CN116304239A - Bi工具的图表数据解释方法 - Google Patents

Abstract

本发明公开了一种BI工具的图表数据解释方法，包括以下步骤：步骤1，BI组件中图表上的数据点被用户触发后，展示数据解释功能入口；步骤2，数据解释功能被用户触发后，展示数据解释面板，其中数据解释面板展示的内容包括：当前数据点的基本信息和当前数据点的关键影响者。本发明的有益之处在于极大的降低用户自助分析门槛，只需选择期望分析的数据点，即可通过数据解释直接获得分析结论，无需掌握任何分析模型。

Description

BI工具的图表数据解释方法

技术领域

本发明涉及一种BI工具的图表数据解释方法。

背景技术

自助分析是BI产品的核心功能，当前一次可视化分析的最小单元是组件：将数据表中的维度与指标拖入分析区域，经过一次引擎计算，将计算结果以图表的形式可视化呈现给用户，便于用户快速获得分析结论。

在BI的用户日常分析当中，大多数的业务分析是从发现异常数据开始的：用户查看日常业务看板，发现某一天的指标下降了很多，从而分析影响这天指标下降的关键因素是什么。此时用户需要创建多个组件，尝试将不同的维度组合或指标组合拖入组件，来探索该点指标下降的关键因子是谁。往往完成一次完整的常规分析需要耗时1个小时以上、创建十余个组件。

现有自助分析的缺陷：该分析路径对于用户的要求较高：首先用户需要对业务有较深的理解，能采用合适的维度组合进行分析；其次需要一定的自助分析能力，对于数据编辑、组件的透视分析较为熟练。对于新手分析师和普通业务用户很不友好，自己得出分析结论的门槛很高。

分析的复杂度较高：完成一次分析往往要创建多个组件，实现不同维度组合、多指标的相关性分析等，遇到宽表和字段较多的场景，一次分析要耗时数小时才能完成。如果分析又是高频和常态化的，自助分析会占用用户大量的工作时间。

发明内容

为解决现有技术的不足，本发明提供了一种BI工具的图表数据解释方法。

为了实现上述目标，本发明采用如下的技术方案：

一种BI工具的图表数据解释方法，包括以下步骤：

步骤1，BI组件中图表上的数据点被用户触发后，展示数据解释功能入口；

步骤2，数据解释功能被用户触发后，展示数据解释面板，其中数据解释面板展示的内容包括：当前数据点的基本信息和当前数据点的关键影响者。

进一步地，数据点的关键影响者的计算方法，包括以下步骤：

步骤1、计算每个维度依据的关键影响者：其中，维度依据的关键影响者的计算方式为遍历计算维度依据下的所有维度值组合确定每个维度值组合的占比，选定占比最高的若干条维度值组合作为当前维度依据的关键影响者；

步骤2、从每个维度依据的关键影响者中确定数据点的关键影响者：将所有维度依据的关键影响者汇总在内存中进行计算，筛选出占比最大的若干条维度值组合作为数据点的关键影响者。

进一步地，数据点的关键影响者在展示时，显示维度值组合以及其占比；

数据解释面板展示的内容还包括：数据点的百分位排名；具体算法为正序排名除以基于当前维度的总行数。

进一步地，数据解释面板中含有对数据点的关键影响者进行展示的图表。

进一步地，点击数据解释面板中数据点的关键影响者的转到组件，在当前数据解释所在主题中生成图表组件；

图表组件的生成原理为：

数据点所在的原图表中的维度放置到新生成的图表组件的过滤器当中；

数据点所在的原图表中所选的数据点维度值成为过滤器的过滤条件；

数据解释的维度依据字段放置到新生成的图表组件的横轴中；

原图表中所选的数据点的聚合指标放置到新生成的图表组件的纵轴中。

进一步地，BI组件中图表基于分组表或交叉表实现，指标在图表中均以聚合的方式存在进而支持数据解释。

进一步地，数据解释面板悬浮在对应的数据点所在界面，切换数据点不直接刷新面板中的数据解释内容。

进一步地，对于支持时序对比的数据点，数据解释面板展示的内容还包括：时序对比项目；

时序对比项目展示整体的时序对比结果以及引起变化的关键贡献者。

进一步地，数据点的时序对比关键贡献者的计算方法，包括以下步骤：

步骤1、计算每个维度依据的时序对比关键贡献者：其中，所述维度依据的时序对比关键贡献者的计算方式为遍历计算所述维度依据下的所有维度值的增长额与总的增长额的百分比，选定百分比最高的若干条维度值作为当前所述维度依据的时序对比关键贡献者；

