请上传宽度大于 1200px,高度大于 164px 的封面图片
    调整图片尺寸与位置
    滚轮可以放大缩小图片尺寸,按住图片拖动可调整位置,多余的会自动被裁剪掉
取消
XiXi(uid:221124)
职业资格认证:FCP-报表开发工程师 | FCA-FineBI | FCP-FineBI | FCP-业务分析师
企业数据分析效率低下如何破局?这家公司用FineBI轻松脱困
static/image/hrline/line3.png 上海爱婴室商务服务股份有限公司(以下简称“爱婴室”) 创立于1997年5月,总部位于上海,并在上海、江苏、浙江、福建、重庆、深圳等地区开设直营门店,目前已开设直营门店近300家,成为华东地区知名的母婴零售集团,爱婴室以母婴商品的销售及相关服务为主营业务,为孕前至6岁婴幼儿家庭提供优质母婴用品和相关服务的专业连锁零售商,经营产品涵盖了婴幼儿乳制品、纸制品、喂哺用品、洗护用品、棉纺品、玩具、车床等品类,产品品种逾万种。 作为国内知名的母婴用品专业连锁零售机构,“爱婴室”母婴品质生活馆吸引了惠氏、雅培、 达能、美素佳儿、合生元、飞鹤、嘉宝、尤妮佳、金佰利、大王、伊威、方广、新安怡、贝亲、 Bobo、Joie、英氏、妙思乐、怡思丁、菲丽洁 、皇室、孩之宝、美泰、奥迪等知名品牌的入驻,并与上述多家国际性集团公司建立了紧密的战略合作关系,为客户提供了优质特惠的母婴商品及服务。 爱婴室以会员营销为核心,以直营门店、APP为主要营销渠道,结合微商城小程序、门店到家小程序、微信公众号等电商流量入口平台,为会员用户提供了更便捷、更多样场景的购物体验。 static/image/hrline/line3.png 一、爱婴室为什么选择FineBI自助分析?1、过去:繁琐取数,低效分析,经验决策随着电商业务的快速发展,爱婴室以往用IT取数,excel分析的方式,问题越来越凸显:1)取数繁琐。数据分散在各个业务系统、电商平台中,信息部IT人员为帮助业务用户取数,一方面为业务用户制作了明细数据表,供业务用户自己导出数据,另一方面给1-2个有SQL基础的业务用户开放了数据库查询权限。然而,到业务用户自助取数,出现了以下问题:a、自己去报表系统导出数据,因要分析的维度多,需多次切换过滤条件导出数,操作繁琐;b、找有数据库查询权限的业务同事要数据,问题是SQL基础薄弱,对于复杂的取数逻辑,只能通过多个简单SQL,多次查询取数,手动关联来实现。最后只能回到取数原点,找IT帮忙取数,走漫长的需求排队流程。2)分析低效。业务人员最终获取到的excel数据表,因数据量大,导致excel打开慢,编辑卡顿,在多指标分析时,需拆分多个excel进行分析,领导查看分析结果时,连带要查看多个报表,体验不好。更棘手的是,excel分析具有时效性,当数据更新后,要重新导数做报表,分析效率低。3)经验决策。业务人员普遍缺乏数据思维,常常依赖自己的工作经验决策,缺乏数据分析支撑,部分决策方案无法服众,很难推动实行,经验决策有时与实际情况存在较大偏差。 2、现在:便捷取数,高效分析,数据决策在与帆软正式合作前,爱婴室会员部的业务用户其实一直在使用FineBI本地版做分析,从系统中导出excel后使用FineBI拖拉拽仪表板,下次分析时,只需要增量导数到FineBI中,仪表板自动刷新,速度快,关键是节省了大量的图表制作的工作量。IT部门的负责人发现这个现象后,立即下载试用FineBI,并联系到帆软自助分析技术顾问,在技术顾问的指导下,IT建立数据连接,将数据进行融合抽取,统一对接到FineBI,新建业务包,添加基础表,配置用户权限,完成系统环境部署后,IT首先将系统开放给会员部的业务用户使用。达到了以下效果:1)便捷取数。FineBI对接了各个业务库,将分散的数据集合到统一的数据准备业务包下,业务用户可直接从业务包中获取数据,添加到仪表板中拖拉拽字段进行分析,再也不用到各个业务系统中重复多次导数,实现取数即分析。2)高效分析。会员部的业务用户在使用本地版的FineBI时,就非常明显地感受到这个工具的易用性,据业务用户反馈,开始时好像没怎么学习帮助文档或视频,就直接上手分析,有问题再随时查帮助文档。