1. Übersicht
FineBI ist ein Big-Data-Analysetool der neuen Generation, das Geschäftsleuten in Unternehmen dabei hilft, ihre Daten umfassend zu verstehen und optimal zu nutzen. In FineBI können Benutzer problemlos vielfältige Datenvisualisierungsinformationen erstellen und Daten frei analysieren und erkunden. FineBI verfügt über eine Vielzahl von Datenverbindungsfunktionen und kann zum Erstellen verschiedener komplexer Berichte und zum Aufbau von Systemen zur Analyse von Datenentscheidungen verwendet werden. Es wird häufig in der Unternehmensführung, im Produktionsmanagement, in der Finanzbuchhaltung, im Vertriebsbetrieb und in anderen Bereichen eingesetzt.
MatrixOne unterstützt die Anbindung an das Datenvisualisierungstool FineBI. In diesem Artikel erfahren Sie, wie Sie über FineBI eine Verbindung zur eigenständigen Version von MatrixOne herstellen, verschiedene visuelle Datenberichte erstellen und diese zur Datenanalyse und -erkundung in Dashboards zusammenstellen.
2. Vorbereitende Vorbereitung
- Installation und Start von MatrixOne sind abgeschlossen.
- Die Installation von FineBI und die FineBI-Initialisierungseinstellungen sind abgeschlossen.
#Notiz
Die in den in diesem Dokument gezeigten Betriebsbeispielen verwendete FineBI-Version ist Linux 6.0. Sie können das Paket Linux_unix_FineBI6_0-CN.sh installieren.
3. Stellen Sie über FineBI eine Verbindung zum MatrixOne-Dienst her
Schritt 1 – Nachdem Sie sich bei FineBI angemeldet haben, wählen Sie Verwaltungssystem > Datenverbindung > Datenverbindungsverwaltung > Neue Datenverbindung, wie in der Abbildung unten gezeigt, und wählen Sie MySQL aus
Schritt 2 – Füllen Sie die MatrixOne-Verbindungskonfiguration aus, einschließlich Datenbankname, Host, Port, Benutzername, Passwort und anderen Parametern, die als Standard festgelegt werden können. Sie können auf die Schaltfläche „Verbindung testen“ klicken, um zu überprüfen, ob die Verbindung verfügbar ist, und dann auf „Speichern“ klicken, um die Verbindung zu speichern:
4. Verwenden Sie MatrixOne-Daten, um visuelle Berichte zu erstellen
1. Demodaten erstellen
Melden Sie sich zunächst bei der MatrixOne-Datenbank an und führen Sie die folgenden SQL-Anweisungen aus, um die für die Demonstration erforderlichen Datentabellen und Ansichten zu erstellen:
create database orders;
use orders;
CREATE TABLE `category` (`product_category_name` VARCHAR(255) DEFAULT NULL,
`product_category_name_english` VARCHAR(255) DEFAULT NULL );
CREATE TABLE `item` (`order_id` VARCHAR(255) NOT NULL, `order_item_id` INT DEFAULT null,
`product_id` VARCHAR(255) DEFAULT null,
`seller_id` VARCHAR(255) DEFAULT null, `shipping_limit_date` DATETIME DEFAULT null,
`price` DECIMAL(10,2) DEFAULT null,
`freight_value` DECIMAL(10,2) DEFAULT null
);
CREATE TABLE `review` (
`review_id` VARCHAR(255) NOT NULL,
`order_id` VARCHAR(255) DEFAULT null,
`review_score` TINYINT DEFAULT null,
`review_comment_title` VARCHAR(255) DEFAULT null,
`review_comment_message` TEXT DEFAULT null,
`review_creation_date` DATETIME DEFAULT null,
`review_answer_timestamp` DATETIME DEFAULT null,
PRIMARY KEY (`review_id`)
);
CREATE TABLE `order_time` (
`order_id` VARCHAR(255) NOT NULL,
`customer_id` VARCHAR(255) DEFAULT null,
`y` INT DEFAULT null,
`q` INT DEFAULT null,
`m` INT DEFAULT null,
`d` DATE DEFAULT null,
`h` INT DEFAULT null,
`order_purchase_timestamp` DATETIME DEFAULT null
);
CREATE TABLE `orders` (
`order_id` VARCHAR(255) NOT NULL,
`customer_id` VARCHAR(255) DEFAULT null,
`order_status` VARCHAR(255) DEFAULT null,
`order_purchase_timestamp` DATETIME DEFAULT null,
`order_approved_at` DATETIME DEFAULT null,
`order_delivered_carrier_date` DATETIME DEFAULT null,
