2021XX学校大数据基础讲义项目四--数据可视化概论.docx

《2021XX学校大数据基础讲义项目四--数据可视化概论.docx》由会员分享，可在线阅读，更多相关《2021XX学校大数据基础讲义项目四--数据可视化概论.docx（25页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、项目四 数据可视化概论知识目标 理解数据可视化的概念、作用和分类 了解数据可视化的发展趋势 了解数据可视化的一般步骤 了解主流数据可视化的工具能力目标 培养学生的数据可视化思维能力 使学生能够掌握数据可视化的步骤 培养学生利用数据可视化工具进行数据呈现 培养学生的数据分析能力素质目标可以通过FineBI做出可视化图表。知识精讲任务一 数据可视化概念及其发展大数据若是一种无形的土壤，那可视化就是浇水、施肥，让其开出美丽之花的工具。大数据若是一种新型的石油，那可视化就是开发这种石油不可或缺的设备。大数据若是烹饪的食材，那可视化就是将这些食材做成美味住肴的厨艺。可视化并不仅仅是一种工具，而更像是一种

2、媒介，能最大化帮助我们挖掘数字背后的信息，让数据“开口”讲故事。可视化是一种媒介。什么是好的可视化设计？如果只看光秃秃的原始数据，你可能会忽视掉某些东西。好的可视化是一种表达数据的方式，能帮助你发现那些盲点。你可以通过可视化展示的趋势、模式和离群值来了解自己以及身处的世界。最好的可视化设计能让你有一见钟情的感觉，你知道眼前的东西就是你想看到的。有时候，可视化设计仅仅只是一个条形图，但大多数时候可视化会复杂得多，因为数据本来就很复杂。可视化让数据更可信。数据集犹如即时快照，能帮助我们捕捉不断变化的事物。数据点聚集在一起就形成了数据集合以及统计汇总，可以告诉你预期的收获。这就是平均数、中位数和标准

3、差，它们用来描述世界各地以及人口的状况，并用来比较不同的事物。你可以去了解每个数据的具体细节。这就是所谓的数据集人性化，它会使数据更加可信。从抽象意义上说，包含信息和事实的数据是所有可视化的基础。对原始数据了解得越多，打造的基础就越坚实，也就越可能制作出令人信服的数据图表。人们往往会忽略一点：好的可视化设计是一个曲折的过程，需要具备统计学和设计方面的知识。没有前者，可视化只是插图和美术练习；而没有后者，可视化就只是分析结果。统计学和设计方面的知识都只能帮助你完成数据图形的一部分。只有同时具备了这两种技能，你才可以随心所欲地在数据研究和讲故事两者间自如转换。一、什么是数据可视化在计算机视觉领域，

4、数据可视化是对数据的一种形象直观的解释，实现从不同维度观察数据，从而得到更有价值的信息。数据可视化将抽象的、复杂的、不易理解的数据转化为人眼可识别的图形、图像、符号、颜色、纹理等，这些转化后的数据通常具备较高的识别效率，能够有效地传达出数据本身所包含的有用信息。数据可视化的目的，是对数据进行可视化处理，以更明确地、有效的传递信息。数据可视化从数据中寻找三方面的信息：1.模式：数据中的规律；2.关系：数据之间的相关性；3.异常：存在问题的数据。异常的数据不到一定都是错误的数据，有些异常数据可能是设备出错或者人为错误输入，有些可能就是正确数据。二、数据可视化的作用及优点（一）数据可视化的作用数据可

5、视化的本质就是视觉对话。数据可视化将技术与艺术完美结合,借助图形化的手段,清晰有效地传达与沟通信息。可视化的意义是帮助人更好的分析数据,信息的质量很大程度上依赖于其表达方式。对数字罗列所组成的数据中所包含的意义进行分析,使分析结果可视化。数据可视化的主要作用在于通过图形和色彩将关键数据和特征直观地传达出来,从而实现对于相当稀疏而又复杂的数据集的深入洞察。而单纯说“数据呈现”并不确切,因为数据可视化并非无差异地涵盖所有数据,可视化的过程本身就已经加入了制作人的对问题的思考、理解、甚至是一些假设,而数据可视化则是通过一目了然的方式,帮助制作人获得客观数据层面的引导或者验证。（二）数据可视化的优点数

