大数据敏捷分析平台解决方案

大数据敏捷分析平台

一、特色

1.1 自助分析

不仅可以使用存储在现有业务系统中的结构化的数据，而且还可以使用非结构化数据（包含使用您个人的 CSV 和 XLS 文件）自行建立分析文档。只要通过点击几下鼠标和简单拖拽动作，就可以立马得到您所要的分析报表。可以将分析结果保存以备将来使用。

1.2 大数据

通过大数据敏捷分析平台可让您可以轻松地从大量异构系统的繁杂数据中提炼出对您企业经营决策有帮助的知识和价值。另外，大数据敏捷分析平台几乎可以处理任何格式的数据，甚至可以对非结构化数据进行分析，如音频文件，视频和图像等。为此，数据源的支持范围更加广泛。从专业的分析数据库（如Teradata,VectorWise,Netezza）到非关系型数据库NoSQL（如Hive, HBase, Cassandra, OrientDB,MongoDB），以及 Hadoop，包括其标准发行版（Hadoop 的）以及其他分支版本（Hortonworks， Cloudera， Impala）。分析结果将根据您的具体需求，以不同的格式，如图表，报告，地理位置分析和管理驾驶舱等进行可视化展示。当然也可以对数据流进行实时分析。

1.3 假设分析

假设分析可以模拟业务场景，并预测当业务策略发生变化时，对其他业务可能带来的潜在变化及影响。如典型的杜邦分析；为满足不断新增的的业务决策需求，可以基于一个 OLAP 业务模型，使用假设分析工具可以使您的多维分析更快并且数据的展现方式更容易业务用户理解。当然为了增加您对业务数据在不同粒度，不同维度方面的洞察力，您也可以通过对多维数据集OLAP 进行上卷、下钻、切片、切块、旋转等操作来实现。

1.4 内存计算

除了支持传统的数据库技术外，为了更快的获得数据见解和更高的分析效率，大数据敏捷分析平台还支持内存计算技术大数据敏捷分析平台使可以自己建立一个交互式的管理驾驶舱。通过一个动态的和交互的方式浏览数据，使您在业务的各个方面快速做出决策。

1.5 即时分析

即时分析可以帮助您从数据流中提取相关信息，并确定行至有效的经营策略；不断地通过动态和灵活的方法监控您的业务数据和流程。分析结果会通过报表、KPI、交互报表等丰富和直观的方式，帮助您进行决策，甚至可以结合历史数据和实时的数据。实现了对Eclipse业务活动监控（BAM）100%兼容。

1.6 地理位置分析

将地理位置信息系统与商业智能系统集成。以获得关键的见解，充分支持您的决策和业务流程优化。过 80%的企业数据都和地理位置相关，大数据敏捷分析平台提供了不同的工具（ieGEO/ GIS 引擎）在地图上创建专题分析；您可以轻松地即时地从地理位置分析中识别模式，发现趋势，以改善您的业务流程。

1.7 实例即席查询

提供一种基于图形的点击式查询数据库的方法。QBE免去了用户需要记忆数据表名、属性名及查询语言语法的工作。实例即席查询能达到SQL查询的效果，但QBE与SQL的最大区别就是，QBE具有图形用户界面，允许用户通过在屏幕上创建示例表来编写查询。

二、架构

三、报表功能

对于报表功能，大数据敏捷分相分析平台将查询、报表、分析功能有机地结合在一起，解决了其他产品在一张报表上或者只能做查询、或者只能做报表，而无法兼顾的窘境，使得BI智能化的概念得到真正意义上的实现；同时，对中文有非常好的支持，提供很多中国式报表模板和控件，根据这些报表样式要求，选择控件并对报表进行合理布局，对报表的理解拆分到单元格级，可以制作任意复杂的中国式报表，可以轻易制作斜线、复合表头、颜色分层等传统BI工具难以实现的复杂功能；报表功能的强大之处还体现在可以在报表上除展现文字信息外，还可以嵌入其他功能，如交通灯报警、加入颜色块划分不同区域、锁定表头等人性化功能。

3.1快速定制任意复杂的报表

独特的设计思想使得用户的报表设计达到了非常灵活、方便的境界。无需用户再为了查看某一数据而编写很复杂且难度很大的SQL语句或MDX语句，所有的过程都由平台自动完成，所需要的只是用户对业务的理解和对所关心数据的拖拉选择。用户对报表的定制不光体现在对数据项的添加增减之上，对整个报表的风

