第74页，共378页。 显示 3,775 条结果 (0.093 秒)
指标看板
场景： （1）通用指标卡：合计展示度量指标数值 （2）分类指标卡：通过维度分类，展示度量指标数值 示例 示例效果 通过通用指标卡展示产品的数量、单价以及销售额；分类指标卡展示各类别的折扣指标，效果如下图所示： 2021-12-29_11-22-19.png 通用指标卡 实现步骤 1、画布区依次拖入“指标 … 分类指标卡 实现步骤 1、画布区依次拖入“指标看板” 2、选择数据模型：产品信息数据集；选择维度：产品类别，度量：折扣； 2021-12-29_14-41-40.png 3、对组件图标样式、度量样式以及组件样式等进行设置 2021-12-29_14-51-40.png银行信用卡业务分析平台
炫的标题，自由度更高。 也可采用文字组件来实现，详情请参考 文本组件。 2.2.2. 办卡数量Top城市榜 数据 定制方法 效果 列：从 维度-办卡数量排行 内，依次拖拽“排名、城市名称、数量、占比”字段到列上 1、点击左上角的 组件 > 图表 >表格 ，拖拽 表 组件到 … 管理并提升企业价值。因此通过多角度分析业务办理情况，评价各区域分行的业绩成果，从中获取到能够提高效益的方案，是很有必要的。 1.2. 需求分析 根据银行信用卡业务数据可实现以下目标： 查看各个城市分行办卡情况的数据和排名占比； 了解国内区域销售情况和总体基本业务办理情况； 了解信用卡卡种、账单类型等因素Smartbi V10.5.8-数据挖掘
^【数据挖掘】关联规则和聚类支持模型自学习 ^【数据挖掘】评估报告重构 ^【ETL】指标模型维度和事实表新建自助ETL时，自动添加目标数据源节点 +【数据挖掘】支持异常检测使用场景功能(CBLOF) 背景介绍 异常检测广泛应用在需要发现离群点的场景中如：欺诈检测、入侵检测等，在数据挖掘中属于经典的场景之一，因此将部分较为经典的异常检测算法通过spark进行分布式实现。 功能简介 CBLOF（Cluster-Based Local Outlier Factor，基于聚类的本地异常因子）是一个异常检测节点，原理是先用聚类算法把为数据分为K个簇，而后通过设定占比阈值和突降倍数阈值，把簇区分为大簇数据挖掘-服务SDK使用示例
服务部署指的是当用户用实验训练好了一个预测模型 ，并将此预测模型部署成一个web的服务。当前发布的web服务就可以作为预测模型应用于类似场景的预测，当用户要预测一个新样本，只需要把样本特征信息用 restful api 传给服务，服务就可以依据训练好的预测模型返回预测结果。接下来主要演示如何通过服务SDK，实现样本 … 注意：上面示例代码没有设置请求的连接超时时间跟响应超时时间，没有设置的话，默认都是60*1000毫秒(时间单位：毫秒)，如果接口执行时间比较长，需要设置一下，设置示例代码： DefaultClient client = new DefaultClient(serviceEngineUrl, 180*1000, 30当日到前6天的合计
应用说明 基于SQL2008的多维数据源所创建的cube。实现数据显示当日到前6天的合计，也可以通过多维分析的自定义成员实现。 下面以Cube 【Sales】为例，演示如何使用自定义成员实现当日到前6天的合计分析。 操作步骤 1、新建多维分析。选择Cube 【Sales】构建多维分析。其中行区选择"Day … (int(month(now()))),"0"+str(int(month(now()))))+"月"+str(int(day(now())))+"日]").lag(6):StrToMember("[Day属性].[All].["+str(int(year(now())))+"年"+iif(int(month(nowECharts图形-瀑布图
;padding-bottom: 0.5px;font-size: 24px; height: 5px;"> </div>{html} 业务场景描述： 统计一周的收支增减变化情况。 数据结构： 收支情况有正负之分，而且是一个随时间变动的数据流，需要有一个最终的汇总情况，表示最后的余额。 image2020-2-21 … 的起点和终点说明如下： 收入柱条的下方表示起点，上方表示终点。 支出柱条的上方表示起点，下方表示终点。 柱条的高度：表示该日期所对应的值，后一个柱条是以前一个柱条的终点高度作为起点，最后一个柱条终点所在高度对应的值就是收入支出后的余额。 如图： 9月2日对应的柱条表示收入，下方为起点，上方为终点，柱条的高度ECharts图形-瀑布图
;padding-bottom: 0.5px;font-size: 24px; height: 5px;"> </div>{html} 业务场景描述： 统计一周的收支增减变化情况。 数据结构： 收支情况有正负之分，而且是一个随时间变动的数据流，需要有一个最终的汇总情况，表示最后的余额。 image2020-2-21 … 的起点和终点说明如下： 收入柱条的下方表示起点，上方表示终点。 支出柱条的上方表示起点，下方表示终点。 柱条的高度：表示该日期所对应的值，后一个柱条是以前一个柱条的终点高度作为起点，最后一个柱条终点所在高度对应的值就是收入支出后的余额。 如图： 9月2日对应的柱条表示收入，下方为起点，上方为终点，柱条的高度多维数据集
资源区中展示了cube下的维度和度量值。 image2019-10-29 17:25:37.png 将维度和度量值直接拖拽到查询面板中，可在对应表格区域展示出数据。 image2019-10-29 17:27:7.png 另外，在维度上选择右键菜单，也可将对应成员添加到查询面板中，并在表格区域中显示对应数据 … ?pageId=52627716 用于查看当前报表执行各个功能的操作时间记录、所耗的时间等信息。 创建 可基于当前数据集快速创建透视分析、仪表分析、灵活分析以及自助数据集。多维数据源数据权限
多维数据源中数据权限的设置通过限制用户访问多维数据集中维成员和度量值的权限而实现。 管理角色不受数据权限控制。 对某维度层次结构或度量值设置了数据权限，在定制多维分析时若没有选择该维度成员或度量值，系统默认在MDX语句添加上过滤内容。 操作入口 在“多维数据源”的数据集的更多操作0.jpg，选择 设置数据权限，则进入“设置数据权限”界面。 image2019-8-19 11:35:16.png 界面介绍 多维数据源中数据权限界面.png “数据权限设置”界面主要分为以下几个区域： 可选资源区：该区主要列出了设置数据权限可使用的资源。 设置区：该区为设置所选维度数据权限的主要区域。系统刷新元数据
是指对结构发生变化的多维数据集（立方体）进行更新操作，实现系统中的多维数据集与多维数据库中的多维数据集保持一致，以保证系统中的多维数据集能够被正常使用。 操作入口 在“多维数据集”的更多操作0.jpg，选择 刷新元数据，对多维数据集进行更新操作。 52.png 对数据集执行刷新元数据的步骤会对已经使用此数据集创建的多维分析有一定的影响，具体情况如下： 当Cube增加维度或是成员，对之前的多维分析无影响。 当Cube删除或是修改维度、成员等，如在多维分析中有使用这些维度或是成员，则打开之前的多维分析，是可以打开，只是之前的维度和成员会被删除。
