业务分析和可视化报表

数据的可视化，常常被誉为最优美的故事呈现者。一个好的数据可视化逻辑可以让读者直观的理解现状，并围绕现状进行思考和分析，得到更多维度的思维导出。下面我们一起来看一张150多年前的可视化图标。

拿破仑于1812年集结了42万大军，东征俄国，并自信满满地认为一波速推就能破对方中塔。然而俄国人坚壁清野，靠20万人硬是撑到了冬天。法军途中减员不断，尽管一度占领了莫斯科，但始终无法消灭俄军主力。最后不得不撤退，仅1万人回到法国。这次东征成为了拿破仑帝国由盛转衰的转折点。

  • 作者：查尔斯．约瑟夫．米纳德（Charles Joseph Minard）

线条宽度代表拿破仑的军队人数变化，黄色为进军路线，黑色为撤退路线。各地理位置连线反映时空关系（从立陶宛到莫斯科军队位移经纬度），文字标明了行军途经的特定地点、河流以及具体人数。底部温度折线从右到左反映了撤退途中的温度变化。 而米纳德在这一幅平面图，呈现了 6 个维度的信息：

  • 拿破仑军人数
  • 征途距离
  • 事件点的温度
  • 经纬度
  • 行军移动方向
  • 时-地关系 仅凭这一张图，就能让人直观感受到拿破仑的40万大军，如何在长途跋涉和严寒之中逐步溃散。很难相信，这竟然是150年前的作品带给我们的震撼。

推荐您查看以下两个视频，在感受数据可视化的感染力的同时，您还可以了解了气泡图、柱状图、折线图、饼图等不同的表达方式。

https://www.youtube.com/watch?v=jbkSRLYSojo

https://www.youtube.com/watch?v=OoIcsj9ysvs

回过头来看与我们的工作生活联系更紧密的BI问题 业务分析，其本质是使用收集有关业务的信息或数据来回答有关业务的问题。所需的数据可能是业务的内部或外部数据，它们通常驻留在数据库、应用程序和平面文件中;本地或云中。要查找问题的答案，您需要从查询数据开始，然后使用数据可视化技术分析查询结果。

业务分析和数据可视化是一个硬币的两面。您需要具备将数据绘制成图表和图形的能力。正如一图抵千字，一张数据图更是能抵得上无数个数据点。我们了解事物情况的一个关键环节就是查看图形，而当我们只查看表格中的数据时，这些图形往往并不明显。适当的可视化可以帮助您在更短的时间内获得更深入的了解。

在决定绘制任何图表和图形之前，您需要确定要显示或传达的内容。图表可以传达以下类型的信息：关键性能指标 (KPI)、关系、比较、分布和构成。单击下面的部分，了解有关各项的更多信息。

所有等待您去分析的业务问题类型取决于谁提出问题，以及问题涉及哪些领域。下面是一些进一步说明这一点的示例。

金融

财务经理或主管部门或业务线财务的董事会想知道其业务线的收入、成本、利润率等。另一方面，首席财务官希望了解所有业务线中聚合级别的类似指标，并有能力深入到任何业务线。首席财务官可能还想知道利息支出、货币汇率的影响、税收等，这些影响可能超出了财务经理所关心的范围

面对从多个系统中的数据中实现洞察的需要，各种规模的公用事业公司都在 AWS 上实施现代化数据平台，以分解数据孤岛，实现更丰富的分析。此处显示的是用于在 AWS 上构建数据湖以进行仪表数据分析的简化体系结构。每个组织都需要不同的元素组合 -

市场

负责需求生成的营销经理会想知道潜在顾客、商机和已结束交易的数量。他或她还将查看各种在线和离线需求基因渠道的表现。另一方面，负责品牌发展的营销经理想知道客户、合作伙伴、竞争对手、影响者等如何看待公司的品牌。CMO 会同时对品牌和需求相关指标感兴趣，并想知道营销投资总回报率 （ROMI） 是什么。

销售

一个销售经理要专注于一个领域并要实现一个配额，他将专注于他的销售渠道，该渠道包括创造的机会，赢得的机会和失去的机会。他或她还希望知道完成机会所需的时间，以便评估实现配额目标需要多少机会。另一方面，销售副总裁希望从总体上了解类似的信息，并能够深入到销售代表或销售区域。