格包括颜色搭配、数值格式的设置都可以通过鼠标的点击来轻松实现，让用户彻底告别面对大量有价值数据而不知如何获取的局面。

同时，通过封装了底层操作的各类控件，如行对象、列对象、表格、水平层次、垂直层次等使得报表的设计只需要鼠标的拖曳即可完成复杂的操作。如对于定义好的数据源只需选中行、列控件，在几秒钟即可生成一张报表。

下图为分块报表实例，图中报表由两张不同的表组成，但却可以联动，宛如一个整体。

分片报表示例如下图：

3.2 通过内部强大的函数，可以完成任意复杂的表间运算需求

提供了大量的表间处理函数，可以非常方便的完成整张表与整张表的自由组合、一张表的部分数据与另一张表组合、甚至达到了单元格级次，可以任意选取报表中的某一单元格来进行运算。同时表格支持手工输入，加上丰富的函数功能，使得用户可以像在Excel中一样灵活的操纵数据。

3.3 对于表内及表间运算的支持

可以实现表格内部的运算功能。比如合计行，即为使用sum（）函数直接运算得来。另外还支持表之间的函数运算功能通过内置的函数可以轻松实现对表间运算的支持。而且这些操作都是通过鼠标的点取完成的，基本不需用户手工输入任何公式。

3.4 对第三方软件提供强大支持

报表可以方便满足用户的输出需求，报表查询的最终目的在于输出，供其他相关人员的使用。提供丰富的输出能力，可方便的将报表导出到其他程序或者输出到打印机上：

（1）可以将设计好的报表页面连同数据保存为Excel、RTF、PDF、CSV等格式。

（2）通过直接打印功能，可以将定制好的报表页面连同数据直接打印出来，所见即所得。

输出功能的强大优势还体现在输出项目的数据无损性，即在平台中所作的所有工作，可以在导出到其他程序时没有任何数据损失。如下图所示导出到Excel 的效果：

3.5 查询、分析和报表功能全部融合于一张表中，使工作更具连贯性

逻辑上的工作方式应当是如下流程：先是定义查询，找到需要的数据；然后对结果进行分析，最后以报表的形式展现出来。传统意义的BI软件无法支持上述功能的有效集成，一件工作可能要同时启动几个模块才能完成，造成用户的极大不便。

报表已经不单单是一个静态的工具，它将查询和分析等功能完全集成在一起。使得用户的工作更有连贯性。

如下图实例中，1、用户可以根据需要选择不同的查询条件，如查询日期、按照不同的项目排序、选择前或后几名等等查询功能；2、同时下图中查询得到的结果，用户可以用来分析各项目按地区的构成情况，及所占百分比。 3、对于结果，可以直接导出到Excel中。

3.6 先进的钻取、旋转等分析功能

具备多表之间的钻取访问、具备主表与子表之间的钻取访问功能。可在不生成多维立方体的情况下，通过各种钻取和旋转分析工具进行数据切割，以不同方式查看结果。信息的最深度探查，从总数直接到达最明细数据。

可以动态变换信息层次，可以从不同角度考察业务，变换思路看问题

同时支持上钻/下钻、目录树钻取等功能，切合决策分析的基本思维方式—演绎和归纳。

四、图表功能

4.1 丰富的图表展示

大数据敏捷分析平台提供了折线图、曲线图、面积图、柱状图、条形图、饼图、环形图、散点图、气泡图、混合图、动态交互图、仪表图、热力图、词云图等丰富的分析图表。

4.2简单的探索式分析

数据大数据敏捷分析平台为用户提供所见即所得的图表设计器，用户根据向导只需要简单的本质就可以获得想要的图表。

五、KPI

KPI代表关键绩效指标。它表示一组度量标准，通常来源于简单的度量标准，这允许管理人员对其业务的关键方面进行快照。关键绩效指标的主要特点如下：?总结指标；

?复杂的计算；

?支持结果评估的门槛；

?参考目标；

?易于使用，但需要更具体的技能来设计它，

?警报；

?可能涉及特定的时间范围。

由于这些原因，KPI总是由专家分析人员定义，然后通过合成视图来分析性能，只选择和概括有意义的信息。

大数据敏捷分析平台允许通过特定的KPI引擎来配置KPI文档。通过菜单区域的“KPI模型”部分中提供的功能来计算和显示临界值（或值）。

六、地理位置分析

6.1 GIS

GIS 引擎允许业务信息提供的空间系统使用 WFS/WMS 标准制图图层上的可视化。

允许用户轻松地识别数据要在地图上通过选择指标或一个筛选器，可以使可见只选定的部分的分析，筛选一些特点如下所示进行可视化处理。

6.2 GEO

GEO引擎使用静态地图目录，并允许用户重新聚合信息动态地理层次结构（例如国家、区域、区）由管理员定义。这台发动机可以用不论所谓的地理背景——它允许显示分布的指标（例如流程图、硬件基础设施拓扑等）在地图上可以表示任何结构

