阿里QuickBI实战

引言

数据采集、数据治理、数据分析举例

1万名员工要聚餐，大家要选择去哪家饭店吃饭，少数服从多数

资金在经济社会的流通性

假设这个村庄每个人都欠钱。
情况一：这个时候一个外地的顾客来到酒店入住，比如顾客支付100元，酒店老板就还90给肉店老板， 肉店老板给80给屠夫，依次类推，钱流通股一圈，每个人都不欠钱了，没有负债。
情况二：这个时候外地的顾客来酒店入住，比如顾客支付100元，酒店老板就还90给肉店老板，但是此时顾客说酒店环境差，要退钱，这个时候钱还没有流通完就被退回去了，这个时候就有个经济问题就是资金链断裂。这种情况就是资金流通速率太慢，钱还没有流通完就被回收回去。

概述

Quick BI是一款全场景数据消费式的BI平台，秉承全场景消费数据，让业务决策触手可及的使命，通过智能的数据分析和可视化能力帮助企业构建数据分析系统，您可以使用Quick BI制作漂亮的仪表板、格式复杂的电子表格、酷炫的大屏、有分析思路的数据门户，也可以将报表集成在您的业务流程中，并且通过邮件、钉钉、企业微信等分享给您的同事和合作伙伴。

数据分析的常见问题

数据分析的痛点

QuickBI 产品架构图

主功能链路

数据建模与数据分析的关系

使用场景

1、搭建报表看板：仪表盘

• 仪表板是Quick Bl可视化分析体系的重要组成部分，通过便捷的磁贴式布局、拖拉拽的简单交豆，灵活的数据加工，动态的数据查询，轻松将数据以图形的方式呈现，还可以筛选和査询各类数据并突出数据中的关键字段，适用于分析报表制作、内部汇报等多种分析场景。
• 同时，仪表板支持多端适配，PC端、移动端、平板端可灵活切换，满足多种场景下的看数需求。
  

2、中国式报表工具：电子表格

模块定位:
电子表格面向熟练使用Excel的分析师和业务人员，具有与Excel同样的操作和效果。让业务人员可轻松制作格式复杂，信息量大的监管报表，可实现包括但不限于各类业务明细表、分组报表、交叉报表、主子报表、分栏报表、查询类报表、填报类报表等表格的制作，帮助提升用户看数、用数的效率

3、企业CXO驾驶舱：数据大屏

4、产品多为组合的交叉分析：即席分析

5、高效的数据录入收集：数据填报

活动组织场景的例子：

6、财务复杂报表搭建：交互式填报（表格填报）

销售进度：

四大数据消费场景

1、企业办公IM消费：移动微应用

2、目标指标的异动追踪消费：订阅&监控

及时推送

订阅推送

指标监控

3、百万级带格式下载数据：自动取数

传统数据分析师人数少，工作量大

4、汇总专题类报表：数据门户

定位:数据门户是不同类型报表的集合，它通过菜单的形式，将组织中的数据资源进行整合汇总，统一展示和分享的出口，常用于专题类的数据分析、展示、传播场景。

数据分析思维

宏观问题（大盘总览）

案例

Q1：小明的学习情况如何？
你可以说是广西最好的学校，排名多少名

标准（全国平均值，年份）
纵向对比：年份、时间，今年比去年怎么样等等

Q2：广西省高速公路收费站的营收情况如何？

方法论

比较：同类比较、全省比较
趋势：跟时间相关，环比、同比
分布：市场占比，14个地市占比等

微观问题（异动归因）

案例

:Q1：6月份南宁市麦当劳门店的总营业额下降5%是否是正常的?
分析：首先分析跟谁比：跟5月比
分析区域（找到异常点）：可以分析哪些区域下降，进而去拆分哪些门店
分析产品线：是否某些产品下架或者销量下降
分析是否节假日：假期多，周期性发生
外部因素：供需关系：是否南宁人口流出

Q2：为什么广西省11月高速公路通行费上升10%?

方法论

数据分析方法应用案例

Case1:产品线主管反馈A产品的利润太低了，希望数据分析团队可以帮忙找到原因，并提供分析建议。

方法:拆解法+公式法+归类法

分析是否销售额降低，还是成本增加

Case2:销售主管需要对各个渠道的销售情况进行年度评估,

方法:对比法+四象限分析

Case3:某淘宝店家需要对自家店铺流量情况进行分析，看看那个环节需要做

优化方法：漏斗分析

互联网的AB test：
比如：大家刷抖音的时候，会被分流多个效果，张三的点赞在收藏上面，李四的点赞在收藏下面，这就是互联网公司做测试，向分析不通位置对流量的影响

很早以前淘宝的搜索框很大，后来淘宝找了数据团队，分析发现，大部分人都是进来搜索完之后就跑了，漏洞中访客人数特别少，搜索人数很多，后来把收缩框缩小到50%，首页大篇幅增加了推送，这样引流，返现访客人数多了，搜索少了，让客户多浏览，看着就会想买。

锻炼数据分析思维（业务熟悉度、基本统计学知识、数据敏感性）

根据问题立马能想到是哪个指标影响，对业务熟悉

统计学故事：辛普森悖论（19世纪英国一个杰出的医生和医学家）

现象：当人们尝试探究两种变量（比如新生录取率与性别）是否具有相关性的时候，会分别对之进行分组研究。然而，在分组比较中都占优势的一方，在总评中有时反而是失势的一方。该现象于20世纪初就有人讨论，但一直到1951年，E.H.辛普森在他发表的论文中阐述此一现象后，该现象才算正式被描述解释。后来就以他的名字命名此悖论，即辛普森悖论。
回避方式：为了避免辛普森悖论出现，就需要斟酌个别分组的权重，以一定的系数去消除以分组资料基数差异所造成的影响，同时必需了解该情境是否存在其他潜在要因而综合考虑。

要保持样本量

数据敏感性：费米问题（通过拆解的方式进行指标估算）

Q1:广西省有多少个红绿灯?
分析有多少个地市，每个地市多少个
Q2:广西省有多少辆出租车?
分析广西有14个地级市，假设每个地市人口平均值是600完，每个地市上班族占比30%有180万，假设打车的人有5%9万人，打车有网约车和出租车，网约车现在很火很便宜，假设出租车占比10%9000，然后引入经济学原理叫做供需平衡，我们极端假设，供需平衡，假设大家都早上出门打车，出租车只需要80%7200辆就可以满足使用，这样乘以地市就可以算出全广西的出租车数量，一般一个省份大约1万辆。
Q3:广西省有多少个咖啡厅?
Q4:广西省有多少个.?

实战

交叉表