自从部署了企业版的FineBI后,业务用户就没怎么用excel做分析了,现在仪表板跟随系统抽数频率每天都会自动更新,时效性高,一次分析永久使用,3)数据决策。其一,决策有依据,通过科学的模型分析得出数据结论,再运用数据分析结果辅助最终决策,不再完全依赖主观经验判断。其二,问题可考究,FineBI支持多维度查看数据,通过添加过滤组件,比如按日期(年、月、日)、按区域、按城市、按门店等不同维度查看数据变化情况,及时发现问题,寻找解决方案。二、业务用户使用FineBI实现的数据分析场景1、用户流入流出监控统计一定周期内不同门店/城市/品类新用户流入和老用户流失情况,根据数据分析结果,制定相应的运营策略,以降低用户流失,提高用户流入。以某一时间为界限,以用户的购买行为为依据,新用户流入,即“在该时间节点前,没有任何购买行为,而在该时间节点后,发生了购买行为”的用户,老用户流失,即“在该时间节点前有购买行为,而在后6个月时间范围内(PS:6个月是既定的母婴产品的用户生命周期),没有任何购买行为”的用户。据此,制作如下监控模板:134599 2、品类消费人数占比分析不同品类消费人数占比,并和去年的同期做对比,当发现今年占比相对较低时,会根据当前库存调整新的运营策略。134600 3、门店转化率统计付费会员卡开卡情况统计,营运部门通过分析当天各门店顾客的会员卡转化率(门店会员卡转化率=当天开卡数量/进店消费数),了解到整体开卡情况,并通过推券或改变付费会员卡的开卡活动来促进顾客回购。134601 三、爱婴室如何推广应用的FineBI自助分析模式? 1、选定IT与业务配合方式自助分析模式下,IT与业务的配合方式主要分为以下四种:134602方式1、IT负责到数据分析,业务用户只查看分析好的仪表板;方式2、IT负责到数据处理,即在业务包中添加好基础表和自助数据集,业务用户只在仪表板做拖拉拽分析;方式3、IT负责到数据获取,即在业务包中添加好基础表,业务用户自己进行数据处理,添加自助数据集和在仪表板内做分析;方式4、IT只负责到底层数仓,业务用户自己添加基础数据库表,添加自助数据集和新建仪表板分析。 爱婴室选定的IT与业务的配合方式是2和3,目前企业内使用FineBI的用户包括:1)1个IT部门信息人员负责系统的日常运维;2)会员中心业务用户使用FineBI进行数据处理与仪表板分析,一方面他们承接领导或其他业务部门的分析诉求,另一方面,来源于自己业务所需,进行探索性分析;3)其他业务部门用户使用FineBI进行数据查看。除此之外,项目负责人正在逐步向其他业务部门推广FineBI自助式分析。 2、确定系统架构 数据来源于多个业务系统的各个数据库:各个系统互相孤立且数据异构;使用kettle抽取到GREENPLUM,通过代理计算模,IT使用FineReport做好固定报表,业务使用BI进行模板自助分析。134603 3、技术顾问服务支撑 帆软自助分析顾问服务是帆软公司提供的一项为企业使用FineBI产品顺利构建自助分析体系,通过线上专人顾问咨询及现场服务支撑,发挥自助分析工具价值的增值服务内容。为此,技术顾问为爱婴室提供的服务内容包括:134604 在技术顾问的服务支撑下,爱婴室按照项目规划、系统准备、系统开发、稳定使用一步步完成自助分析模式落地。134605 四、爱婴室对产品及服务评价 “Finebi是一个强大且直观的BI工具,从数据提取、处理、分析及展现的各层面为我司提供了完整的解决方案,增加工作效率的同时,也提升了专业度。我们所属的部门是会员中心,承接全公司所有的会员数据分析、报表。涉及会员消费行为的分析,场景复杂。在技术支持和顾问服务的指导下,做出了例如净流入模型、转牌模型等较复杂的报表,对业务部门提供较直观有效的查阅手段,从而对公司发展起到了明显作用。希望FineBI越来越好,为用户提供更便捷且功能更强大的服务。” 编辑于 2020-6-12 14:17
主题标签丢失
132183 主题标签丢失,请尽快修复!
个人页内容分类
132182 希望需求和文章放在不同的板块,方便集中查看,关注单个用户发表的内容!