`order_delivered_customer_date` DATETIME DEFAULT null,
`order_estimated_delivery_date` DATETIME DEFAULT null,
PRIMARY KEY (`order_id`)
);
CREATE TABLE `product` (
`product_id` VARCHAR(255) NOT NULL,
`product_category_name` VARCHAR(255) DEFAULT null,
`product_name_lenght` INT DEFAULT null,
`product_description_lenght` INT DEFAULT null,
`product_photos_qty` INT DEFAULT null,
`product_weight_g` INT DEFAULT null,
`product_length_cm` INT DEFAULT null,
`product_height_cm` INT DEFAULT null,
`product_width_cm` INT DEFAULT null,
PRIMARY KEY (`product_id`)
);
CREATE TABLE `rfm` (
`customer_id` VARCHAR(255) DEFAULT null,
`user_type` VARCHAR(255) DEFAULT null,
`shijian` DATE DEFAULT null
);
CREATE view total_order_value as select t.order_id,product_id,seller_id,(price*total)+(freight_value*total) as order_value from (select order_id,count(*) as total from item group by order_id) t join item on t.order_id=item.order_id;
CREATE view order_detail as select a.order_id,product_id,seller_id, customer_id,round(order_value,2) as order_value, y,q,m,d,h,order_purchase_timestamp from total_order_value a inner join order_time b on a.order_id=b.order_id;
Als nächstes verwenden Sie die folgende SQL-Importanweisung, um die vorbereiteten Demo-Daten in die entsprechende Tabelle der MatrixOne-Datenbank zu importieren.
#Notiz
Bitte beachten Sie, dass der Pfad /root/data/table_name.csv der Pfad zur Datendatei jeder Tabelle ist. Sie können auf diesen Prozess zurückgreifen, um die Daten selbst zu generieren.
use orders;
load data local infile '/root/data/category.csv' into table category FIELDS TERMINATED BY ',' OPTIONALLY ENCLOSED BY '"' LINES TERMINATED BY "\r\n";
load data local infile '/root/data/review.csv' into table review FIELDS TERMINATED BY ',' OPTIONALLY ENCLOSED BY '"' LINES TERMINATED BY "\r\n";
load data local infile '/root/data/product.csv' into table product FIELDS TERMINATED BY ',' OPTIONALLY ENCLOSED BY '"' LINES TERMINATED BY "\r\n";
load data local infile '/root/data/item.csv' into table item FIELDS TERMINATED BY ',' OPTIONALLY ENCLOSED BY '"' LINES TERMINATED BY "\r\n";
load data local infile '/root/data/order_time.csv' into table order_time FIELDS TERMINATED BY ',' OPTIONALLY ENCLOSED BY '"' LINES TERMINATED BY "\r\n";
load data local infile '/root/data/orders.csv' into table orders FIELDS TERMINATED BY ',' OPTIONALLY ENCLOSED BY '"' LINES TERMINATED BY "\r\n";
load data local infile '/root/data/rfm.csv' into table rfm FIELDS TERMINATED BY ',' OPTIONALLY ENCLOSED BY '"' LINES TERMINATED BY "\r\n";
2. Datensatz hinzufügen
Klicken Sie in FineBI auf „Öffentliche Daten“ und dann auf „ Neuer Ordner “, erstellen Sie einen Ordner und wählen Sie ihn aus. Klicken Sie dann auf „ Neuer Datensatz“ , wählen Sie den SQL-Datensatz aus und fügen Sie die SQL-Abfrage zum ausgewählten Ordner hinzu. Geben Sie den Namen des Datensatzes ein und füllen Sie die SQL-Abfrage wie folgt aus:
select d,
count(order_id) as order_num,
count(DISTINCT customer_id)
from orders.order_detail
group by d
order by d
Sie können auf die Schaltfläche „Vorschau“ klicken, um die Ergebnisse der SQL-Abfrage anzuzeigen, und dann zum Speichern auf „OK“ klicken:
Hier ist ein Beispiel für alle in diesem Beispiel verwendeten Abfrage-SQL:
-- 日活用户数及订单数
select d,
count(order_id) as order_num,
count(DISTINCT customer_id)
from orders.order_detail
group by d
order by d
-- 月活用户数及订单数
select count(DISTINCT customer_id),
count(order_id),
concat(y, '-', m)
from orders.order_detail
group by y,m
order by y,m
-- 各时段活跃用户数及订单数
select h,
count(DISTINCT customer_id),
count(order_id) order_num
from orders.order_detail
group by h
order by h
-- 各类型用户数量
SELECT count(*),
user_type
from orders.rfm
