如题所述
在阿里云的大数据体系中，有两个数据展现组件，一个是QuickBI、一个是DataV。
使用QuickBI过程类似于吃炸酱面，技术人员提前帮业务人员准备好数据（第1步、第2步），业务人员把自己需要的数据拖到仪表板或者表格里（第3步或第4步），最后再把仪表板和报表加上菜单就是数据门户（第5步）。
为了让大数据更加普惠，QuickBI和DataV分别找到了两种不同的解决方案：
Quick BI产品架构如下图所示：
Quick BI的主要模块和相关功能。
能够解决：
推荐搭配使用：
RDS + Quick BI
图例：
通过整合散落的各类数据，构建统一的大数据平台系统，实现经营、商品、流量、店铺、订 单、营销等各类场景分析，从各类整体指标概览，再到分层细节指标数据的对比分析，实现 数据指导业务精细化运营。
能够解决：
多渠道数据无法整合分析
多渠道经营、流量、店铺等数据各自为阵，无法整合关联分析。
数据的汇管用无法统一
各业务部分规则不同导致无法实现统一化管控，数据分析过程中效率低下。
业务人员自助分析困难
业务人员分析数据完全依赖IT部门，无法根据需求灵活分析
新的时代需要全方位的去利用大数据提高会员服务的体验，需要对会员的分类、分级、偏好、以及连锁门店的经营状况等数据进行分析，以增加对会员行为预测的更准确的判断。
能够解决
-用户数据提取效率
要从业务上面考虑，如何从会员及其行为数据提取洞见，并给会员提供更好的服务；
-BI系统建设成本
传统BI 和大数据建设的体系成本非常高，速度也很慢；
-业务人员协同
传统连锁的报表分析业务门槛很高，限于连锁模式的特性，很多业务人员分散在全国各地。
下面将以一个真实的数据分析案例为场景带您开启QuickBI产品之旅。
假设您是一家大型互联网新零售企业的数据分析师，您的经理刚刚拿到2019年8月份的月度运营分析数据，他发现近期企业运营状况不佳，8月份毛利额环比前几个月下滑较大，三季度存在达标风险。
因此将这个任务交给了您，根据订单信息和流量渠道信息等相关数据，分析企业8月份毛利额下滑的关键要素，并将其分享给团队，以便指导相关业务部门采取决策和行动，提高企业整体毛利额。
Quick BI快速入门分为以下步骤：
当文件的状态为 同步完成
默认在 Personal Workspace 下，通过上传文件的方式连接数据源成功后，则在 我的数据集 下看到新建的数据集。如果没有，您可以通过以下方式创建数据集。若已有目标数据集，请跳过此步骤。
下面为您介绍查看订单信息明细表的度量和维度信息。
为了分析各个渠道的毛利情况，您需要在 度量 中添加 毛利额 和 毛利率 两个指标，方便后续进行相关数据统计。
为了分析各个渠道的毛利情况，您需要将订单信息明细表和渠道信息维度表进行通过 渠道ID 字段进行关联，以获取对应的渠道名称和渠道类别，方便后续进行相关数据统计。
通过以下步骤，分析毛利额异常下滑的原因。
进入仪表板编辑页面。
为了分析毛利额下滑原因，您需要先查看月度毛利额的走势，确认毛利额在哪个月份出现下滑。同时需要分析销售额的月度走势，确认近几个月的销售情况。本文以线图来展示月度毛利额和月度销售额的走势图。
查看月度毛利额统计
您可以通过线图查看毛利额的月度走势数据。
此时，您可以看到2019年8月份的毛利额从7月份的66.54万下降到了58.46万。
查看销售额统计
为了进一步排查毛利额的下降原因，您可以通过线图查看销售额的月度走势数据。
