电子工业出版社-网上书店

《商业智能工具应用及数据可视化》一书聚焦商业智能与数据可视化主题，从概念、价值、方法、工具等理论基础出发，以实际场景为参考，分入门、进阶两大阶段，以帆软FineBI为例从商业智能工具的基本知识，商业应用场景，数据可视化优秀案例等方面，介绍了商业智能工具和各种常规和高级可视化图形的使用方法，重点介绍了商业智能工具FineBI的数据分析与可视化应用实践。本书内容层层递进，体系完善，可使读者对商业智能工具的运用有一个全面、系统、深入的了解。

第一部分  理论基础
第1章  商业智能	3
1.1  商业智能的概念	3
1.2  商业智能的价值	5
1.2.1  支撑管理决策	5
1.2.2  提升管理水平	6
1.2.3  提高业务运营效率	6
1.2.4  改进优化业务	7
1.3  商业智能的功能与技术	8
1.3.1  商业智能系统的功能架构	8
1.3.2  商业智能的主要技术	9
1.4  商业智能工具	11
1.5  商业智能与数据分析	13
思考	14
第2章  数据可视化	15
2.1  用数据讲故事	15
2.1.1  数据背后的故事	15
2.1.2  视觉与图形的力量	16
2.1.3  讲什么故事	17
2.2  数据可视化介绍	17
2.2.1  数据可视化的框架	17
2.2.2  数据可视化的方法	18
2.2.3  数据可视化的流程	20
2.3  数据可视化的应用	20
思考	22
第二部分  可视化入门
第3章  商业智能的处理过程与工具准备	25
3.1  商业智能的处理过程	25
3.2  常用的商业智能工具	26
3.2.1  Excel	26
3.2.2  FineBI	27
3.2.3  Tableau	27
3.2.4  PowerBI	28
3.3  FineBI使用简介	28
3.3.1  FineBI下载、安装与启动	28
3.3.2  FineBI主界面	30
3.3.3  FineBI使用流程	31
思考	39
第4章  表格与图表设计	40
4.1  表格	40
4.1.1  分组表：统计不同合同类型和付款类型下的合同金额	42
4.1.2  交叉表：统计不同年份下不同合同类型和付款类型的合同金额	45
4.1.3  明细表：统计合同签约明细数据	46
4.2  可视化图表	48
4.2.1  智能推荐	50
4.2.2  柱形图：比较年度合同总额	52
4.2.3  点图：总览月度合同金额	55
4.2.4  热力点图：通过颜色分析用户类型与年龄分布	57
4.2.5  线形图：观察注册人数随时间的变化趋势	59
4.2.6  面积图：观察不同平台下的用户浏览量随时间的变化趋势	61
4.2.7  矩形块图：分析不同平台和不同阶段的网站访问时间分布	63
4.2.8  饼图：分析网站在不同阶段的访问时间占比情况	64
4.2.9  文本图：使用词云图分析网站搜索的关键词	66
4.2.10  填充地图：观察不同城市的销售情况	68
4.2.11  漏斗图：平台用户访问阶段转化情况的漏斗分析	68
4.2.12  仪表盘：观察平台用户的访问时间达标率	70
思考与实践	72
第5章  图表操作与OLAP	75
5.1  排序：按照既定顺序观察不同合同类型的销售额	75
5.2  过滤：按照不同条件显示合同销售额	78
5.3  分组	82
5.4  指标计算	86
5.5  OLAP	91
5.5.1  切片：减少维度以集中观察数据	92
5.5.2  钻取：观察省份和省份下各城市的销售额	92
5.5.3  特殊显示：为满足条件的注册人数添加注释	95
5.5.4  分析线：添加平均回款金额警戒线	96
思考与实践	98
第6章  仪表板设计：销售管理中心驾驶舱	100
6.1  可视化组件	101
6.1.1  制作组件	101
6.1.2  组件操作	103
6.2  过滤与展示组件	104
6.2.1  过滤组件	105
6.2.2  展示组件	107
6.3  仪表板布局	108
6.3.1  智能布局原理	108
6.3.2  组件悬浮	108
6.3.3  联动与跳转	109
6.3.4  移动端布局	111
6.4  仪表板样式	111
6.5  预览、导出、分享仪表板	113
思考与实践	114
第三部分  可视化进阶
第7章  可视化中的数据分析思维	119
7.1  数据分析的概念和价值	119
7.2  数据分析的战略思维	120
7.2.1  数据分析的目的	121
7.2.2  数据分析的驱动力	121
7.2.3  数据分析的进化论	121
7.3  数据分析的基本工作流程	123
7.4  经典数据分析方法	127
7.4.1  趋势分析：银行用信率趋势分析	127
7.4.2  多维分析：牛奶销售分析	129
7.4.3  四象限图分析：商品销售异常分析	132
7.4.4  漏斗转化分析：平台用户访问阶段转化率分析	133
7.4.5  留存分析：平台用户月度留存分析	134
7.4.6  A/B 测试	135
7.4.7  经典模型	135
思考与实践	136
第8章  高阶布局与配色技巧	137
8.1  学会使用最佳的图表类型	138
8.2  颜色搭配一致性原则	144
8.3  仪表板布局设计原则	146
8.3.1  故事性可视化仪表板布局	147
8.3.2  管理驾驶舱／大屏看板布局	147
8.4  不断完善你的作品	149
实践	152
第9章  数据可视化故事讲解	153
9.1  何谓好的数据故事	153
9.2  如何生动讲解你的数据可视化故事	154
9.2.1  准备工作	154
9.2.2  故事模板	156
9.2.3  叙事顺序	157
9.2.4  重复的力量	158
9.2.5  保证故事条理清晰的策略	159
9.2.6  改进建议	160
9.3  感受数据可视化故事的真实魅力	161
思考与实践	163
第10章  企业BI信息建设与推广	164
10.1  现代商业智能时代的到来	164
10.2  企业BI自助分析建设推广	166
10.2.1  构建项目蓝图	166
10.2.2  先行要素	167
10.2.3  重新定位企业IT部门角色	168
10.2.4  构建商业智能数据决策平台	169
10.2.5  数据分析氛围拓展	172
10.2.6  推广模式	172
10.3  企业数据人才的建设培养	173
10.3.1  定位企业数据发展现状	174
10.3.2  企业数据文化建设	175
10.3.3  企业数据人才制度	177
10.3.4  增大企业投入预期	178
思考	179
附录  FineBI函数汇总	180

