大家对可视化的使用认知或许来源于下面这张图。虽然结构很清晰，但它更多针对Excel的图表，不够丰富。本文会结合数据分析师的使用场景展示更多的可视化案例。

展示需要相比传统的用表格或文档展现数据的方式，可视化能将数据以更加直观的方式展现出来，使数据更加客观、更具说服力。在各类报表和说明性文件中，用直观的图表展现数据，显得简洁、可靠。在可视化图表工具的表现形式方面，图表类型表现的更加多样化，丰富化。除了传统的饼图、柱状图、折线图等常见图形，还有气泡图、面积图、省份地图、词云、瀑布图、漏斗图等酷炫图表，甚至还有GIS地图。这些种类繁多的图形能满足不同的展示和分析需求。

指标卡：直观展示具体数据和同环比情况；

计量图：直观显示数据完成的进度；

折线图：看数据的变动走势；

柱状图：直观展示对应的数据、可以对比多维度的数值；

双轴图：柱状图+折线图，这种图表大家都很经常用到；

饼图/环图：分析数据所占比例；

漏斗图：路径、数据转化情况；

词云：即标签云，展示词频分布；

矩形树图：分析不同维度数据的占比分布情

怎么样看到这里上面这些表，心里默数看看能做几个，一半以上不会的要学习了。

百度竞价员在日常工作中，会用到很多数据，尤其是在向领导汇报、总结账户情况的时候，需要用到许多不同的数据报表，很多竞价新手可能对此还不够清楚，本文罗列出常用汇报用数据报表及其来源工具。

数据报告

1.每日竞价日常数据报表

2.每日竞价搜索词及对话词登记-------<商务通.CSV>

3.每日IIS日志和CSV竞价记录--------

4.每日本地访客比例统计--------

5.每日商务通有效对话的备注（搜索词.竞价后缀.客人类别）--------<商务通.SDT.IIS>

6.竞价每日时段消费数据--------<百度统计>

7.竞价星期消费数据--------<百度后台数据报告>

8.每周各计划关键词咨询成本消费数据--------<百度竞价后台.商务通>

9.每周每月账户计划咨询成本消费数据--------<百度竞价后台.商务通>

10.每周每月单元计划咨询成本消费数据--------<百度竞价后台.商务通>

11.每月正常.异常竞价数据总结报告--------<百度竞价后台>

12.每月消费前100.前200.前500关键词报告--------<百度推广助手>

13.统计每周每月商务通访客来源及有效对话来源渠道数量--------<商务通>

14.每周每月移动设备竞价咨询成本--------<百度竞价后台>

15.每周每月高展现.高点击.高消费.点击均价报告--------<百度竞价后台>

16.每月每周关键词访问URL数据报告--------<商务通>

17.每周每月商务通对话时间段数据--------<商务通>

18.每周每月本地对话时间段数据--------<商务通>

19.每周每月各病种咨询对话数量--------<商务通>

20.每周每月各关键词咨询未转化比例数据--------<商务通>

上文是百度竞价员在日常工作中可能会用到的数据报表，并不是说这就是最全的，或者说是每个都会用到。大家可以在工作中选择自己的需要选择提交不同的报表。

文章转载自：http://fingerwom/post/991.html

信息化时代，日常的生产生活都会产生不同量级的数据，但这些蕴含重要意义的数据大多是纷繁复杂的。可视化作为解决此问题的重要手段，以直观、多维的结构关系呈现，通过视觉的方式让数字易于理解，并对其进行更深入的观察和分析。图表，是可视化的基本表现形式。常见的基础图表主要有以下几种类型：

柱状图：显示一段时间内的数据变化或显示各项之间的比较情况，主要使用颜色进行类型区分。

优点：直观展示各组数据差异性，强调个体与个体之间的比较。

缺点：不适合大量的数据集数据。

适用场景：数据集较小的一个维度数据的比较，或者数据单纯展示及排序数据展示。

折线图：折线图常常被用来观察某一维度的数据在一段时间内的规律和趋势。

优点： 直观反映数据变化趋势。

缺点：数据集太小时显示不直观。

适用场景：需要反映变化趋势和关联性的时间序列类数据及关联类数据。

饼图：饼图可展示多组数据，表现各组数据占总比情况。

优点： 直观显示各项占总体的占比，分布情况，强调整体与个体间的比较。

缺点：数据不精细，不适合分类较多的情况。

适用场景：一个维度各项指标（一般不超过5个项目）在总体中的占比及分布情况。

散点图：散点图极少出现在报表中，但它在数据分析中经常被用到。散点图通过坐标轴，表示两个变量之间的关系。绘制散点图的关键是大量数据点的分布，数据体量越大，散点图的分析结果越准确。

优点： 直观反映数据集中情况，对离散数据线性回归等曲线预测性的拟合辅助作用，展现两个变量之间的关系。

缺点：只有在数据量足够大时，散点图发挥作用。

适用场景：用于两个维度的数据比较，多在对离散数据进行预测时使用。

气泡图：在散点图的基础上以每个点不同的面积来标注数据值，气泡图赋予散点图比较数值大小的功能。

雷达图：可以在同一坐标系内展示多指标的分析比较情况。它是由一组坐标和多个同心圆组成的图表。雷达图分析法是综合评价中常用的一种方法，尤其适用于对多属性体系结构描述的对象作全局性以及整体性评价。

特点：适用于多维数据，且每个维度的数据是有序的。

适用场景：雷达图适用于四个或四个以上维度的多维数据，但数据维度最多不超过六个，数据点过多，各维度之间的区分就不太明显，辨别起来会有一定难度。劣势：解读雷达图需要一定的相关知识，增加了解读成本。使用过程中应尽量加上说明，以减轻解读负担。

堆积玫瑰图

优点：可在一个图表中集中反映多个维度方面的百分比构成数据，幅面小，信息量大，形式新颖，吸引注意力，够高级，够给力：）

缺点：非常见图表形式，多数人不易看懂。图形存在误导因素，同样的半径长度，越往外面积越大，但实际是以长度代表数值。

适用场合：多适用于商业杂志、财经报刊等媒体展示的信息图表，但在传统工作场合需谨慎使用，因为堆积玫瑰图因为其具备的一定复杂性，可能产生用力过猛和炫技之嫌。

地理图：地理图适用于一切和空间属性有关的数据分析。地理图一定需要用到坐标维度，可以是经纬度、也可以是地域名称。坐标粒度能细到具体的某条街道，也能宽到世界各国范围。