一般来说，该接口由以下三个元素组成︰层次结构中导航；水平导航器，允许用户整合其他级别的地图（例如边框、图表、值）；地图。

七、OLAP

支持多维分析，OLAP引擎提供更高的灵活性比结构化报告。在与特定的层次结构和度量、用户定义分析轴可以分析数据对不同级别的明细数据和从不同的角度进行下钻、上卷、转置等操作。

Olap多维数据集可以设置我添加的属性或筛选器。用户可以通过单击筛选器图标筛选，将出现一个向导窗口和自定义可以执行数据，而不插入任何其他行在多维数据集。

用户可以修改该多维数据集以不同的方式，通过简单地拖和放属性和度量值从顶栏到侧面栏中，并那里进行过滤。

此外可以通过重新组织属性栏中的根据自己的需求。

OLAP 支持钻取操作，使用户能够在不同级别的明细数据，显示数据导航通过OLAP 多维数据集内的层次结构。三种不同的钻取操作是可用的︰钻会员和钻位置。此功能允许用户扩展字段的明细数据一级产生特定的层次结构，保持上部构造层次可见。

该引擎还可以隐藏空单元格。此功能将隐藏表格中所有空单元格。

八、分析驱动

一个分析驱动模拟一个概念或一个数据，这个数据经常被用作全球数据上下

文中的一个区分标准。分析驱动强调指导分析的概念，提供他们的独特表示，并根据最终用户的角色描述他们如何显示和检查。当连接到分析文档时，分析驱动会生成用于过滤数据的显式或隐式参数。

一旦定义，分析驱动可以与许多文档相关联，以一种常见的方式来驱动他们的行为和过滤器。这样，运行使用相同驱动程序的不同文档的用户总是会收到相同的参数表单，并在显示的数据上应用相同的过滤器。事实上，当一个经过验证的用户（使用其角色和配置文件）运行一个分析文档时，其技术元数据将被读取，主要是在文档模板和相关分析驱动方面。在此基础上，根据最终用户角色的分析驱动逻辑，生成参数输入的自定义页面。然后验证选定的值，最终输出给用户。

分析驱动，使得单个文档能够涵盖各类用户的分析需求，在以下方面具有明显的优势：

?减少要开发和维护的文件数量；

?参数请求的一致性；

?文件开发的复杂性下降，这要归功于安全领域与大规模开发的分离；

?尽管增加了开发文档或增加了引擎，但随着时间的推移，安全性（数据可视性）得到简单维护。

分析驱动模式如下图所示：

应用场景如下图如示：

九、管理

9.1 数据源管理

为了连接到数据，必须定义一个新的数据源连接。通过定义数据源，Knowage 可以透明地访问数据，而无需重新定义到数据库的连接，以防其某些配置属性随时间而改变。支持的数据源有：

?Oracle

?SQL Server

?HSQL

?MySql

?PostgreSQL

?Ingres

?VoltDB

?MongoDB

?HBase

?Hive

?OrientDB

?DB2 AS400

?Neo4j

?Cassandra

?Spark

?Impala

?Drill

9.2数据集管理

为您提供了在各种类型中定义数据集的可能性。此外，您可以添加参数，定义范围，管理元数据并对数据集执行高级操作。用户和管理员之间的数据集创建和管理有利于更改。

数据集充当分析文档的数据提供者，这就是支持多种类型的原因。支持以下几种数据集类型：

?文件；

?查询；

?Java类；

?脚本（Groovy，Javascript，嵌入式Javascript或ECMAScript）；

?Qbe查询元模型；

?Flat；

?Ckan；

?联合；

?REST，

?大数据。

用户从图形界面定义数据集，只需要简单的几步：

1.选择一个名字和一个独特的标签;

2.根据数据集类型选择数据集的类型和来源;

3.编写定义数据集的代码;

4.将参数关联到数据集（如果有的话）（可选）;

5.应用转换（可选）;

6.测试数据集并保存。

9.3模型管理

用户可以通过Web图形界面配置、管理模型，简单地实现物理模型到业务模型的转变。物理模型和业务模形的区别在于：

物理模型：它代表了元模型创建时数据库的“快照”。物理模型包含一系列表和信息，如从数据库中检索的列和外键。物理模型不能被修改，但可以被更新以反映创建的数据库所做的更改。

?商业模式：它是基于物理模型，但让用户重新组合他的一些信息。例如，可以创建仅包含物理表的某些列的业务类，并在业务类之间创建未在物理数据库上定义的新关系。