推荐这个工具，不懂代码也能10分钟上手数据分析！

关于数据分析，在这以前你可能听过这样的故事：

奥克兰“运动家球队”一反传统球队依据击球率选拔球员，经过数据分析依据“高上垒率”选取了所需的低价球员，取得20连胜最终夺冠；

零售帝国沃尔玛在一次例行的数据分析以后发现： 跟尿布一块儿搭配购买最多的商品，竟是啤酒！

Target超市给女孩邮寄婴儿服装和孕妇服装的优惠券，比女孩的父亲更先知道了该女孩怀孕；

一头刚出生30天的猪，数据预测它的生长周期，进而看到“人为刀俎，我为鱼肉”；

在这背后都是大量技术人员专业的规律统计、数据预测和相关性分析。

专业的数据分析仍是有必定技术门槛的。可是近两年，不少公司的业务都已经结合着数据分析去开展，好比产品运营须要作运营数据分析，财务管理须要作财务分析，库存管理须要分析产品流转存储，这其中最广泛应用的就是BI。

BI全称商业智能（Business Intelligence），在传统企业中，它是一套完整的解决方案。将企业的数据有效整合，快速制做出报表以做出决策，涉及数据仓库，ETL，OLAP，权限控制等模块。

BI工具主要有两种用途。

一种是利用BI制做自动化报表，数据类工做天天都会接触大量数据，而且须要整理汇总，这是一块很大的工做量。这部分工做能够交给BI自动化完成，从数据规整、建模到下载。

另一种是使用其可视化功能进行分析，BI的优势在于它提供比Excel更丰富的可视化功能，操做简单上手，并且美观，若是你们天天做图须要两小时，BI会缩短一半时间。

在这里，本文想强势安利一款数据BI——FineBI，探索性的分析操做、分析图表、数据挖掘，能引导数据走向真相，关键不须要写代码就能直接上手。

如下是介绍纲要：

• 海纳百川，支持各类数据
• 10秒钟清洗数据，规整数据
• 自动分析，推荐图表
• OLAP：多角度深刻分析
• 现成的数据挖掘模型
• 使人眼前一亮的可视化

海纳百川，支持各类数据

通常要分析的数据五花八门，数据量小能够用Excel解决。数据量大，大到错综复杂各式各样亿万级数据量的企业数据库，Oracel、DB二、SAP HANA\大数据kylin、hadoop等，FineBI都能直接链接，或者直接导入本地Excel分析也行。

10秒钟清洗数据，规整数据

这里假设我已经链接好了数据源，以后要开始分析。咱们来看下FineBI是如何操做一个数据分析的：

一、准备数据：选数据表和要用到的数据字段

自助数据集这个功能里，能够自行选择数据表和须要用到的数据字段。数据太多，不知道如何入手，因此在开始分析以前，尽量明确你的分析目标是什么，而后选择做用的数据。

二、清洗数据：数据加工，规整数据

好的数据是数据分析成功的基础。通常来讲，咱们拿到数据以后，数据并非那么完美，对于自己质量不好的数据进行分析每每是南辕北辙的，得出来的分析结果也是错误的，进步还会误导咱们对事情自己的判断，作出错误的决策。因此可能咱们在开始拿到数据后，须要对数据进行梳理，这也就是咱们一般所说的数据清洗。好比某些数据缺失，好比增长一些数据字段，好比列重命名 、数据类型转换、异常值处理、合并数据等等。

在FineBI自助数据集功能里， 能够对数据实现过滤、分组汇总、新增列、字段设置、排序、合并等等操做，能够把数据进行规整。

不明白能够看下方的示意：

若是还不能明白，FineBI设置了自动数据清洗的功能，经过点击鼠标就可以完成你对有缺陷数据的清洗。

探索性分析、自动推荐图表

一、智能推荐图表

图表展现数据必定是最直观的。但实际上咱们可能不明白为何要选用柱状图，不知道选用了漏斗图是什么意思。当你想分析两个或者两个以上数据字段的相关性时，FineBI会自动为你选择最合适的图表，每种图表背后都有很强的数据分析算法，能够帮助你先初步了解你的数据状况，迈出数据分析的第一步。不用再花时间想用什么图表，随便拖拽就行了，所思即所见，所见即所得。

