观远 BI

数据解释

创建于 2022-10-27 / 最近更新于 2023-12-22 / 8519
字体: [默认] [大] [更大]

1. 产品概述

数据解释,是观远数据提供的能够深层次数据洞察的功能。能够通过多维度深层分析,穿透数据结果,挖掘影响因子与根源,深入业务真相,提升数据洞察能力。

温馨提示:此产品模块为增值模块,如需试用体验请联系观远数据商务人员或客户成功经理(通常是贵公司当前的服务交流负责人)

2. 产品功能

产品功能功能介绍使用角色
数据解释设置在卡片编辑界面,可对数据解释进行相关配置,选取可分析数值、分析方式与分析维度,设置是否启用,并且预览数据解释结果。编辑用户、管理员
数据解释查看在桌面端的卡片编辑页、仪表板页面、卡片详情页面,可点击可视化图表上的任意数据点,触发数据解释,在页面右侧查看当前数据点的数据解释结果。只读用户、编辑用户
报告概述查看在界面数据解释的结果界面中,可点击“查看报告概述”查看,关键性结论一键生成文字报告,方便用户更直观的理解核心结论,用户也可基于此撰写相关分析报告。只读用户、编辑用户
任务集中管理在管理员设置中,可通过任务管理功能,对数据解释任务进行相关管理设置。管理员

3. 使用步骤

3.1 数据解释设置

3.1.1 配置数据解释

在卡片编辑页面,点击卡片右上角有“数据解释”按钮,进行相关配置,完成后打开“启用”按钮,点击确定即可。

数据解释设置窗口的设置内容如下表:

设置选项可选内容选项说明
可分析数值自动显示绘制区域满足聚合方式或表达式要求的数值字段包括使用以下方式聚合的数值字段:SUM、AVG、COUNT、SUM/SUM
分析方式

成分分析:

默认勾选,无需设置对比对象

针对数据点本身进行数据解释,并进行影响因子挖掘

对比分析:

支持从卡片的“维度/对比/拆分”字段中选择对比对象,可同时选择多个对比对象

对比对象为日期类型时:

根据不同的日期粒度可选择不同的对比对象

针对数据点与指定对象进行对比解释,进一步进行影响因子挖掘

对比对象非日期类型时:

可将对比对象设置为维度项的最大值/最小值

分析维度

智能:

智能维度选取,无需自行选取分析维度,可同时进行高级设置

固定维度:在智能模式下,固定维度一定会被分析(最多可以选择5个)会在所有维度范围内计算贡献度,取 Top5 展示具体结果
排除维度:在智能模式下,排除维度不会被分析(最多排除至所有分析维度仅剩余1个)

自定义:

自定义维度选取,需自行选取分析维度

可从卡片的维度池中进行选择,最多选择10个会在选取“分析维度”范围内计算贡献度,取 Top5 展示具体结果
注意以上内容设置完毕后,若对于卡片进行相关编辑操作(如:变更维度或数值字段、变更图表类型),以上设置内容会被清空

3.1.2 数据解释开启和关闭

用户可在“数据解释”设置时,开启或关闭数据解释;关闭后,所有用户点击卡片上的数据点将不会触发数据解释功能。

启用数据解释后,在卡片的右上角,用户可以看到数据解释的标志,点击即可开启或关闭卡片数据解释,开启时该标志蓝色高亮。

此外,管理员可点击网页右上角九宫格,“管理员设置”,“运维管理”下“任务管理”中,进行后台集中的任务管理。

3.2 数据解释触发

卡片开启数据解释后,在桌面端的卡片编辑页、仪表板页面、卡片详情页,点击图表上任意数据点后,数据明细的右侧会新增“解释”按钮。

点击“解释”按钮,可针对具体某个数据点,进行数据解释的触发,数据解释结果会展示在页面的侧边栏,可在原始图表基础上快速切换数据点再次进行解释分析。

3.3 数据解释结果

数据结果展示以“先维度再因子”的分析链路进行。首先展示的是选中数据点的统计信息,包括当前数据点的数值、和其他维度数据点对比的数值。之后是成分分析和对比分析的维度层面结果,成分分析是针对当前数据点进行主因挖掘,对比分析是针对和其他维度数据点对比的数值变化进行主因挖掘。其次,点击任意维度,可进一步查看维度中的各个因子的贡献度,并且可以排除某一因子进行差异性分析,最终结果会通过可视化方式呈现。