步骤2、从每个维度依据的时序对比关键贡献者中确定数据点的时序对比关键贡献者：将所有所述维度依据的时序对比关键贡献者汇总在内存中进行计算，筛选出百分比最大的若干条维度值作为数据点的时序对比关键贡献者。

进一步地，时序对比的计算由用户主动触发。

本发明的有益之处在于，极大的降低用户自助分析门槛，只需选择期望分析的数据点，即可通过数据解释直接获得分析结论，无需掌握任何分析模型。

通过自动化的计算逻辑，当用户选择想分析的异常数据后，系统自动帮用户找到影响该数据的关键影响因子，并提供用户后续进一步深度分析的基础物料，降低用户分析的门槛和成本。

支持自定义配置最多五个解释依据，每个依据还支持三层多维度组合分析，并且计算字段输出的维度也可以做为解释依据，满足绝大多数用户分析场景。

方案的支持的范围之广，包括表格、饼图、柱形图、折线图等几乎所有类型图表均支持数据解释；工程的任何用户均可进行数据解释；主题预览、组件编辑、仪表板编辑、仪表板预览等场景均可进行数据解释。

覆盖的分析场景多：当前数据点在整体所处的位置分析、影响该点的关键因素分析、影响时序变化的关键因素分析。

合理的分级查询和多并发查询设计，在保证数据解释高计算性能的同时减轻系统压力。

附图说明

图1是本发明的一种BI工具的图表数据解释方法的流程图；

图2是BI组件中图表上的数据点被用户触发后的示意图；

图3是页面右侧出现数据解释面板的示意图；

图4是数据解释面板的时序对比的展开后的示意图；

图5是数据点的关键影响者的展开后的示意图；

图6是点击数据解释面板的转到组件后，生成的组件的示意图；

图7是配置解释依据的示意图；

图8是维度为销售日期、指标为毛利额的组件视图中对数据点触发数据解释的示意图；

图9是图8中组件拼接门店名称和商品名称的示意图；

图10是筛选的占比最大的五条维度组合的关键影响者的示意图；

图11是维度依据为城市的关键影响者的示意图；

图12是维度依据为商品类别的关键影响者的示意图；

图13是图11和图12的关键影响者汇总计算的数据点的关键影响者的示意图。

实施方式

以下结合附图和具体实施例对本发明作具体的介绍。

如图1至图13所示，一种BI工具的图表数据解释方法，包括以下步骤：

步骤1，BI组件中图表上的数据点被用户触发后，展示数据解释功能入口；

步骤2，数据解释功能被用户触发后，展示数据解释面板，其中数据解释面板展示的内容包括：当前数据点的基本信息和当前数据点的关键影响者。

具体而言，如图2所示，用户点击BI组件中图表上的数据点从而触发数据点。即通过点击的方式触发数据点，展示数据解释功能入口。用户通过点击数据解释功能入口从而触发数据解释功能。

具体而言，如图3所示，点击数据解释功能入口后在页面右侧出现数据解释面板。数据解释面板默认展示当前数据点的基本信息、当前数据点的关键影响者、百分位排名和时序对比配置项等内容。

作为一种优选的实施方式，数据点的关键影响者的计算方法，包括以下步骤：

步骤1、计算每个维度依据的关键影响者：其中，维度依据的关键影响者的计算方式为遍历计算维度依据下的所有维度值组合确定每个维度值组合的占比，选定占比最高的若干条维度值组合作为当前维度依据的关键影响者；

