推薦這個工具，不懂代碼也能10分鐘上手數據分析！

關於數據分析，在這以前你可能聽過這樣的故事：

奧克蘭「運動家球隊」一反傳統球隊依據擊球率選拔球員，經過數據分析依據「高上壘率」選取了所需的低價球員，取得20連勝最終奪冠；

零售帝國沃爾瑪在一次例行的數據分析以後發現： 跟尿布一塊兒搭配購買最多的商品，竟是啤酒！

Target超市給女孩郵寄嬰兒服裝和孕婦服裝的優惠券，比女孩的父親更先知道了該女孩懷孕；

一頭剛出生30天的豬，數據預測它的生長週期，進而看到「人爲刀俎，我爲魚肉」；

在這背後都是大量技術人員專業的規律統計、數據預測和相關性分析。

專業的數據分析仍是有必定技術門檻的。可是近兩年，不少公司的業務都已經結合着數據分析去開展，好比產品運營須要作運營數據分析，財務管理須要作財務分析，庫存管理須要分析產品流轉存儲，這其中最廣泛應用的就是BI。

BI全稱商業智能（Business Intelligence），在傳統企業中，它是一套完整的解決方案。將企業的數據有效整合，快速製做出報表以做出決策，涉及數據倉庫，ETL，OLAP，權限控制等模塊。

BI工具主要有兩種用途。

一種是利用BI製做自動化報表，數據類工做天天都會接觸大量數據，而且須要整理彙總，這是一塊很大的工做量。這部分工做能夠交給BI自動化完成，從數據規整、建模到下載。

另一種是使用其可視化功能進行分析，BI的優勢在於它提供比Excel更豐富的可視化功能，操做簡單上手，並且美觀，若是你們天天做圖須要兩小時，BI會縮短一半時間。

在這裏，本文想強勢安利一款數據BI——FineBI，探索性的分析操做、分析圖表、數據挖掘，能引導數據走向真相，關鍵不須要寫代碼就能直接上手。

如下是介紹綱要：

• 海納百川，支持各類數據
• 10秒鐘清洗數據，規整數據
• 自動分析，推薦圖表
• OLAP：多角度深刻分析
• 現成的數據挖掘模型
• 使人眼前一亮的可視化

海納百川，支持各類數據

通常要分析的數據五花八門，數據量小能夠用Excel解決。數據量大，大到錯綜複雜各式各樣億萬級數據量的企業數據庫，Oracel、DB二、SAP HANA\大數據kylin、hadoop等，FineBI都能直接鏈接，或者直接導入本地Excel分析也行。

10秒鐘清洗數據，規整數據

這裏假設我已經鏈接好了數據源，以後要開始分析。咱們來看下FineBI是如何操做一個數據分析的：

一、準備數據：選數據表和要用到的數據字段

自助數據集這個功能裏，能夠自行選擇數據表和須要用到的數據字段。數據太多，不知道如何入手，因此在開始分析以前，儘量明確你的分析目標是什麼，而後選擇做用的數據。

二、清洗數據：數據加工，規整數據

好的數據是數據分析成功的基礎。通常來講，咱們拿到數據以後，數據並非那麼完美，對於自己質量不好的數據進行分析每每是南轅北轍的，得出來的分析結果也是錯誤的，進步還會誤導咱們對事情自己的判斷，作出錯誤的決策。因此可能咱們在開始拿到數據後，須要對數據進行梳理，這也就是咱們一般所說的數據清洗。好比某些數據缺失，好比增長一些數據字段，好比列重命名 、數據類型轉換、異常值處理、合併數據等等。

在FineBI自助數據集功能裏， 能夠對數據實現過濾、分組彙總、新增列、字段設置、排序、合併等等操做，能夠把數據進行規整。

不明白能夠看下方的示意：

若是還不能明白，FineBI設置了自動數據清洗的功能，經過點擊鼠標就可以完成你對有缺陷數據的清洗。

探索性分析、自動推薦圖表

一、智能推薦圖表

圖表展現數據必定是最直觀的。但實際上咱們可能不明白爲何要選用柱狀圖，不知道選用了漏斗圖是什麼意思。當你想分析兩個或者兩個以上數據字段的相關性時，FineBI會自動爲你選擇最合適的圖表，每種圖表背後都有很強的數據分析算法，能夠幫助你先初步瞭解你的數據狀況，邁出數據分析的第一步。不用再花時間想用什麼圖表，隨便拖拽就行了，所思即所見，所見即所得。