GROUP BY user_type
-- 月 GMV
select y,m,
sum(order_value),
concat(y, "-", m) month
from orders.order_detail
group by y,m
order by y,m
-- 季度 GMV
select y,q,
sum(order_value) gmv,
concat(y, "季度", q) as quator
from orders.order_detail
group by y,q
order by concat(y, "季度", q) asc
-- 季度 ARPU
select y,q,
round((sum(order_value)/count(DISTINCT customer_id)),2) arpu,
concat(y, "季度", q) as quator
from orders.order_detail
group by y,q
order by y,q
-- 月度 ARPU
select y,m,
round((sum(order_value)/count(DISTINCT customer_id)),2) arpu,
concat(y, "-", m) as month
from orders.order_detail
group by y,m
order by y,m
-- 重要挽留用户热门指数
SELECT e.product_category_name_english good_type,
SUM(a.order_value) ordder_total_value,
ROUND(AVG(c.review_score), 2) good_review_score,
(0.7*SUM(a.order_value)+
0.3*10000*ROUND(AVG(c.review_score), 7))
top_rank_rate
FROM orders.order_detail a
INNER JOIN
(SELECT customer_id
from orders.rfm
WHERE user_type='重要挽留用户' ) as b ON a.customer_id=b.customer_id
LEFT JOIN orders.review c ON a.order_id=c.order_id
LEFT JOIN orders.product d ON a.product_id=d.product_id
LEFT JOIN orders.category e ON d.product_category_name=e.product_category_name
where e.product_category_name_english is not NULL
GROUP BY e.product_category_name_english limit 50
-- 一般挽留用户热门指数
SELECT e.product_category_name_english good_type,
SUM(a.order_value) ordder_total_value,
ROUND(AVG(c.review_score), 2) good_review_score,
(0.7*SUM(a.order_value)+0.3*10000*ROUND(AVG(c.review_score), 7))
top_rank_rate
FROM orders.order_detail a
INNER JOIN
(SELECT customer_id from orders.rfm
WHERE user_type='一般挽留用户' ) as b ON a.customer_id=b.customer_id
LEFT JOIN orders.review c ON a.order_id=c.order_id
LEFT JOIN orders.product d ON a.product_id=d.product_id
LEFT JOIN orders.category e ON d.product_category_name=e.product_category_name
where e.product_category_name_english is not NULL
GROUP BY e.product_category_name_english limit 50
3. Daten aktualisieren
Nachdem Sie den Datensatz gespeichert haben, müssen Sie auf die Schaltfläche „Daten aktualisieren“ klicken und warten, bis die Daten aktualisiert sind, bevor die Analyse durchgeführt werden kann:
4. Analysethemen erstellen
Das Analysethema dieses Beispiels wird verwendet, um die allgemeinen behaltenen Benutzer der E-Commerce-Plattform, wichtige behaltene Benutzer, den monatlichen ARPU, den vierteljährlichen ARPU, die aktiven Benutzer in verschiedenen Zeiträumen, die täglich aktiven Benutzer, die Anzahl der monatlich aktiven Benutzer und die Anzahl der Bestellungen visuell anzuzeigen um die Entscheidungsfindung zu unterstützen und das Geschäft zu verbessern. Die spezifischen Schritte zum Erstellen eines Analysethemas sind wie folgt:
- Klicken Sie auf „Meine Analyse“ und dann auf „Neuer Ordner“ , um einen Ordner zu erstellen und auszuwählen.
- Klicken Sie auf Neues Analysethema , wählen Sie den im vorherigen Schritt erstellten Datensatz aus und klicken Sie auf OK .
#Notiz
Mit der Massenauswahlfunktion können Sie mehrere Datensätze für die thematische Analyse auswählen.
Klicken Sie auf die Schaltfläche „Komponente hinzufügen“ , wählen Sie den Diagrammtyp aus, ziehen Sie die Felder links nach rechts nach Bedarf, doppelklicken Sie, um den Namen der Feldvisualisierung zu ändern, und ändern Sie den Komponentennamen unten. Der Komponentenname ist der von analysierte Berichtsinhalt Komponente:
5. Montieren Sie das Armaturenbrett
Klicken Sie auf Dashboard hinzufügen , um die gerade erstellte Komponente zum Dashboard hinzuzufügen. Sie können die Größe und Position der Komponente frei ziehen und skalieren und den Komponentennamen unten ändern, um den von der Komponente analysierten Berichtsinhalt zu beschreiben.
