第162页，共466页。 显示 4,654 条结果 (0.119 秒)
V10 版本更新介绍
本文主要介绍在2021年10月21日发布Smartbi V10 版本中，产品新增了哪些功能、增强变更了哪些功能点。 （+表示新增；^表示增强；<表示变更） 一. V10重要更新 +【数据准备】新增数据模型，将所有查询结果归集并基于CUBE重新构建数据结构 +【数据准备】新增作业流功能，实现多ETL实验 … ，保护报表安全 +【性能】自助仪表盘和电子表格支持滚动加载功能，减少打开报表等待时间 二. V10所有的更新点 功能模块 新增 增强 变更 安装部署 +【安装部署】产品支持PostgreSQL作为知识库 数据连接 +【数据连接】Hadoop_Hive交互式仪表盘 ⬝ 创建命名集
1、命名集不支持拖入到“提示”区域，其中“瀑布图”、“雷达图”、“漏斗图”、“饼图”的标签标记区也不支持拖入命名集。 2、命名集不支持拖入到：明细表。 3、仪表盘同一个组件不支持拖入有多个有输出相同字段的命名集。 4、组件切换时，会根据配图规则自动调整字段，当命名集字段不被放置可使用的标记区时，则会被舍弃。用户可根据实际效果进行手工调整。 5、如果模型已经定义了参数，在报表层可直接拖入对应的参数到编辑器。 1 概述 命名集是通过多维表达式，将符合表达式条件的维度成员重新封装成一个新的成员集合，比如数据模型中有每种产品的销售数据，如果想要查看销售排名前十的产品则可以通过创建命名集实现。 仪表盘上创建的命名集属于报表私有数据挖掘-FP-Growth
关系，帮助用户挖掘出数据最大的价值，获得更大的经营收益。 FP-Growth 简介 FP-Growth（Frequent Pattern Growth）作为一种经典的关联规则算法，可以高效自动地从数据中挖掘出频繁集合，进而挖掘出潜在的关联规则，这些在企业营销决策的制定过程中具有重要的参考价值。另外，FP-Growth采用高级的数据结构，使其在大数据集上处理效率显著优于其他算法（Apriori），从而加快整个数据挖掘的过程。 应用场景 关联规则的挖掘算法，典型应用是零售业的购物篮分析，挖掘交易数据中的伴随购买、购买推荐关系链等商机，有助于制定营销策略。 应用案例 （1）我们可以基于产品内置的购物清单数据，针对购物篮商品利用数据挖掘-FP-Growth
关系，帮助用户挖掘出数据最大的价值，获得更大的经营收益。 FP-Growth 简介 FP-Growth（Frequent Pattern Growth）作为一种经典的关联规则算法，可以高效自动地从数据中挖掘出频繁集合，进而挖掘出潜在的关联规则，这些在企业营销决策的制定过程中具有重要的参考价值。另外，FP-Growth采用高级的数据结构，使其在大数据集上处理效率显著优于其他算法（Apriori），从而加快整个数据挖掘的过程。 应用场景 关联规则的挖掘算法，典型应用是零售业的购物篮分析，挖掘交易数据中的伴随购买、购买推荐关系链等商机，有助于制定营销策略。 应用案例 （1）我们可以基于产品内置的购物清单数据，针对购物篮商品利用设置查询关系 ⬝ 设置查询关系 ⬝ 双向筛选介绍
关系类型时，双向关系起着重要作用： 一对一关系：所有一对一关系默认是双向的，可以手工改成单向，一对一关系，详参：设置查询关系。 2 同步筛选器值 1、由于示例使用了 业务表 进行分析，在复现示例时，可以把数据先导入到模型中，详细请参考：导入文件数据。 2、示例下载数据：双向筛选.xls。 1、双向关系 … 双向筛选本质要解决的是数据多维度分析。 本文面向使用Smartbi 的数据建模者，它指导你何时创建双向模型关系。 1、本文不涵盖对模型关系的介绍。 如果你对模型关系、其属性或配置方法并非完全熟悉，建议先阅读 设置查询关系 一文。 2、此外，还应了解星型架构设计，这一点也很重要。 有关详细信息，请参阅星型架构进入透视分析模式
中，下图以仪表盘浏览界面为例： toushimoshi-xiaoguo.gif 2、能传递到透视分析的信息： 传递的字段类型包括：组件上包含的所有字段，包括维度、度量、命名集、自定义分组字段、自定义计算列、自定义计算度量和自定义命名集。 传递的字段属性包括：字段的显示名、排序类型、数据格式、汇总依据和快速计算 … ，字段会按照透视分析本身字段规则进行重新分配，所以交叉表组件和透视分析对应区域中包含的字段并非完全一致，并且由于变更字段区域而影响的排序也会默认不传递。流程引擎-前端接口说明
| | ownerName | 流程发起人名称 | | allAssignee | 串行任务的所有处理人 … " // 必填, 类型，默认用户就是GROUP } ... ] }] } ``` ### <strong>ProcessLogData </strong> 代表流程审批日志数据列表，JSON 数组 ```java { 属性名：属性值 // 默认值含有的属性如下数据挖掘-数据预处理
在数据挖掘中，海量的原始数据存在着大量不完整、不一致、有异常的数据，严重影响到数据挖掘建模的执行效率，甚至可能导致挖掘结果的偏差，所以进行数据预处理就显得尤为重要。 Smartbi拥有强大数据处理功能，对各种结构化数据，可进行排序、去重、映射、行列合并等处理，满足客户日常数据处理的需要。 使用数据预处理可以： 1、提高数据的质量。 2、让数据更好地适应特定的挖掘技术或工具。 数据预处理数据挖掘-数据预处理
在数据挖掘中，海量的原始数据存在着大量不完整、不一致、有异常的数据，严重影响到数据挖掘建模的执行效率，甚至可能导致挖掘结果的偏差，所以进行数据预处理就显得尤为重要。 Smartbi拥有强大数据处理功能，对各种结构化数据，可进行排序、去重、映射、行列合并等处理，满足客户日常数据处理的需要。 使用数据预处理可以： 1、提高数据的质量。 2、让数据更好地适应特定的挖掘技术或工具。 数据预处理灵活分析使用sql查询和原生sql查询的区别
（本文档仅供参考） 问题说明 有客户发现两张灵活分析报表使用相同的字段，设置字段时，效果不同，如下图： image2018-11-12 0:47:37.pngimage2018-11-12 0:44:24.png 解决方案 此问题是因为新建这两张灵活分析时，一张使用的是sql查询，一张使用的是原生sql查询。使用sql查询的可以设置排序、过滤等，使用原生sql查询的，则只有属性。