漏斗图：用于表示数据转化类关系，适用于业务流程规范、周期长、环节多的流程分析。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。

词云：词云主要显示词频，可用来做用户画像。

优势：图表外观酷炫、表现直观。劣势：使用场景过于单一。

此外，常见的可视化图表还有面积图、关系图、瀑布图、热力图、矩形数图等等。在这些可视化图表当中，有不少都可以通过Excel制作完成，但今天的数据可视化其作用除了基础的数据展示与分析，与此同时，我们对于可视化的效果呈现也提出了更高的要求。万博思图通过长期的可视化定制项目经验，积累了大量精美的可视化基础图表、3D图表以及满足不同展示需求的特殊图表。数据体量越来越庞大、意义越来越重要，因此，也只有应用场景更广泛、呈现效果更美观的可视化图表方可匹配数据价值。

如果你作为一名SEMer，每天80%的工作时间是打开后台，监控核心关键词的排名，每天去调整价格，调整移动比例，否定一些垃圾流量的话，那么我会觉得，你与一名优秀的SEMer人员之间，还有很大的提升空间。

因为一名优秀的SEMer，每天应该有80%的工作时间在做数据分析，20%的工作时间是最后将数据分析出的结果进行后台操作。有人问过我，你认为SEM推广的核心是什么？我以多年的经验总结出两个因素：“行业市场分析”与“数据分析”。

数据分析基于推广数据的筛选与总结。数据报表也分为两种：一种是 后台数据报表（账户报告、关键词报告、地域数据报告、搜索词数据报告等等），这些报表可以后台直接下载筛选使用；

还有一种是 基于第三方统计平台与代码标记的数据报表（关键词跟踪报表、url转化报表、各平台流量占比数据报表等等）。接下来我就给大家分享一下如何筛选适合自己推广数据报表以及如何筛选数据有价值信息。

一、账户报告

数据分析重要程度：★★★★

阐述：账户报告是推广数据分析最基本数据报告，账户报告可以清楚显示出账户推广的展现量、点击量、消费量、点击率、平均点击价格。做日报表或周报表可以做出环比数据值，可以清楚分析整体账户推广情况。

要根据自己账户推广设定限值，当环比数据达到限值得时候，就要重点关注分析。即使环比数据是正向发展，也可以分析出来原因，这样也可以明确效果提升的原因。

例如：推广账户数据环比展现量限值5%，既展现量环比增长5%还是降低5%都要明确分析，如发现今天账户推广数据环比昨天降低7%，既触发限值，结合实际调整操作可分析得知，昨天核心词有调整匹配方式，有4%的长尾关键词昨日没有置左展现，所以根据数据可以清楚知道账户环比降低原因。

根据原因作出相应正向调整即可。而且账户报告，每天的PC与移动的消费占比也一定重视，账户的效果波动可能也多数与PC与移动消费占比有关。

二、搜索词报告

数据分析重要程度：★★★★★

阐述：搜索词报告是作为数据分析与sem优化最为重要的数据报告之一。推广流量精准度与否都可以利用这个搜索词报告一目了然。

但是搜索词报告大部分人都是基于后台搜索词报告直接进行否词操作，而且有很多人都是看见一个不相关的搜索词马上否定掉。最后会发现我们计划否词数或者单元否词数不够用了。

其实 对于搜索词报告我们一般都是将每天搜索词报告做一份excel透视报表，可以透视清楚哪些搜索词垃圾流量触发点击数最多的，超过2次以上点击垃圾流量进行否定处理。触发一次搜索垃圾流量一周集中累计再集中做出透视数据分析，最后看出那些单次点击一周内累计垃圾流量多次触发的搜索词再进行否定关键词。

搜索词报告另外一个数据作用，将有检索搜索词有效添加到投放关键词中。这个也是拓展有效关键词最有效的数据支持。

三、关键词报告

数据分析重要程度：★★★★★

阐述：关键词是sem推广投放核心，关键词数据报告也是所有关键词报告数据分析的最重要的参考数据。但是关键词报告一定是要结合其他数据报告一起分析，才能筛选出我们有效的数据，下面就给大家分析几种比较实用的数据报告结合分析组合。

1）关键词报告与搜索词报告：根据搜索词报告可以 拓展有检索关键词；其次搜索词报告匹配出垃圾流量，不一定要做否定关键词，有部分单次点击垃圾搜索词可以结合关键词报告数据，对于关键词进行匹配方式调整。

2）关键词报告与咨询转化报表：每天结合咨询平台中有效咨询所触发的关键词报表与搜索词报表进行 核算每个关键词转化成本，这样我们可以集中投放高转化关键词，控制高消费低转化关键词消费。

3）关键词报告与账户报告：关键词报告与账户报告关系是包含于关系。即账户数据异常要排查到关键词报表中关键词，所以 账户报告要与关键词报告对应查看与分析。

四、地域报告数据

数据分析重要程度：★★★

阐述：地域数据报表主要作用是明确各地域消费占比与各个地域推广数据。如果对于此数据调整，可以结合后端转化数据进行调整。

调整各个地域消费占比依据：

1、根据后端转化效果进行地域消费占比调整；

2、根据业务地域需求度，进行地域消费占比调整。

五、url跟踪转化代码数据

数据分析重要程度：★★★★★

阐述：url跟踪转化代码数据是定制型数据报表，适用于多平台推广及转化统计。

这类代码与url部署后数据优点：

1、各个平台转化有区分；

2、url部署有利于监控着落页表现；

3、关键词转化id可以直接统计转化词。

4、如果推广有项目区分，可以另行标记区分。

这样统计出来数据可以区分：

1、关键词转化监控

2、地域转化监控

3、项目转化监控

4、平台推广转化

最后，想说跟大家分享了这些比较常用数据报表与数据的分析方式，只是比较 有代表性与实用性的数据报表。SEM 数据分析还有很多需要大家深入研究与专研的。我个人也给予大家几点 SEM 数据分析注意事项：

1、所有数据报表要坚持多维度相结合进行分析处理；

2、数据分析一定要作为日常优化流程，不要账户出现问题才进行数据分析排查问题，日数据异常要积极分析与调整，才能让账户推广效果稳定；

3、数据筛选是数据分析的基础，大量的数据要筛选出有效的价值，依据有大量数据的分类、筛选、过滤等环节进行数据提炼，这个最好要有良好的Excel技能支撑才会高效的进行。