二、可视化不只是为了美，更是帮助分析

FineBI基于著名的图形语法(The Grammar Of Graphics)设计改良，提供了无限的视觉分析可能，咱们称之为“无限图表类型”。FineBI取消了传统图表类型的概念，取代以'形状'和形状对应的'颜色'，'大小'，'提示'，‘标签’等属性；取消了'分类'、'系列'等概念，取代以'横轴'、 '纵轴'两个方向。

上面这句话是官方的，比较拗口。简单来说就是，FineBI既让你保留了传统固定图表的分析习惯，你能够基于智能推荐的结果去调整对应图表类型，但更打破了传统，鼓励你去基于你的思考去造成你的分析，全部形状、颜色、大小、提示、标签、图表、警惕标识都将是你思考点的体现，而再也不用图表去限制你的思考。

什么意思呢，以上面所取的数据为例，来看一个大区销售额的对比分析：

拖拽字段，智能推荐了最经常使用的柱状图。

咱们可能更习惯横向去看具体销售额的数值，从上到下去看对比状况，这时咱们但愿横纵轴切换一下分析维度，直接一键切换，能够看到切换后意外地发现造成了咱们熟悉的条形图。

甚至能够设置形状的颜色不一样来区分大区，设置形状的大小来表示销售额，甚至直接替换形状。

以上几个步骤，就是FineBI的基础操做，能够初步的丢手头的数据有个大体的了解，初步造成分析思路。

接下来就要讲讲计算处理数据的部分。

OLAP：多角度深刻分析

OLAP分析，老生常谈的分析技术，对数据进行钻取、放大、过滤、维度切换、跳转、联动、导出、复用等等。

经过FineBI的OALP分析，能够轻松玩转你的数据，从大到小，由浅及深，探索数据之间的深层关联。

好比对区域-门店-品牌-销售额不一样维度之间，快速进行特定区域、门店-品牌的销售额分析。

现成的数据挖掘模型

一、搭建各类业务分析模型

真正的数据分析工具，一定脱离不了数据分析模型。长期以来，数据分析的先驱和专家们，沉淀出了不可胜数经典的数据分析模型，在诸多领域和行业中获得了普遍的应用，也带来了实质的业务价值，同时，经典的数据分析模型，有利于咱们快速上手数据分析，减小自我探索过程当中的弯路。

因为FineBI能够各类处理数据：新建数据字段、介入计算公式、过滤等等，因此能再分析时搭建各类业务模型，诸如金字塔模型、KANO分析模型、RFM模型、购物篮分析模型、四象限模型等等。

以RFM模型搭建为例，从最基础的数据（下图1）到成功搭建一个RFM模型（下图2），再到进行模型应用（下图3），只要不到10分钟的实际。以前研究过RFM客户价值模型，在市面上寻找体验了许多分析工具，FineBI绝对是国内制做RFM模型最高效便捷的软件。

顾客购买的原始数据：

通过数据处理快速搭建出RFM价值模型：

二、数据挖掘和R语言

数据挖掘是结合数学统计知识，更深刻的挖掘数据之间的内在联系。好比面向过去，发现潜藏在数据表面之下的历史规律或模式，称之为描述性分析；或面向将来，对将来趋势进行预测，称之为预测性分析。

FineBI提供了5种现成的数据挖掘模型，时序预测、聚类、分类预测、回归和关联分析。也就是说，若是你想预测将来的销售额，你想智能地给用户群分类，或者你想知道短信发给哪一个用户得到的反馈可能性比较大，将会成为现实。

除此以外和集成了R语言，能够直接在FineBI中进行R语言编译，实现更多数据挖掘分析需求，一手写法，一手用FineBI出可视化报告。

预测1：基于过去的航空公司乘客数据预测将来十个月的乘客数量：

预测2：基于已有会员数据预测未注册客户的会员等级

预测3：根据花萼长度和宽度、花瓣长度和宽度来对花卉种类分类:

使人眼前一亮的可视化

好马配好鞍，最终的数据分析结果天然少不了一副好的皮囊。做为一款专业的数据分析工具来说，FineBI的可视化功能也十分强大，能够制做各类可视化的报告，为数据分析锦上添花。最终数据分析的结果天然要来贴上几张可视化的图，直接来查看下FIneBI数据可视化的效果：