第44页，共378页。 显示 3,773 条结果 (0.049 秒)
交互仪表盘日期筛选器格式设置问题
问题描述： 使用数据模型时间层级拖取字段制作图表且作为筛选器筛选，通过改用日期控件的格式想要将图形展现的格式与筛选器选项的格匹配为YYYY年Q季时发现筛选器无法正常筛选。 image2024-6-29_14-53-23.png 排查思路： 对比修改日期控件格式前后执行的MDX语句发现后台执行的语句筛选条件处格式是正常跟随变化的，于是去确认被筛选字段的数据格式：时间层次的真实值以yyyyQ的字符串格式，时间控件目前没有区分真实值和显示值，需要将时间控件的格式设置为YYYYQ的方式即可正常筛选。 image2024-6-29_14-56-39.pngimage2024-6-29_14-57-2.png 时间筛选不SSAS（分析服务）优化手册
的 UnknownMember 属性从Hidden 更改为None 11、 定义时间维度时，使用“商业智能向导”，设置“Time”属性类型，以使它们与维度类型兼容 12、 设定时间维度键属性的valueColumn设为日期格式的字段 13、 不要将维度 … 的分区以改进性能 3、 将度量值组的分区与少于2百万行或大小小于50MB分区合并 4、 DistinctCount度量值组分区可考虑按最常用的维度来分区（不一定是时间） 聚合设计 1、 不要在低于事实表粒度属性的级别建立聚合 2、 为具有 500,000 或更多行的分区设计聚合 3、 为单个分区生成的聚合准备数据
概述 本文旨在指导AIChat用户，使用产品相关功能模块，以最小投入，快速搭建满足应用场景的数据模型，作为AIChat问答的基础。 应用场景 某公司想从时间、合同、销售、地区这几个维度分析公司历年来的签约情况，包括合同金额、合同个数。 模型制作 我们将从需求分析、数据准备、创建数据模型这 3 个方面进行实操演练，最终实现快速搭建数据模型，模型需搭建标准星型模型。 1 需求分析 这一步我们的目的有两个：确定分析维度和分析度量。从应用场景描述我们可以得知，用户需要对签约合同这个业务发生的结果进行分析，分析维度和分析度量包括： 分析维度：日期维、合同维、销售维、地理维。 分析度量：合同金额、合同个数。 2交互仪表盘分区柱图修改为柱图线图组合对比图
（本文档仅供参考，因宏代码具备一定场景限制，如和实际应用场景不符合，需要自行调整相关宏代码） 效果说明 在多种数据分析场景中，使用上面一个线图（折线图）和下面一个柱图（条形图）的组合方式来进行对比，是一种非常直观且有效的展示手段。这种组合通常用于那些需要同时展现两类或两类以上数据变化趋势，并且这些数据在相同的X轴维度（如时间、类别等）上有所对比的场景。 分区柱图用于同时展示相同维度下不同分类的指标数据，适合用于展示数据差距较大的多指标数据。通过如下修改，可以实现该效果，如图： 分区柱图改造.png 实现方案 1、添加对应的扩展属性，添加方式具体如下图，详细代码如下【扩展属性】，该方法适用于图形中系列数压缩空行、压缩空列介绍
，压缩空列 是指通过 MDX 语句过滤或隐藏多维数据集中值为 null 或空的列（通常对应维度成员），使查询结果仅展示包含有效数据的列，从而简化结果集、提升可读性和查询效率。 在多维数据集中，列通常对应维度的成员（例如 “时间维度” 的月份、“产品维度” 的类别）。 空列的定义为： 列对应的维度成员在当前查询上下文 … 1 概述 1.1 什么是压缩空行 在 多维表达式中，压缩空行 是指通过 MDX 语句过滤或隐藏多维数据集中值为 null 或空的行（通常对应维度成员），使查询结果仅展示包含有效数据的行，从而简化结果集、提升可读性和查询效率。 在多维数据集中，行通常对应维度的成员（例如 “产品维度” 的类别、“地区维度” 的城市Smartbi Jdbc4Olap数据连接
"产品___品牌" 品牌, sum("Measures___Unit Sales") 销售额 , "时间___月" 月 from "FoodMartCN@@Sales"."Measures", "FoodMartCN@@Sales"."产品 … by "产品___品牌", "时间___月" order by "产品___品牌", 销售额数据模型错误用法
查询结果中缺失某些天数。 如下，我们直接使用销售表（sales)中本身的业务日期作为时间维度查询时，可以发现表中的日期是不连续的，缺少了6号、8号的日期数据。 worddave04f0085d8c482e9e1d64ed9a2082aa8.png worddavab5ae24656bdb9014ddd28a431ceaf9d.png 为了确保查询结果中日期序列的连续性，并且简化与日期相关的筛选逻辑，推荐的做法是创建一张共享的日期维度表。这张日期维度表不仅能够为报表提供所需的全部日期列，还可以包含额外的日期属性（如年、季度、月等），从而增强数据分析的能力并改善查询性能概述
加工处理不再费时费力 Smartbi数据模型提供了丰富、强大的计算能力，不仅支持SQL计算、ETL分布式计算、MDX计算；还支持快速实现同环比时间计算、占比、排名、累计等；同时支持在计算中使用参数，动态获取结果。 1.1.4 整合分散的业务数据，提升关联分析的效率 小王是一名大型企业的业务员，经常要及时 … ，从根本上由“表”转变成“指标”。Smartbi 数据模型，将所有查询结果归集实现数据层统一，所有的指标数据被统一管理，并且形成指标数据体系。基于维度模型以“维度”和“度量”重新构建数据结构，以多维模型为基础，提高数据处理效率与计算能力。既能满足业务多变的需求，又能避免数据冗余导致的数据表无限扩充。 1.2.2 功能特性交互式仪表盘 ⬝ 场景入门示例
分类，在 线图 上点击+ 2、把右侧 数据 面板 维度 区的字段“年月日”和 度量 区字段“销售利润” 分别拖拽到 组件设置 面板的 X轴 和 Y轴 区域 3、从图中2021年5月份每一天的销售利润趋势 时间分析.gif由此分析可初步定位到2021年5月份销售利润下滑主要是在2021年5月20号数据出现异常 … 数据格式 为“万元” 3、点击右侧的 筛选器 面板，把“时间维度”下面的“年月”字段拖拽到面板上的 影响此页面上多个组件的筛选器 区域，并且设置其筛选器默认值为“2021-05” 4、再次把“销售额”字段拖拽到 组件设置 面板的 指标 区域，点击字段上的image2023-6-13_11-45-46.png选择指标组件 ⬝ 指标看板
在 组件选择区 中双击、拖拽、或点击右上角“+” 使画布中增加指标卡组件。 zhibiao04.png 或者在 指标看板 组件中，只勾选一个度量，不勾选维度，可以实现指标卡效果。 2、场景描述：展示产品的平均单价、销售量以及销售额，如下图所示： zhibiao07.png 3、以产品内置Demo资源的“订单 … 1 概述 指标看板可以清晰直观的展示出所选字段数值，从而突出重要指标数据。 2 指标看板 在2024年7月1号以后的V11版本，“指标看板”组件更名为“指标卡”。 2.1 单指标数据的指标卡 1、场景描述：某大型零售公司，制作订单分析看板时需要展示销售额的数据，且显示销售额指标的统计口径信息，如下图所示