3.3.1 维度层面分析

3.3.1.1 成分分析逻辑

分析内容:针对选择的数值字段,分析出对该数据点影响较大/贡献较大的维度,并输出每一维度下各因子对该维度的贡献度,默认分析贡献较大的Top5维度。

例如:如图,对2017-02月奶粉的销售额进行数据解释,在成分分析结果中,可以看到对该数据点影响较大的维度,即对于 [2017-02的奶粉的销售额] ,[产地]、[商品名称]、[大区] 三个维度贡献最大。

3.3.1.2 对比分析逻辑

分析内容:针对选择的数值字段的对比指标,分析出对产生该对比变化的原因贡献较大的维度,并输出每一维度下各因子对该维度的贡献度,默认分析贡献较大的Top5维度。

例如:如图,对2017-02奶粉的销售额进行数据解释,对比2017-01奶粉销售额下降了一百多万,在对比分析结果中,可以看到对产生该变化影响较大的维度,即对于 [2017-02奶粉的销售额较上月的下降] ,[规格]、[产地]、[大区] 三个维度影响最大。

3.3.2 因子层面分析

点击某一具体维度后可进入该维度的因子分析,系统会以可视化的方式呈现每个因子对该维度的贡献度。

3.3.2.1 成分分析逻辑

分析内容:点击成分分析中某一维度,会针对选择的维度,分析出对该维影响较大的因子的具体贡献。

系统会以可视化图表的方式呈现,可点击图表右上方按钮可放大预览,也可切换瀑布图或堆叠图查看。

例如:如图,对2017-02奶粉的销售额进行数据解释后,在成分分析中点击 [产地] 维度,可以看到其中各个因子对售额的具体贡献度,其中 [香港] 是对 [2017-02奶粉销售额] 做出贡献的最主要因子,其贡献为17.6万元。

3.3.2.2 对比分析逻辑

分析内容:点击对比分析的某一维度,会针对选择的维度,分析出出该维度下,对产生对比变化贡献较大的因子的具体贡献,通过瀑布图展示。

例如:如图,对2017-02奶粉的销售额进行数据解释后,对比2017-01奶粉销售额下降了一百多万,在对比分析中点击 [产地] 维度,可以看到各因子对造成该变化的具体影响程度,即 [美国] 是造成 [2017-02奶粉销售额下降] 最主要的影响因子,其 [2017-02奶粉销售额] 较上月下降了 26.4万元。

3.3.3 差异分析

在每个因子分析的下方,可选择排除其中某个因子,查看排除后对选择的数据点数值变化有何影响。

3.3.3.1 成分分析逻辑

分析内容:系统会自动算出除去某因子后,选择的数据点数值会如何变化。

例如:对 [2015-01的利润率] 进行数据解释,2015-01 的利润率为 -18.05%,[Segment] 维度下,[Corporate] 对总利润率的负面影响是最大的,为 - 25.53%,若除去 [Corporate] 这个因子后,利润率就能上升为 - 16.34%。

3.3.3.2 对比分析逻辑

分析内容:系统会自动算出除去该因子对数值变化的影响后,选择的数据点数值会如何变化。

例如:对 [2015-01的利润率] 进行数据解释,2015-01 的利润率为 - 18.05%,对比2014-12 利润率下降了30.97%,[Segment] 维度下,[Home Office] 对利润率的下降贡献是最大的,为 - 71.86%。若除去 [Home Office] 这个因子后,利润率就能从对比上月下降30.97%变为对比上月下降28.13%。

3.3.4 交叉维度分析

点击图中某一具体因子项目,可基于该因子进行二次下钻分析,系统会根据基尼系数得出对该因子贡献最大的维度,并且默认可视化展示该维度下影响较大因子项目(最多展示Top3影响较大的因子),按贡献度大小排序,且因子项目的方向属性与上层因子保持一致。