千淘万漉虽辛苦，吹尽狂沙始到金。在企业数字化转型的淘金场上，商业智能好比一套优秀的淘金工具，可以帮助企业从数据狂沙中淘出知识金矿。商业智能问世二十余年，在企业中得到了广泛的应用，已经成为企业信息化的重要解决方案和技术手段。随着企业信息化水平的提高和业务需求的增长，将会有越来越多的企业使用商业智能来辅助决策，寻求可持续的数据价值和长久的企业发展。
与商业智能相比，数据可视化名气更胜。数据可视化既是商业智能的核心模块，也是具有成熟体系的独立领域。作为商业智能最核心的功能模块，数据可视化主要负责数据见解的前端展示，是商业智能产品的必备功能，能够实现商业智能最基本的目标，即将数据转化为知识。作为炙手可热的独立领域，数据可视化遵循一定的原则、方法和流程，具有“一图胜千言”的强大力量，能将复杂的数据信息以最直观的方式展现出来。
商业智能与数据可视化的价值已无须反复强调，如何应用则是关键。市场上不乏优秀的商业智能与数据可视化工具，如国外的Tableau、PowerBI，国内的FineBI等。本书以FineBI为例介绍商业智能的应用场景和具体实现，在介绍概念、理论等内容的基础上，帮助读者熟悉商业智能工具FineBI的常用功能和操作，熟悉常用可视化图表的设计和制作，使读者逐渐掌握数据可视化的原则、基本流程和方法，提升数据分析思维能力，学会借助商业智能工具挖掘数据背后的商业价值。
本书读者对象
本书面向的对象非常广泛，无论是商业智能与数据可视化领域的IT人员、数据分析师、业务人员，还是其他领域具有数据分析与可视化需求的人员，无论是初学者还是具备一定经验的人员，都可以阅读本书。
本书配有全套PPT，可视化实践章节均设计了相应的习题，因此也适合作为各大高校商业智能或数据可视化等相关专业的教材，供广大师生教学使用。相关资料可在https://www.fanruan.com/2020/bitooldown上获取。
本书涵盖的内容
本书从商业智能与数据可视化的理论基础出发，重点介绍了商业智能工具FineBI的应用，以详细的操作实例贯穿可视化实践的思路和步骤，知识内容层层递进，体系完善。具体来说，本书涵盖的内容可以分为以下三个部分。
第一部分：理论基础，主要介绍相关的理论基础知识，包括商业智能和数据可视化的概念、价值、方法等内容。
第二部分：可视化入门，介绍数据可视化的准备阶段和基础的可视化操作，主要包括商业智能的处理过程与工具准备、表格与图表设计、图表操作与OLAP分析，以及仪表板设计。
第三部分：可视化进阶，主要介绍数据分析、可视化布局与配色、数据故事讲述，以及在企业中推广BI和培养数据人才等数据可视化的进阶技巧。
致谢
本书的完成离不开众多同事和专家的支持，在此对你们致以诚挚的感谢！
首先，特别感谢罗益德对本书的重要贡献，感谢你在写作材料收集和整理上付出的心血与精力。
其次，感谢FineBI的产品文档团队，丰富的帮助文档为本书提供了大量的实践案例参考。
最后，感谢帆软的袁华杰、梅杰，清华大学数据科学研究院大数据基础设施研究中心的孙雪，以及电子工业出版社的米俊萍对本书内容给予的宝贵修改建议，从而使我们能够不断地完善本书内容。
再次感谢帮助我们完成这本书的所有人，感谢你们！
由于作者水平有限，书中不足之处还望读者不吝指正。


作者　　
2020年3月

本书配套资源下载

对不起，暂无音视频资源！

商业智能工具应用与数据可视化