通过最佳实践帮助您实现上述案例效果

Step1：准备工作

1.1 新建表

1.1.1 开通MaxCompute
阿里云实名认证账号访问https://www.aliyun.com/product/odps ，开通MaxCompute，选择按量付费进行购买。

1.1.2 数加上创建MaxCompute project

操作步骤：

步骤1：进入数加管理控制台，前面开通MaxCompute成功页面，点击管理控制台，或者导航产品->大数据（数加）->MaxCompute 点击管理控制台。

步骤2：创建项目。付费模式选择I/O后付费，输入项目名称：

步骤3：创建MaxCompute表。进入大数据开发套件的数据开发页面：

以开发者身份进入阿里云数加平台>大数据开发套件>管理控制台，点击对应项目操作栏中的进入工作区

TB1o_.7OVXXXXcRXVXXXXXXXXXX-1092-301.png

创建脚本文件。点击顶部菜单栏中的数据开发，点击“新建”处新建脚本，也可直接点击“新建脚本”任务框

编辑建表语句

—-创建在线交易表：
CREATE TABLE IF NOT EXISTS demo_dplus_good_sale (
    create_time     DATETIME COMMENT '时间',
    good_cate       STRING COMMENT '商品种类',
    brand           STRING COMMENT '品牌',
    buyer_id        STRING COMMENT '用户id',
    trans_num       BIGINT COMMENT '交易量',
    trans_amount    DOUBLE COMMENT '金额',
    click_cnt       BIGINT COMMENT '点击次数',
    addcart_cnt     BIGINT COMMENT '加入购物车次数',
    collect_cnt     BIGINT COMMENT '加入收藏夹次数'
);
 
—-创建用户信息表：
CREATE TABLE IF NOT EXISTS demo_dplus_buyer (
    buyer_id        STRING COMMENT '用户id',
    buyer_prov      STRING COMMENT '省份',
    gender          STRING COMMENT '性别',
    age_range       STRING COMMENT '年龄段',
    zodiac          STRING COMMENT '星座'
);
 
--结果数据存储表:
--涵盖绝大多数维度和指标的汇总表:
CREATE TABLE IF NOT EXISTS demo_dplus_summary (
    prov            STRING COMMENT '省份',
    gender          STRING COMMENT '性别',
    age_range       STRING COMMENT '年龄段',
    zodiac          STRING COMMENT '星座',
       good_cate        STRING COMMENT '商品种类',
    brand           STRING COMMENT '品牌',
    trans_num       BIGINT COMMENT '交易量',
    trans_amount    DOUBLE COMMENT '金额',
    click_cnt       BIGINT COMMENT '点击次数',
    addcart_cnt     BIGINT COMMENT '加入购物车次数',
    collect_cnt     BIGINT COMMENT '加入收藏夹次数'
 
);
 
--用户数的汇总表:
 
CREATE TABLE IF NOT EXISTS demo_dplus_buyer_cnt (
    buyer_cnt       BIGINT COMMENT '用户数'
 
);

