文档介绍：蒃蚃莀葿芄数据分析平台蒁解决方案蒈羈羄蒂袁成都四方伟业软件股份有限公司莇2017年1月螄薄目录罿1. 背景概述 5螇2. 现状分析 . 主流BI模式 6莁传统BI模式 6莁敏捷BI模式 . 平台推荐模式 8芅3. 整体需求 . 数据源支持 . 自助式查询 . OLAP联机分析 . UI编排功能 . 丰富的组件 . 多种展示方式 . 外部数据服务 14蚆4. 总体设计 . 数据分析 . 设计运行 . 系统管理 . 可视化展示 16莂5. 功能设计 . 数据分析 17膈多数据源 17羂数据建模 18莄多维BI分析 . 设计运行 20蚇 UI编排 20蚃丰富组件 21膁事件引擎 24薀运行引擎 . 系统管理 26莃我的报表 26芃工程化管理 26蚈主题管理 27蒆布局管理 27膄数据源管理 27芄基础管理 . 可视化展示 28袅决策仪表盘 28袄大屏综合显示 30肁交互式WEB界面 30腿基于GIS的数据可视 . 其他功能 38蚄数据探索 38膃事件定义 38蒁项目管理 39肈基础管理 39莅安全管理 39羀部署与集成 40蕿蒇膅羁背景概述蚈当前,我们的世界已经迈入大数据(BigData)时代,随着互联网、物联网、云计算等信息技术的迅猛发展,信息技术与人类世界、经济、军事、科研、生活等方面不断交叉融合,催生了超越以往任何年代的巨量数据。数据正在变得无处不在、触手可及,数据的背后隐藏着信息,而信息之中蕴含着知识和智慧。袇而数据创造的真正价值,在于我们能否提供进一步的稀缺的附加服务,就是数据分析。数据的分析过程往往离不开机器和人的相互协作与优势互补。从这一立足点出发,大数据分析的理论和方法研究可以从两个维度展开:一是从机器或计算机的角度出发,强调机器的计算能力和人工智能,以各种高性能处理算法、智能搜索与挖掘算法等为主要研究内容,例如基于Hadoop和MapReduce/Spark框架的大数据处理方法以及各类面向大数据的机器学****和数据挖掘方法等,这也是目前大数据分析领域的研究主流;另一个维度从人作为分析主体和需求主体的角度出发,强调基于人机交互的、符合人的认知规律的分析方法,意图将人所具备的、机器并不擅长的认知能力融入分析过程中,这就是大数据可视化分析。袆商业智能(BusinessIntelligence,简称BI)是进行数据可视化分析的一种重要手段。肃现状分析肀主流BI模式芆Gartner的2016BI和分析平台魔力象限报告指出:当今数据分析向可视化设计UE、自助式探索分析、分析和展现一体化平台发展已经成为大势所趋。2016年,传统的BI厂商已经集体沦陷,全部被驱出了领导象限。蚆传统BI模式袀在对数据进行分析的过程中,传统BI的做法是,IT人员事先根据分析需求来进行建模(以及做二次表或打Cube),提前汇总好数据,业务人员在前端查看分析结果报表。分析过程如下所示。