6、据可视化有以下优点：1.动作更快因为人脑对视觉信息的处理要比书面信息容易得多。生活中我们都能发现,有时候文字表达记不住,换成图形表达就会记得很快。所以说,数据可视化是一种非常清晰的沟通方式,使业务领导者能够更快地理解和处理那些复杂的数据。大数据可视化工具可以提供实时信息,使利益相关者更容易对整个企业进行评估。对市场变化更快的调整和对新机会的快速识别是每个行业的竞争优势。2.以个性方式提供结果规范化的文档经常被静态表格和各种图表类型所夸大,因为它制作的太过于详细了。而领导恰恰不需要知道这些太过详细的内容。而使用大数据可视化的工具报告就可以让我们能够用一些简短的图形就能体现那些复杂信息,甚至单个图

7、形也能做到。决策者可以通过可视化工具,轻松地解释各种不同的数据源和进行各种决策。3.能够理解运营和结果之间的连接数据可视化允许用户去跟踪运营和整体业务性能之间的连接,在竞争环境中,找到业务功能和市场性能之间的相关性是至关重要的。三、数据可视化的分类1.科学可视化：最简单的科学可视化方法是颜色映射法，它将不同的值映射成不同的颜色。还有轮廓法，将数值等于某一指定阈值的点连接起来的可视化方法。2.信息可视化：信息可视化处理的对象是非结构化的数据。所以，非结构化数据可视化通常是将非结构化数据转化为结构化数据在进行可视化显示。四、数据可视化的发展历史1.远古-1599年：图表萌芽2.1600-1699年

8、：物理测量3.1700-1799年：图形符号4.1800-1899年：数据图形5.1900-1945年：现代启蒙6.1946-1974年：多维信息的可视编码7.1975-1987年：多维统计图形8.1988-2004年：多交互可视化9.2005年至今：可视分析学五、数据可视化的未来（一）数据可视化面临的挑战在大数据时代，数据可视化技术在广泛应用的同时，也面临诸多新的挑战，包括数据规模、数据融合、图表绘制效率、图表表达能力、系统可扩展性、快速构建能力、数据分析与数据交互等。1.数据规模大；2.在数据获取与分析处理过程中，易产生数据质量问题，需特别关注数据的不确定性；3.数据快速动态变化，常以流式

9、数据形式存在；4.面临复杂高维数据，当前的软件系统以统计和基本分析为主，分析能力不足；5.多来源数据的类型和结构各异，已有方法难以满足非结构化、异构数据方面的处理需要。（二）数据可视化发展方向1.数据挖掘技术的紧密结合：数据可视化可以帮助人类洞察出数据背后隐藏的潜在规律，进而提高数据挖掘的效率；2.人机交互技术的紧密结合：用户与数据交互，可方便用户控制数据，更好地实现人机交互是人类一直追求的目标；3.可视化技术广泛应用于大规模、高纬度、非结构化数据的处理和分析；目前，我们处在大数据时代，大规模、高维度、非结构化数据层出不穷，若将这些数据以可视化形式完美地展示出来，对人们挖掘数据中潜藏的价值大有

10、裨益。六、数据可视化应用领域数据被称作是最新的商业原材料“21世纪的石油”，而数据可视化目前在工业4.0、智能交通、新一代人工智能及其它领域亦得到广泛的应用。商业领域、研究领域、技术发展领域使用的数据总量非常巨大，并持续增长。就Elsevier而言，每年从ScienceDirect下载的文章有7亿篇，Scopus上的机构档案有8万个、研究人员档案有1千3百万，Mendeley上的研究人员档案有3百万。对于用户来说，从这个数据海洋中抓到关键信息越来越难。这也是数据可视化的用武之处：用简单易懂的可视化方式总结并呈现大型数据集，为读者提供有价值的信息如图4-1所示。许多先进的可视化方式（如：网络图、