2个文本编辑器需求
1、文本编辑支持修改行距,文字复制粘贴进到这里后,行距太紧凑,阅读起来很吃力;比如:132127 2、支持修改图片尺寸,比如:本应该是两张并列的小图,默认尺寸变成了上下排版的大图;哭唧唧~ 132128
数据分析,我抛弃Excel的五个原因
说到数据分析工具,则不得不提办公三大套件之一Excel,功能强大、入门简单、人手必备,我作为Excel粉,曾急切想要掌握这款高级的工具以提高自己的业务能力,于是便开始在网上铺天盖地的教程中摸爬打滚。初学时觉得非常新奇,很多功能自己之前没有发现,早学会倒是可以省去手动检查的麻烦操作,深入学习后,发现操作理解难度加深,经常是做了后一步操作忘记前一步,磕磕跘跘,经历一番挣扎,最后终于还是学会了一些复杂功能,然而因平时工作很少涉及过于复杂的分析场景,随着时间的流逝,之前掌握的技能又逐渐淡忘了,需要用时发现还得跟着教程一步步做,更难的是,Excel教程杂乱无序,没有针对数据分析的专门教程,比如我想实现的分析场景包含一系列操作,excel教程以单个操作来讲解,对单个操作理解不正确就容易走偏,甚至循环往复,做了很多重复多余的步骤,现在想想,之前大部分课程花了钱都在学函数、公式、快捷键上,得不偿失,又不甘心放弃学习,于是在网上搜罗了一番,”数据分析入门“、”免费数据分析软件“、“BI”等等,最终发现了一款个人版免费的大数据软件FineBI,抱着试试的态度下载试用。 132111132112 比较满意的是,在学习资源上,FineBI上有完善的教学视频讲解和针对分析场景的细致帮助文档指导,根据帮助文档还可以学习到数据分析的方法,这应该就是专业的大数据分析软件,Excel打遍天下无敌手后,还有BI市场的根本原因。FineBI整体使用体验是,入门难,进阶简单,换句话说,突破FineBI入门难关后,进阶水到渠成。FineBI使用越来越上手后,发现自己打开Excel越来越少了,总结了以下几个原因。 132113132114 原因一、Excel无法连接数据源 作为电商零售行业的一名业务员,数据分析不是我工作的主要部分,但却是必不可少的一部分,比如每周的数据周报,计算当周总销售额多少,毛利多少,分店的盈利状况如何,较上周的变化趋势如何等等类似这样的固定计算指标,每周需要从系统中导出数据,再用Excel计算一遍,费劲心思制作好的周报也只使用一次,担心以后会用到,处理好的数据文件要时时保存在本地,导致文件越积累越多,却始终未发挥被再次使用的价值。其次,Excel只是一个单纯做数据编辑的软件,每次做分析前必不可少要找数据库管理员取数,而分析数据是一个探索深究的过程,一开始很难明确数据需求,要么如下截图所示,每次拿不全数据,要么大而全,要考虑各个维度的影响因素,比如分析销售额下价的原因,影响销售额的指标有销量和单价,影响指标的因素有不同地区、不同门店、不同品类的定价策略等等,取数频率过高容易影响到他人的工作,自己也非常不好意思。 132115132116 使用FineBI,数据源是来自数据库数据连接,意味着当数据更新后,在FineBI上制作的仪表板数据也是同步更新的,光这点就减轻了不少工作量,每次发数据周报,只需要用筛选组件过滤出需要的日期范围,然后截图或导出PDF就完事!使用FineBI制作仪表板用于监控数据变化,不会出现辛辛苦苦做好的模板过期就用不到的问题,数据模板以浏览器链接的形式存放,不占用电脑存储空间,也不用担心数据泄露或丢失的问题。值得一提的是,因为编辑简单,分析速度快,在精力充足的情况下,做一些简单的样式编辑,使得数据报告更加的精致美观,浏览的人体验也好。由于FineBI是直接连接数据源,所以数据库管理员可以事先准备好业务包数据,我分析时直接自助取用,不用每次麻烦同事,方便做探索性分析,在有限的精力内,将问题分析的更加全面具体。 132117132120 原因二、数据量承载有限,大数据量下展示速度慢 一名优秀的业务员同时要具备数据分析思维,利用自己对业务的熟识,通过数据分析发现问题或需求,比如啤酒与纸尿裤。有次,领导查看了季度销售数据,发现销售额出现了下降的趋势,要求我找到问题原因并给出应对方案,毫无疑问首先应拿到销售数据,查看下降趋势,再从不同维度分析下降原因,比如以月为粒度看看从哪个月开始出现下降,以周或天为粒度查看具体下降情况。于是我收到数据库管理员小张600多万行的订单明细数据,起初Excel打开极慢,查了下百度才知道2003版Excel支持的最大行数为65536行,还好没有超过限制,庆幸之余发现打开Excel只是第一步,后面的编辑步骤才是真正要跨的坎,每点一次等待三秒,效率太低了,以至于后面想做的分析步骤很难施展。 