数据分析是我们SEM推广调整的支撑，如果你是一名好的数据分析师，那么还会玩转不了SEM推广吗？

|来源：艾奇学院

百家号-【袁帅数据分析运营】：袁帅，互联网数据分析运营实践者，会点网事业合伙人，运营负责人。CEAC国家信息化计算机教育认证：网络营销师，SEM搜索引擎营销师，SEO工程师。数据分析师，永洪数据科学研究院MVP。中国电子商务协会认证：中国电子商务职业经理人，畅销书《互联网销售宝典》联合出品人之一。中国国际贸易促进委员会:今日会展会员联盟VIP个人会员，全经联园区委秘书处成员，中国低碳智慧园区联盟理事，周五咖啡媒体人俱乐部发起合伙人。百度VIP认证站长，百度文库认证作者，百度经验签约作者，百家号/一点资讯/大鱼号/搜狐号/头条号/知乎专栏/艾瑞专栏等媒体平台入驻作者，互联网数据官（iCDO）原创作者，互联网营销官CMO原创作者。

在 Excel 数据透视表中，可以按照某个指定字段自动生成分页报表，例如按照月份或分类生成分页报表，从而便于查看或分析某个月或某分类的数据。自动生成分页报表由筛选器和显示报表筛选页共同实现，如果某个功能不可用将无法完成，经常会遇到就是显示报表筛选页呈灰色不可用。以上是生成分页报表的情况，另外，生成分页报表后，还可以添加上下页导航。以下就是它们的具体操作方法，实例中操作所用版本均为 Excel 2016。

一、Excel数据透视表显示报表筛选页呈灰色的原因

1、插入数据透视表后，勾选几个字段，选中其中一个单元格（如 A4），选择“分析”选项卡，单击屏幕左上角的“选项”，在弹出的菜单中，“显示报表筛选页”呈灰色，如图1所示：

2、把其中一个字段，例如“月份”拖到“筛选器”，再次单击“选项”，在弹出的菜单中，“显示报表筛选页”可用，如图2所示：

3、由此可知，只有当“筛选器”中有字段时，“显示报表筛选页”才能用，因为它本来就是用于按指定字段筛选并分页的。

提示：在 Excel 2007 中，“显示报表筛选页”在“选项”选项卡的“数据透视表”中；而在 Excel 2016 中，“显示报表筛选页”在“分析”选项下的“数据透视表”中。

二、Excel数据透视表自动生成分页报表

（一）按月份自动生成分页报表

1、假如要生成每个月的服装销量报表。把“月份”字段拖到“筛选器”（鼠标移到“月份”字段上，按住左键，移到“筛选器”下的列表框，出现一条绿线时放开左键）；选择“分析”选项卡，单击“数据透视表”，再单击“选项”，在弹出的菜单中选择“显示报表筛选页”，打开“显示报表筛选页”窗口，单击“确定”，则自动生成每月的分页报表，每个月的显示字段都一样，操作过程步骤，如图3所示：

2、提示：当 Excel 窗口全屏显示时，“选项”在“数据透视表”上面；当 Excel 窗口缩小时，“选项”在“数据透视表”中。

（二）按分类自动生成分页报表

1、假如要把服装销量表按“小类”自动生成分页报表。把“小类”拖到“筛选器”，如图4所示：

2、同样单击“分析”选项卡下“数据透视表”上的“选项”，在弹出的菜单中选择“显示报表筛选页”，如图5所示：

3、在打开的“显示报表筛选页”窗口，直接单击“确定”，则按“小类”自动生成分页报表，“小类”共有四个，因此生成四个工作表，即“T恤、衬衫、裙子和雪纺”，如图6所示：

三、Excel一性删除所有分页报表

1、选择一个要删除的报表（如“T恤”），按住 Alt 键，单击其它要删除的报表，即“衬衫、裙子和雪纺”，右键它们，在弹出的菜单中选择“删除”，再在弹出的窗口中选择“删除”，则所有选中报表被删除，操作过程步骤，如图7所示：

2、如果要删除的报表连在一起，选择第一个报表后，按住 Shift 键，单击最后一个报表就可选中所有要删除的报表。

提示：无论是自动生成分页报表还是删除分页报表都不能撤消，所以操作前一定要注意，确保操作无误，以免发生错误而带麻烦。

四、Excel给分页报表添加上一页、下一页导航

1、选中用于放导航文字的单元格，例如 E11，按 Ctrl + K 组合键，打开“插入超链接”窗口；选择左边的“本文档中的位置”，在右边选择要导航到的页，即选择“单元格引用”下的“衬衫”；单击“确定”，则插入导航到“衬衫”分页报表的链接；把文字改为“下一页”，单击 E12 退出 E11 的输入状态；再次选中 E11，单击“字号”下拉列表框，选择 12；单击“下划线”图标把下划线去掉，单击水平“居中”图标使文字居中对齐，再单击“加粗”图标把文字加粗；单击“下一页”，则导航到“衬衫”分页报表；操作过程步骤，如图8所示：

2、在第二个分页报表“衬衫”，既要添加“上一页”，又要添加“下一页”，方法也是一样的。添加“上一页”时，在“插入超链接”窗口中，选择“T恤”分页报表；添加“下一页”时，选择下一个分页报表，即“裙子”分页报表。其它的分页报表以此类推，只是最后一个分页报表只需添加“上一页”。

小编又搞来一批新鲜出炉的可视化，与上一次不同，这次多数是更贴合实际应用的高级图表，都是由我们的开发者开发应用于FineReport的。

本文也是承接上一篇《配上这些可视化，领导再也不会吐槽报表丑了！》“第二弹”。

桑基图——能源、材料成分、金融等数据的可视化分析利器

桑基图是一种能量分流图，常用用于能源、材料成分、金融等数据的可视化分析。在桑基图爱好者社区网站上写着这样一句话：“A Sankey diagram says more than 1000 pie charts”，意思是一张桑基图比一千张饼图描述的东西更丰富。