11、3D建模、堆叠地图）被用于特定用途，例如3D医疗影像、模拟城市交通、救灾监督。但无论一个可视化项目有多复杂，可视化的目的是帮助读者识别所分析的数据中的一种模式或趋势，而不是仅仅给他们提供冗长的描述，诸如：“2000年A的利润比B高出2.9%，尽管2001年A的利润增长了25%，但2001年利润比B低3.5%”。出色的可视化项目应该总结信息，并把信息组织起来，让读者的注意力集中于关键点。图4-1数据可视化图1任务二 数据可视化的步骤可视化不只是一种工具，我们将可视化看作是一种媒介，而非一种特定的工具。如果把可视化当成死板的工具，你很容易以为几乎所有的图形都比条形图好。对于大部分图表而言，确实如此

12、，但前提是必须是在适合的条件下。譬如，在分析模式中，你通常会期望图表便于快速阅读且十分精确。但如果目标是激发感情和好奇心呢？可视化是一种表达数据的方式，是对现实世界的抽象表达。它像文字一样，为我们讲述各种各样的故事。报纸文章和小说不能用同一个标准来评判，同样，数据艺术也不能用商业图表的标准来衡量。无论哪一种可视化类型都有其规则可循。这些规则并不取决于设计或统计数字，而受人类感知的支配。它们确保读者能准确解读编码数据。这样的规则很少，例如，当用面积作为视觉暗示时，要将面积按大小恰当地排序，其余的都只是建议，故需要区分规则和建议。规则是应该时时遵循的，而建议则要具体分析，视情况而定是否采纳。很多初

13、学者会犯这样的错误，遵循了具体的建议，结果丢失了数据的背景信息。例如，爱德华塔夫特（Edward Tufte）建议剔除图表中所有的垃圾信息，但所谓的垃圾是相对而言的。一个图表中需要剔除的东西，在另一个图表中也许是有用的。完整的数据可视化流程一般包含以下五个步骤，用表格、图形来传播观察结果、解读分析结果。建立好的可视化项目是一个反复迭代的过程。一、明确问题开始创建一个可视化项目时，第一步是明确要回答的问题，又或者试着回答下面的问题“这个可视化项目会怎样帮助读者？”表4-1数据可视化表图4-2数据可视化图2清晰的问题可以有助于避免数据可视化的一个常见毛病：把不相干的事物放在一起比较。假设我们有这样

14、一个数据集（见表4-1），其中包含一个机构的作者总数、出版物总数、引用总数和它们特定一年的增长率。图4-2是一个糟糕的可视化案例，所有的变量都被包含在一张表格中。在同一张图中绘制出不同类型的多个变量，通常不是个好主意。注意力分散的读者会被诱导着去比较不相干的变量。比如，观察出所有机构的作者总数都少于出版物总数，这没有任何意义，又或者发现 Athena University、Bravo University、Delta Institution 三个研究机构的出版物总数依次增长，也没有意义。拥挤的图表难以阅读、难以处理。在有多个Y轴时就是如此，哪个变量对应哪个轴通常不清晰。简而言之，槽糕的可视化项

15、目并不澄清事实而是引人困惑。二、了解你的数据、从基本的可视化着手确定可视化项目的目标后，下一步是建立一个基本的图形。它可能是饼图、线图、流程图、散点图、表面图、地图、网络图等等，取决于手头的数据是什么样子。在明确图表该传达的核心信息时，需要明确以下几件事：1.我们试图绘制什么变量？2.X轴和Y轴代表什么？3.数据点的大小有什么含义吗？4.颜色有什么含义吗？5.我们试图确定与时间有关趋势，还是变量之间的关系？有些人使用不同类型的图表实现相同目标，但并不推荐这样做。不同类型的数据各自有其最适合的图表类型。比如，线形图最适合表现与时间有关的趋势，亦或是两个变量的潜在关系。当数据集中的数据点过多时，使

