对于多张表的列字段位置不一样时,该如何合并? 对于多张表的列字段名称不一样时,该如何合并? 通过FineBI合并之后的数据表如何导出到Excel中呢? 相信肯定有不少小伙伴已经提前解答出来了。 不知道答案的小伙伴也没关系,今天我们就带着大家一起来看看这三个问题应该如何解决。 01 列字段位置不一样时,该如何合并? 案例: 北京门店2023年1-12月的销售数据存放在一张工作簿的12个Sheet页中,分别用1月、2月……命名。现在为了方便统计,需要把12个月份的数据合并至一个Sheet页中。 问题: 1月、4-12月Sheet页中的字段顺序都是按照【日期】->【城市】->【销售额】的顺序排列,但2月Sheet页中的字段顺序是【日期】->【销售额】->【城市】,3月Sheet页中的字段顺序是【城市】->【销售额】->【日期】 字段位置不一致,上一篇中的操作方法还能生效吗? 我们试试看。 操作步骤: -> 选择数据 -> 数据来源:本地Excel文件->上传数据 -> 选择工作簿->打开 -> 选择需要合并的表->点击右上角【确定】->点击【合并】按钮 如果是上一篇的数据表,到这一步,我们就可以生成一张汇总了12个月份数据的的汇总表了。 但是当列字段名称不一致时,事情好像没有那么简单。 我们合并完出现了三张表: 分别是: 汇总:1月和4-12月的数据表汇总 2月:2月数据表 3月:3月数据表 显然列字段名称一致的数据表生成了一张新的汇总表,但列字段名称不一致的数据表并没有汇总。 这还没达到我们想要的效果。 接下来,对汇总数据表添加上下合并,将2月、3月数据表合并至汇总数据表中。 为了方便大家观看,这里我们放一个完整操作步骤的演示图。 结果如下: 从上面的操作过程中,我们可以看到: 当同一字段在每个数据表位置不同时,我们只需要增加一步上下合并的步骤,即可轻松解决。 只要该字段名称一致, FineBI在上下合并时就能将相同字段自动匹配上。 是不是非常方便高效? 那如果字段名称不一致呢? 咱们接着来看。 02 列字段名称不一样,该如何合并? 案例: 北京门店2023年1-12月的销售数据存放在一张工作簿的12个Sheet页中,分别用1月、2月……命名。现在为了方便统计,需要把12个月份的数据合并至一个Sheet页中。 问题: 1-12月Sheet页中的字段顺序都是按照【日期】->【城市】->【销售额】的顺序排列,但2月Sheet页中的【销售额】字段的名称为【金额】,与其他Sheet页不一致,但实际代表的含义仍然是销售的金额。 操作步骤: -> 选择数据 -> 数据来源:本地Excel文件->上传数据 -> 选择工作簿->打开 -> 选择需要合并的表->点击右上角【确定】->点击【合并】按钮 到这一步,我们得到了两张数据表。 分别是: 汇总:1月和3-12月的数据表汇总 2月:2月数据表 接着,依然对汇总数据表添加上下合并,将2月数据表合并至汇总数据表中。 可以发现,合并结果生成了4列,分别是【日期】、【城市】、【销售额】以及【金额】。 得到的汇总表是这样的:   但我们需要得到的是这样的结果: 这就我们需要将【销售额】字段与【金额】字段对应。 如何将【销售额】字段与【金额】字段进行对应呢?   为了方便大家观看,这里我们放一个完整操作步骤的演示图。   结果如下: 可以看到: FineBI对于名称不一致的字段无法进行自动匹配,还需要我们在合并完所有数据表之后,手动将对应字段进行一一匹配。 现在问题来了,数据表合并完了,下一步我需要将数据表以Excel 形式交互给其他人。 该怎么把结果导出来呢? 03 合并后的数据表如何导出到Excel中呢? -> 新建组件-图表类型选择分组表 (大家根据实际需要选择合适的图表类型即可) -> 将字段分别拖入维度和指标栏中 -> 对组件重命名为:2023年数据汇总   -> 点击组件左上角【导出Excel】   结果如下:   是不是很方便? 结 语 所以,你以后再遇到合并多张数据表的工作时就可以不用愁了。 首先,下载本地版FineBI。 当然,如果你不想下载本地版,也可以点使用在线版。 接着,打开FineBI-找到左侧菜单栏中的【我的分析】-新建分析主题,然后在文章中找到你对应的合并场景,按照步骤进行操作。 当合并数据来源很多,但数据表结构一致时,比如来源于不同的工作簿,或者来源于不同的工作表,或者来源于不同工作簿的不同工作表...... 你只要导入数据,点击合并,就可以得到结果。 当数据表列字段位置不一致时, 除了导入数据,点击合并,还需要增加一步上下合并。 但不用担心,FineBI在合并时会对相同字段名进行自动匹配,无需你再进行其他操作。 但当数据表列字段名称不一致时, FineBI也无能无力, 你导入数据,点击合并,增加上下合并后,还需要将未匹配上的字段手动进行一一对应。 所以数据表规范很重要。 最后,将合并后的结果制作成组件,导出Excel即可。 因为文章篇幅限制,我们没有枚举所有合并场景。 但其实只要你理解了FineBI合并不同表的逻辑,任何场景你都可以灵活应对。 比如:北京门店1-11月Sheet页中的字段顺序都是按照【日期】->【城市】->【销售额】的顺序排列,但12月Sheet页中的字段顺序是按照【城市】->【金额】->【日期】的顺序排列,【金额】实际代表的含义是销售的金额。   同一工作簿,不同Sheet页,不同字段位置,不同字段名称,这样的数据表该怎样合并呢?   感兴趣的小伙伴可以自己动手试试看~
【FineBI学习打卡】DAY48 如何批量合并多张数据表(上)?