桑基图的应用很小众，并不广泛。但看似复杂的桑基图其实使用起来非常简单高效，譬如上面的能量流动图，图中延伸的分支的宽度对应数据流量的大小。

桑基图的特点如下：

1.起始流量和结束流量相同，所有主支宽度的总和与所有分出去的分支宽度总和相等，保持能量的平衡；

2.在内部，不同的线条代表了不同的流量分流情况，它的宽度成比例地显示此分支占有的流量；

3.节点不同的宽度代表了特定状态下的流量大小。

桑基图由流量、节点、边构成，适合节点数据集（可选），边数据集。数据权重映射到节点和边的宽度。桑基图需要保持能量守恒，不能在中间过程创造出流量，流失（损耗）的流量应流向表示损耗的节点。

桑基图插件在FineReport大屏中的效果展示：

平行坐标图——对大数据“降维攻击”

平行坐标图是一种用来呈现多变量，或者高纬度数据的可视化技术，用它可以很好的呈现多个变量之间的关系。虽然其中大量的线段最初看起来令人费解，但它们是理解多维数值数据集的一个非常强大的工具。

通常描述平行坐标的方法是讨论高维空间，以及这种技术如何平行地布置坐标轴而不是相互正交。下面是具体的数据表。表中详细描述了从1970到1982年间发布的汽车型号，包括它们的里程数（加仑）、气缸数、马力、重量以及它们被生产的年份等等。

现在想象一下，每一列都映射到上面图像中的垂直轴上。每一个数据值都会沿着直线的某个地方结束，缩放到位于底部的最小值和顶部的最大值之间。然而，纯集合的点不会非常有用，因此属于同一记录（行）的点与行连接，这就产生了平行线的特征混杂。

通过查看这个可视化，我们可以了解很多信息。气缸之所以突出，是因为它只有几个不同的值。气缸的数目只能是一个整数，这里不超过八个，所以所有的行都必须经过一个小的点。这样的数据和分类数据通常不适合平行坐标。但如果是一个或两个，这不是问题。

在每加仑汽油能行驶的英里数MPG和气缸之间，你可以看出，八缸汽车相对于六和四缸的一般有较低的里程。如果跟着线看它们是如何交叉的，可以发现很多交叉线是反向关系的标志，图形显示出这样的规律：越多的气缸，越低的里程。

汽缸和马力之间的相关性更为直接：汽缸越多就意味着更多的马力。当然，这里也有一些交叉线，所以更多的气缸并不总是意味着更多的能量，但总的趋势显然是存在的。在马力和重量之间，情况是相似的：马力越大一般意味着车越重，但当然也有一些价值的分散。还有一个例外，一个高马力八缸汽车是非常轻的。仔细找一找可以发现那个离群值。

最后，重量和年份之间的线交叉很多，这表明多年来汽车变得更轻了。你也可以很容易地看出，年轴只记录了少量不同的数值，类似于气缸。虽然这是一个非常简单的示例，但它显示了大多数数据集中的典型结构。

平行坐标可以做筛选互动。平行坐标系中的主坐标称为“刷”，看下面的图像应该很明显。为了做到这一点，我们来看看所有的轴。在这里，我们在年轴上刷了1980年到1982年的区间。结果是线条的一部分被刷成了黑色，其余部分仍然以灰色为背景。

在FineReport中，我们的开发者大江东通过封装某著名开源图表库，开发了支持基本平行坐标图与地图或散布矩阵的组合图。

平行坐标图插件在FineReport中的效果展示：

马赛克方块图表，“千万不要乱用”！

标准的、非均匀的马赛克图在现实生活中使用较少，多用于统计学领域，常用于SAS的某些模块。均匀的马赛克图在生活中常有应用，比较经典的例子是地铁站与站之间的票价图。

标准的马赛克图关注的数据维度非常多，一般的用户很难直观的理解。一般情况下，推荐使用均匀的马赛克图，对于非均匀的马赛克图，多数情况下可以拆解成多个不同的图表。

坐标轴均匀的马赛克图也是统计学领域标准的马赛克图，一个均匀的马赛克图包含以下构成元素：均匀的分类坐标轴、颜色均有含义的矩形块和图例。

从数据上看，均匀的马赛克图和热力图在连续数据上的含义非常相似，可以近似的理解相应的使用场景。但热力图表示第三维度的颜色是线性变化的，马赛克图表示第三维度的颜色是分类的。标准热力图要经过平滑算法，没有明显的边界，而马赛克图拥有清晰的边界。

Martin Theus在他的数据分析文章《理解基于区域的图表：马赛克图》中开宗明义的写道：马赛克图是分类数据显示的瑞士军刀。而条形图则停留在单变量的极限中，马赛克图及其变体充分展示了对多元分类数据的强大可视化能力。

关系图——支持力引导布局、笛卡尔坐标系、日历图

关系类的图表通常用可视化的方法显示数据之间相互关系，使用图形的嵌套和位置表示数据之间的关系，通常用于表示数据之间的前后顺序、父子关系以及相关性。

常见的桑基图、韦恩图都算作是关系图的一种表现形式。

我们的开发者smile通过整合国内著名的商用开源图表库，使得在“环形布局“之外，关系图插件支持了多种关系类的布局，例如关系数据与笛卡尔坐标系相结合，关系数据的力引导布局，以及与日历图相结合的关系数据，并且支持不同的交互动画和特效。

地图圈选——用鼠标画个圈圈就能看到对应的数据图表

地图圈选是一个特效，形象解释，就是用鼠标画个圈圈就能看到对应的数据图表。插件开发者行舟通过封装国内著名的商用图表库，为FineReport开发了普通的散点标记地图和条形图的结合图。

首先我们只需要按照传统的标记地图，为特殊选择地图配置点的名称、数值和位置数据。插件已经内置有中国主要城市的坐标，所以添加城市标记的时候，不需要单独定义坐标经纬度位置。

样式面板中支持引用fr内置的json地图数据，分为世界地图、中国地图和各省地图，方便各种场景下的使用。

重点来了哈，预览的时候，可以点击右上角的十字选择、自由选择、保持选择、清除等按钮，在地图区域标记显示。

最后

以上的可视化插件都是由帆软开发者团队成员开发，都源自自行开发或者一部分开源库，作为插件应用于FineReport的可视化图表和动效中。而FineReport是商用的数据报表工具，相关介绍：

