使用QuickBI制作企业报表门户

图形化报表介绍

报表：用表格、图表等格式来显示数据。常见的报表有数字表格、图表等。报表的商业智能（BI）的基础应用。

数据可视化：是将相对复杂的数据通过可视的、交互的方式进行展示，从而形象、直观的表达数据蕴含的信息和规律。

图形化报表：是报表的一种，也是数据可视化最常见的方法，通过一些图表将数据更直观的展示出来，将数据中关键的信息转化成可快速获得的易懂的信息。

图表的主要作用：

1.数据展示：将已知的数据或数据分析结果通过可视化图表的方式进行展示，借助于图形化手段，清晰有效地传达与沟通信息。

2.数据分析：基于图表的“二次分析”，对数据的深层次挖掘。通过对图表中的特点分析，对数据进一步的洞察分析。

图表设计的步骤

1.明确问题：解决啥问题，传递什么内容。

2.基本框架：对整个图表设计一个初步框架，即概览图。

3.确定指标：将最终需要提供的信息转换成明确的指标。

4.确定图表类型：根据要展现的内容和信息选择合适的图表类型。

5.突出关键信息：通过图表设计将用户的注意力引向关键信息。

好图表的标准

1.直观易懂匹配需求

2.关键信息展示到位

3.展现方式选择合适

4.图表视觉效果良好

企业报表门户（Potral）可以为企业提供一个单一的访问企业报表信息的入口，企业的高层、员工及相关人员都可以申请相应的权限，通过访问这个门户获得个性化的信息服务。

QuickBI基本介绍

QuickBI提供海量数据实时在线分析，拖曳式操作、丰富可视化效果，轻松自如的完成数据分析、业务数据探查。

优势：

1.多：支持多种类型数据源，支持多种可视化组件。

2.快：海量数据的实时分析（取决于数据源是否实时产生数据），提供智能的一键加速。

3.好：灵活的报表集成方案，严密的安全权限管理。

4.省：门槛低易上手省时间，云计算费用低省成本。

quickbi提供的服务：门户集成、安全访问控制，报表展示、即席查询、数据分析、挖掘预测。

五步上手QuickBI：
开通服务-导入数据-表格分析-图表设计-发布应用。

一、柱状图

是以一种长方形的长度来表达数据的统计报告图，由一些列高度不等的纵向条纹表示数据分布的情况。

场景：适用于展示二维数据集，其中一个轴表示需要对比的分类维度，另一个轴代表相应的数值，比如：月份、商品销量，或者展示在一个维度上，多个同质可比的指标的比较。

优点：简单直观，易于比较各组数据之间的差别。

缺点：不适合较大的数据集展现

类似图表：条形图、直方图、堆积图、百分比堆积图、双Y轴。

二、折线图

将值标注成点，并通过直线将这些点按照某种顺序连接起来形成的图（反映趋势，不注重具体数值）。

场景：数据再一个有序的因变量上的变化，他的热点是反映事物随序类别而变化的趋势，可以清晰展现数据的增减趋势、增减的速率、增减的规律与峰值。

优点：能展现某个沿某个维度变化的趋势，能比较多组数据在同一维度上的趋势，适合展现较大的数据集。

缺点：每张图上不适合展示太多条折现。

类似图表：堆积图、曲线图、双Y轴折现图、面积图。

三、饼图

以饼状图形显示一个数据系列中各项的大小与各项总和的比例，也被称作扇形统计图。

场景：适用于二位数据，即一个分类字段，一个连续数据字段，当用户更关注于简单占比时，适合使用饼图。

优点：简单直观，很容易看到组成成分的占比。

缺点：不适合较大数据集展现，数据项中不能有负值，当比例接近时，人眼很难准确判别。

类似图表:环形图、3D饼图

四、散点图

又称XY散点图，将数据以点的形式展现，以显示变量间的相互关系或者影响程度，点的位置由变量的数值决定。

场景：显示若干数据系列中个数值之间的关系，类似XY轴，判断两变量之间是否存在某种关联，或者发现数据的分布或者聚合情况

优点：可以展示数据的分布和聚合情况，适合展示较大的数据集。

缺点：看上去乱，基本只能看相关、分布和聚合，其他信息均不能很好的展现。

类似图表：气泡图。

五、雷达图

蜘蛛网图，将多个维度的数据量映射到起始于同一个圆心的坐标轴上，结束于圆周边缘，然后将同一组的点使用线连接起来。

场景：雷达图适用于多维数据集

优点：适合展现某个数据集的多个关键特征及关键特征与标准值的比对，适合比较多条数据再多个维度上的取值。

缺点：多维但是维度不能太多，一般4-8个。比较的记录条数不宜太多。

六、漏斗图

有多个梯形从上到下的叠加而成。从上到下的项有逻辑上的顺序关系，梯形面积表示某个环节业务量与上一环节之间的差异。

场景：适用于业务流程比较规范、周期长、环节多的单流程单向分析，通过漏斗各环节业务数据的比较能够直观地发现和说明问题所在的环节，进而做出决策。

说明：漏斗图总是开始于一个100%的数量，结束于一个较小的数量。在开始和结束之间由N个流程环节组成，每个环节用一个梯形来表示，梯形的上底宽度表示当前环节的输入情况，下底表示当前环节的输出，上底与下底之间的差表现了当前环节业务量的减小量，当前梯形边的斜率表现了当前环节的减小率。漏斗图的所有环节的流量用应该使用同一个度量。