16、用散点图进行可视化会比较容易。此外，直方图展示数据的分布。直方图的形状可能会根据不同组距改变，见图4-3所示。（在绘制直方图时，本质是在绘制柱状图来展示特定范围内有多少数据点。这个范围叫做组距。）组距太窄会导致起伏过多，让读者只盯着树木却看不到整个森林。图4-3数据可视化图3此外，你会发现，在完成下一个步骤以后，你可能会想要修改或更换图表类型。三、明确要传达的信息，确定最能提供信息的指标假设我们有另一个关于某研究机构出版物数量的数据库（见表4-2）。可视化过程中最关键的步骤是充分了解数据库以及每个变量的含义。从表格中可以看出，在A领域（Subject A），此机构出版了633篇文章，占此机构全

17、部文章的39%；相同时间内全球此领域共出版了27738篇文章，占全球总量的44%。注意，B列中的百分比累计超过100%，因为有些文章被标记为属于多个领域。在这个例子中，我们想了解此机构在各个领域发表了多少文章。出版数量是一个有用的指标，不仅如此，与下面这些指标对照会呈现出更多信息：此领域的研究成果总量（B列），以及此领域的全球活跃程度。由此，我们可以确定一个相对活跃指标，1.0代表全球平均活跃程度。高于1.0代表高于全球水平，低于1.0代表低于全球水平。用B列的数据除以D列，得到这个新的指标，见表4-2。表4-2 数据可视化表2四、选择正确的图表类型现在我们可以用雷达图来比较相对活跃指数，并着

18、重观察指数最高/最低的研究领域。例如，此机构在G领域的相对活跃指数最高（1.8），但是，此领域的全球总量远远小于其他领域（见图4-4）。雷达图的另一个局限是，它暗示各轴之间存在关系，而在本案例中这关系并不存在（各领域并不相互关联）。图4-3相对活跃指数雷达图数据的规范化（如本例中的相对活跃指数）是一个很常见也很有效的数据转换方法，但需要基于帮助读者得出正确结论的目的使用。如在此例中，仅仅发现目标机构对某个小领域非常重视没太大意义。我们可以把出版量和活跃程度在同一个图表中展示，以理解各领域的活跃程度。使用图4-5的玫瑰图，各块的面积表示文章数量，半径长短表示相对活跃指数。注意在此例中，半径轴是二

19、次的（而图4-3中是典型线性的）。图4-5中可以看出，B领域十分突出，拥有最大的数量（由面积表示）和最高的相对活跃程度（由半径长度表示）。图4-5玫瑰图4-5中各块面积表示文章数量，半径长短表示相对活跃指数（E列）。五、使用颜色、大小、比例、形状、标签将注意力引向关键信息用肉眼衡量半径长度可能并不容易。由于在本例中，相对活跃指数的1.0代表此领域的全球活跃程度，我们可以通过给出1.0的参照值来引导读者，见图4-6所示。这样很容易看出哪些领域的半径超出参考线。图4-6带有相对活跃指数参考线的玫瑰图我们还可以使用颜色帮助读者识别出版物最多的领域。如图4-7所示，一块的颜色深浅由出版物数量决定。为了

20、便于识别，我们还可以把各领域名称作为标签（见图4-7）。图4-7玫瑰图中的颜色深浅代表出版物数量（颜色越亮，出版物越多）结论：数据可视化的方法有很多。新的工具和图表类型不断出现，每种都试图创造出比之前更有吸引力、更有利于传播信息的图表。我们的建议是记住以下原则：可视化项目应该去总结关键信息并使之更清晰直白，而不应该令人困惑，或用大量的信息让读者的大脑超载。任务三 常用的商业智能BI工具在这个信息过度传播的时代，人们已经不再有耐心看表格里长篇大论的数据，而图表凭借它生动形象、直观易懂的特点，已经逐渐获得职场人的青睐，它能够直观的展示数据，并帮助分析数据和对比数据。那么推动数据可视化的商业智能工具

