|
一、学习初衷
个人介绍
- 帆软社区用户名336181，目前就职于XX集团，我司是工程机械行业；目前从事SAP系统运维工作，个人感兴趣的方向和领域为数据分析、建模。
我的学习初衷源于两方面：
· 一是工作的需求。在从事SAP系统运维相关工作的过程中，我需要一款工具能够很漂亮地展示数据，吸引领导的眼睛。
· 二是个人兴趣的驱动。以前使用过Oracle的BIEE，我想对比下帆软和BIEE的区别，加上我一直没有看到BI实际的成功案例，我想看看帆软能不能做到。
二、作品简介（作业10）
个人希望能通过帆软BI仪表盘和分析报告来自动出具SAP系统分析报告：
- 出具关键指标：能自动出具SAP系统各项性能指标
- 识别关键程序： 找到影响系统性能的关键程序。
- 识别长期闲置的用户： 找出超过30天不登陆系统的用户
- 分析传输请求： 分析紧急和非紧急传输的占比。
分析思路
以下是整体的分析思路的思维导图
（4）数据来源
数据来源于sap系统，表数据库大小信息来源于事务代码db02，用户信息来源于suim，事物参数文件来源于 st03，用户组来源于sugr。传输请求信息来源于sap里面的表E070。目前数据来源需要先从SAP里面导出，然后再导入到帆软，后面如果能给我权限的话，我可以直接从SAP里面抽取数据到帆软报表里面。
三、数据预处理：
1、数据清洗与处理：
1.1、数据库大小信息表清洗
（1）新增公式列-年月，数据来源于字段日期，
（2）对日期进行升序排序，再新增汇总列-月数据库最大大小，按年月分组，汇总字段取磁盘数据的最大值，
（3）按月数据库最大大小删除重复行，
（4）然后新增公式列，求出排名，公式为：DEF(COUNTD_AGG(${日期}),[${日期}],[${月数据库最大大小}<=EARLIER(${月数据库最大大小})])，使用了earlier函数，求出小于等于当前行数据的记录个数。然后求出排名，公式为：
DEF(SUM_AGG(${月数据库最大大小}),[${日期}],${排名}+1=EARLIER(${排名}))，公式解释：
|
组成部分
|
说明
|
|
SUM_AGG(${月数据库最大大小})
|
对字段「月数据库最大大小」进行求和计算
|
|
[${日期}]
|
指定维度为日期字段，即按日期分组计算
|
|
${排名}+1=EARLIER(${排名})
|
过滤条件：筛选出「当前行排名」等于「目标行排名+1」的数据
|
（5）然后求出环期，公式为：DEF(SUM_AGG(${月数据库最大大小}),[${日期}],${排名}+1=EARLIER(${排名}))，公式解释：
|
组成部分
|
说明
|
|
COUNTD_AGG(${日期})
|
对日期字段进行去重计数（统计唯一日期数量）
|
|
[${日期}]
|
指定维度为日期字段，即按日期分组计算
|
|
${月数据库最大大小}<=EARLIER(${月数据库最大大小})
|
过滤条件：筛选出所有「月数据库最大大小」小于等于当前行值的数据
|
（6）然后计算环比，也就是环比增长率，公式为：IF(OR(ISNULL(${环期}), ${环期}=0),null,((${月数据库最大大小})-${环期})/${环期})，公式解释：
|
组成部分
|
说明
|
|
OR(ISNULL(${环期}), ${环期}=0)
|
逻辑判断：当「环期」字段为空 或 值为零时触发
|
|
null
|
当触发上述条件时返回空值（避免无效计算）
|
|
((${月数据库最大大小}) - ${环期}) / ${环期}
|
环比增长率计算：（当前值 - 上期值）/ 上期值
|
1.2、平均会话响应时间表清洗
新增获取时间列-年月，选择字段为日期
1.3、用户信息表清洗
（1）新增获取时间列-年月，选择字段为用户主记录的创建日期，
（2）然后获取时间列-年份，选择字段用户主记录的创建日期，然后再获取时间列-月份，选择字段用户主记录的创建日期，然后根据上次登录的日期，这里的年份和月份是为了后面求用户数环比增长率设计的。
（3）对上次的登录的日期开头不是“未在使用中”进行过滤，
（4）然后新增公式列，计算出上次日期，公式为：REPLACE(${上次登录的日期}, ".", "-")，公式解释：
|
组成部分
|
说明
|
|
${上次登录的日期}
|
原始日期字段，可能包含点号分隔符（如2023.10.05）
|
|
"."