类似图表：金字塔图、对称漏斗图（旋风）、对比漏斗图。

七、树图

是通过属性结构来展现层级数据的组织关系，以父子层次机构来组织对象，是枚举法的一种表达方式。

场景：适用于组织结构有关的分析，即有明确的层次关系的数据。

优点：直观的展现层次关系，可以看到各层级指标间的关系，可以进行简单的上卷、下钻等操作。

缺点：数据层级不宜过多，每层的成员不宜过多，无法展现各部分占比关系。

类似图表：矩阵树图。

八、矩阵树图（目前暂不支持下钻）

采用矩阵表示层次结构的节点，父子层次关系用矩形间的相互嵌套来表达。从根节点开始，空间根据相应的子节点数目被分位多个矩形，矩形的面积大小对应的节点属性。每个矩形又按照相应的节点的子节点递归的进行分割，直到叶子节点为止。

场景：适合展现具有层级关系的数据，能够直观体现同级之间的比较

优点：图形更紧凑，同样大小的画布可以展现更多的信息。可以展现成员间的权重。

缺点：不够直观明确，分类占比太小时不容易排布。

类似图表：树图、马赛克图、热力图。

九、来源去向图

通过页面访问量PV和访客的数量UV推算出网页的转化率，进而可以了解网站的整体运营效果和某一类商品的最终成交量。

场景：适用于电商或与营销有关系的分析，比如购物网站中，哪些商品最畅销或者哪个时段是访问高峰。

优点：特别适合分析展现网站流量的运营数据，显示结果直观，可以清晰的看到各个维度指标变化的情况，支持以某个节点查看该节点所在的流程情况。

缺点：应用面狭窄，只能显示三级维度的流程数据。对显示的度量要求严格。

十、指标看板

通过文字、数字和符号的合理排版，对数据进行一目了然的展示，由看板标签和看板指标组成，标签由维度决定，指标由数据的度量决定。

场景：适合用来展示一个维度下的一个或者多个度量，特别是对某些指标需要精确读数的场景。

优点：展现的是详细的数字，用户得到的都是精确信息。

缺点：展现维度只能有一个，展现指标不宜过多，只是数字面板，不具有图形的各种优势。

十一、仪表盘

指针表示维度，指针角度表示数值，指针指向当前数值。

场景：管理报表或报告，直观的表现出某个指标的进度或实际情况。

优点：将专业数据通过常见的刻度表现形式展现。

缺点：适用场景比较窄，主要用于进度或占比的展现，只能一个维度，指标不宜过多，展示信息有限。

类似表：堆积图。

十二、地图

适用地图作为背景，通过图形的位置来表现数据的地理位置，将数据在不同地理位置上的分布，通过颜色或者气泡映射在地图上。

场景：适合带有地理位置信息的数据集展现，展现的通常是以某个地区为单位的汇总连续值信息。

优点：与地图相结合，对数据的地理分布显示直观。通过颜色深浅、气泡大小等容易判断度量的大小。

缺点：必须有地理信息，且数据为汇总数据，气泡容易叠加。显示的都是非精确值，气泡大小和颜色深浅相近时不易分别，地理面积大小和度量值无关。

类似图表：气泡地图、颜色地图（分级统计地图）、描点地图。

十三、极坐标图

由多个扇区构成，每个扇区的标签由数据的维度决定，每个扇区长度由数据的度量决定，每个扇形的角度一样，通过半径展示变化。

场景：适用于枚举数据之间的比较，比如显示一段时间内的数据变化，或者显示各项之间的比较情况

优点：视觉效果在部分情况下比其他图表更佳，同样的画布能比部分其他图标展示数据更多。

缺点：不适合分类过少的数据集，不适合部分度量值过小的数据集。

类似图表：饼图、环图、柱图、玫瑰图等

十四、词云图

又称文字云，是文本数据的视觉表示，由词汇组成类似云的彩色图形，用于展示大量文本数据。每个词的重要性以字体大小或颜色显示。

场景：适合用于描述网站上的关键字，或可视化自由格式文本，可以对比文字的重要程度。其本质是点图，是在相应坐标点绘制具有特定样式的文字的结果。

优点：快速感知最突出的文字，或区别权重不同的文字，可以展示大量文本。

缺点：不适合展现数据太少的数据集，不适合展现区分度不大的数据，即无重点关键词。

类似图表：点图、柱图

图表类型和使用场景

图表的数据要素

abela’s folly