你用过Excel，却不知还有一款神器“FineReport”这款效率远超Excel的表格工具，没用过就可惜了！

如果你是我们客户，有需求，想要定制FineReport插件；或者是感兴趣的个人开发者，想业余接项目，都可以参与到帆软的开发生态中来。

20世纪30年代，宝 洁诞生了第一位产品经理，全权负责一款肥皂的生产、销售以及全流程的成功。

80多年后，随着互联网的蓬勃发展，出现了越来越多的产品以及和产品相关的各种岗位。；围绕产品的思维与工作方式被越来越多的人所认可，产品成功的思维模型被搬上了课堂。

数据报表，作为一个链接IT部门和业务的中间件，承担着信息沟通的作用：数据展示业务信息，为业务决策提供依据；业务产生数据，最终以数据报表的方式呈现。

同样，我们也可以用产品工作的方式来复盘一下搭建报表系统的整个流程，并且和产品的上线流程做一个对比。

产品的上线流程

市场分析——>竞争分析用户分析——>需求（场景）分析——>功能设计——>开发——>发布——>运营——>迭代

互联网产品初期，在初次面向市场的时候，产品往往是一个MVP（最小可用单元），通过种子用户的反馈，分析使用数据，验证产品的可用性，快速迭代，逐渐修正与完善。

报表系统的上线流程

同行业报表项目参考（行业咨询）——>业务部门需求采集分析——>报表设计——>上线——>end

绝大多数的企业在报表上线之后，都忽视了一个关键动作——运营，以致于IT部门陷入了一个怪圈，疲于应付业务人员的需求，天天加班工作却得不到认可。实际上，系统上线不等于终点，被大量使用与认可才是成功的第一步！

产品如何做运营

1、冷启动

冷启动是什么？冷启动是一个产品刚诞生的一个阶段，此阶段的产品面临着以下问题：

缺少用户及相关资源。产品模式未成熟，能否满足用户，迎合市场趋势仍是未知数

因此，在此阶段的主要目标的作用有：

根据数据分析，验证产品是否满足用户需求验证是否能符合市场趋势验证商业模式是否成立

互联网产品怎么做？

种子用户，聚拢一批符合产品目标人群的用户，获取真实的使用数据MVP（最小可用单元）验证，判断产品是否满足了目标用户的最小可用需求存失分析，依据用户的真实使用数据，分析留存的原因（建立产品优势），放弃部分的流失用户，修正产品的定位。

2、高增长

高增长是指在产品通过市场验证，处于快速发展的阶段，通过运营实现产品用户与价值的持续增长

互联网产品怎么做？

持续推广与曝光精细化运营，针对人群、场景、流程做差异化细分运营的运营策略，提升运营动作的效率最大化基于用户数据分析的产品不断迭代优化

报表系统如何运营

帆软的一家互联网行业客户告诉我们，为了让报表系统被业务部门认可，IT部门在上线报表系统的初期以及推广期主要做了4件事：

1、冷启动阶段

a.寻找种子用户

优先挑选了营运部门的管理层作为种子用户，依据需求为其定制了PC、移动端两张营运报表，报表上线后不断关注其访问量趋势，发现移动端模板的活跃度更高，并且用户对模板的评价非常好，随着口碑的传播，分公司的营运部门也提出了类似的需求，IT部门开始重新考量整个营运部门的需求，为其系统化的搭建报表应用

b.简单的用户数据分析

这个阶段的用户数量和模板数量都还处于一个比较小的数量级，只需要通过用户的访问数据，验证报表是否满足种子用户的需求

2、高增长阶段

a.从三个维度和两类应用场景分析用户的使用数据，关注性能与用户体验，促使报表系统不断优化

三个维度：

1、报表系统的整体访问趋势

——把控报表系统的整体运营状态，研究用户的访问习惯，合理分配资源

2、每一位业务人员的访问趋势

——充分掌握哪些业务人员的数据诉求更为强烈，那他们的数据需求被响应的优先级将会更高；那些一个劲提需求，却没有访问量的部门，我们需要重新核算成本，降低他们的需

求优先级

3、每一张报表的访问趋势与性能体验

——每一张报表都是一个产品，同样也有完整的生命周期，不被需求的报表要及时的淘汰，降低运维成本；访问量火热的报表要纳入优化迭代，提升用户访问感知，深挖需求，扩充业务场景

两类应用场景：

数据大屏/移动端报表

——什么样的数据分析场景更加在哪类终端上访问量更高？我们是否需要为其专门打造一张移动端的模板，更美观的样式，更人性化的交互效果？

b.主动推送与推广

——内容推广

伴随着报表系统的不断迭代，每一次为业务人员扩充的应用场景需要通过渠道来推广与宣传，促进用户的使用率，这个渠道可以是企业内部的宣发平台，也可以通过C端市场中的新媒体渠道（微信公众号等）

——报表推送

业务人员常用的报表可以通过帆软提供的推送功能直接触达最终用户，培养其对报表的使用粘性

帆软能提供哪些帮助

1、固化的用户行为数据分析

FS平台为用户提供了常用的运营数据统计功能

访问量数据：包含平台访问次数、模板访问次数、用户数等内容模板热度：不同模板在周期时间内的访问总数用户行为：不同用户在周期时间内的访问总数，并且区分统计出查询、导出、打印等不同的用户行为性能监控：不同模板的平均响应时间、平均内存等内容

注：模板热度、用户行为、性能监控数据统计需要安装“高级系统监控”插件

借助于常用的运营数据统计，我们可以对报表系统做一个整体的评估，对整体的访问量、模板热度、模板性能做到心中有数

2、深入的用户行为数据分析

作为数据分析的先锋，只要有数据源，没有IT做不了的运营数据分析。FR会将用户的访问数据存储至logdb数据库当中，可以直接通过设计器链接数据库定制运营所需分析模板

我们需要关注logdb数据库中的两张表与一个字段

表：PUBLIC.FR_EXERECORD

该数据表是报表正确执行日志表，即如果报表执行成功，将会在该表中添加一条记录，并在相应字段中填写其对应的信息记录

表：PUBLIC.FR_FSRECORD

该数据表是为了统计一段时间内，系统的使用情况，用于管理员查看在线用户数及用户系统使用情况，因此用户登录决策系统时，将登录信息保存入库，将会在该表中添加一条记录，并在相应字段中填写其对应的信息记录

字段：BROWZER

该字段记录了客户端访问报表所用的浏览器版本以及移动端信息terminal：包含终端类型、app还是h5等信息。例如：“terminal”：{"OS"："app"，"type"："mobile"}

借助于以上内容，我们就可以定制出自己所需的数据分析报表，重新把控报表系统的运营情况，为后续的迭代提供指引

3、主动推送与推广

帆软为每一种报表使用方式与场景都提供了消息推送的服务，包括了：平台消息推送、微信/钉钉消息推送、APP推送、邮件推送等

日常一提数据分析和可视化，就想到这个工具操作要多简单易用，图表要多美多炫，然而总是忽略背后的数据支撑。

excel 几十万行数据就卡死崩，谈何数据透视表、可视化？近千万行的数据，订单提交数据库，sql sever处理要5分多钟，如果频繁入库/取数的话.....

