數據分析 | 數據可視化圖表，BI工具構建邏輯

本文源碼：GitHub·點這裏 || GitEE·點這裏

一、數據可視化

1、基礎概念

數據可視化，是關於數據視覺表現形式的科學技術研究。其中，這種數據的視覺表現形式被定義爲，一種以某種概要形式抽取出來的信息，包括相應信息單位的各種屬性和變量。

如果說的實際貼切的話：系統開發中常見的數據報表統計，將數據用圖表或表格的形式呈現出來，幫助運營或者決策人員瞭解這些數據的規律或者價值，就是簡單的可視化應用。

從開發角度來看，把系統中的核心數據，用一定的手段進行統計，在藉助一些精美的圖表樣式，展示出來，或者把一系列圖表組裝成一個數據大屏，格調十足。

但是從運營人員的角度看，更多的是藉助可視化數據分析業務場景，得到有價值的參考數據，爲後續的決策或者開展活動提供指導。所以隨着業務線的不斷髮展，對數據分析的要求越來越高，也就誕生現在比較常見的BI分析工具和BI分析師。

2、數據可視化價值

• 準確高效直觀的傳遞傳遞數據中的規律和信息；
• 實時監控系統各項數據指標，實現數據的自解釋；
• 基於可視化洞察數據規律，指定精準的運營策略；

3、基礎構建原則

簡單的步驟如下：基於業務需求，完成可視化數據處理（收集，規則，定時任務等）。藉助常用的圖表進行組合展示，但是也有一些注意事項如下：

• 可視化的數據要關聯核心的有業務價值的數據；
• 圖表的展現注意簡單，明瞭，圖表的本質就是讓數據更直觀；
• 不要爲了追求系統花哨，可以大批量添加圖表；

二、常用圖表設計

1、常見基礎圖表

柱狀圖

特點：一般展現分組數據，直觀展示各組數據差異，例如常見以每週，每月，或者不同客戶端劃分爲軸的數據。

折線圖

特點：重點展現數據的變化趨勢，常見以時間爲軸，展示時間下的數據趨勢。

餅狀圖

特點：不注重數據明細，強調數據中各項佔總體的百分比，或者分佈情況，注重模塊模塊之間的對比。

漏斗圖

特點：強調數據之間的轉化關係和遞進規律，經典常見就是用戶瀏覽量，點擊量，到訂單支付數量。

組合圖

特點：多種基礎圖表組合，某些特殊業務數據，需要結合兩種圖或者更多種圖表，強調裝載該業務報表的關鍵組合信息。

2、數據大屏

顧名思義，放在大屏幕的報表，一般有多種豐富的業務數據，自然需要多種報表展現形式，比較有立體感和視覺上的衝擊力。

絮叨一句：數據大屏在更多時候所追求的是讓人印象深刻，這纔是最關鍵的，懂的都懂。

三、常用統計方式

1、SQL分析語句

在報表類業務中，經常使用SQL分析語句，常用的幾個方法：

• count：數據求和，求總數，例如多少用戶；
• sum：求和函數，例如總銷量，總成本等；
• group-by：分組統計，分組結果就是軸標識；
• average：平均值計算，例如平均每天銷量；

業務類的報表雖然複雜，但是報表相關的數據接口相對而言簡單，基於一些基礎的統計SQL，生成報表數據。

2、基礎案例

產品和緯度表

CREATE TABLE `vc_product_info` (
  `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主鍵ID',
  `product_sort` varchar(20) DEFAULT '' COMMENT '產品分類',
  `product_name` varchar(50) DEFAULT '' COMMENT '產品名稱',
  `inventory` int(11) DEFAULT '0' COMMENT '庫存剩餘',
  `price` decimal(10,2) DEFAULT '0.00' COMMENT '單價',
  `total_sales` int(11) DEFAULT '0' COMMENT '銷售總量',
  `sales_amount` decimal(10,2) DEFAULT '0.00' COMMENT '銷售總額',
  `create_time` datetime DEFAULT NULL COMMENT '創建時間',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='產品信息表';

