通过 FineBI 实现 MatrixOne 的可视化报表

概述

FineBI 是新一代大数据分析工具，它有助于企业的业务人员深入了解和充分利用他们的数据。在 FineBI 中，用户可以轻松地制作多样化的数据可视化信息，自由分析和探索数据。FineBI 具有多种数据连接功能，可用于创建各种复杂的报表，构建数据决策分析系统，广泛应用于公司经营管理、生产管理、财务智能核算、销售运营等领域。

MatrixOne 支持连接到数据可视化工具 FineBI。本文将指导您如何通过 FineBI 连接到单机版 MatrixOne，并创建各种可视化数据报表，将它们组装成仪表板，以便进行数据分析和探索。

前期准备

Note

本篇文档所展示的操作示例中使用的 FineBI 版本为 Linux 6.0 版本，你可以选择安装包 Linux_unix_FineBI6_0-CN.sh。

通过 FineBI 连接 MatrixOne 服务

  1. 登录 FineBI 后，选择管理系统 > 数据连接 > 数据连接管理 > 新建数据连接，如下图所示，选择 MySQL：

image-20230808174909411

  1. 填写 MatrixOne 连接配置，包括数据库名称、主机、端口、用户名、密码，其他参数可以按默认设置。您可以点击测试连接按钮来验证连接是否可用，然后点击保存进行连接保存：

image-20230808182330603

利用 MatrixOne 数据制作可视化报表

  1. 创建 Demo 数据：

    首先，登录到 MatrixOne 数据库，然后执行以下 SQL 语句来创建演示所需的数据表和视图：

    1. create database orders;
    2. use orders;
    3. CREATE TABLE `category` (`product_category_name` VARCHAR(255) DEFAULT NULL,
    4. `product_category_name_english` VARCHAR(255) DEFAULT NULL );
    5. CREATE TABLE `item` (`order_id` VARCHAR(255) NOT NULL, `order_item_id` INT DEFAULT null,
    6. `product_id` VARCHAR(255) DEFAULT null,
    7. `seller_id` VARCHAR(255) DEFAULT null, `shipping_limit_date` DATETIME DEFAULT null,
    8. `price` DECIMAL(10,2) DEFAULT null,
    9. `freight_value` DECIMAL(10,2) DEFAULT null
    10. );
    11. CREATE TABLE `review` (
    12. `review_id` VARCHAR(255) NOT NULL,
    13. `order_id` VARCHAR(255) DEFAULT null,
    14. `review_score` TINYINT DEFAULT null,
    15. `review_comment_title` VARCHAR(255) DEFAULT null,
    16. `review_comment_message` TEXT DEFAULT null,
    17. `review_creation_date` DATETIME DEFAULT null,
    18. `review_answer_timestamp` DATETIME DEFAULT null,
    19. PRIMARY KEY (`review_id`)
    20. );
    21. CREATE TABLE `order_time` (
    22. `order_id` VARCHAR(255) NOT NULL,
    23. `customer_id` VARCHAR(255) DEFAULT null,
    24. `y` INT DEFAULT null,
    25. `q` INT DEFAULT null,
    26. `m` INT DEFAULT null,
    27. `d` DATE DEFAULT null,
    28. `h` INT DEFAULT null,
    29. `order_purchase_timestamp` DATETIME DEFAULT null
    30. );
    31. CREATE TABLE `orders` (
    32. `order_id` VARCHAR(255) NOT NULL,
    33. `customer_id` VARCHAR(255) DEFAULT null,
    34. `order_status` VARCHAR(255) DEFAULT null,
    35. `order_purchase_timestamp` DATETIME DEFAULT null,
    36. `order_approved_at` DATETIME DEFAULT null,
    37. `order_delivered_carrier_date` DATETIME DEFAULT null,
    38. `order_delivered_customer_date` DATETIME DEFAULT null,
    39. `order_estimated_delivery_date` DATETIME DEFAULT null,
    40. PRIMARY KEY (`order_id`)
    41. );
    42. CREATE TABLE `product` (
    43. `product_id` VARCHAR(255) NOT NULL,
    44. `product_category_name` VARCHAR(255) DEFAULT null,
    45. `product_name_lenght` INT DEFAULT null,
    46. `product_description_lenght` INT DEFAULT null,
    47. `product_photos_qty` INT DEFAULT null,
    48. `product_weight_g` INT DEFAULT null,
    49. `product_length_cm` INT DEFAULT null,
    50. `product_height_cm` INT DEFAULT null,
    51. `product_width_cm` INT DEFAULT null,
    52. PRIMARY KEY (`product_id`)
    53. );
    54. CREATE TABLE `rfm` (
    55. `customer_id` VARCHAR(255) DEFAULT null,
    56. `user_type` VARCHAR(255) DEFAULT null,
    57. `shijian` DATE DEFAULT null
    58. );
    60. CREATE view total_order_value as select  t.order_id,product_id,seller_id,(price*total)+(freight_value*total) as order_value  from (select order_id,count(*) as total  from item group by order_id) t join item on t.order_id=item.order_id;
    62. CREATE view order_detail as select a.order_id,product_id,seller_id, customer_id,round(order_value,2) as order_value, y,q,m,d,h,order_purchase_timestamp from total_order_value a inner join order_time b on a.order_id=b.order_id;