步骤2、从每个维度依据的关键影响者中确定数据点的关键影响者：将所有维度依据的关键影响者汇总在内存中进行计算，筛选出占比最大的若干条维度值组合作为数据点的关键影响者。

维度依据：取数据表中维度字段组合成为一条维度依据，例如图7中配置了两条维度依据，分别是：门店名称+商品名称；省份+城市+门店名称。

每个维度依据都需要计算其关键影响者。维度依据的关键影响者的计算方式为遍历计算维度依据下的所有维度值组合确定每个维度值组合的占比，选定占比最高的若干条维度值组合作为当前维度依据的关键影响者。具体而言，一条维度依据的关键影响者：将该维度依据的维度字段拼接到当前组件视图中，遍历计算所有维度值组合，找到占比最大的5条维度值组合，即为该维度依据的关键影响者。

参照图8，当前组件视图中：维度为销售日期、指标为毛利额，此时在销售日期为2019-08的数据点上触发数据解释。

此时维度依据为门店名称+商品名称。将门店名称和商品名称字段拼接到计算视图当中，如果使用组件模拟场景（如图9）。计算门店名称+商品名称的所有组合下毛利额的值，并算出其占2019-08整体毛利额的占比，取占比最大的五条维度组合即为该维度依据的关键影响者。如图10所示，所有组合中该五组组合的占比最大，成为了该维度依据的关键影响因素。

按照上述方式依次完成每个维度依据下的关键影响者的计算。将所有维度依据下的关键影响者汇总在内存中再次计算出占比最大的5条维度组合值。举例说明，图11中为维度依据为城市的关键影响者；图12维度依据为商品类别的关键影响者。将图11和图12的维度依据的关键影响者进行汇总，计算整体汇总后的关键影响者参考图13。

在计算过程中，始终都采用了当前组件框架已有的计算能力。实现成本低、并且计算结果易用图表组件来还原，方便用户的理解。

可见组件的场景下均支持触发数据集，包括组件的编辑、仪表板的编辑、主体内仪表板的预览、仪表板独立的预览、主题的预览。除了明细表和箱型图两种类型的图表，其余30种图表类型以及他们的组合图均支持进行数据解释。BI组件中图表基于分组表或交叉表实现，指标在图表中均以聚合的方式存在进而支持数据解释。并且由于我们的交互方式设计，在图表中一次只会选择到一个聚合指标，保证我们数据解释的对象是明确的。用户点击数据点后，不会直接触发数据解释。首先展示数据解释入口，通过入口触发数据解释。用户需要用户手动点击功能入口才开始解释。在用户选择完数据点后，即使此时只有数据解释一种交互方式，也需要用户手动再次点击功能入口才开始解释。该设计可避免系统中用户频繁点击触发数据解释而造成的性能压力。

数据解释面板悬浮在对应的数据点所在界面，切换数据点不直接刷新面板中的数据解释内容，以避免不必要的额外查询。用户切换到其他页面该数据解释面板不展示，再次回到该组件页面时，该数据解释面板恢复展示。始终保证数据解释内容和当前页面的一致性。

作为一种具体的实施方式，数据点的关键影响者在展示时，显示维度值组合以及其占比。数据解释面板展示的内容还包括：数据点的百分位排名。具体算法为正序排名除以基于当前维度的总行数。协助用户明确该数据点在整体数据中处于什么样的位置。数据展示面板展示组件名称、该数据点所带维度、指标名称及聚合方式和当前指标值，使得用户明确当前数据解释的对象。

参考图5，数据点的关键影响者可以通过下拉列表进行展开。对于数据点的关键影响者的下拉中展示计算结果为：维度名为维度值对当前指标名（聚合方式）的贡献值为聚合值，占整体的影响占比。计算结果完全由之前的该维度组合计算中就可以获得，无需额外计算。