二、可視化不只是爲了美，更是幫助分析

FineBI基於著名的圖形語法(The Grammar Of Graphics)設計改良，提供了無限的視覺分析可能，咱們稱之爲「無限圖表類型」。FineBI取消了傳統圖表類型的概念，取代以'形狀'和形狀對應的'顏色'，'大小'，'提示'，‘標籤’等屬性；取消了'分類'、'系列'等概念，取代以'橫軸'、 '縱軸'兩個方向。

上面這句話是官方的，比較拗口。簡單來說就是，FineBI既讓你保留了傳統固定圖表的分析習慣，你能夠基於智能推薦的結果去調整對應圖表類型，但更打破了傳統，鼓勵你去基於你的思考去造成你的分析，全部形狀、顏色、大小、提示、標籤、圖表、警惕標識都將是你思考點的體現，而再也不用圖表去限制你的思考。

什麼意思呢，以上面所取的數據爲例，來看一個大區銷售額的對比分析：

拖拽字段，智能推薦了最經常使用的柱狀圖。

咱們可能更習慣橫向去看具體銷售額的數值，從上到下去看對比狀況，這時咱們但願橫縱軸切換一下分析維度，直接一鍵切換，能夠看到切換後意外地發現造成了咱們熟悉的條形圖。

甚至能夠設置形狀的顏色不一樣來區分大區，設置形狀的大小來表示銷售額，甚至直接替換形狀。

以上幾個步驟，就是FineBI的基礎操做，能夠初步的丟手頭的數據有個大體的瞭解，初步造成分析思路。

接下來就要講講計算處理數據的部分。

OLAP：多角度深刻分析

OLAP分析，老生常談的分析技術，對數據進行鑽取、放大、過濾、維度切換、跳轉、聯動、導出、複用等等。

經過FineBI的OALP分析，能夠輕鬆玩轉你的數據，從大到小，由淺及深，探索數據之間的深層關聯。

好比對區域-門店-品牌-銷售額不一樣維度之間，快速進行特定區域、門店-品牌的銷售額分析。

現成的數據挖掘模型

一、搭建各類業務分析模型

真正的數據分析工具，一定脫離不了數據分析模型。長期以來，數據分析的先驅和專家們，沉澱出了不可勝數經典的數據分析模型，在諸多領域和行業中獲得了普遍的應用，也帶來了實質的業務價值，同時，經典的數據分析模型，有利於咱們快速上手數據分析，減小自我探索過程當中的彎路。

因爲FineBI能夠各類處理數據：新建數據字段、介入計算公式、過濾等等，因此能再分析時搭建各類業務模型，諸如金字塔模型、KANO分析模型、RFM模型、購物籃分析模型、四象限模型等等。

以RFM模型搭建爲例，從最基礎的數據（下圖1）到成功搭建一個RFM模型（下圖2），再到進行模型應用（下圖3），只要不到10分鐘的實際。以前研究過RFM客戶價值模型，在市面上尋找體驗了許多分析工具，FineBI絕對是國內製做RFM模型最高效便捷的軟件。

顧客購買的原始數據：

通過數據處理快速搭建出RFM價值模型：

二、數據挖掘和R語言

數據挖掘是結合數學統計知識，更深刻的挖掘數據之間的內在聯繫。好比面向過去，發現潛藏在數據表面之下的歷史規律或模式，稱之爲描述性分析；或面向將來，對將來趨勢進行預測，稱之爲預測性分析。

FineBI提供了5種現成的數據挖掘模型，時序預測、聚類、分類預測、迴歸和關聯分析。也就是說，若是你想預測將來的銷售額，你想智能地給用戶羣分類，或者你想知道短信發給哪一個用戶得到的反饋可能性比較大，將會成爲現實。

除此以外和集成了R語言，能夠直接在FineBI中進行R語言編譯，實現更多數據挖掘分析需求，一手寫法，一手用FineBI出可視化報告。

預測1：基於過去的航空公司乘客數據預測將來十個月的乘客數量：

預測2：基於已有會員數據預測未註冊客戶的會員等級

預測3：根據花萼長度和寬度、花瓣長度和寬度來對花卉種類分類:

使人眼前一亮的可視化

好馬配好鞍，最終的數據分析結果天然少不了一副好的皮囊。做爲一款專業的數據分析工具來說，FineBI的可視化功能也十分強大，能夠製做各類可視化的報告，爲數據分析錦上添花。最終數據分析的結果天然要來貼上幾張可視化的圖，直接來查看下FIneBI數據可視化的效果：