要知道，为了支撑起业务人员的数据分析，以及日常不考虑计算逻辑和技术难度，IT人员也是要花费很大的心血和精力啊（心疼运维人员n秒）。

随着公司业务的发展，数据量变大是必然的事实。那么，数据部门要做分析，业务部门要看报表，要跑数据，要用BI，大数据量（千万级及以上）的分析，性能该如何优化？

这里借某公司的真实案例，来阐述一下方案。

----------------------------------

作为公司的科技部门人员，经常听到业务部门对自己使用的数据库各种吐槽：

竟然存放在mongoDB中啊，震惊(ΩДΩ)。

数据库慢慢熟悉了还好啊，但是现在每天的数据量越来越大，而且还在增加啊，增加大家很开心，然而数据库并不开心啊，简单的查询统计10多分钟还出不来结果，更不用说有稍微复杂点的统计分析了。

我天天找DBA优化啊，然而并没有什么水花。

数据量还在不断增长，到现在都上亿啦，全量查询统计根本出不来结果啊。

... ...

最终业务人员找到科技部门提需求要弄个BI系统给处理下。

对mongodb瞄了一大通，这就是个业务库。那直接对接mongodb自然不行，速度慢不说，mongodb挂了，分析系统也瘫了。自然就想到了使用中间库，emm mysql oracle 倒是有，可以跑调度抽过来，但是速度依旧不快呢，还要花功夫优化，性价比不高。公司有自己的hadoop平台，将数据抽过来再对接倒是可以，但是要花很大精力跑调度，而且这个数据库不能随意给这个业务部门提供，万一玩挂了可就得不偿失。假设有个具备离线数据存储功能的BI工具，岂不美哉。

于是将市面上有离线数据存储功能的BI工具翻了个遍。期望找到个性能好，可以支持大数据量数据分析的BI工具。

Tableau的hyper功能看起来OK，经不起实际使用，数据量过了亿，等了好久数据抽不好，pass；

其他某BI工具有mpp离线存储，看起来很棒，还能横向扩展，不错。抱有最大期望的用，结果数据量一上亿，直接崩了，崩了，pass；

另一个BI工具去看了看，咦，数据是放在vertica里面的......

后来，找到了FineBI的分布式计算引擎方案，拿的『定制的 Alluxio』作为分布式内存存储框架，内存存储有数据安全性的担心，所以持久化层存储用了HDFS。为了数据分析嘛，自然是列式存储的。计算核心则以熟知的Spark，加上自研算法来处理的。使用熟知的zookeeper整合框架，并用于调度通信。

分布式嘛，横向扩展自然不在话下。而列式存储、并行内存计算、计算本地化加上高性能算法，在FineBI中数据展示速度超快。有意思的是其计算本地化的操作，能减少不必要的shuffle，节省数据传输的消耗，提升数据计算速度。

以下记录利用FineBI4.1工具的系统建设过程。

一、需求分析

针对以上的需求，可以预估到，18年内，常用分析预计最大数据量会达到4.7kw，不常用分析会达到3亿到4亿（包含淡季），数据总的体量最多会达到100G。后面的情况难以预估，就需要系统可横向扩展节点。

二、方案描述

1.系统架构

根据官方推荐，将FineBI的web应用端与数据存储的分布式引擎放在一个机器上（处于安全考虑，也可以分开。这里不涉及太多部门使用，放一起即可），架构如下所示。

架构图难以理解的话，可以看看灵魂画手的杰作~

结合分布式引擎说明的技术原理，将各个机器再细分化各个组件的作用。

以上，将系统架构规划完成，即可具体完成系统。

2.完成从MongoDB取数

在使用BI工具对接MongoDB的时候，使用MongoDB的BI连接器。

感兴趣可以看：MongoDB Download Center

方案原理：mongodb是非结构的数据库，而要想BI来连接，通过建模的方式取表，拆表，建模来分析。通过MONGODB CONNECTOR FOR BI连接器的方式，使用mysql的JDBC驱动来获取数据。

实现过程：

第一步：安装MONGODB CONNECTOR FOR BI

从官网选择版本：MongoDB Download Center

第二步：生成DRDL文件

mongodrdl是生成该文件的主命令。通过添加monogdb的相关参数来获取其中的表生成drdl文件。从官方文档上我们可以找到生成DRDL文件命令的范式：

1 mongodrdl --host myhost.example:27017 \2 --username dbUser \3 --password myPassword \4 --db reports \5 --authenticationDatabase admin \6 --out schema.drdl

范式说明：

--host 是mongodb的ip+端口号，通常可为127.0.0.1:27017--username 是mongodb的用户，需具备相关的数据权限--password 是username的密码--db 是要生成DRDL的数据库实例名--authenticationDatabase 是指定创建用户的数据库。即username创建时被指定到的数据库名。--out 是DRDL输出文件定义。值使用.drdl的文件即可。

第三步：启动连接器，连接上monogdb

启动连接器的主命令服务是mongosqld，由于mongodb开启用户认证了（auth=true）。从官方文档上可知，连接器的启动需要使用-auth参数，再使用auth参数的情况下，mysql驱动来取数就需要SSLl加密认证。

所以第一步需要配置mongosqld的SSL认证；才能启动连接器来取数！！！！！！！！！！这一步神坑，也是踩了多少坑，才找到的解决办法。

此处认证关系是FineBi端的mysql连接与mongosqld的连接之间的SSL认证。在认证时，只需要配置单向SSL的认证即可（mongosqld认证FineBI的连接）。

