第43页，共53页。 显示 526 条结果 (0.023 秒)
服务端宏：电子表格清单报表使用sum函数计算超1w行数据
（本文档仅供参考） 问题 通过电子表格做清单报表，报表数据超10000条，同时在报表中有sum()函数。导出报表在excel中打开发现sum()函数中只sum了前10000条记录，10000条后面的数据为计算。 方案 问题原因：清单报表考虑性能问题，导出是分批导出的，每次导出10000条，因此导出后无法通过sum去计算全部数据。 方案一（适用相关报表数量不多情况）： 若清单报表需要使用sum函数计算，建议可以使用excel公式OFFSET，从而规避此问题，参考文档：清单报表使用sum函数，导出只计算前1w行数据 方案二（适用相关报表数量较多，而不想每一个报表手动添加OFFSET公式触发系统保护机制，请减少查询数据量
该【内存告警】机制是避免用户设置【数据集单次查询最大单元格数】过大，导致服务器内存不够支撑如此大的查询数据量，从而造成服务器内存溢出，引发服务器宕机的情况。 正常情况下，建议是依据【系统运维】--》【系统选项】–》【性能优化】–》点击【自动优化】按钮优化相关设置项，并保存2021年Demo中心运维情况分析
”功能实时监控相关运维指标，关注系统的用户黏性、使用情况，及时进行有效的培训推广；在关键时刻发现用户的使用问题，并提出相应解决方案。 场景意义 “2021年Demo中心运维情况分析”采用Smartbi用户行为统计功能，从易用性、性能等角度出发，完善Demo中心基础日志表，记录用户的动态行为数据，判断用户对报表的依赖 … ，又或经常进行多人登录，在系统运维中，需保障此类用户的性能以及用户体验。而从ip活跃时长分析，可以侧面得出用户活跃的情况，结合重点用户维护统计，可以很好地得出用户活跃画像。 用户访问ip分析效果如下图所示： 2021-07-21_11-35-09.png 图表：趋势线-线图组件 ip活跃时长分析 访问部署SmartbiOLAP数据模型服务集群
Smartbi OLAP Server （Smartbi数据模型引擎）用于为数据模型提供多维分析能力，可将所有查询结果归集后，基于CUBE模型重新构建数据结构。 Smartbi OLAP Server集群可通过Smartbi Proxy代理，将请求转发到后端节点，进行负载均衡提高容错率。 1、环境准备 文档环境如下： IP地址 角色 备注 10.10.35.29 Smartbi OLAP Server 节点1 10.10.35.69 Smartbi OLAP Server 节点2 10.10.35.70 Smartbi Proxy 用于代理Smartbi OLAP数据挖掘-产品简介
Smartbi Mining是广州思迈特软件公司自主研发的一站式可视化的数据挖掘平台。 1.什么是数据挖掘 数据挖掘是对商业数据中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性信息的过程。数据挖掘揭示的是未知的、将来的数据关系。数据挖掘的知识领域涵盖了数据库技术、统计学知识、机器学习、可视化等多学科知识的综合应用。 数据挖掘应用举例： 某商业银行不仅面临同业间的激烈竞争，还要面临非同业的竞争，特别是来自互联网金融的冲击，导致超过30%客户流失，并且流失率还在不断提高。针对这个商业银行的困惑我们派出了几个数据挖掘工程师用一周的时间提交了一个银行客户流失预测模型，预测准确率达到 86%。通过数据挖掘-关联规则生成
89%），说明买了冻肉和啤酒的用户，很有可能购买蔬菜罐头。 商家可以考虑采取特殊的市场推广活动或手段（给买冻肉和啤酒、蔬菜罐头的客户打折）、货架设计（蔬菜罐头放在冻肉和啤酒相邻位置）等。 当然还有很多其他结论，可以帮助我们对商品的销售进行分析和处理，有利于提高商品销量，实现数据价值。 图片4.png 3.2创建知识库对象
query为HQL语法的查询，可使用参数，允许跨表查询。 @Cache 使用缓存提高访问效率 策略应为READ_WRITE，区域为POJO。 @Id 声明属性为主键 @Column 属性name声明表中字段名称 字段名应为c_开头，字段名必须全小写自助数据集-界面介绍
“自助数据集”的编辑界面如下图所示： 自助数据集-界面介绍.png 该界面主要分为如下几个区： 区域 说明 参考章节 全屏 将当前资源页面全屏展示 。 存储工具栏 将当前自助数据集进行 保存 或 另存 操作。 缓存策略 自助数据集支持三种缓存策略： 自动缓存：当前自助数据集在第一次打开并刷新数据后，从数据库中读取数据并存储在缓存中，在未清空缓存的前提下，以后每次打开报表刷新数据时会从缓存中读取数据，从而提高查询速度。 禁止缓存：每次刷新数据都需重新到数据库中读取。此选项一般适用于数据需要实时刷新的报表。 系统配置：表示读取 系统选项 > 查询设置 > 自动缓存 中的设置数据挖掘-快速入门
1126.png 案例背景 现在银行产品同众化现象普遍存在，客户选择产品和服务的途径越来越多，客户对产品的忠诚度越来越低，所以客户流失已经成为银行业最关注的问题之一。其实，银行流水数据反应了客户使用银行卡的行为特点，通过对这些数据进行深入分析，挖掘不同类别客户的特点，有针对性地进行营销，加强客户关系管理，提高客户与我行粘度，减少创建知识库对象
query为HQL语法的查询，可使用参数，允许跨表查询。 @Cache 使用缓存提高访问效率 策略应为READ_WRITE，区域为POJO。 @Id 声明属性为主键 @Column 属性name声明表中字段名称 字段名应为c_开头，字段名必须全小写