6. Veröffentlichen Sie das Dashboard
Nachdem die Montage abgeschlossen ist, klicken Sie auf „Auf Veröffentlichung bewerben“ und legen Sie den Veröffentlichungsnamen, den Veröffentlichungsknoten und die Anzeigeplattform fest. dann klick
Jetzt können Sie das neu veröffentlichte Dashboard unter der Homepage-Navigation finden und dessen Anzeigeeffekt sehen.
Über den Ursprung der Matrix
Matrix Origin ist ein branchenführender Technologie- und Serviceanbieter für Big Data- und Datenbankmanagementsysteme (DBMS). Die Hauptteammitglieder stammen aus namhaften in- und ausländischen Technologieunternehmen und verfügen über starke Innovationsfähigkeiten. Das Ziel von Matrix Origin besteht darin, erstklassige Dateninfrastrukturtechnologien und -produkte zu entwickeln und zu nutzen, um Unternehmen bei der Umstellung und Aufrüstung von der Informatisierung über die Digitalisierung hin zur Intelligenz zu unterstützen. Matrix Origin verfügt über eine zentrale Wettbewerbsfähigkeit in den Bereichen Cloud Computing, Datenbanken, Big Data und künstliche Intelligenz. Das Unternehmen verfügt über eine breite Branchen- und internationale Vision und Weitsicht und kann fortschrittliche Technologien in verschiedenen Bereichen schnell und effektiv implementieren und im großen Maßstab erweitern .
Über MatrixOne
Das Kernprodukt von MatrixOne, MatrixOne, ist eine Multi-Mode-Datenbank, die auf Cloud-nativer Technologie basiert und sowohl in öffentlichen als auch in privaten Clouds eingesetzt werden kann. Dieses Produkt nutzt eine originelle technische Architektur, die Speicher und Rechenleistung, Lesen und Schreiben sowie Heiß und Kalt trennt. Es kann gleichzeitig mehrere Lasten wie Transaktion, Analyse, Fluss, Timing und Vektor unter einem Speichersatz unterstützen Computersysteme und können isolierte oder gemeinsam genutzte Speicher- und Computerressourcen in Echtzeit und auf Abruf ausführen. MatrixOne kann Anwendern dabei helfen, die immer komplexer werdende IT-Architektur deutlich zu vereinfachen und minimalistische, äußerst flexible, kostengünstige und leistungsstarke Datendienste bereitzustellen.
Offizielle Website von MatrixOrigin: Eine neue Generation hyperkonvergenter heterogener Open-Source-Datenbanken – MatrixOrigin (Shenzhen) Information Technology Co., Ltd. MatrixOne
Github-Version: GitHub – Matrixorigin/Matrixone: Hyperkonvergente native Cloud-Edge-Datenbank
Schlüsselwörter: hyperkonvergente Datenbank, Multi-Mode-Datenbank, Cloud-native Datenbank, inländische Datenbank.
Bilibili stürzte zweimal ab, Tencents „3.29“-Unfall erster Stufe … Bestandsaufnahme der zehn häufigsten Ausfallunfälle im Jahr 2023 Vue 3.4 „Slam Dunk“ veröffentlichte MySQL 5.7, Moqu, Li Tiaotiao … Bestandsaufnahme des „Stopps“ im Jahr 2023 Mehr ” (Open-Source-)Projekte und Websites blicken auf die IDE von vor 30 Jahren zurück: nur TUI, helle Hintergrundfarbe... Vim 9.1 wird veröffentlicht, gewidmet Bram Moolenaar, dem Vater von Redis, „Rapid Review“ LLM Programming: Omniscient und Omnipotent&& Stupid „Post-Open Source“ Die Ära ist gekommen: Die Lizenz ist abgelaufen und kann nicht mehr für die breite Öffentlichkeit bereitgestellt werden. China Unicom Broadband begrenzte plötzlich die Upload-Geschwindigkeit und eine große Anzahl von Benutzern beschwerte sich. Windows-Führungskräfte versprachen Verbesserungen: Machen Sie den Anfang Speisekarte wieder super. Niklaus Wirth, der Vater von Pascal, ist verstorben.