CREATE TABLE `vc_product_detail` (
	`id` INT (11) NOT NULL AUTO_INCREMENT COMMENT '主鍵ID',
	`product_id` INT (11) NOT NULL COMMENT '產品ID',
	`place_origin` VARCHAR (50) DEFAULT '' COMMENT '產品產地',
	`weight` DECIMAL (10, 2) DEFAULT '0.00' COMMENT '重量',
	`color` VARCHAR (50) DEFAULT '' COMMENT '顏色',
	`high_praise` INT (11) DEFAULT '0' COMMENT '好評數量',
	`low_praise` INT (11) DEFAULT '0' COMMENT '差評數量',
	`create_time` datetime DEFAULT NULL COMMENT '創建時間',
	PRIMARY KEY (`id`)
) ENGINE = INNODB DEFAULT CHARSET = utf8 COMMENT = '產品維度表';

基礎查詢語句

<mapper namespace="com.visual.chart.mapper.ProductInfoMapper">

    <!-- 商品種類 -->
    <select id="countNum" resultType="java.lang.Integer">
        SELECT COUNT(product_name) FROM vc_product_info
    </select>

    <!-- 銷售總額度 -->
    <select id="sumAll" resultType="java.lang.Double">
        SELECT SUM(sales_amount) FROM vc_product_info
    </select>

    <!-- 分組求和 -->
    <select id="groupSum" resultType="java.util.Map">
        SELECT product_sort,SUM(sales_amount) FROM vc_product_info GROUP BY product_sort
    </select>

    <!-- 平均單價 -->
    <select id="average" resultType="java.lang.Double">
        SELECT AVG(price) FROM vc_product_info
    </select>
</mapper>

四、自定義工具

1、數據集

數據集概念

DataSet是一個數據的集合，通常以列表形式出現。每一列代表一個特定變量。每一行都對應於某一成員的數據集的問題。在統計分析的業務中，通常稱爲大寬表，方便業務分析。

數據集生成

視圖方式

基於視圖的方式，生成一個單表的數據集，方便簡化操作。該方式不提倡，視圖在大部分公司裏是禁止使用的，這裏只是單純演示。

基於上述產品信息表和維度表，通過視圖手段生成數據集，單純爲了簡化業務分析的操作難度，因爲多表聯合簡化成感覺上的單表。

CREATE OR REPLACE 
VIEW data_set_view AS SELECT
	t1.*, t2.place_origin,
	t2.weight,
	t2.color,
	t2.high_praise,
	t2.low_praise
FROM vc_product_info t1
LEFT JOIN vc_product_detail t2 ON t1.id = t2.product_id

任務方式

通過定時任務，獲取要分析的數據結構，不斷注入到分析表中，這是業務開發中最常見的報表數據集生成方式，有的甚至通過定時任務直接統計出報表需要的數據，不適應於大數據場景。

離線或實時計算

通過大數據分析手段，離線計算或者實時計算，獲取業務報表數據，注入OLAP實時分析計算庫，使用大數據分析場景。

2、定製化BI工具

BI工具可以快速對業務數據進行有效的整合，快速準確的提供報表並提出決策依據，幫助企業做出明智的業務經營決策。商業智能的概念最早在1996年提出。當時將商業智能定義爲一類由數據倉庫（或數據集市）、查詢報表、數據分析、數據挖掘、數據備份和恢復等部分組成的、以幫助企業決策爲目的技術及其應用。

基本搭建思路：

• 管理數據源，建立數據表之間關係，維護特定數據集；
• 創建可拖拉拽的報告面板，用來承載單個圖表組合；
• 封裝不同的圖表的處理邏輯，規則展示，關聯數據集字段；
• 封裝圖表樣式，例如大小、顏色、背景、交互等可配置；
• 圖表關聯分析數據集，報告面板組合多個圖表生成報告；