第48天知识点:如何批量合并多张数据表(上)?   季末了,是不是又要开始收集汇总几十家门店的数据表了? 隔段时间需要汇总一次,现在一看到表,你是不是就很头大? 一张一张复制粘贴,偶尔和同事说句话,是不是就忘了刚刚操作到哪儿了? 想批量操作,可又不知道该怎么样实现? 百度了半天,最后发现免费的学不会,学会的却要会员。 实在令人恼火。 今天就给大家分享如何利用FineBI这个工具来实现批量合并多张数据表。 重点是简单易学而且完全免费!!! 咱就是说完全是为打工人准备的福音啊。 话不多说,今天就通过两种常见的并表场景来看看FineBI到底有多高效。 开始之前,请大家先自测一个小问题: 你知道工作簿与工作表的区别吗? A.知道,请直接往下看 B.不知道,请先滑到文章末尾的总结部分查看二者区别   01     一个工作簿中的多个Sheet页合并   案例: 北京门店2023年1-12月的销售数据存放在一张工作簿的12个Sheet页中,分别用1月、2月……命名。现在为了方便统计,需要把12个月份的数据合并至一个Sheet页中。 操作步骤: -> 选择数据 -> 数据来源:本地Excel文件->上传数据 -> 选择工作簿->打开 -> 选择需要合并的表->点击右上角【确定】->点击【合并】按钮   为了方便大家观看,这里我们放一个演示图。   结果如下:   02 多个工作簿中的多个Sheet页合并   案例: 北京、上海等4家门店2023年1-12月的销售数据分别存放在以自己城市命名的工作簿中,且每一张工作簿中都有12个Sheet页,分别用1月、2月……命名。现在为了方便统计,需要把所有门店12个月份的数据合并至一个Sheet页中。 操作步骤: -> 选择数据 -> 数据来源:本地Excel文件->上传数据 -> 选择要合并的多个工作簿->打开 -> 选择需要合并的表->点击右上角【确定】->点击【合并】按钮   为了方便大家观看,这里我们放一个演示图。   结果如下:   以上是我们日常工作中最常遇到的两种合并表的场景。 掌握了,合并表的工作基本可以轻松拿捏。 但有些时候,合并多张数据表的麻烦不仅在于表的数量多,更多的是在于多张表的数据结构不一致,导致合并过程中出现问题。 什么是数据结构呢? 比如,一张数据表中字段的名称,字段的位置等等。 俗话说,千人千面。 毕竟收集的表来自于不同的人填报。 即便你给了固定的模板,并一再强调填报的注意事项,甚至为了减少错误的发生,还特地给某些单元格加了条件格式。 可是收集上来的表仍然是五花八门,有时甚至可以用千奇百怪来形容。 比如下面这样: 明明给的是最左边的模板,按照【日期】->【城市】->【销售额】的顺序排列,可收集上来可能就会出现右边数据表的样式。   对于两张表的列字段位置不一样时,我们该怎么做到高效合并呢? 或者: 明明给是销售额字段,可收集上来时,销售额字段不见了,然后多出了个金额字段。   对于两张表的列字段名称不一样,但实际含义是一样的时候,我们该怎么办呢? 遇到这样的情况时,除了生气、愤怒、无力之外,有什么高效的解决办法吗? 另外,如何将合并之后的数据导出到Excel中呢? 答案我们会在下一篇揭晓!   结语   关于工作簿与工作表的区别: 工作簿:下面就是工作簿。   工作表:也可以叫Sheet,在一个工作簿中,我们可以建很多个工作表。   你也可以这么理解: 如果把工作簿比作是一个笔记本,那么工作表就是笔记本中的每一页纸。 批量合并多张数据表很常见,也是大家会经常遇到的问题。 希望今天的小技巧可以帮助大家实现更高效的工作。 好了,如果对今天分享的技巧感兴趣,就自己动手试一试吧~
【FineBI学习打卡】DAY47 告别混乱,一键定位公共链接分享的仪表板!
第47天知识点:一键定位公共链接分享的仪表板!   还记得小时候玩具越积越多,散落各处,最后找起来总是手忙脚乱的场景吗? 这不,最近有位小伙伴也遇到了类似的困扰: 这位小伙伴入职公司有一段时间了,通过FineBI做的分析主题加在一起少说几十个,仪表板更多。 之前应业务的需求,为了便于更多没有账号的员工查看数据,做好的仪表板很多都是通过公共链接形式分享出去的。 但前段时间公司突然严抓数据安全,应公司要求,现在需要回收所有以公共链接形式分享出去的仪表板。 这可愁坏这位小伙伴了。 为啥呢? 一问原因,原来是: 一、不知道以公共链接形式分享出去的仪表板应该怎么回收? 内心OS:数据还得继续用啊,也不能把仪表板全部删了重新做啊。 二、分享出去的仪表板太多了,自己根本不记得哪些仪表板是以公共链接形式分享出去的。 内心OS:也不能把仪表板一个个点开检查吧?这得查到猴年马月啊...... 其实,这也是我们很多新手朋友会遇到的问题。 就是随着时间的沉淀,文件夹下的分析主题越来越多,越来越多,分析主题下的仪表板也越来越多,越来越多…… 而这些仪表板 有的正在制作过程中... 有的正打算挂出到目录下... 有的是协作给别人的... 有的是通过申请发布方式挂出到目录的... 有的是通过分享到目录方式挂出的... 有的是通过公共链接形式分享给别人的... 如何快速定位以不同方式分享出去的仪表板呢? 其实解决这个问题非常简单! 通过分享方式筛选功能。 快速定位 1、打开FineBI,进入【我的分析】界面 2、在菜单栏下,点击【…】,选择对应的分享方式 3、比如,这里我们选择【已开启公共链接】,所有以公共链接形式分享的内容就出现在你眼前了 精准筛选 如果你只想看仪表板,点击仪表板就可以过滤出所有你想找的仪表板。 快速回收 选中对应的仪表板,点击左上角【公共链接】,置灰链接分享按钮。 别人再打开链接,就会弹框提示:“该分享已被取消或不存在,XX秒后将自动跳转至BI登录页”。 是不是非常简单,这样就再也不用担心忘记哪些仪表板是以公共链接分享的了。 END   公共链接方便好用,但也要慎用哦~尤其是对数据安全十分敏感的行业或企业,更要谨慎使用这种方式分享数据。     好了,如果对今天分享的技巧感兴趣,就自己动手试一试吧~
【FineBI学习打卡】DAY46 FineBI一键换装,轻松打造高颜值仪表板!