1.2 新建数据源

1.2.1 以开发者身份进入阿里云数加平台>大数据开发套件>管理控制台，点击对应项目操作栏中的进入工作区

1.2.2 点击顶部菜单栏中的项目管理，点击左侧导航数据源管理

1.2.3 点击新增数据源

RDS环境

RDS实例ID：rm-uf635k52032xm03l0

RDS实例购买者ID：1811270634786818

数据库名：trainning_db1

用户名：ram_trainning1

密码：ram_trainning1

1.2.4 点击测试连通性。

1.2.5 若测试连通性成功，则点击保存按钮完成配置信息保存。

1.3 新建任务

1.3.1 在“数据开发”界面的工具栏中，新建任务

1.3.2 在新建任务弹出框中填写各配置项

1.3.3 点击创建

Step2：数据导入

2.1 导入本地用户信息表到demo_dplus_buyer

源数据地址：demo_dplus_buyer

2.1.1 以开发者身份进入阿里云数加平台>大数据开发套件>管理控制台，点击对应项目操作栏中的进入工作区

2.1.2 点击顶部菜单栏中的数据开发，导航至“导入”，选择导入本地数据

2.1.3 选择本地数据文件，配置导入信息，点击下一步

2.1.4 选择目标表，并选择字段匹配方式（本示例选择按位置匹配），点击导入

2.1.5 文件导入成功后，系统右上角将提示文件导入成功，同时可以执行read语句查看数据

2.2 同步数据

2.2.1 新建数据同步节点rds_to_maxcompute

进入数据开发中的新建任务，向工作流设计器中拖入数据同步节点

2.2.2 同步rds中在线交易表数据到demo_dplus_good_sale表

源数据地址：demo_dplus_good_sale

双击数据同步进入数据同步节点配置界面

Step3：数据加工

3.1 新建ODPS_SQL节点进行数据加工“交易分析”并写入数据

3.1.1 新建ODPS_SQL节点

进入数据开发中的新建任务，向工作流设计器中拖入ODPS_SQL节点

3.1.2 双击ODPS_SQL，编写SQL语句将加工好的结果写入demo_dplus_summary表，运行成功后保存

\----汇总表，涵盖维度省份、性别、年龄段、星座、商品种类、品牌，涵盖指标销售量、销售额、点击次数、加入购物车次数、加入收藏夹次数

INSERT OVERWRITE TABLE demo_dplus_summary
SELECT buyer.buyer_prov
       , buyer.gender
       , buyer.age_range
       , buyer.zodiac
       , sale.good_cate
       , sale.brand
    , SUM(sale.trans_num) AS trans_num
    , SUM(sale.trans_amount) AS trans_amount
        , SUM(sale.click_cnt) AS click_cnt
        , SUM(sale.addcart_cnt) AS addcart_cnt
        , SUM(sale.collect_cnt) AS collect_cnt
FROM demo_dplus_good_sale sale
JOIN demo_dplus_buyer buyer
ON sale.buyer_id = buyer.buyer_id
GROUP BY buyer.buyer_prov,buyer.gender,buyer.age_range,buyer.zodiac,sale.good_cate,sale.brand
;

3.2 新建ODPS_SQL节点进行数据加工“用户数”并写入数据

3.2.1 新建ODPS_SQL节点

进入数据开发中的新建任务，向工作流设计器中拖入ODPS_SQL节点

3.2.2 双击ODPS_SQL，编写SQL语句将加工好的结果写入demo_dplus_buyer_cnt表，运行成功后保存

\----用户数汇总表

INSERT OVERWRITE TABLE demo_dplus_buyer_cnt
SELECT count(distinct buyer_id) AS buyer_cnt
FROM demo_dplus_good_sale;

3.3 设置调度属性

首先用线将工作流节点连接，表示节点执行先后顺序

然后点击右侧导航栏调度属性，设置整个工作流的调度属性，让每日的数据导入、加工自动执行

3.4 提交任务，并测试工作流

3.4.1 点击顶部菜单栏提交

3.4.2 提交成功后点击测试运行

测试任务触发成功后，点击“前往运维中心”即可查看任务进度。

Step4：数据展现

4.1.1 新建BI数据源

进入QuickBI首页，在屏幕中间点击管理控制台，就可以进入QuickBI系统新建数据源

4.1.2 创建数据集

刚才创建好的数据源rds_demo下的表的列表如下图所示：

依次点击下面两张表后面的新建数据集按钮，创建每个表对应的数据集：

涵盖绝大多数维度和指标的汇总表：demo_dplus_summary

用户数的汇总表:demo_dplus_buyer_cnt

创建成功后会自动跳转到数据集列表，如下图所示：

由于MaxCompute的主要功能是支持离线计算，为了提升查询性能，可通过加速功能对数据集进行加速。点击对应数据集后的“设为极速”，如图所示：

4.2 数据展现

老板想要看的指标：
1.销售总额、总交易量、总点击次数、总加入购物车次数、总加入收藏夹次数用户总数和；
2.各省交易量和交易金额；
3.销售交易量和销售金额top10商品种类；
4.销售交易量和销售金额top5手机品牌
5.用户购买能力分布(性别、星座、年龄段)

