第201页，共317页。 显示 3,165 条结果 (0.143 秒)
创建度量
，目前只支持一级目录，详情可查看：创建目录。 只要有一个字段标记为度量，在关系视图中对应的表或查询会识别成 绿色，在模型中"绿色"代表事实表，”蓝色“代表维表。 自动识别度量，可能会造成在业务意义上应该是维表的，而识别成了事实表，这时就需要根据实际业务意义手工把不必要的度量转为维度或者删除图形排序逻辑说明
图形排序的使用操作、排序设置和逻辑，基本和表格组件一样，表格组件排序功能说明详见：数据排序逻辑。 由于每种图形的展示效果和业务含义都不一样，所以本文主要是介绍，相对于表格组件，图形的排序功能有哪些区别和使用注意事项。 图形排序逻辑 图形排序示例 先用一个简单的图形排序示例展示排序功能，方便理解下文的排序逻辑 … 排序场景示例 场景示例一： 要按合同金额降序整体查看各行业的合同签约情况，此时在 合同金额 字段上设置 排序>组内降序，即可得到所需效果，设置方式如下图所示： X轴上的行业名称的顺序是按合同金额的值进行排序，不受颜色标记上的字段影响。 tuxingpaixu-02.png 场景示例二： 业务人员按时间查看图表组件 ⬝ 联合图
相同，如：若一个是价格单位，一个是数量单位，不适用。 2）指标数据大小的数量级别不能相差太大，如：若价格单位，一个以千万计，一个以个计，不适用。 2.2 业务场景 1、场景描述：某大型零售公司，想要分析每个季度的销售额情况，以及和销售目标的对比，如下图所示： lianhe02.png 2、以产品内置Demo … 展现，可以根据需要更改。 lianhe01.png 4、可根据实际场景需求，点击私有设置项左边的 图标 按钮，更改图形类型，如下图所示： lianhe03.png 3 双Y联合图 3.1 适用场景 双Y联合图可以同时在一张图比较指标数据单位不同或数量级别相差大的两个纵坐标。 3.2 业务场景 1、场景图表组件 ⬝ 热力图
1 概述 热力图是指用 【X轴】 和 【Y轴】 表示的 两个分类字段 确定数值点的位置，通过相应位置的 矩形颜色 去表现数值的大小，颜色深代表的数值大。 2 业务场景 （1）应用场景描述：热力图主要用于展示连续型数据的分布情况。例如用颜色展现某一范围内不同地区数据量的差异，网站分析等等。 分析不同 … 系统，打开【分析展现】-【交互式仪表盘】，进入仪表盘设计界面； image2023-11-9_15-16-13.png （2）点击【选择业务数据集】，弹出对话框，输入【订单模型】，查找订单模型数据集，选择该模型，点击确定，或双击该模型，即可选中该模型。 image2023-11-9_15-18-42.png散点图
/1个度量 适用场景 销售量和折扣之间的关系；收入和消费之间的关系；三角函数关系；社会现象关系的研究等 。 示例 我们在业务分析中，经常会对研究对象进行对比分析： 如：研究促销活动销售量和折扣之间的关系。（数据量小于2000） 分类轴上显示折扣 指标轴上分布销售量 把产品名称拖动到颜色标记区以实现数据 … /viewpage.action?pageId=83701429； 注意事项 （1）仪表盘如需使用“自助数据集”，需更换包含"自助数据集”的License文件。 （2）若无法在仪表盘中使用业务主题，需前往系统选项>高级设置 中添加"DISABLE_BUSINESS_THEME_IN_DASHBOARD=false"。即席查询-表格菜单
概述说明 数据来源为业务主题或数据源的即席查询表格中，业务人员可以直接拖拽表头字段来调整字段显示顺序，可以通过表格菜单对字段进行排序、过滤、聚合及对表格进行属性设置。 功能入口 将鼠标移到即席查询表格的表头字段处，字段后会出现表头按钮23.png，鼠标点击表头按钮即弹出表格菜单，如下图所示： image2019-10-23 10:46:5.png 菜单列表 表格菜单的菜单列表说明如下： 功能 说明 示例 排序 对当前字段进行排序。系统提供排序的类型有：升序、降序和无(原始顺序)，系统默认无排序。 注：当同时对多个列进行排序时，后单击排序按钮的列优先级更高，优先高宽自适应模式：展示型仪表盘
分析一下使用高宽自适应布局方式的情况。 image2019-7-30 16:39:43.png 示例分析 业务描述 根据对国内汽车市场销售情况的调研，制作一个围绕汽车销售情况的分析看板，主要有如下要求： 1、 主要想比较SUV和轿车两者的总体情况 2、 需了解2018年各月的销售规模、销售量和车型数以及各自的总体情况 3、 需了解销售前10名的车企和车型，以及两者的关系 4、 通过价格来表现销量，主要考虑均价和价位两种情况 5、 直观的展示所有车型销售的差异情况 业务分析 我们通过以上的需求描述可得出，一个分析看板主要通过图形直观的方式展示，再辅以汇总统计做总体分析。整体可划分为四个部分，内容不多AIChat 白泽帮助中心
Smartbi AIChat（白泽），是基于大模型（LLM）智能体技术的新一代智能 BI。 Smartbi AIChat 融合了 NL2DSL、数据模型的功能优势，采用先进的 Agent 技术，灵活性、扩展性和泛化能力更强。通过 DeepSeek、Qwen 等大模型与数据平台结合，支持用户通过自然语言实现对话分析、时间计算、归因分析、趋势预测及深度数据洞察等高级分析。它可以帮助企业准确、高效、深入洞察业务数据，真正释放数据价值。 Smartbi AIChat 功能演示，请查看如下视频。 产品演示AIChat_V3_4合1.mp4 播放 修改产品介绍文字试用/测试方案说明
项目 描述 产品版本 Smartbi AIChat V3 产品概述 Smartbi AIChat（中文名：思迈特白泽）：融合大模型与AI Agent的智能BI先锋，重塑看数、问数、用数体验。集成诊断、归因、指示、预测等高级分析，深度挖掘数据宝藏，赋能管理决策，提升业务价值，实现智能、高效、便捷的数据应用新时代。帮助企业真正从数据中提取价值，提高企业的经营分析能力。 方案简介 对于Smartbi AIChat产品，思迈特提供云环境线上测试/试用、客户端本地线下部署测试/试用两种方案；其中客户端本地线下部署需要客户方准备好相关硬件、软件及大模型资源；试用/测试客户可以根据自身的具体条件选择其中某银行信用卡评分分析
背景描述及需求 银行在市场经济中起着至关重要的作用。他们决定谁能获得资金，以什么条件获得资金，并决定投资决策的成败。为了让市场和社会发挥作用，个人和企业需要获得信贷。信用评分算法是银行用来决定贷款是否应该发放的一种方法，它对违约概率进行猜测。为了推进信用卡业务良性发展，减少坏账风险，各大银行都进行了信用卡客户风险识别相关工作，建立了相应的客户风险评分模型。 本案例分析的是通过预测某人在未来两年内遭遇财务困境的可能性，来提高自己在信用评分方面的水平。主要应用于相关融资类业务中新用户的主体评级，适用于个人和机构融资主体。本案例定义逾期90天以上就算作坏客户。 信用卡客户评分数据挖掘主要包括以下步骤： 1) 从银行获取信用卡相关