第46天知识点:FineBI一键换装,轻松打造高颜值仪表板!   不知道大家有没有这样的烦恼? 做好的仪表板总感觉平平无奇,看上去像是一堆图表的堆砌…… 明明在仪表板的美化上花了很多功夫,可结果总是不尽人意…… 别人轻轻松松、简简单单做的,效果能甩我好几条街…… 其实,这可能仅仅是因为别人比你早知道这个技巧。 仪表板一键换装。 如何实现呢? 步骤超简单,小白也能秒上手! 1、打开FineBI,进入仪表板编辑界面 2、点击左上角【仪表板样式】 3、选择预设的样式,点击确定 内置样式丰富,总有一款适合你! 目前FineBI内置了14种不同风格的预设样式,基本涵盖了各种工作场景。 自定义样式,打造你的独一无二! 当然,如果你觉得这些预设样式都不能满足要求,你也可以进行自定义样式设置。 自定义样式支持在预设样式基础上进行修改,同时也支持完全自定义设置。 保存预设,一键复用! 如果你觉得自定义样式设置的仪表板效果不错,希望后面制作的其他仪表板也可以直接套用这个效果。 那么,点击【自定义】下方的存为预设样式,点击确定,你就可以在预设页面看到这个模板。这样,以后就可以直接复用这个仪表板了。 甚至,如果你看到了一个非常棒的作品,也可以利用这个方法将这个作品的仪表板样式复用过来。 这和PPT当中的母版功能是不是类似? 但需要注意,一个用户最多支持添加 3 个自定义样式,如果你想添加更多的仪表板样式,就需要先删除再添加。 学会了这个小技巧,以后再也不用担心仪表板不好看啦。  揭秘生效优先级,让你的设置更精准! 有时候设置了预设样式,但仪表板中的某些组件并没有完全按照预设样式调整。 这是为什么呢? 这是因为在FineBI中,仪表板样式生效具有优先级,优先级顺序为:组件样式>仪表板样式。 什么意思呢? 就是如果你设置了单个组件的某些样式,那么你选择仪表板样式之后,原来设置的部分并不会随之更改,但没有设置的部分仍会随仪表板样式的变化而变化。 为了方便大家理解,我们举个例子。 我制作了一个简易的仪表板,内含两个组件。 其中左侧组件,我在制作组件时进行了一些个性化设置。 右侧组件没有进行任何个性化设置。 现在,我对整个仪表板进行了预设样式设置:仪表板样式->预设样式选择智慧数据->确定,得到的结果如下: 大家有发现区别吗? 我们来放一张设置前后的对比图: 可以看到,右侧没有进行任何设置的组件,在选择预设样式后,组件的颜色、字体等都会随着预设样式的变化而变化。 但左侧组件,我在制作组件时设置了标题背景,组件背景、边框和圆角,再选择预设样式后,这些设置仍然存在,但其它特征,比如图形颜色等没有设置,所以发生了变化。 这就是生效优先级。 小试牛刀! 最后,给大家留一个小问题。 组件样式和仪表板样式的设置顺序,会影响生效的优先级顺序吗? 百看不如一练,赶紧动手试一试吧~ 如果你觉得这个技巧有用,别忘了分享给你的小伙伴哦! 结 语   仪表板一键换装,用好了仪表板样式设置这个功能,不仅能让你的仪表板瞬间焕然一新,还可以极大的提高你的工作效率。   好了,今天的学习内容就到这里,感兴趣的小伙伴自己动手试一试吧~ 
【FineBI学习打卡】DAY44 参数实现过滤组件自定义赋值
第44天知识点:参数的运用。   据灯塔专业版统计数据显示,截至2024年2月17日13:50,2024年春节档观看总人次1.58亿,总票房高达78.44亿元,打破了中国影史春节档票房纪录。 TOP1影片,也是大家讨论度最高的:《热辣滚烫》,票房26.62亿元。 不知道这部影片会不会成为今年评分最高的华语电影呢? 既然提到这儿,不妨来看一看豆瓣2023年度评分最高华语电影榜单吧。 TOP1《流浪地球2》 不是你最喜欢的电影? 没关系,再看看TOP3榜单。 还没有你喜欢的电影?那看看TOP5榜单。 还没有?TOP10呢? TOP10也没有? 没关系,这些都不重要。 重要的是有小伙伴知道上图通过筛选框显示出对应的TOP N榜单,并且组件标题还能跟着一起变化的功能是如何实现的吗? 其实很简单。 首先,准备模拟数据一份:   接着,就可以开始加工数据了。 步骤一:新建组件 图表类型选择颜色表格 将字段分别拖入如下位置   (PS:明细表过滤条件没有最大/小的N个值,因此不适用于下文中提到的方法) 步骤二:添加参数 参数名称:TOP N 参数类型:数值 默认值:不填 步骤三:【NO】字段添加过滤条件   步骤四:新建仪表板,将分组表拖入仪表板中   步骤五:添加过滤组件TOP 组件类型:数值过滤组件--数值下拉 过滤方式:单选 选择自定义值列表:手动输入自定义值,这里我们输入:1 2 3 4 5 10 选择绑定参数:TOP N   步骤六:编辑组件标题   这样,我们就可以实现通过筛选框显示出对应的TOP N榜单,并且组件标题跟着一起变化的功能啦。     结 语       实现TOP N的动态变化,离不开与参数值的绑定。当然,如果你希望排名可以通过手动输入任意数值来实现,而不是像上面那样只能下拉筛选部分数值,那么你只要在编辑过滤组件那一步不设置自定义值列表就可以啦。   好了,今天的学习内容就到这里,感兴趣的小伙伴自己动手试一试吧~ 
【FineBI学习打卡】DAY43 如何将制作好的仪表板分享给别人?