运营方式

专注于生产线的运营经理希望确保产品及时出库，同时将缺陷降至最低，并保持适当的库存水平以满足市场需求。因此，他或她想知道一条生产线中正在处理多少个单元，一个单元通过该过程所花费的时间，一个过程的输出速度，未通过质量测试的单元数，等等

人力资源

专注于员工入职，保留和离职的人力资源经理可能会想知道空缺人数，面试管道中的候选人人数，自愿或非自愿离开公司的员工人数等信息。

执行官视野

公司的首席执行官审视了业务的各个方面，因此对上述所有示例都感兴趣。他或她希望能够查看业务各个方面的汇总指标，并深入到特定区域以了解更多信息。此外，首席执行官还想知道该公司与市场上同类公司的比较情况。

业务分析的价值

成功进行业务分析的公司会变得更加自我意识，并意识到他们所处的环境。这有助于他们了解自己的优势和劣势，专注于自己的核心竞争力，预测市场的发展方向并保持领先于竞争对手。

数据驱动的文化

数据不会陷入困境，而是成为资产和朋友。您所有的员工都依靠数据做出决策，因此努力收集及时准确的数据。

对业务绩效的快速反馈

一旦您设置了可以在基础数据发生变化时自动刷新的业务仪表板，现在就会向您发出提示，告诉您进行中和不进行的情况，以便您可以根据需要进行纠正。

在全局和细节之间寻求适当的平衡

总体情况告诉您前进的方向以及您的业务状况，但并没有告诉您原因。要回答“为什么”问题，您需要深入了解详细信息。业务分析为您提供两全其美的解决方案。您可以拥有一个整体业务绩效仪表板，该仪表板可以提供您的业务的360度视图。同时，您可以深入浏览仪表板上的任何图表，以了解为什么表现不佳。

业务分析成功的关键要素

要获得Business Analytics的好处，您需要三件事：

1）重点：提出与您的业务相关的问题。很容易陷入提出不相关问题的陷阱，这些问题可能会导致您走错路，或者使您付出大量工作来寻找对您没有帮助的问题的答案。

2）数据：可以访问准确的数据来帮助您回答问题。这通常说起来容易做起来难。为了获取所需的数据，您需要在组织中灌输面向数据的文化（自上而下和自下而上），并制定流程来如实，准确地捕获数据。

3）系统和工具：具有处理和分析数据的手段。我们生活在信息经济中，企业正在收集TB和PB的数据，它们位于与各种硬件和软件系统绑定的不同数据库中。您将需要系统或工具来帮助您提取数据，处理数据，分析数据并在以后可视化数据。

参考架构

架构假设了一个拥有多个航站楼的机场。使用发布给 OAG 的时间表（未来最多 330 天）、运营成本以及航站楼和登机口配置，在时间表大幅减少时优化航站楼和登机口的开口

  1. 向 OAG 公布的航空公司时刻表提供每个机场的最新每日到达和离开状态。

  2. 每个机场提供航站楼和登机口配置，例如航空公司特定用途与常见用途以及国内与国际。

  3. 每个机场都提供航站楼和机场级别的机场运营成本。

  4. 所有批处理输入（如 SSIM（计划文件）、SSM（计划更新）、配置和运营成本都加载到 Amazon S3 中的批处理存储桶中。

  5. 使用 AWS Glue 和 Amazon EMR 在 Amazon S3 中发现、编排、处理输入并创建处理过的数据。这些服务负责处理批处理需求的数据，以创建来自 SSIM 和 SSM 文件和 PARQUET 格式的所有其他数据的航班数据

  6. 飞行数据通过将计划文件转换为单个航班进行创建

  7. 每小时和每天的客运量以及每小时的着陆时段是根据航班数据创建的。优化的机场航站楼和登机口分配基于航站楼和登机口配置和运营成本创建。

  8. 可视化和报告使用按需亚Amazon Athena和Amazon QuickSight.

  9. 或者，使用 Amazon API 使用微服务构建配置仪表板 Amazon API Gateway, AWS Lambda, and Amazon DynamoDB 收集对配置的更改，并使用这些配置为门和终端分配创建操作分析。