|
需要被替换的字符（点号）
|
|
"-"
|
替换后的目标字符（短横线）
|
因为fineBI无法识别2023.1.1这样的日期格式，只能识别2023-1-1这样的日期格式。
（5）然后用新增表添加列的方式添加列-文本，添加表用户组里面的文本字段到当前表，用字符串拼接，匹配依据是用户组。
（6）然后新增时间差列，时间差=当前时间-上次日期，单位是天
1.4、事务参数文件表清洗
（1）对三个事务参数文件都新增公式列-日期，9月的公式为DATE(2025,9,1)，计算结果为2025-9-01 00:00:00，10月的公式为DATE(2025,10,1)，计算结果为2025-10-01 00:00:00，11月的公式为DATE(2025,11,1)，计算结果为2025-11-01 00:00:00。
（2）然后过滤，过滤出总响应时间最大的10个，
（3）最后在11月的事务参数文件表进行三张表上下合并。
1.5、传输请求表清洗
（1）新增公式列-转换时间，公式为：TODATE(${AS4TIME}) ，
（2）然后再新增公式列-转换日期，公式为：TODATE(REPLACE(${AS4DATE},".","-"))
（3）然后新增获取时间列-时，选择字段转换时间，获取时间-时。
（4）最后再新增公式列-分类，公式为：IF(${时}>18,"非紧急","紧急")
如果小时大于18点，也就是晚上18点之后传输请求，那么是非紧急传输，否则是紧急传输。
1.6、上次启动时间表清洗
（1）先把时间格式化
（2）合并时间
（3）替换时间
（4）字段设置-替换时间从文本格式转换成日期格式
（5）新增公式列，求出连续运行天数
1.7、模型视图建立
除了用户信息和用户组是按字段用户组建立联系，其他的都是按照日期或者年月。
2、分析维度：
柱形图：平均会话响应时间趋势、磁盘增长趋势、用户增长趋势、30天为登陆系统的用户、传输请求增长趋势
分组表：总响应时间前十的程序、30天未登陆系统的用户明细
饼图：紧急传输请求占比
指标卡：连续运行天数
颜色分类：红色代表有问题，蓝色代表正常，绿色表示极好。
2.1、柱形图-平均会话响应时间趋势
主要是在颜色里面用了区域渐变，用了2个渐变区间，超过1000用红色标识，反之用蓝色
2.2、分组表-总响应时间前十的程序
主要是运用了组内排序。
2.3、柱形图-磁盘增长趋势
运用了快速计算求得环比增长率，然后还增加了计算字段，计算出环比增长率最大的月份，公式为：(IF(环比=环比最大值, 年月,null))，为了在分析文档里能正确显示，然后套了一层def函数，
DEF(MAX_AGG(${数据库大小信息_环比增长率最大的月份}))，另外还对增大率最大的月份的柱子设置了闪烁动画和注释。
2.4、柱形图-用户增长趋势
主要难点是下面三个计算字段，用在后续的分析文档里面。
添加计算字段-按用户组计算超过30天未登陆系统用户汇总数，公式为：
DEF(COUNTD_AGG(${用户信息_用户}),[${用户信息_用户组}],[${用户信息_用户上次登陆日期距今天数}>30])
计算字段-最大的用户数，公式为：
DEF(MAX_AGG(${用户信息_按用户组计算超过30天未登陆系统用户汇总数}))
计算字段- 最大的用户组组名，公式为：IF(${用户信息_按用户组计算超过30天未登陆系统用户汇总数}=${用户信息_最大的用户数},${用户信息_文本},null)
2.5、柱形图-30天为登陆系统的用户
主要用了计算字段-超过30天未登陆系统用户汇总，公式为：
DEF_ADD(COUNTD_AGG(${用户信息_用户}),[],[${用户信息_用户上次登陆日期距今天数}>30])
计算字段- 替换null成空组，公式为：NVL(${用户信息_用户组}, "空组")，用于维度用户组。
2.6、分组表-30天未登陆系统的用户明细
主要用了计算字段-替换上次登录的日期里面的.成-，公式为REPLACE(${用户信息_上次登录的日期}, ".", "-")，
计算字段-用户上次登陆日期距今天数，公式为：DATESUBDATE(NOW(),TODATE(${用户信息_替换上次登录的日期里面的.成-}),"D")，
计算字段-用户数，公式为：COUNTD_AGG(${用户信息_用户})
2.7、饼图-紧急传输请求占比
计算字段- 传输请求分类个数，公式为：DEF_ADD(COUNTD_AGG(${传输请求_TRKORR}),[])
计算字段-传输请求总数，公式为：DEF(COUNT_AGG(${传输请求_TRKORR}))
计算字段-传输请求分类占比，公式为：${传输请求_传输请求分类个数}/${传输请求_传输请求总数}
2.8、柱形图-传输请求增长趋势
用了指标记录数按年月获取传输请求数量
2.9、连续运行天数
用了连续运行天数求和
四、可视化报告
仪表板
红色代表有问题，蓝色代表正常，绿色表示极好。
分析文档
  
五、学习总结
（一）学习经历：
1、内卷：感觉有的同事非常努力，我刚做完作业一，有的人都已经做完作业5了，不得不佩服，为了追上他们，我不得不在晚上回家继续学习，周日也不休息，终于赶上并超越了他们。
2、知易行难：老师说作业很简单，但是真正做起来的时候，并不容易，尽管看完视频，但是并不容易记住，需要反复暂停视频，然后再一点点确认，有时候遇到不会的，还要去看帮助文档，以及利用FineBI7.0小助手，小助手帮了我大忙，遇到不会的问题，小助手95%的时候能解决我的问题。
3、熟能生巧：随着不断地练习，做图表越来越快，越来越轻松，遇到实在想不起来的，回头看看自己的作业就会了。
（二）个人成长
利用这次学习，我基本掌握了帆软BI的使用方法，以后可以利用帆软出具各种报表。
（三）个人建议
1、建议讲讲怎么用AI出具报表，AI已经可以代替绝大部分报表了，不需要人工编制了。
2、讲一下本企业使用FINEBI的实际案例，线下讨论的时候，我没有看到能够真正用起来的BI模型，虽然各种图表看起来很好看，但是基本都是编造的数据，完全脱离企业实际情况，或者收集的数据不全，缺乏最关键的数据，得出的结论完全是相反的。希望能讲讲企业里面用实际能用起来的模型。
| 