第43天知识点:如何将制作好的仪表板分享给别人?   我们在制作好仪表板之后,通常需要将结果分享给其他用户。 但没有使用过这个功能的小伙伴可能会有一些疑问。 ??常见的一些疑惑 ?? 1 如何分享呢? 2 可以分享给多人协同编辑吗?  3   分享时能按照分享对象设置权限吗? 4 我没有账号,仪表板还能分享给我吗? 下面,我们按照顺序一个个来解答。 Q 如何分享制作好的仪表板? A 分享制作好的仪表板有以下几种方式: 协作、申请发布、分享到目录、公共链接。 (我的分析界面) (仪表板编辑界面)   Q 可以分享给多人协同编辑吗? A 可以。以协作方式分享,被分享者可以进行协同编辑。 但一张仪表板同一时间仅允许一个用户进行编辑,当用户A正在编辑,有编辑权限的用户B进入编辑界面会出现提示如下,并自动调整到预览界面。   Q 可以按照分享对象控制数据权限吗? A 可以。以协作、申请发布、分享到目录3种方式分享的仪表板在分享时可以按照分享对象进行数据权限控制。 数据权限控制需要管理员进行设置。   Q 没有FineBI账号,别人能将仪表板分享给我看吗? A 可以。以公共链接方式分享,任何人都可以查看。 但使用公共链接方式分享会存在一定的数据泄露风险。   END   最后,我们对几种分享方式进行了对比,希望可以帮助大家加深记忆。     好了,今天的学习内容就到这里,感兴趣的小伙伴自己动手试一试吧~   
【FineBI学习打卡】DAY42 直连数据如何与Excel进行融合分析?
第42天知识点:直连数据如何与Excel进行融合分析?   有些业务场景中,我们需要通过外部Excel导入数据来实现我们场景的搭建。 假如你现在正在对直连数据中的【BI Demo_门店销售表】数据集进行分析,你需要通过Excel导入每位员工的销售目标,通过对两张表进行融合分析,以此来计算每位员工的目标达成情况。 那什么是融合分析呢? 融合分析简单点理解就是对两张表进行关联,然后对关联后的表进行分析,常见的有:上下合并,左右合并。 理解了什么是融合分析后,下面我们来进行操作。 首先将数据集导入,然后点击左右合并。 哎?左右合并界面导入的Excel数据集置灰了,无法选中进行关联。   这是为什么呢? 我们来找找看原因。 不知道细心的小伙伴有没有发现一个细节: 左侧目录栏中【Excel导入员工目标】显示在抽取数据下,而【BI Demo_门店销售表】显示在直连数据下。   难道,直连数据与抽取数据无法进行融合分析? 是的,没错,直连数据与抽取数据无法进行融合分析。 那直连数据集没有办法与导入的Excel进行融合分析了吗? 当然可以。 只要确保Excel数据是以直连数据的形式导入的就可以了。 具体怎么操作呢? 其实很简单。 1、公共数据->工具图标->新建基础表属性设置为“直连数据”->确定   2、我的分析->编辑目标主题->重新上传Excel数据 在进行左右合并时,发现重新导入的Excel数据正常可选,且左侧目录栏中与【BI Demo_门店销售表】都显示在直连数据下。   这样,其实就完成了抽取数据与直连数据的切换。 那怎么判断使用的数据集是抽取还是直连下的呢?最直观的就是直连数据集的图标会比抽取数据集的图标多一个下划线。 以上内容总结几个关键的点: 1、直连数据与抽取数据不能进行融合分析。 2、默认情况下导入的Excel数据是抽取数据。 3、直连数据集如果想与导入的Excel进行融合分析,需要先完成以下设置再导入Excel: 公共数据->工具图标->新建基础表属性设置为“直连数据”。 总 结   直连数据与抽取数据的区别: 直连数据:FineBI 直连数据库请求数据,计算不需要将数据抽取到 FineBI 磁盘中,所以也无需进行数据更新。 抽取数据:FineBI 将数据库中的数据抽取到 FineBI 中(相当于另存到 FineBI 中),计算速度会更快。但数据库中的数据与 FineBI 中的数据不能随时保持同步,需要定期对 FineBI 中的数据进行更新,从而保持和数据库中的数据一致。而且因为数据需要抽取保存到 FineBI 的引擎中,所以「抽取」版本下,需要用户的本地磁盘拥有足够的空间。 重点!!! 直连数据集与抽取数据集无法直接切换。也就是说如果你在抽取数据集下新建了分析主题并进行了数据分析、组件制作等一系列分析过程,现在你需要保留这个分析主题的所有内容,只想把数据集切换到直连下,那么只能在直连数据集下将全部的分析过程重新操作一遍。 关于更多直连数据与抽取数据的区别可点击直连数据和抽取数据的区别- FineBI帮助文档 FineBI帮助文档 (fanruan.com) 查看。   好了,今天的学习内容就到这里,感兴趣的小伙伴自己动手试一试吧~   
【FineBI学习打卡】DAY41 「直连数据下导入Excel计算报错」如何解决?