数据解释面板中含有对数据点的关键影响者进行展示的图表。具体而言，下拉中展示对应维度组合的图表缩略图，便于用户理解解释结论和查看详细的数据。点击数据解释面板中数据点的关键影响者的转到组件，在当前数据解释所在主题中生成图表组件（参考图6），用户可以通过使用该图表组件进行进一步的分析。如果当前在预览状态则会跳转到主题编辑状态定位到该图表、如果当前在编辑状态，则直接创建该图表并定位。

图表组件的生成原理为：1）数据点所在的原图表中的维度放置到新生成的图表组件的过滤器当中；2）数据点所在的原图表中所选的数据点维度值成为过滤器的过滤条件；3）数据解释的维度依据字段放置到新生成的图表组件的横轴中；4）原图表中所选的数据点的聚合指标放置到新生成的图表组件的纵轴中。具体而言，图表依据指标进行倒序排列。该条解释中对应维度值高亮展示在新生成的图表组件中。

此时用户可以根据该组件刚好的理解解释结果 ，或者基于该组件进行下一步的分析，例如继续拖入其他维度进行下钻分析等。

全部成为明细过滤条件拖入到结果过滤器当中。被转到组件的影响因素的维度依据组合，拖入到分析区的维度区域当中。数据解释的聚合指标，拖入到分析区的指标区域当中，并配置好聚合条件。根据指标倒序排列，并将对应的影响因素值高亮标识在图表当中。此时该解释项就被一个图表组件完全还原了，用户可以根据该组件刚好的理解解释结果 ，或者基于该组件进行下一步的分析，如继续拖入维度进行下钻分析等。

如果用户希望获得更精准的数据解释结果，可以前往配置解释依据，最多配置五项解释依据，每个解释依据支持最多三个维度组合（参考图7）。

如果默认维度依据（取表中前五项维度）不满足用户实际的分析需求，用户可以前往组件编辑页面进行数据解释的依据配置。组件使用数据表的维度以及计算字段输出的维度、指标转化的维度均可以成为配置维度依据的条件，满足绝大多数配置场景。最多可配置五组维度依据组合，每组依据中最多配置三个维度字段。后续解释中将分别使用每一组依据组合，将所有维度值的组合遍历计算出来。该配置功能可以支持大多数场景下的多维度分层计算。

对于支持时序对比的数据点，数据解释面板展示的内容还包括：时序对比项目。时序对比项目展示整体的时序对比结果以及引起变化的关键贡献者。具体而言，如果该数据点支持进行时序对比，点击对比详情，下方会展示整体的时序对比结果、引起变化的关键贡献者等内容（参考图4）。

该面板中展示时序对比的默认配置，依据字段默认选取表中第一个满足时序对比的时间字段，对比时间选择该字段满足的第一个同环比类型。如果表中没有合适的时间字段，则配置显示无 提示用户不可进行时序对比。

时序对比的计算由用户主动触发。具体而言，用户点击对比详情将会进行时序对比的计算。在对比详情中展示两个时间点的指标值、增长值和增长率，使用户明确整体的变化趋势。

数据点的时序对比关键贡献者的计算方法，包括以下步骤：

步骤1、计算每个维度依据的时序对比关键贡献者：其中，维度依据的时序对比关键贡献者的计算方式为遍历计算维度依据下的所有维度值的增长额与总的增长额的百分比，选定百分比最高的若干条维度值作为当前维度依据的时序对比关键贡献者；

步骤2、从每个维度依据的时序对比关键贡献者中确定数据点的时序对比关键贡献者：将所有维度依据的时序对比关键贡献者汇总在内存中进行计算，筛选出百分比最大的若干条维度值作为数据点的时序对比关键贡献者。

时序对比关键贡献者与当前数据点的关键影响者计算逻辑类似，同样分两步实现：分别找到每一个维度依据下的关键贡献者，再汇总求整体的关键贡献者。与关键影响者的主要区别在于：衡量贡献大小的指标不再是聚合指标的值的大小，而是根据时序对比，两个时间点的聚合指标差值的大小确定的增长率。