實際的開發過程是非常複雜的，管理各個業務線的數據源，聯合分析，適配各種圖表規範和樣式，都是一個十分漫長的過程。

3、基礎案例

接口入參

承接上述業務場景，這裏參數都需要動態傳入，例如操作的：數據集、圖表、參數歸屬軸、或者業務產品參數等。

@RestController
public class DefineController {

    @Resource
    private DataSetService dataSetService ;
    /**
     * 自定義可視化報告入參
     */
    @GetMapping("/getDefChart")
    public Map<Integer, List<ChartParam>> getDefChart (){
        List<ChartParam> chartParamList = new ArrayList<>() ;
        chartParamList.add(new ChartParam("X",1,"data_set_view","product_sort")) ;
        chartParamList.add(new ChartParam("X",1,"data_set_view","product_name")) ;
        chartParamList.add(new ChartParam("Y",2,"data_set_view","high_praise")) ;
        chartParamList.add(new ChartParam("Y",2,"data_set_view","low_praise")) ;
        chartParamList.add(new ChartParam("Z",3,"data_set_view","inventory",1)) ;
        chartParamList.add(new ChartParam("Z",3,"data_set_view","total_sales",1)) ;
        return dataSetService.analyData(chartParamList);
    }
}

參數解析

根據各種動態參數，解析查詢條件，獲取查詢結果。

@Service
public class DataSetServiceImpl implements DataSetService {

    @Resource
    private DataSetMapper dataSetMapper ;
    // 分析任務劃分
    @Override
    public Map<Integer, List<ChartParam>> analyData(List<ChartParam> chartParamList) {
        Map<Integer, List<ChartParam>> dataMap = chartParamList.stream()
                                                 .collect(Collectors
                                                 .groupingBy(ChartParam::getDataType));
        for (Integer dataType:dataMap.keySet()){
            switch (dataType){
                case 1: // Count 風格數據
                    taskCount(dataMap.get(dataType));
                    break;
                case 2: // Sum 風格數據
                    taskSum(dataMap.get(dataType));
                    break;
                case 3: // Percent 風格數據
                    taskPercent(dataMap.get(dataType));
                    break;
                default:
                    break;
            }
        }
        return dataMap ;
    }
    // Count 數據執行
    private void taskCount (List<ChartParam> chartParamList){
        for (ChartParam chartParam:chartParamList){
            chartParam.setResultNum(dataSetMapper.taskCount(chartParam.getColumnName(),
                                                            chartParam.getTableName()));
        }
    }
    // Sum 數據執行
    private void taskSum (List<ChartParam> chartParamList){
        for (ChartParam chartParam:chartParamList){
            chartParam.setResultNum(dataSetMapper.taskSum(chartParam.getColumnName(),
                                                          chartParam.getTableName()));
        }
    }
    // Percent 數據執行
    private void taskPercent (List<ChartParam> chartParamList){
        for (ChartParam chartParam:chartParamList){
            chartParam.setResultNum(dataSetMapper.taskPercent(chartParam.getColumnName(),
                                                              chartParam.getTableName(),
                                                              chartParam.getProductId()));
        }
    }
}

總結一句：數據可視化工具建設是個漫長過程，不僅僅可以分析自己公司的業務，也可以作爲開放BI工具產生價值。

五、源代碼地址

GitHub·地址
https://github.com/cicadasmile/data-manage-parent
GitEE·地址
https://gitee.com/cicadasmile/data-manage-parent

推薦閱讀：《架構設計系列》，蘿蔔青菜，各有所需

序號	標題
01	架構設計：單服務.集羣.分佈式，基本區別和聯繫
02	架構設計：分佈式業務系統中，全局ID生成策略
03	架構設計：分佈式系統調度，Zookeeper集羣化管理
04	架構設計：接口冪等性原則，防重複提交Token管理
05	架構設計：緩存管理模式，監控和內存回收策略