第41天知识点:Excel插件帮你解决「直连数据下导入Excel计算报错」难题。   假如你是一家百货公司的数据分析师,日常会使用FineBI作为数据分析工具。 FineBI直接连接你们公司的数据库获取销售数据,但因为某些特殊情况,有时会有一些异常数据是以Excel表的形式存储的。 而你需要将这些数据导入BI中,以便进行完整的数据分析,这些表的数据量从几千行到几万行不等。 但有的时候你发现,Excel导入过程是没问题的,预览显示也是正常的,但一旦与其他表进行关联分析,就会出现报错。   为什么会出现这样的情况呢? 这是因为在直连情况下,如果导入的Excel超过了10000行,直连数据与导入的Excel数据进行融合分析时,就会出现报错这个问题。 有什么解决办法吗? 当然有! 那就是通过安装「Excel导入建表插件」来解决。 具体怎么操作呢? 首先,需要安装插件。 1、安装插件 管理系统->插件管理->搜索插件->选择插件->点击安装   安装之后,怎么判断插件是否安装成功了呢? 管理系统目录下出现了「Excel导入」,说明安装成功。 接着,就可以导入Excel了。 该怎么做呢? 2、上传Excel文件 管理系统->Excel导入->添加Excel->上传文件   3、填写列信息 上传成功后,列信息处会显示Excel中所有列字段,且字段默认为文本格式、10长度。   我们只需要根据实际需求修改字段类型、长度,增减相关的字段列即可。 这里我们做如下设置: 【序号】:设置为主键,其余按照默认设置 【产品名称】:字段长度修改为20,其余按照默认设置 【销售额】:字段类型设置为整数,其余按照默认设置   4、填写表信息  数据源选择:“BI Demo”  模式选择:“缺省”  别名及表名:自定义即可,这里我们输入:异常数据-导入BI   5、点击确定 如果看到操作成功的提示,那就说明你已经将Excel数据导入BI Demo数据库中了。   6、将数据库中的表放置在公共数据下 在「公共数据-【直连数据】文件夹」下添加数据库表。 这里的文件路径只是示例参考,实际操作时根据业务需求放置在指定路径下即可。   7、添加数据库表 数据连接选择BI Demo,可以通过右上角搜索框快速定位需要导入的数据表,选中该表后,点击确定。   8、确认数据库表是否添加成功 返回「公共数据-【直连数据】文件夹」,确认数据库表是否添加成功   以上工作都准备完之后,我们再重新尝试分析一下。 这一次,将直连数据集与Excel插件导入的数据集进行上下合并,点击预览,合并后的结果就可以正常显示了。 对比一下,两种导入方式的结果。   超10000行分析会报错,那如果导入的Excel在10000行以内,直接使用Excel导入的方式,分析时会不会出现报错呢? 感兴趣的小伙伴不妨试一试,看看结果如何~ 结 语 有些时候FineBI自身功能解决不了的问题,可以尝试使用外部插件的方式来辅助解决。 如何找到这些外部插件呢? FineBI系统内置了一个插件商店。   以管理员身份登录FineBI,点击「管理系统->插件管理」就可以看到商店啦。   好了,今天的学习内容就到这里,感兴趣的小伙伴自己动手试一试吧~  
【FineBI学习打卡】DAY40 Excel导入FineBI文件格式错误怎么办?
第40天知识点:Excel导入FineBI文件常见格式错误及解决办法。   通常情况下,FineBI的数据是通过直连/抽取数据库获取,数据库数据只要更新,前端的数据和图表就能实现自动更新。 但某些场景中,我们需要通过外部Excel导入数据来实现我们场景的搭建。 不知道有没有小伙伴遇到过这样的问题: 明明在Excel里保存的数据格式好好的,怎么一导入FineBI就变成了另一副模样? 比如出现下面这样的场景。 大家有发现导入前后数据的不同之处吗? 三秒时间找不同…… 可以看到,我们保存在Excel中的【产品ID】字段原本应该是文本格式,但导入到FineBI中却变成了日期格式,且显示的值与原来完全不同。 这简单。 通过字段设置,将【产品ID】由日期格式调整为文本格式就好了。 这样操作可以吗? 我们来试一试。   结果如下:   嗯...字段格式虽然对了,但显示的值与原来的值仍然不同。 所以,导入Excel数据后,通过字段设置的方式调整字段格式,行不通。 那该怎么办呢? 答案就是:在导入数据时调整对应的字段格式。   结果如下:   不能说是毫无区别,根本就是一模一样。 但新问题又来了。 我们知道,当Excel中的数据发生变化时,我们可以通过切换数据来更新源数据,以此来实现前端的数据和图表的更新。   这里方便大家看,我们放一张图文版操作步骤。 结果如下: 可以发现:虽然数据更新了,但【产品ID】字段又变成日期格式了,并且在导入过程中并没有发现可以调整字段样式的地方。 难道Excel导入的数据没办法通过更新数据源来实现数据的自动更新了? 难道需要把所有步骤再重新操作一遍? 其实不用! 答案就藏在这里。   同样的,我们放一张图文版操作方便大家查看。   结果如下: 看完这篇文章,以后再遇到Excel导入数据时出现格式问题,相信你也能轻松解决啦!   END   好了,今天的内容就到这里。 总结一下: Q 遇到Excel导入FineBI格式变了的情况怎么办? A 选择数据->本地Excel导入->上传数据->设置字段样式->点击确定。     Q 当Excel中的数据发生变化时,如何更新FineBI里的数据? A 更新Excel->替换数据->设置字段样式->点击确定。     好了,今天的学习内容就到这里,感兴趣的小伙伴自己动手试一试吧~
【FineBI学习打卡】DAY45 如何计算最晚日期?