数据展现效果如下：

4.2.1 销售总额、总交易量、总点击次数等数据展示

1.创建仪表板

点击左侧导航栏作品，选择新建--->新建空白仪表板,进入新建仪表板编辑页面

在右侧画布属性显示标题老板驾驶舱

2.将左侧列布局拖入仪表板，设置列数量为6

3.将指标看板分别拖入6个列布局中展示每一个指标

4.分别点击前五个指标看板在右侧依次设置数据和样式（度量每个指标看板选一个）

5.第六个指标看板要改变数据集

6.点击更新图表，结果如下：

4.2.2 各省交易量和交易金额的数据展示

1.点击左侧导航栏作品，选择新建-->新建工作表,进入数据集页面

2.选择数据集demo_dplus_summary，点击其后面的分析按钮

3.点击工作表页面左上角的“编辑数据集”，将省份类型切换为省后保存

4.右侧分析面板里行选择省份，列选择交易量和金额，点击下侧智能图标，如图所示：

您可以在图上切换金额和交易量，点击保存

5.点击左侧导航栏作品--->我的仪表盘，选择老板驾驶舱，将列布局拖入画布中间，右侧布局占比改为40（可自由修改）

6.在左侧列布局里添加色彩地图，右侧添加交叉表

7.分别点击两个列布局，在右侧选择刚新建的工作表进行设置，结果如图：

4.2.3 销售交易量top10商品种类的数据展示

1.点击左侧导航栏作品，选择新建-->新建工作表,进入数据集页面

2.选择数据集demo_dplus_summary，点击其后面的分析按钮

3.右侧分析面板里行选择商品种类，列选择交易量（因为求交易量销售前十的商品种类，所以要进行设置）

4.点击下侧智能图标，进行保存，如图所示：

同样方法可以新建工作表求得销售金额top10的商品种类，进行保存

TB19s.UOVXXXXXHaFXXXXXXXXXX-823-804.png

4.2.4 销售交易量top5手机品牌的数据展示

1.点击左侧导航栏作品，选择新建-->新建工作表,进入数据集页面

2.选择数据集demo_dplus_summary，点击其后面的分析按钮

3.右侧分析面板里行选择品牌，列选择交易量，点击高级过滤和交易量进行相关设置，进行保存

同样方法可以新建工作表求得销售金额top5的手机品牌，进行保存

4.点击左侧导航栏作品-->我的仪表盘，选择老板驾驶舱，将列布局拖入画布中间

5.在两侧列布局分别拖入tab，进行命名，分别向4页tab中拖入柱状图，在右侧选择新建的工作表进行设置，点击保存，结果如图：

4.2.5 用户购买能力分布的数据展示

分别通过性别、星座和年龄段来对用户购买能力进行分析

在仪表盘页面向画布拖入tab，在右侧设置tab页数为3，在每个tab页中放入tab，进行重命名

向用户购买能力--性别tab中拖入饼图，在右侧选择数据集demo_dplus_summary进行设置（只需改变维度和度量即可得到各自的分析），更新图表

向用户购买能力--星座tab中拖入矩形树图，在右侧选择数据集demo_dplus_summary进行设置（只需改变维度和度量即可得到各自的分析），更新图表

向用户购买能力--性别tab中拖入饼图，在右侧选择数据集demo_dplus_summary进行设置（只需改变维度和度量即可得到各自的分析），更新图表

以上就是所有报表，记得点击保存。

附件

新建表demo_dplus_good_sale的源数据：demo_dplus_good_sale

新建表demo_dplus_buyer的源数据：demo_dplus_buyer

本实验共需新建四张表，语句为：建表语句

数据加工过程中写入的SQL语句：SQL语句

如您不会SQL，可以采用本教程中提供的RDS结果表信息作为数据源，jdbc连接信息如下：
jdbc:mysql://rm-bp180925lcrm7xtc6.mysql.rds.aliyuncs.com:3306/bi_demo
登录名：bi_demo
密码：bi_demo

点此查看本实验报表效果图

更多示例demo：
1、网站流量分析
2、销售数据分析

轻松搭建一个BI销售数据分析系统

Step1：准备工作

Step2：数据导入

Step3：数据加工

Step4：数据展现

附件

热门文章

最新文章

相关课程

相关电子书

相关实验场景