132124 而FineBI作为一款专业的大数据分析软件,对数据量的支撑毋庸置疑,支持亿级以内的数据展示和编辑,相同行数的数据表展示速度相对Excel快很多,提高工作效率的同时,让自己更专注数据分析。 原因三、撤销操作具有全局性,缺少灵活性 Excel无法展示历史编辑步骤,当我进行到数据分析第十步操作时,突然发现好像开始第一步计算方式有误,而我又不记得第一步是算了哪个指标,这时只能一步步撤销回到第一步检查,修改第一步的编辑后则无法回退到原先进行到的第十布,意味着之前的编辑步骤付诸东流。而使用FineBI编辑自助数据集,记录每一步分析操作,支持对单个历史操作进行增加、删除和修改,分析灵活。 原因四、FineBI制作的模板支持在线分享 今年9月,根据《中华人民共和国网络安全法》等法律法规,国家互联网信息办公室会同相关部门研究起草了《数据安全管理办法(征求意见稿)》,而且随着行业竞争越来越激烈,,公司内部对数据的管控也加强了,特别是对业务人员,我们的工作与数据紧密相关,从系统中导出一张Excel表,不管是本地自用,还是发给同事,都要保持一定的警惕,事关法律责任,另外从数据管理员层面考虑,职责内只能控制到导出数据的人,无法控制数据文件的流向,数据安全建设对他们来说“压力山大”。使用FineBI可以有效解决这个问题,支持平台内直接分享和设置数据权限,缺少数据权限的用户无法查看模板数据。132108 原因五、FineBI支持手机、平板快速查看 在移动互联网时代,Excel缺少对移动端的适应就大大降低了便利性,很难快速响应数据查看或监控的需求。比如我常在出差途中接到老板临时看数据的需求,尽管数据报告早已经做好了,还是得打开电脑→连上热点→发送文件,老板收到文件也得打开电脑→点击查看,如果能做个移动端推送岂不妙哉?直接在手机上点击链接查看,FineBI支持移动端,老板啥时候想看就点开看,随时随地,也不用催促我发报告。 132107 一款实用的分析工具,首先要求在计算能力层面不弱于Excel,其次要求在工具使用门槛上比Excel低,目前来看,FineBI是比较好的选择。 编辑于 2020-2-10 15:55
为了打败行业竞对,我不得不用的数据分析利器
说到数据分析,可能很多小伙伴和我一样,“纵使爱它千万遍,它待我如初恋”,每每下定决心入手学习,可是又不知道从哪开始,复杂的算法、庞大的数据、眼花缭乱的代码......最终还是止步于头脑斗争,无法付诸实际行动。在互联网行业运营岗沉浮2年,经历101次从入门到放弃后,我终于找到了一个数据分析利器——FineBI,使用一段时间后,我总结了运营人做数据分析时的痛点及数据分析的正确打开方式,以下给大家做一个分享。 一、运营人做数据分析的难点 互联网行业发展快,为了能更好的感知变化,就需要做数据分析,从海量实时的数据中挖掘出有价值的商业信息,要做好这点,一方面需要公司的战略支持,另一方面也要求自己有能力。从公司战略支持上,配备了专门的数据部门,平常工作包括数据看板搭建,数据埋点,数据库维护等。对运营工作的支撑来看,数据看板存在几个常见且严重的阻塞:1、展示的数据图表固定不变,缺乏灵活性,不能做探索分析,数据看板最多看看日活、月活、留存及一些订单转化数据,这也仅限于“查看”,无法做探索分析,要发现某个产品转化渠道UV数据异常,原因也只能凭经验,比如天气、系统故障、节假日等原因,得出的结论对运营工作支持的作用不大。2、部门配合沟通成本高,实现效率低。遇到没有的数据图表可以向技术部门提数据看板需求,比如添加XXX路径漏斗转化分析数据图表,技术部门判断为永久性展示的固化图表需求后再进行埋点收集数据,结果从需求评审到需求落地经历半个月,劳心劳力且无法保证数据分析的时效性;另一种情况是原先产品的埋点数据已经做好,只是没有做成数据看板,这就可以直接从数据库里导出数据,再用Excel分析,那么问题来了,需要导出哪些时间段的数据和导出哪些字段的数据不好确定,因为数据是未知的,变化是未知的,导出数据过多,人工筛选工作量不说,Excel也承受不住,保险起见一般会导出较长周期的数据,最后费劲周折做好的图表只能一次性使用,下次有新数据导出,则要按照之前的计算方法重新排版一次,无法实现数据更新。3、业务数据和行为数据是分开的两套数据库系统,无法放在一起分析,比如订单转化路径和最终订单量数据,在行为数据看板上观测客户的购买行为,在业务数据看板上查看客户的实际下单的订单数量,最终的转化率需要自己手动计算,现有的埋点数据只能收集到用户点击“立即购买”按钮的次数,实际场景是点击付款按钮的次数到最终付款的人数存在偏差,而核心路径下的偏差数据正是我们需要重点分析挖掘的内容。 