    接下来，使用以下 SQL 导入语句，将预先准备的 Demo 数据导入到 MatrixOne 数据库的相应表中。

    Note

    请注意，路径 /root/data/table_name.csv 是各表数据文件的路径，您可以参考此过程自行生成数据。

    1. use orders;
    2. load data local infile '/root/data/category.csv' into table category FIELDS TERMINATED BY ',' OPTIONALLY ENCLOSED BY '"' LINES TERMINATED BY "\r\n";
    3. load data local infile '/root/data/review.csv' into table review FIELDS TERMINATED BY ',' OPTIONALLY ENCLOSED BY '"' LINES TERMINATED BY "\r\n";
    4. load data local infile '/root/data/product.csv' into table product FIELDS TERMINATED BY ',' OPTIONALLY ENCLOSED BY '"' LINES TERMINATED BY "\r\n";
    5. load data local infile '/root/data/item.csv' into table item FIELDS TERMINATED BY ',' OPTIONALLY ENCLOSED BY '"' LINES TERMINATED BY "\r\n";
    6. load data local infile '/root/data/order_time.csv' into table order_time FIELDS TERMINATED BY ',' OPTIONALLY ENCLOSED BY '"' LINES TERMINATED BY "\r\n";
    7. load data local infile '/root/data/orders.csv' into table orders FIELDS TERMINATED BY ',' OPTIONALLY ENCLOSED BY '"' LINES TERMINATED BY "\r\n";
    8. load data local infile '/root/data/rfm.csv' into table rfm FIELDS TERMINATED BY ',' OPTIONALLY ENCLOSED BY '"' LINES TERMINATED BY "\r\n";

  2. 添加数据集：

    在 FineBI 中，点击公共数据，然后点击新建文件夹，创建并选择一个文件夹，然后点击新建数据集，选择 SQL 数据集，将 SQL 查询添加到选定的文件夹中。输入数据集名称并填写 SQL 查询，如下所示：

    1. select d,
    2. count(order_id) as order_num,
    3. count(DISTINCT customer_id)
    4. from orders.order_detail
    5. group by d
    6. order by d