21、具备哪些特性呢？都有哪些较为流行的商业智能工具呢？本任务将做详细阐述。在国外大数据可视化企业Tableau、Datawatch、Platfora强势入华的情况下，国人推出了ECharts，并且进行了开源，从这一点来说，中国的大数据行业并不落后于北美国家。ECharts也让我们看到了中国大数据可视化的未来。传统的数据可视化工具仅仅将数据加以组合，通过不同的展现方式提供给用户，用于发现数据之间的关联信息。近年来，随着云和大数据时代的来临，数据可视化产品已经不再满足于使用传统的数据可视化工具来对数据仓库中的数据抽取、归纳并简单的展现。新型的数据可视化产品必须满足互联网爆发的大数据需求，必须快速的收集

22、、筛选、分析、归纳、展现决策者所需要的信息，并根据新增的数据进行实时更新。因此，在大数据时代，数据可视化工具必须具有以下特性：1.实时性：数据可视化工具必须适应大数据时代数据量的爆炸式增长需求，必须快速的收集分析数据、并对数据信息进行实时更新；2.简单操作：数据可视化工具满足快速开发、易于操作的特性，能满足互联网时代信息多变的特点；3.更丰富的展现：数据可视化工具需具有更丰富的展现方式，能充分满足数据展现的多维度要求；4.多种数据集成支持方式：数据的来源不仅仅局限于数据库，数据可视化工具将支持团队协作数据、数据仓库、文本等多种方式，并能够通过互联网进行展现。下面将介绍一些国内外主流的商业智能工

23、具，也可称为数据可视化工具。一、Tableau与PowerBI作为世界范围商务智能与分析平台最有影响力的评估报告，Gartner2019魔力象限评估报告显示：微软以PowerBI作为其BI平台，连续12年获得领导者地位；Tableau也连续8年稳居领导者象限。Tableau的使命是“帮助人们查看和理解数据”，显然它的主要目标是可视化。power BI主要基于高级Excel功能，包括Power Query，Power Pivot和Power View。Microsoft的兴趣在于为其他业务应用程序的用户（尤其是Excel高级用户）提供功能强大且可自定义的数据工具套件。Tableau 成立于200

24、3年，是斯坦福大学一个计算机科学项目的成果，该项目旨在改善分析流程并让人们能够通过可视化更轻松地使用数据。Tableau凭借人人可用的直观可视化分析，打破了商业智能行业的原有格局。它适合BI工程师、数据分析分析师。PowerBI是微软出品的，可以和 Excel搭配使用，可以通过PowerBI来呈现Excel的可视化内容。Power BI 是软件服务、应用和连接器的集合，它们协同工作以将相关数据来源转换为连贯的视觉逼真的交互式见解。数据可以是Excel电子表格，也可以是基于云和本地混合数据仓库的集合。使用Power BI，可以轻松连接到数据源，可视化并发现重要内容，并根据需要与任何人共享。Pow

25、er BI 包括多个协同工作的元素如图4-8所示，从以下三个基本元素开始：1.名为 Power BI Desktop 的 Windows 桌面应用程序；2.名为 Power BI 服务的联机 SaaS（软件即服务）；3.适用于Windows、iOS 和 Android 设备的 Power BI 移动应用。图4-8 Power BI 协同工作元素图可视化效果方面，数据可视化对于公司的商业智能至关重要，特别是对那些不熟悉数据科学的高管和决策者而言，讲述故事的图表可以更容易地协调并为一个团队做出关键决策。Tableau和Power BI都提供了强大的可视化，但它们如何实现它是不同的。在模板方面，Po