例如 维度依据为城市，在上文关键影响者中，城市=上海市的毛利额为30.9w，2019-08当月全部的毛利额为579.44w。则上海市的影响占比计算方法则为：3.09/579.44=5.3%。

而在时序对比的关键贡献者中，城市=上海市 2019-08的毛利额30.9w, 因为求得是月环比所以对比 2019-07的上海毛利额增加了5.6w。整体2019-8的毛利额较2019-07的毛利额增长了77.7w。则上海市对于时序变化的贡献占比为：5.6/77.7=7.2%。

以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。

Claims (10)

1.一种BI工具的图表数据解释方法，其特征在于，包括以下步骤：

步骤1，BI组件中图表上的数据点被用户触发后，展示数据解释功能入口；

步骤2，数据解释功能被用户触发后，展示数据解释面板，其中所述数据解释面板展示的内容包括：当前数据点的基本信息和当前数据点的关键影响者。

2.根据权利要求1所述的BI工具的图表数据解释方法，其特征在于，

数据点的关键影响者的计算方法，包括以下步骤：

步骤1、计算每个维度依据的关键影响者：其中，所述维度依据的关键影响者的计算方式为遍历计算所述维度依据下的所有维度值组合确定每个维度值组合的占比，选定占比最高的若干条维度值组合作为当前所述维度依据的关键影响者；

步骤2、从每个维度依据的关键影响者中确定数据点的关键影响者：将所有所述维度依据的关键影响者汇总在内存中进行计算，筛选出占比最大的若干条维度值组合作为数据点的关键影响者。

3.根据权利要求2所述的BI工具的图表数据解释方法，其特征在于，

数据点的关键影响者在展示时，显示维度值组合以及其占比；

所述数据解释面板展示的内容还包括：数据点的百分位排名；具体算法为正序排名除以基于当前维度的总行数。

4.根据权利要求2所述的BI工具的图表数据解释方法，其特征在于，

数据解释面板中含有对数据点的关键影响者进行展示的图表。

5.根据权利要求2所述的BI工具的图表数据解释方法，其特征在于，

点击数据解释面板中数据点的关键影响者的转到组件，在当前数据解释所在主题中生成图表组件；

所述图表组件的生成原理为：

数据点所在的原图表中的维度放置到新生成的所述图表组件的过滤器当中；

数据点所在的原图表中所选的数据点维度值成为过滤器的过滤条件；

数据解释的维度依据字段放置到新生成的所述图表组件的横轴中；

原图表中所选的数据点的聚合指标放置到新生成的所述图表组件的纵轴中。

6.根据权利要求1所述的BI工具的图表数据解释方法，其特征在于，

所述BI组件中图表基于分组表或交叉表实现，指标在图表中均以聚合的方式存在进而支持数据解释。

7.根据权利要求1所述的BI工具的图表数据解释方法，其特征在于，

数据解释面板悬浮在对应的数据点所在界面，切换数据点不直接刷新面板中的数据解释内容。

8.根据权利要求1所述的BI工具的图表数据解释方法，其特征在于，

对于支持时序对比的数据点，所述数据解释面板展示的内容还包括：时序对比项目；

所述时序对比项目展示整体的时序对比结果以及引起变化的关键贡献者。

9.根据权利要求8所述的BI工具的图表数据解释方法，其特征在于，

数据点的时序对比关键贡献者的计算方法，包括以下步骤：

步骤1、计算每个维度依据的时序对比关键贡献者：其中，所述维度依据的时序对比关键贡献者的计算方式为遍历计算所述维度依据下的所有维度值的增长额与总的增长额的百分比，选定百分比最高的若干条维度值作为当前所述维度依据的时序对比关键贡献者；

步骤2、从每个维度依据的时序对比关键贡献者中确定数据点的时序对比关键贡献者：将所有所述维度依据的时序对比关键贡献者汇总在内存中进行计算，筛选出百分比最大的若干条维度值作为数据点的时序对比关键贡献者。

10.根据权利要求8所述的BI工具的图表数据解释方法，其特征在于，

时序对比的计算由用户主动触发。

Images