3.3.4.1 成分分析逻辑

例如:对 [2015-01的利润率] 进行数据解释,2015-01 的利润率为 - 18.05%,[Segment] 维度下,[Corporate] 的利润率对总利润率的负面影响是最大的,为 - 25.53%。

点击 [Corporate] 进行二次下钻,可以看到 [Category] 维度对 [Corporate的利润率] 负面影响最大,其中 [Technology] 和 [Furniture] 两个因子负面影响最大,分别为 - 59.33%和 - 27.16%。

3.3.4.2 对比分析逻辑

例如:对 [2015-01的利润率] 进行数据解释,2015-01 的利润率为 - 18.05%,对比2014-12 利润率下降了30.97%,[Segment] 维度下,[Home Office] 对利润率的下降影响是最大的,为 - 71.88%。

点击 [Home Office] 进行二次下钻,可以看到 [Category] 维度对 [Home Office利润率较上月的下降] 贡献是最大的,其中 [Furniture] 因子的利润率较上月下降是最多的,下降了120.00%;再次 [Technology] 因子的利润率较上月下降是第二多的,下降了23.45%。

3.3.5 数据解释报告概述

针对报告中的关键性结论可一键生成文字报告,方便其他业务人员更直观的理解核心结论,业务人员也可基于此撰写最终分析报告,提高工作效率。

3.4 数据解释说明

  • 支持的图表类型:所有的柱形图、条形图、折线图与面积图

  • 支持的数据集类型:卡片数据集仅支持guanindex类型(不包括:直连数据库数据集、clickhouse高性能数据集)

  • 字段类型限制:卡片中至少有一个数值字段(包括数值、叠加图形数值)的聚合方式/表达式满足:sum、count、avg、sum/sum

  • 因子项目数限制:分析维度的因子项目数大于3个并且小于1000个时,才能进行数据解释以及相关的其他分析

  • 版本要求:使用数据解释对您的产品版本有一定要求,具体可咨询观远数据商务人员。

4. 产品优势

对于产品使用角度而言,数据解释有着强分析能力、高易用性、高稳定性。

优势说明
分析能力更强更丰富:多种分析方式,包括成分分析,对比分析,差异分析,交叉分析
更灵活:如对比分析维度不限于日期字段
更深入:支持二层下钻的分析,跨维度分析,排除异常因子分析等
更易用一键开启,一键生成
报告可读性较高,契合分析习惯
更稳定支持私有化、公共云部署模式
更稳定的分析性能

5. 产品价值

对于用户而言,数据解释提供了无门槛操作的0代码能力、丰富且深入的多维分析能力、简单易懂的报告呈现能力,能够实现每一位用户各个层面数据分析需求,用户能够用最少的工作量,轻松获取见解以及进行可视化,增强数据素养,增强决策能力。

在很多业务场景中,如经营分析、会员运营分析、流量分析、商品分析等场景下,需要高频多维分析、复杂指标的多维分析、高基数维度的分析、维度持续变化的分析,想要解决以上问题需要进行人工归因分析,分析链路较长、要制作大量看板,使用数据解释功能,就能够在一张看板上针对各个数据点一键获取因子挖掘报告、在一份报告中呈现多维度的关键性结论,节省报告撰写和关键业务人员反复问询讨论的时间。

数据解释核心价值总结如下:

  • 提效:在复杂、维度众多的分析场景下,用户无需大量关联数据看板、人工溯源,即可进行多维度灵活分析。只需简单设置,就可快速建立纵深的业务数据统计分析逻辑,告别繁重的可视化看板制作工作,获得自动生成的高质量的分析结果和报告,让团队将精力和时间聚焦于高级业务策略与特殊项目。

  • 准确:系统能够按配置自动执行分析,能够降低人工分析时因个人理解、分析路径不同等造成的潜在偏差及风险。从而业务人员能够更快速、更精准地找到问题点。

  • 一致:在整个业务流程层面,统一关键业务人员对数据的理解认知,减少准备材料、会议讨论、问询等冗长的决策流程,大大降低沟通成本。

  • 大众:能够最大程度降低数据理解成本,即使不具备特定的数据分析技能,也能轻松获取见解以及进行可视化,快速地理解和洞察数据,定位业务问题。


73 人点赞过