26、wer BI提供29种标准视觉效果，而Tableau在Show Me功能中提供24种。但这不是关于数字的对比，两种软件的标准视觉效果的元素可以组合和修改，从而导致数千种组合图形。Tableau的可视化更加标准化，可以非常快速地生成美观的工作表和仪表板。Power BI的视觉效果更具可定制性，熟练的用户可以做更多工作来优化数据和可视化，以更好地满足业务的特定需求。数据集成和管理方面，Power BI和Tableau都集成了多种数据源，但是在导入外部数据源时，Tableau提供了更多的外部数据接口。图4-9可视化效果操作图相比之下，Power BI的查询编辑器窗口在从数据源导入数据后对其进行整形，

27、界面与Excel非常相似，功能区内置了许多有用的工具。Power BI还具有Power Query M函数，可以在查询编辑器无法完成工作的情况下帮助建模和整形数据，这些高级功能使得Power BI更受技术精明用户的青睐。图4-10 Power BI操作图二、FineBIFineBI是一款国产软件，一句话概括就是最人性化的自助可视化工具。finebi在前台就可以配置表之间的关系，拖拽就可以生成数据分析报表，操作简单，上手容易，符合业务人员的理解、操作和学习习惯，非常人性化。登录界面如图4-11所示：图4-11 FineBI登录界面下面用一个例子，来展示finebi进行数据可视化分析的过程。1.新

28、建仪表盘，然后拖拽一些分析组件，比如表格、柱形图、条形图、地图、气泡图等等，如图4-12所示。图4-12新建仪表盘2.为选择的图形绑定数据，下面的图片，左边是数据字段，只要拖到右边的分类、数据轴等就可以了，然后右下角就会显示做好的图表，如图4-13所示。图4-13为选择的图形绑定数据3.点击完成，然后发布就可以了，同样还可以做很多这样的分析，以柱形图为例，图4-14是在操作设计界面的最后形态。图4-14操作设计界面图4.如果配置图表之间的关系，也是可以的，finebi可以实现联动、钻取等效果，都是傻瓜式的拖拽操作。比如联动，点击联动到就可以了，如图4-15所示。图4-15数据联动图通过对fin

29、ebi的探索使用，finebi并不是仅仅对前端的业务人员友好，对后台的IT人员也非常考虑，比如有自带的ETL工具，就不用他们自己写很多SQL取数了。从功能上看，finebi的功能全面，但不是很突出，比如支持的图表种类还是相对少一些，要想做绚丽多彩的信息图，不太适合。但finebi也有不错的特色功能，如excelview、数据地图（如图4-16所示）、spa螺旋式分析、即席分析还是很实用的。图4-16数据地图从性能上看，finebi跑1亿数据量的100分组表，时间在0.75s左右，还是可以的。严格意义上讲，finebi是自助式的BI分析工具，因为它不仅有前端的数据分析操作功能，还有数据管理、以I

30、T为中心的企业级管控，还有比较好的移动端支持，有原生的APP，也支持钉钉、微信企业号，体验也不错。下面是finebi的整个技术架构。图4-17 finebi的技术支架FineBI作为国产工具，基础的学习文档还是教学视频资料都很丰富，另外还有着非常活跃的帆软中文社区供所有用户进行学习交流。下载地址：三、用友分析云（一）产品概述用友分析云是用友数据服务解决方案的重要组成部分，致力于通过云服务模式（专属云服务）向用户提供灵活、便捷的数据分析服务，其便捷的数据获取、高效的存储计算、丰富的输出展现、友好的互动体验、可靠的数据安全、多端（PC、移动）浏览适配能力有效支撑了用户各类数据应用需求的实现。用友分

31、析云采用所见即所得的设计界面，无需编写代码，拖拽设计使得业务人员也可以轻松设计报表和故事板，与数据进行友好交互。使用者可以自由创建数据模型，对数据进行筛选排序，使用表格和多种可视化控件设计出美观使用的数据分析页面。用户可以随时随地从PC、平板电脑和手机端在任意地点通过连接互联网访问同一张报表进行业务分析，并利用微信，邮件等分享给同事，对方可以立刻知悉，从而实现随时随地的高效率数据洞察与业务分析。用友分析云的业务价值：1.跨数据源整合数据，用户便捷上传更新数据；2.提高分析报告的制作效率，分析结果快速呈现；3.便捷的自助交互能力使管理层及各级业务人员第一时间获得实时指标数据；4.业务人员及时掌握