（1）生成SSL认证文件

SSL认证文件通常采用openSSL来生成，先看看是否安装了openSSL；执行命令：

rpm -qa|grep -i openssl

如安装了会返回信息，未安装需要自行安装OpenSSL。

采用以下命令来生成证书：（由于是测试，就直接自己生成证书，密钥）

openssl req -newkey rsa:2048 -new -x509 -days 365 -nodes -out mongodb-cert.crt -keyout mongodb-cert.key

命令返回会让填写一些值，在后面填写即可。

一般情况下，文件会生成到你所使用的linux用户的要根目录下：比如我用的root用户，就到/root下面查找。

再使用以下命令，将key合到.pem的文件里。

cat mongodb-cert.key mongodb-cert.crt >mongodb.pem

将该文件移动/etc/ssl下面用于验证使用：

mv mongodb.pem /etc/ssl

（2）启动连接器&SSL

再来看官方文档，从所有的参数命令里面，找一找需要的参数；得出以下的范式，在bin目录下启动即可。

mongosqld --auth --sslMode --sslPEMKeyFile --sslAllowInvalidCertificates --defaultAuthSource --mongo-uri --mongo-username --mongo-password --mongo-authenticationSource --schema

说明：

--auth 是开启用户认证的参数，默认值是true--sslMode是开启SSL的标识，如开启可以选择值为“requireSSL”--sslPEMKeyFile是SSL认证文件，一般为.pem结尾的文件；单向认证的时候。--sslAllowInvalidCertificates--defaultAuthSource是mongosqld使用username指向mongodb的有权限的库，默认值是admin--mongo-uri是mongodb的host，一般为ip+端口号--mongo-usrname是drdl生成的用户名--mongo-password是drdl生成的密码--mongo-authenticationSource指定用户的创建库--schema是要连接的drdl文件。

注：一般还是要用nohup 的命令来生成，保证shell断掉，连接器依然可用。

第四步：启动FineBI连接到连接器上

启动FineBI，打开FineBI>数据配置>数据连接：添加数据连接选择mysql，配置如下：

连接名：mongodbURL：jdbc：mysql：//127.0.0.1:3307/test?ssl-key=/etc/ssl/mongodb.pem用户名：密码：注：URL：jdbc：mysql://ip+3307/dbname?ssl-key=xx.pem，后面ssl-key是ssl参数

点击测试连接即可。

过程坑点：mongodb的BI连接器神坑，官网文档不多，踩过了几脚坑。

（1）mongosqld按ssl认证开启成功，打印也不错，但是BI连接的时候，还是抛错1043 SQLSTATE: 08S01 (ER_HANDSHAKE_ERROR):this server only allows SSL xxxxx该抛错是mysql抛出来的，握手不良的错误。按道理SSL已经开启了，不应该是这样。后来查了mysql的文档，mysql5.5以上的版本才支持SSL；更换新的driver驱动，使用的是5.1.44完全没问题的。

（2）BI连接的时候抛错 handshake error: ERROR 1043 (08S01): error performing authentication: unable to authenticate conversation 0: unable to authenticate using mechanism "SCRAM-SHA-1": (AuthenticationFailed) Authentication failed.

该抛错的意思，使用“SCRAM-SHA-1”的认证方式，没有认证成功。SCRAM-SHA-1是指用户名密码的方式，这里看是不是用户名/密码错误，注意mongosqld启动时的使用的用户名/密码

（3）一定要开启SSL认证啊！！！

（4）期间有设计器无故死掉的情况，发现是由于内存不足导致。记得空闲内存要足够！！

三.系统效果

1.数据更新

（1） 单个表先全量抽取，之后每天对单表依据时间戳，做增量增加。其中有错误数据做增量删除即可。

（2）有些内部使用的实时性较高的表，设定每2小时更新一次，从上午9点到下午6点。直接从业务库抽取其实是有风险的，当时数据库压力大，抽取比较慢，因此这部分仅作为非重点用户需求场景。

2.数据展示速度

做了一个简单的依据时间的group by，时间在1s之内，翻页速度也很快。

至此，对接mongodb完成，一个用户可以随便玩的系统就好了。即使偶尔mongodb发疯修整，有离线数据在，也不担心业务部门来嚷嚷了。而且速度超快，体验很棒~

最后

如果你也在寻求一个高性能展示分析、数据分析的BI工具的话，不妨尝试下FineBI。

文|小天文章源自：起点学院学习联盟

在小白们眼里，大神们的数据分析报表基本上是这样的……

要么就是像这样的……

而大部分人，差不多是这样的……

啊多么痛的领悟……

怎样才能又快又好地做出一份高颜值的数据报表呢？带着立志要把这样的图表从癞蛤蟆脱胎成白天鹅的坚定和悲壮，这里搜集了5个笔者之前用过，用户评价不错，用起来还顺手的可视化数据平台。

话不多说，直接上正文。如果你也有推荐的平台，欢迎留言分享~

-1-Echarts

没想到这个第一次用就惊艳到我的产品竟然是国产，而且还来自百度，简直堪称良心。先上几张用Echarts制作的效果图。

貌似很多小伙伴喜欢用Echarts制作地图类的可视化效果……毕竟酷炫……

除了这些惊艳的地图，Echarts同样可以运用于散点图、折线图、柱状图等这些常用的图表的制作。

如果你需要展示实时变化的数据，相信Echarts里的动态接口会对你十分有帮助。

Echarts的优点在于，文件体积比较小，打包的方式灵活，可以自由选择你需要的图表和组件。而且图表在移动端有良好的自适应效果，还有专为移动端打造的交互体验。

-2-Highcharts

这个也是很多小伙伴在使用的一个平台。完全不用担心找不到参考的样图，因为已经有很多中国区的用户在上面更新并维护着很多实例，你往往能从这些丰富的例子找到类似的表达样图。

它的图表类型自然也是很丰富啦，线图、柱形图、饼图、散点图、仪表图、雷达图、热力图、混合图等类型的图表都可以制作，也可以制作实时更新的曲线图。

Highcharts对非商用免费，对于个人网站，学校网站和非盈利机构，可以不经过授权直接使用Highcharts系列软件。Highcharts还有一个好处在于，它完全基于HTML5技术，不需要安装任何插件，也不需要配置PHP、Java等运行环境，只需要两个JS文件即可使用。