第45天知识点:抽取与直连情况下分别怎样获得最晚日期。   今日份学习内容已送达,请各位小伙伴注意查收~   01 案例背景   销售明细表记录每日销售明细数据,现在老板需要每日上午十点出具截至前一日的当月累计销售额,该如何操作呢? 注意:正常情况下,销售明细表每日23:59更新当月数据,例:10月10日23:59更新10月1日至10日数据,10月11日则会更新10月1日-10月11日数据,依此类推。     02 案例分析   1、因为需要每天出具报表,所以最好能做到报表自动化。   2、如果报表自动化,那么【前一日】就是相对时间,是会依据服务器时间动态变化的,因此不能直接筛选固定日期。   3、正常情况下,使用动态时间去过滤可以获取相应数据,但如果数据更新遇到异常,动态时间过滤就不适用了。 假如今天(10月12日)需要出具10月11日数据,但由于数据更新异常,10月11日数据未能更新成功,如果按照T-1日(相对于服务器日期即10月11日)动态过滤数据,过滤出的最晚时间是10月11日,但实际表中的最晚是时间仍然是10月10日,因此按该方法得到的结果会为空。     03 操作步骤   抽取情况下:   过滤-数据更新日期-日期最晚的N个,N=1。     直连情况下:   直连情况下没有日期最晚的N个这个过滤条件,那这个时候该怎么办呢?   通过新增辅助列的方式获取最晚时间。   思路:既然是最晚时间,那么肯定和今天的日期差值是最小的,所以:   (1)计算距今时间差:更多-时间差-当前时间-数据更新日期,单位:天     (2)获取最小时间差:新增汇总列-汇总字段:距今时间差,汇总方式:最小值     (3)判断是否最晚时间:新增公式列-最小时间差=距今时间差     (4)过滤最晚时间:过滤-是否最晚时间=1     对比抽取与直连可以发现,抽取情况一步就能解决的问题直连需要四步,那为什么还要用直连呢?   因为直连情况下,对数据量的限制会变小。   首先,数据集预览时没有前1000万行的行数限制;   其次,不会受到单元格限制,抽取情况下,一些企业考虑到平台性能问题,会对数据集做单元格数量限制,一旦超限,数据集则无法正常使用,这会导致存在很多操作上的局限性;   最后,更新效率会更高。抽取是数据库更新完,抽取数据再更新,相关数据集再更新。但直连跳过抽取数据更新这一步,数据库更新完之后,相关数据集直接更新。   04 结语   抽取与直连各有优劣,大家可以根据自己的使用场景选择合适的方式。一般小数据量可以使用抽取方式,大数据量建议还是使用直连方式。       好了,今天的学习内容就到这里,感兴趣的小伙伴自己动手试一试吧~ 
【FineBI学习打卡】DAY39 如何突出显示节假日?
第39天知识点:突出显示节假日的方式。   不知道各位小伙伴是否有过这样的经历: 在分析销售数据时,突然发现某个时间段销量飙升,一查才知道原来是赶上了个小长假。 其实除了周末,节假日也会对业务产生很重要的影响,比如: 人见人怕的春运大潮,是归乡游子每年都躲不过的噩梦; 即将到来的端午小长假,一定又会迎来一波旅游高峰; 中秋前一周,月饼的销量会出现明显上涨…… 那么,像这种具有明显特征的时间点,我们如何在数据分析时突出显示以应对这种“节日效应”呢?   对照着日历表找到所有的节假日,然后在数据表里标注出来…… No! No! No! 不建议大家这样做。 为什么呢? 因为可能我们这一次使用到的是A表,下次我们分析时用到的就是B表了,难道每分析一张表就得标注一次?太费时间。 另外,现在数据是到2024年6月份的,随着时间推移,后面的节假日难道需要频繁的去维护更新?太费精力。 所以,我们需要找到一个更加便捷高效的方法。 让节假日信息不仅可以复用到每张表中,而且随着时间的推移可以自动更新。 这该怎么做呢? 其实很简单,建立一张日期维度表就够了。 什么是日期维度表呢? 就是一张记录了每一天日期,以及该日期对应的节假日信息的数据表。 有了这张日期维度表,以后无论你是分析A表,还是Z表,只要你分析的数据表有日期,就能迅速定位出哪些是节假日,哪些是工作日。 这样一来,分析数据就轻松多了! 比如,你可以一眼就看出春节期间的销售高峰,或者是中秋前夕月饼销量的异常增长。 说了这么多,肯定有很多小伙伴会问,哪里可以找到这样的日期表? 01 日期表哪里找? 毫不吝啬的告诉大家:直接百度!!!一定会有一堆日期表的制作方法以及制作好的日期表在等着大家。 哈哈,开个玩笑,点击附件即可获取一份完整的2024年日期维度表。 2024年日期维度表.xlsx (14.84 K) 02 日期表怎么用? 有了日期维度表之后,该怎么用呢? 我们以上一篇文章中的案例为例,上一篇文章我们只标注了周末,现在我们把节假日一起标注出来。 1、首先,将日期维度表与销售员业绩表导入BI中   结果如下:   2、左右合并,将两张表拼成一张大宽表   结果如下:   3、制作组件,将字段分别拖入如下位置,对【是否节假日】设置如下:   结果如下:   这样,就可以轻松达到突出节假日的效果了。 03 小 结 1、为什么日期表只有2024年? 当然是因为还不知道2025年的假期怎么放呀……什么时间放假,什么时间调休,还得等各位“专家”讨论一番呢~ (PS:不知道明年的调休安排是啥样,各位小伙伴对调休有什么看法吗?欢迎留言分(吐)享(槽)) 2、我们公司的假期与国家法定节假日不一样怎么办? 在Excel中将日期对应的节假日状态修改成你们的实际假期,然后上传至BI中使用。 3、最后,需要提醒大家一点: 规范的日期表应该涵盖完整年度的每一个日期,而不是现在是几月份,日期表就制作到几月份。     好了,今天的学习内容就到这里,感兴趣的小伙伴自己动手试一试吧~
【FineBI学习打卡】DAY38 如何突出显示周末日期?