二、数据分析的正确打开方式 1、使用工具,明确分工 数据人员因为对业务不熟悉,每次有新的分析需求都要与他们反复沟通,有时甚至要带图说话,期间消耗大量的时间成本,想想得不偿失,不如拿到数据后自己做分析,所以我认为合理的分工方式应该是数据部门负责提供清洗好的数据,运营人员直接拿数据做分析,这点在FineBI上就做的很好,衔接了双方的需求,数据准备自动化,由数据人员负责建立数据连接和数据集,运营人员直接取用准备好的数据,遇到没有数据的情况再向数据部门提数据需求,管理数据是他们的本行,需求响应也就快。 https://kms.fineres.com/download/attachments/82917243/image2019-10-14_18-49-19.png?version=1&modificationDate=1571380156000&api=v2 2、确定思路,探索分析 做数据分析之前要确定好数据分析的内容和思路,日常分析内容主要是三类:1、分析现象,解决是什么的问题;2、分析原因,解决为什么的问题;3、分析对策,解决应该怎么做的问题。这里举一个案例:某平台型产品9月份发生客单价下降问题,分析其可能原因。首先清楚这是典型的分析为什么的问题,其二确定分析思路,根据归纳推理原理,从结论出发,进行拆解,客单价等于销售总额/成交总笔数,影响销售总额和成交总笔数不外乎服务提供者、用户和产品三个维度,从这三个维度下提出假设(如图),再通过数据逐一验证,以下使用样式数据,演示分析过程。 https://kms.fineres.com/download/attachments/82917243/image2019-10-12_13-42-41.png?version=1&modificationDate=1571380156000&api=v2 使用数据人员已经做好了的数据集,即客单价下降原因分析业务包里添加好的数据库表,进行取数分析。 https://kms.fineres.com/download/attachments/82917243/12.gif?version=1&modificationDate=1571380156000&api=v2 从用户注册表、用户信息表中获取总注册用户数、9月新增注册数和9月流失用户数,使用指标卡组件计算出9月新增客户数为26、流失客户数为2,根据2019年新增注册客户数折线图,可以看出9月新增客户数在正常变化幅度内。 https://kms.fineres.com/download/attachments/82917243/image2019-10-14_22-11-0.png?version=1&modificationDate=1571380155000&api=v2 使用订单明细表得到2019年订单量/销售额月份变化趋势图及9月流失客户订单明细表。柱状图所示,9月订单数和销售额较8月有所上升,且在订单记录表中查找2019年9月状态为流失的客户历史交易记录,评价该客户流失对订单转化的影响作用,明细表显示流失客户的订单记录在较早月份,最近没有接单记录,说明新老客户更替不是构成客单价下降的主要原因。在订单总笔数上升和销售总额上涨的情况下,客单价下降极有可能是促销活动或用户来源渠道欠佳导致。 https://kms.fineres.com/download/attachments/82917243/image2019-10-15_9-56-14.png?version=1&modificationDate=1571380155000&api=v2 排除人为促销活动因素,从用户维度分析,包括实际付费用户数、新增用户的来源渠道及现有用户的特征画像。通过地图组件发现,2019年5月到9月新增用户中大部分来自于内陆省份和新用户营销渠道,接着用漏斗图统计用户从下载到下单的转化情况,发现转化率较高,更为异常的是订单明细数据中显示平均每个用户只有一次下单记录,然后筛选出9月下单用户,与用户画像表建立关联,通过制定一些判断规则,得到用户画像标签图,发现用户质量不优,且存在“羊毛党”嫌疑。 