    您可以点击预览按钮查看 SQL 查询的结果，然后点击确定进行保存：

    image-20230809091306270

    下面是本示例中使用的所有查询 SQL 的示例：

    1. -- 日活用户数及订单数
    2. select d,
    3. count(order_id) as order_num,
    4. count(DISTINCT customer_id)
    5. from orders.order_detail
    6. group by d
    7. order by d
    9. -- 月活用户数及订单数
    10. select count(DISTINCT customer_id),
    11. count(order_id),
    12. concat(y, '-', m)
    13. from orders.order_detail
    14. group by y,m
    15. order by y,m
    17. -- 各时段活跃用户数及订单数
    18. select h,
    19. count(DISTINCT customer_id),
    20. count(order_id) order_num
    21. from orders.order_detail
    22. group by h
    23. order by h
    25. -- 各类型用户数量
    26. SELECT count(*),
    27. user_type
    28. from orders.rfm
    29. GROUP BY user_type
    31. -- 月 GMV
    32. select y,m,
    33. sum(order_value),
    34. concat(y, "-", m) month
    35. from orders.order_detail
    36. group by y,m
    37. order by y,m
    39. -- 季度 GMV
    40. select y,q,
    41. sum(order_value) gmv,
    42. concat(y, "季度", q) as quator
    43. from orders.order_detail
    44. group by y,q
    45. order by concat(y, "季度", q) asc
    47. -- 季度 ARPU
    48. select y,q,
    49. round((sum(order_value)/count(DISTINCT customer_id)),2) arpu,
    50. concat(y, "季度", q) as quator
    51. from orders.order_detail
    52. group by y,q
    53. order by y,q
    55. -- 月度 ARPU
    56. select y,m,
    57. round((sum(order_value)/count(DISTINCT customer_id)),2) arpu,
    58. concat(y, "-", m) as month
    59. from orders.order_detail
    60. group by y,m
    61. order by y,m
    63. -- 重要挽留用户热门指数
    64. SELECT e.product_category_name_english good_type,
    65. SUM(a.order_value) ordder_total_value,
    66. ROUND(AVG(c.review_score), 2) good_review_score,
    67. (0.7*SUM(a.order_value)+
    69. 0.3*10000*ROUND(AVG(c.review_score), 7))
    70. top_rank_rate
    71. FROM orders.order_detail a
    72. INNER JOIN
    73. (SELECT customer_id
    74. from orders.rfm
    75. WHERE user_type='重要挽留用户' ) as b ON a.customer_id=b.customer_id
    76. LEFT JOIN orders.review c ON a.order_id=c.order_id
    77. LEFT JOIN orders.product d ON a.product_id=d.product_id
    78. LEFT JOIN orders.category e ON d.product_category_name=e.product_category_name
    79. where e.product_category_name_english is not NULL
    80. GROUP BY e.product_category_name_english limit 50
    82. -- 一般挽留用户热门指数
    83. SELECT e.product_category_name_english good_type,
    84. SUM(a.order_value) ordder_total_value,
    85. ROUND(AVG(c.review_score), 2) good_review_score,
    86. (0.7*SUM(a.order_value)+0.3*10000*ROUND(AVG(c.review_score), 7))
    87. top_rank_rate
    88. FROM orders.order_detail a
    89. INNER JOIN
    90. (SELECT customer_id from orders.rfm
    91. WHERE user_type='一般挽留用户' ) as b ON a.customer_id=b.customer_id
    92. LEFT JOIN orders.review c ON a.order_id=c.order_id
    93. LEFT JOIN orders.product d ON a.product_id=d.product_id
    94. LEFT JOIN orders.category e ON d.product_category_name=e.product_category_name
    95. where e.product_category_name_english is not NULL
    96. GROUP BY e.product_category_name_english limit 50

  3. 更新数据：

    保存数据集后，您需要点击更新数据按钮，等待数据更新完成后才能进行分析：

    image-20230809091814920

  4. 创建分析主题：

    本示例的分析主题用于可视化展示电商平台的一般挽留用户、重要挽留用户、月 ARPU、季度 ARPU、不同时段活跃用户、日活跃用户、月活跃用户数及订单数等数据，以辅助决策和提升业务。创建分析主题的具体步骤如下：

    • 点击我的分析，然后点击新建文件夹，创建并选择一个文件夹。
    • 点击新建分析主题，选择上一步创建的数据集，然后点击确定。

    image-20230809092959252

    Note: 您可以使用批量选择功能来选择多个数据集进行主题分析。

    image-20230809092959252

    点击添加组件按钮，选择图表类型，将左侧的字段按需要拖动到右侧，双击修改字段可视化名称，在下方修改组件名称，组件名称即该组件所分析的报表内容：

    image-20230809092959252

    image-20230809092959252

  5. 组装仪表板：

    点击添加仪表板，将刚刚创建的组件添加到仪表板中。您可以自由拖动和缩放组件的大小和位置，并在下方修改组件名称，以描述该组件所分析的报表内容。

    image-20230810123913230

  6. 发布仪表板：

    组装完成后，点击申请发布，设置发布名称、发布节点和展示平台。然后点击确认，您的仪表板将成功发布。

    image-20230810123913230

    现在，您可以在首页导航下找到刚刚发布的仪表板，并查看其展示效果。

    image-20230810131752645