第38天知识点:计算周末日期的几种方式。   大家聊天时经常会提到一句话:掌握市场周期性规律,就等于抓住了市场的脉搏。 其实,仔细回忆一下,日常很多业务场景中都存在周期性规律,比如: 冰淇淋、空调在炎炎夏日会销量飙升,而羽绒服在寒冷的冬季会成为抢手货; 618,双11大促期间总能掀起一阵“买买买”的购物狂潮; 每年的节假日、寒暑假都是旅游高峰期; 超市一般周末销售额会更高…… 这些看似简单的现象,其实背后都隐藏着复杂的周期性规律。 那么,今日的小测试来了: 如何突出显示周末日期,以便观察周期性因素影响? 我们通过一个简单的案例来看一下。 01 案例背景 假如你是一家百货商店的数据分析师,日常你需要监控每日的销售额数据。 我们现在准备了一份模拟数据。 为了观察周期性规律影响,需要突出显示周末两天的销售额。 也就是要达到下面这样的效果。 那还不简单?肯定不少小伙伴心想:打开日历表,然后对照着日历表把所有是周末的日期标注出来...... 短周期数据可以,但长期来看,显然这个方法不可取,为啥呢? 虽然标注周末日期这个方式没错,但解决方法费时费力不讨好。 那该怎么做呢? 当然是让系统自己判断哪天是周末了! 自动判断? 如果没有思路,你可以先暂停思考两分钟…… 有新的思路了吗? 如果暂时还没有,也没有关系。 接下来我们会分享从基础到进阶四种解决方法。 02 操作步骤-数据集   "基础版" 方式一:新增公式列->WEEKDAY(日期) 结果如下: 不了解WEEKDAY函数的小伙伴可以看看下方的函数卡片: 问题: 这里0代表周日,与我们一贯的认知:7代表周日,不太一样。 所以,我们稍微改进一下。 "改进版"   方式二:更多->获取时间差->选择字段:日期;获取时间:星期 结果如下: 问题: 这里7代表周日,但是周一到周日都是用数字表示的,如果能直接用“星期几”这样的汉字表示就更加直观了。 所以,我们再进阶一下。   "进阶版"   方式三:新增公式列->FORMAT(日期,”EEEE”) 结果如下: 同样的,为了便于对FORMAT函数有更进一步的了解,我们也给大家准备了一张函数卡片。 以上三种都是在数据集中获得周末的方式。 接着,我们就可以新建组件制作柱形图了。 03 操作步骤-组件 1、制作图形 图表类型选择多系列柱形图,将【日期】、【销售额】分别拖入横纵轴 2、添加标签 将【销售额】拖入图形属性下标签属性框中 3、突出显示周末 以方式二的结果为例,我们将【周几-获取时间】拖入图形属性下颜色属性框中,颜色设置如下: 这样我们就得到突出显示周末值的效果了。 当然我们还有更高阶的方式。   "高阶版"   方式四:组件->日期拖入图形属性颜色属性框中->日期格式调整为日期 结果如下:   04 小 结 今天,我们分享了几种获取周末信息的方法,并展示了如何制作突出显示周末销售额的图表。 这些方法各有千秋, 为了便于观察区别,我们也将四种方法进行了对比: 可以发现:除了FORMAT函数的结果是以中文显示的之外,其余三种方式都是以数值显示的,而这三种方式最主要的区别就是星期日是以0显示还是以7显示。 当然,其实除了周末,节假日也是很重要的影响因素,如何突出所有节假日及周末这种特殊日期呢?   感兴趣的小伙伴可以先思考一下,我们会在下一篇文章中为大家揭晓~   好了,今天的学习内容就到这里,各位小伙伴更喜欢哪种方式呢?
【FineBI学习打卡】DAY37 Excel VS FineBI 如何制作气泡图?
第37天知识点:如何制作气泡图?   前面两篇文章我们分别向大家介绍了如何制作散点图及四象限图。 【FineBI学习打卡】DAY35 Excel VS FineBI 如何制作散点图?-我的帆软 (fanruan.com) 【FineBI学习打卡】DAY36 Excel VS FineBI 如何制作四象限图?-我的帆软 (fanruan.com) 但这两个图形只能展示两个变量之间的相关性。 如果需要通过圆点的大小来展示第三个变量的变化。 比如,在X、Y轴分别表示英雄的攻击与防守值的基础上,希望通过圆点的大小来展示英雄的综合实力。 也就是像下面这样。 这该怎么实现呢? 首先,看一下我们用到的数据表。 数据表包含三个变量,分别是: X轴变量(攻击值); Y轴变量(防守值); 大小变量(综合实力)。 接下来的内容都是基于上一篇的结果。 我们先来看看Excel中的操作步骤。 Excel中的操作步骤: 1、更改图表类型 ->图表设计 ->更改图表类型 ->图表类型更改为气泡图 ->点击确定 结果如下: 2、修改数据源 这一步是制作气泡大小的重点。 ->图表设计 ->选择数据 ->选择系列1,即圆点区域 ->编辑系列1,系列气泡大小数据范围选择:D2:D21,即【综合实力】列 结果如下:   到这一步,气泡图基本就制作完成了。 图形美化的内容我们就不详细讲解了,各位小伙伴可以参考上方给的图形样式自行调整。 接下来,我们看一看FineBI中是如何制作气泡的? FineBI中的操作步骤: 1、重新导入新数据表   结果如下:   2、组件切换数据 ->进入组件编辑界面 ->切换数据 ->选择气泡图模拟数据 ->点击确定   3、设置圆点大小 这一步是制作气泡大小的重点。 将【综合实力】字段拖入图形属性大小属性框中。   结果如下:   气泡图已初现雏形,接下来对图形稍作美化,最终得到结果如下: 是不是很简单? 最后,看一下四象限图与气泡图的对比。   如果现在不看上面的操作步骤,你还可以回忆起在四象限图的基础上,需要通过哪些步骤才能转化成气泡图吗? 当然,你也可以直接选择气泡图进行制作,操作步骤与散点图是一致的,感兴趣的小伙伴可以自己动手尝试一下。   Tips: 问:为什么FineBI操作步骤的第二步是直接切换数据,而不是重新制作组件? 答:因为前一篇我们对四象限图做了一些加工及美化。      直接切换数据,可以实现结果的自动更新,      如果重新制作组件,原来的加工美化等操作步骤需要全部重新操作一遍。   好了,今天的学习内容就到这里,赶快动手试一试吧!