-3-帆软报表（FineReport）

FineReport的可视化效果虽然没有上面两种那么酷炫，因为定位是报表软件。但是赢在操作相当简易，不会上面那些复杂的代码也没关系。它采用类似于Excel的编辑器，只需要点选拖拽等操作，拖动数据列绑定至对应单元格，简单设置就可以在web端查看数据展示。

目前，它有普通报表、聚合报表和决策报表三类报表设计模式，基本可以满足企业各类日常数据分析的情景需求。

数据的可视化与交互效果也很不错。最牛逼的可以做高大上的动态报表

还有一个比较强大的地方，就是它的数据填报。区别于传统意义上只能做数据展示的报表，FineReport允许用户对数据库的增删改。而且，它填报报表的流程非常简单，只要四步：报表设计、控件添加、设置填报属性和填报录入，这样，填报工作就能轻松搞定啦~

-4-数说立方

数说立方是大数据应用与服务提供商“数说故事”旗下一款面向数据分析师的在线商业智能产品。在数据的可视化呈现方面，操作比较简便，即使是非数据分析的专业人员，也能轻松实现。

同时，它的实时数据可视化引擎也能让使用者可以第一时间获得数据的可视化反馈，直观地了解到数据的变化情况。

-5-PowerBI

PowerBI是微软发布的一款可视化BI工具，类似Excel升级版的大表哥。一改以往excel需要数据透视表，写大量函数的复杂特点，这款工具拖拖拽拽操作起来十分简单。

推荐一些简单的，日常工作能实际应用，或者个人学习数据分析、可视化有必要的工具。

希望大家能真的用起来！

推荐顺序：

能中文版的，尽量不推荐没汉化的，密密麻麻我也头疼；

能“傻瓜式”使用的，尽量不写代码，怕把你们吓跑；

能免费的尽量不付费，破解咱不提倡哈。

本文章提要：

纯可视化图表生成（3个）可视化报表类（1个）商业智能分析（3个）数据地图类（2个）可视化大屏类（3个）数据挖掘编程语言（2个）

纯可视化图表生成类——适合开发，工程师

Echart

一个纯Javascript的数据可视化库，百度的产品，常应用于软件产品开发或网页的统计图表模块。可在Web端高度定制可视化图表，图表种类多，动态可视化效，各类图表各类形式都完全开源免费。能处理大数据量和3D绘图也不逊色，据说结合百度地图的使用很出色。

Echart还是多用于一些开发场景的，但它也衍生了一个0代码的图表生成器—“百度图说”，我体验了下，操作基本上就是选择图标，把数据复制过去，然后生成图表，保存为图或者代码嵌入。

AntV

AntV又是蚂蚁金服出品（阿里系）的一套数据可视化语法，貌似是国内第一个采用The grammar Of Graphics这套理论的可视化库。antv带有一系列的数据处理API，简单数据的数据归类，分析的能力，被很多大公司用作自己BI平台的底层工具。

Highcharts

说道Echarts，都会拿来与Hicharts对比，两者有点像WPS和OFFICE的关系，倒不是说Echarts怎样，日常图表动效Echarts完全够了。

Highcharts同样是可视化库，只不过是国外的，商用的话需要付费。其优势是文档详细, 实例也很很详细，文档中依赖哪些js脚本，css都十分详细，学习和开发都比较省时省力，相应的产品稳定性较强。

可视化报表类——适合报表开发、BI工程师

FineReport

一个报表软件，企业级的应用。用于系统的开发业务报表，数据分析报表。也可集成在OA，ERP，CRM等应用系统内，做数据报表模块，也可以开发成财务分析系统，就看你如何驾驭数据了。

两大核心功能是填报和数据展示，但我觉得比较惊艳的一点是，它内置了大量的图表和可视化动效，可视化很丰富，完全没有印象中做报表那种古板的风格。多以它能做出格式各样的dashboard、甚至是可视化大屏，一点不虚。

我之前工作有段时间拿finereport，感触最深的是开发报表很省力，10张门店报表以往做10张excel的，在他里面就是一个参数查询，然后批量导出，用一个模板。

所以有号称：

工作用小屏，决策用大屏。办公用微软，经营用帆软。

商业智能分析——适合BI工程师、数据分析师

Tableau

几乎是数据分析师人人会提的工具，内置常用的分析图表，和一些数据分析模型，可以快速的探索式数据分析，制作数据分析报告。

因为是商业智能，解决的问题更偏向商业分析，用 Tableau可以快速地做出动态交互图，并且图表和配色也非常拿得出手。

FineBI

自助是BI工具，也是一款成熟的数据分析产品。内置丰富图表，不需要代码调用，可直接拖拽生成。可用于业务数据的快速分析，制作dashboard，也可构建可视化大屏。

有别于Tableau的是，它更倾向于企业应用，从内置的ETL功能以及数据处理方式上看出，侧重业务数据的快速分析以及可视化展现。可与大数据平台，各类多维数据库结合，所以在企业级BI应用上广泛，个人使用免费。

PowerBI

软继Excel之后推出的BI产品，可以和Excel无缝连接使用，创建个性化的数据看板。

数据地图类

很多工具都能实现数据地图，比如上面提到的Echarts、finereport、tableau等。

这里强烈安利的Power Map 2016，可以快速体验一把爽。

还有比较快速的，地图慧

内置的是百度地图，选择模板、上传数据、保存地图很简单的3步。

可视化大屏类

阿里DataV

天猫双十一大屏就用DataV做的，是阿里云的拖拽式可视化工具，主要用于业务数据与地理信息融合的大数据可视化，像一些展览中心，企业管控中心用。

不需要编程，通过简单的拖拽配置就能生成可视化大屏或者仪表盘。

FineReport

上面提过，这个工具它也能做可视化报表，也能做大屏。

因为后端通常连接业务系统数据，所以可以实时连接业务数据，做企业的一些经营数据展示。比如展览中心、BOSS驾驶舱，还有城市交通管控中心、交易大厅等。

数字冰雹

产品技术不了解，也只是有幸在一次活动上见过。

专注于做数据图像、三维处理、数据分析等相关业务，通过图像可视化方式呈现数据分析，在智慧城市、工业监控用的比较多。

就是商业的，不过官网上有很多大屏设计，可以提供灵感。

数据挖掘编程语言——适合技术性数据分析师、数据科学家

典型如R和Python

R-ggplot2

Python