https://kms.fineres.com/download/attachments/82917243/GIF.gif?version=1&modificationDate=1571380155000&api=v2 https://kms.fineres.com/download/attachments/82917243/image2019-10-15_10-53-37.png?version=1&modificationDate=1571380155000&api=v2 3、搭建数据看板 我们知道,数据分析的价值在于指导实践,通过分析客单价下降原因,及时改善运营策略,比如适当降低新人首单优惠或根据产品目标人群来调整宣传渠道,吸引更多高价值用户入驻。为了更好指导运营策略调整,我们可以将已经做好的模板固化成每日的数据看板,时时监控客户留存情况。 https://kms.fineres.com/download/attachments/82917243/image2019-10-15_9-53-3.png?version=1&modificationDate=1571380155000&api=v2 并且可以将制作好的看板通过挂载到平台目录,供相同部门的人员查看。 https://kms.fineres.com/download/attachments/82917243/3.gif?version=1&modificationDate=1571380155000&api=v2 值得一提的是,使用模板导出功能可以导出完整且清晰的的模板图片,用于向领导汇报的周报或是月报PPPT。 https://kms.fineres.com/download/attachments/82917243/image2019-10-15_10-13-48.png?version=1&modificationDate=1571380156000&api=v2 三、数据分析方法论总结 实际上,运营做数据分析并不需要懂复杂的技术,关键是对业务流程的理解以及用数据解决问题的思维。刚开始时做分析会比较生疏,做多了之后,积累了数据经验,慢慢会发现自己分析问题的维度越来越广了,这大概就是运营人员的核心竞争力。综上,距离一个优秀的运营,你可能只差一个好的分析工具,比如FineBI(下载地址:http://www.finebi.com/product/download,安装即可用),里面有很多精美的数据看板,下载后可以体验一波。 编辑于 2020-2-10 15:38 编辑于 2020-2-10 15:39
什么是自助分析?
第一次“遇见”帆软官网,就被“自助”两个字吸引了,比较疑惑:什么是“自助分析”? 131733 首先我想到的是“自助餐”,“自助”也就是"自己做"; 那么“自助分析”翻译过来就是:“自己做分析”; 那么,FineBI倡导的“自己做分析”价值点是?
日期过滤后取排名前50%
写在前面 大家好,我是从事教育培训行业的Josie,为了实现学生信息数据化,学校去年采购了帆软BI,作为带班老师,跟着学校信息化部门一起学习了fineBI,并将其运用到学生学业成绩分析上。作为学习成果的展示与交流,这里给大家分享一个稍有成就感的案例,实现“时间过滤后取排名后50%的学生成绩”。希望大家能多多评论,互相学习交流。 分析思路 涉及到根据过滤值进行动态计算,所以添加的计算指标应使用聚合函数。1)将“成绩”进行升序排名;2)计算出筛选结果的行数总数;3)设置flag判断,当排名小于总行数的50%,标记为1,反之标记为0;4)将flag拖入结果过滤器,取所有为1的行,即为排名后50% 分析过程 1.数据准备,使用分组表,将学生成绩进行汇总 127887 2.添加计算指标,计算排名 rank_anls() 127888 3.添加计算指标,对学生进行去重计数 counted_agg() 127889 4.添加计算指标,计算学生总数(去重)total() 127891 5.添加计算指标,判断哪些属于排名后50% if() 127890 6.结果过滤,过滤出排名属于后50%的学生成绩 127892 7.取消二次计算的勾选,若不取消,则会对过滤结果进行第二次的flag判断,导致筛选结果里有flag=0的数据 127893 8.最后再拖入时间过滤组件即可 127894 写在最后 写出来后感觉步骤挺简单的,在前面思考时却绕了好些弯,问题一,在自助数据集里通过新增列来计算,实际上是无法实现的,因为数据集里的函数不是聚合的,意味着不能实现动态的选择某一时间后过滤出相应结果,比如排名需要根据时间过滤出的结果重新排。问题二,为什么是取总行数的50%,而不是取排名最大值的50%,后者应该更准确才对,因为可能会出现相同成绩的情况,这个问题通过使用一个简单的数据做了验证,发现排名最大值等于总行数,比如: 127895
个人成就
内容被浏览2,566,690
加入社区5年269天
返回顶部