【FineBI学习打卡】DAY36 Excel VS FineBI 如何制作四象限图?
第36天知识点:如何制作四象限图?   上一篇我们给大家分享了如何制作散点图。 今天,接着上一篇的内容,我们来看看如何制作四象限图? 正式开始之前,我们先来简单了解一下什么是四象限图。 四象限图:又称波士顿矩阵图,由美国著名的管理学家、波士顿咨询公司创始人布鲁斯·亨德森于1970年首创。                                                              (图源于网络) 这张图大家肯定都不陌生,经典的四象限图。 通过相对市场增长率(反应市场吸引力的指标)和相对市场占有率(反应企业实力的指标)来分析决定企业的产品结构,最终将产品分为四种类型:明星产品、问题产品、瘦狗产品、金牛产品。 简单了解之后,下面我们来看看散点图是如何制作成四象限图的。 我们先来看看Excel中是如何操作的? 接下来的操作都基于上一篇的结果。 Excel制作四象限图步骤(初阶) 1、添加均值辅助列 D2单元格输入公式:=AVERAGE(B2:B21)—计算攻击值均值 E2单元格输入公式:=AVERAGE(C2:C21)—计算防守值均值   这两个均值将成为四象限图的分割线。 2、设置Y轴 右键点击【攻击值】坐标轴->设置坐标轴格式->纵坐标轴交叉,输入坐标轴值:119.8(即攻击值均值)   结果如下:   3、设置X轴 右键点击【防守值】坐标轴->设置坐标轴格式->横坐标轴交叉,输入坐标轴值:100.6(即防守值均值)   结果如下:   到这里,四象限图的基本轮廓就已经出现了。 但是,细心的小伙伴会发现一个问题: X、Y轴的交叉点是我们手动输入的,是固定值,如果原始数值发生变化,这里的数据并不能随之更新。   这样的话,分区线就无法随着数据的变化而及时移动,这一点不太友好。 所以,接下来,我们为大家介绍一个制作进阶版分区线的方法。 利用误差线去制作分区线。 怎么做呢? Excel制作四象限图步骤(进阶) 1、首先,仍然需要添加均值辅助列 D2单元格输入公式:=AVERAGE(B2:B21)—计算攻击值均值 E2单元格输入公式:=AVERAGE(C2:C21)—计算防守值均值 2、添加中心点 选择图形区域->点击右键:选择数据->添加数据->添加均值   结果如下:   3、为中心点添加水平误差线 选中中心点->添加误差线->更多选项->水平误差线设置为:末端样式:无线端;误差量:固定值,输入20 (PS:注意这里的值20并不是固定的,需要根据实际数据进行调整,调整至误差线长度与图形边框长度一致,即能达到顶格的状态)   结果如下:   4、为中心点添加垂直误差线 格式菜单栏下,选择系列2 Y误差线,其余设置同水平误差线,这里就不再赘述了   结果如下:   四象限图的基本轮廓已经出来了,但是误差线和图形边框线还有一截距离,看起来有点奇怪,所以我们还需要调整一下坐标轴范围。 5、调整坐标轴范围 攻击值坐标轴最大值设置为140,防守值坐标轴最大值设置为120   结果如下:   到这一步,四象限图基本就成形了,接下来,对图形稍作美化。 6、图形美化 (1)取消中心点 (2)将误差线设置为红色虚线 (3)取消坐标轴即网格线 (4)添加4个形状,分别放置在图形的左上、右上、左下、右下,并输入:防守型、全能型、平庸型、攻击型   是不是有点挺复杂? 接下来,我们看一看FineBI中是如何制作四象限图的? FineBI制作四象限图步骤 1、添加分区线 为【攻击值】设置分析线-警戒线,值为攻击值均值 为【防守值】设置分析线-警戒线,值为防守值均值   结果如下:   2、新建仪表板,添加文本组件 将上图组件拖入仪表板中,并添加4个文本组件,设置悬浮后分别放置于组件的左上、右上、左下、右下,并输入:防守型、全能型、平庸型、攻击型   结果如下:   鼠标放置某一英雄角色的圆点上,还能显示出具体的攻击与防守值。   对比之下,FineBI制作四象限图是不是更加的高效便捷?只需添加2条均值线即可实现自动分区效果。   好了,今天的学习内容就到这里,赶快动手试一试吧!
1234下一页
个人成就
内容被浏览90,126
加入社区2年113天
返回顶部