32、产品、客户、供应商的数据，及时获取动态绩效信息；5.灵活丰富的可视化展现，并可通过配置实现分析报告的快速调整；6.没有技术背景的运营人员和业务人员可便捷的进行分析云；7.集团高层领导能够实时掌控集团的全部运营情况和各项业绩指标；8.整理了海量的Excel数据，规范了基础数据；9.系统从多角度进行快速数据深度分析；10.系统操作简便易于上手，大大节省了业务人员学习成本；11.方便及时的分析帮助客户发掘数据，提升客户对业务系统的响应能力。用友分析云满足用户的深度业务分析需求，又可以快速的帮助用户实现个性化定制数据分析，实现良好的项目体验，真正实现了数据分析驱动业务改进。（二）功能介绍分析云为不同角

33、色的用户提供不同的产品功能合集，如图4-18所示。图4-18分析云角色概览图1.浏览者系统不预置浏览者角色的用户，业务管理员在进行用户管理的时候可以新增、删除浏览者角色的用户。一般由查看分析内容的数据分析师、管理层、决策层担任。浏览者主要负责查看分析内容：（1）首页的最近打开、我的收藏两种快捷方式，方便浏览者快速打开分析内容；l （2）分析节点存放了该浏览者有查看权限的所有分析内容；（3）多页签浏览分析内容；（4）全屏轮播展示分析内容。图4-19浏览者登录后界面图4-20多页签查看分析内容2.设计者系统预置了设计者角色的用户design，业务管理员在进行用户管理的时候可以新增、删除设计者角色的

34、用户。一般由实施顾问、分析师或者业务人员担任。（1）设计者主要负责分析内容的创建；（2）使用企业公共数据连接；（3）建立自己私有的数据，包括数据连接、上传数据；（4）对数据清洗加工、建模；（5）创建分析内容，包括故事板、可视化、新报表。图4-21设计者登录后界面3.填报设计者系统不预置填报设计角色的用户，业务管理员在进行用户管理的时候可以新增、删除填报设计角色的用户。一般由想要通过数据填报收集数据的业务人员担任。填报设计者负责设计填报表单和管理填报任务：（1）设计填报表单；（2）设计审批流；（3）管理填报表单，包括查看数据概况、复制表单、修改表单和删除表单；（4）管理审批流，包括修改审批流、删

35、除审批流；（5）管理填报任务，包括设置任务、发布任务、查看任务、取消任务。图4-22填报设计者登录后界面4.填报者系统不预置填报角色的用户，业务管理员在进行用户管理的时候可以新增、删除填报角色的用户。一般由进行数据填报和审批的业务人员担任。填报者负责数据的填报和审批。图4-23填报者登录后界面5.业务管理员系统预置用户bq为业务管理员，初始密码为000000。业务管理员在进行用户管理的时候可以新增、删除管理员角色的用户。一般由企业IT运维人员或者实施顾问担任。业务管理员负责业务相关的配置和维护：（1）对企业公共的数据连接进行集中管理；（2）进行用户与权限管理，包括管理用户和用户组，管理资源对象

36、权限和数据权限，将菜单方案、页面元素方案、默认链接方案按业务需要分配用户；（3）对分析目录图标进行集中管理；（4）对数据集成DI作业进行统一的后台管理；（5）运用应用主题包。图4-24业务管理员登录后界面6.系统管理员系统预置用户admin为系统管理员，初始密码为000000，系统管理员角色的用户，有且仅有这一个，不允许用户新增、删除。一般由系统的IT运维人员担任。系统管理员负责系统的配置和维护：（1）进行系统设置，包括执行库、许可、邮箱、缓存、应用、故事板、首页、登录页的设置；（2）对文件服务器进行管理；（3）进行系统监控；（4）对系统调度进行管理；（5）对系统进行备份管理。图4-25系统管理员登录后界面