页面树结构
转至元数据结尾
转至元数据起始

正在查看旧版本。 查看 当前版本.

与当前比较 查看页面历史

« 前一个 版本 26 下一个 »



注意:(新特性列表中:+表示新增;^表示增强)

V10.5.12 版本重点详细改进情况如下:

新增增强

+【数据模型】支持向导创建计算度量

+【作业流】支持调度数据挖掘实验

+【作业流】支持检查数据挖掘实验评估节点

+【ETL】通过产品帮助功能创建节点使用示例

+【ETL】自定义帮助指引系统

+【ETL】ETL节点树支持展开调整

+【ETL】监控建模增加停止功能

+【ETL】增加日期计算节点

+【ETL】增加在线节点开发功能

+【ETL】增加正则表达式匹配节点

+【ETL】节点能够自动连接

+【ETL】ETL支持自动布局

^【指标管理】指标模型支持生成多个数据模型

^ 【指标管理】指标模型支持分别定义维度和维表

^【指标管理】同步数据模型后支持便捷地执行抽取

^【ETL】提供节点iframe扩展配置组件

^【ETL】sql脚本无法显示输入表字段优化

^【ETL】“派生列”函数增强帮助提示

^【ETL】过滤节点合并

^【ETL】数据清理节点合并

^【ETL】目标表(clickhouse单机) 超大数据量写入性能优化

^【作业流】源库脚本支持SQL编辑器

^【作业流】作业流节点添加帮助信息

+【数据模型】支持向导方式创建计算度量


背景介绍

简单来说,计算度量是用MDX公式创建一个虚拟字段的数据值,它不改变源数据,如果你不在报表上使用它,甚至不知道它是什么样子的,而一旦被拖拽到报表上,便会随着各种筛选和维度展现不同的数据,所以计算度量一般在报表交互时使用并且在分析数据时会经常使用,但是定义计算度量存在以下问题:

  1)IT人员通过MDX函数定义:但是大部分人反馈语法难懂、晦涩、不会写。

  2) 业务人员经常需要在报表分析时做二次计算,但是报表层没有入口、也不会写,只能请求IT人员在模型中定义,过程反反复复,效率低下。

为了解决以上问题,在最新的V10.5.12版本中,IT人员/业务人员均可通过界面可视化、向导方式 在 数据模型以及交互式仪表盘中轻松创建计算度量。


功能介绍

1)在数据模型支持创建计算度量,支持四则运算、时间计算、文本转换、命名集集合等

2)仪表盘支持创建私有计算度量。(只对当前报表生效,不会存在数据模型中)

例如,查看各个区域、省份的销售额、前期值、同期值:


^【指标管理】指标模型支持生成多个数据模型


背景介绍

在旧版本中,指标的应用只能基于整个指标模型,在实际项目使用时,会存在以下问题:

难维护:原指标模型是通过资源授权的方式,实现不同部门使用不同业务域指标的场景,授权较为复杂。且模型一旦异常,应用模型的所有报表资源都会受影响。

使用性能差:不同的业务应用都只能基于同一个指标模型,当业务发生变化时,往往需同步和抽取整个模型,很影响工作效率。

用户体验不好:在报表层使用指标做数据分析时,指标会存在无关维度,业务用户使用体验不好。


解决方案

在Smartbi V10.5.12 版本中,指标模型支持根据具体业务情况生成对应数据模型,数据模型之间相互独立,业务用户可基于数据模型进行指标数据分析

 ●  勾选指标和维度生成数据模型。

 ●  数据模型之间可单独执行同步和抽取操作。


参考文档

详情请参见:。



+【指标管理】指标模型支持分别定义维度和维表


背景介绍

维度是业务定义,维表是技术落地。

在旧版本中,定义维度本质上是在定义维表,概念混淆容易让用户产生误解。另外维度和存储的强关联,在业务变化需要更新维度的存储时,会导致应用层的维度属性失效。


解决方案

在Smartbi V10.5.12 版本中,指标模型支持分别定义维度和维表,业务定义维度、技术定义维表。

 ●  维度可通过选择关联维表和字段来定义存储。

 ●  在维度上支持拖拽维度属性生成层次结构。

参考文档

详情请参见:。


^【指标管理】同步数据模型后支持便捷地执行抽取


功能简介

在Smartbi V10.5.12 版本中,同步数据模型时,若数据模型结构发生了变更且数据模型设置了抽取,同步数据模型成功后,用户可方便地执行抽取操作


参考文档

详情请参见:。


+【作业流】支持调度数据挖掘实验


背景介绍

数据挖掘实施项目中,需要在新数据产生和读入时,把数据用到建模和重新训练模型。目前依赖实施人员人工检查数据情况,发现新数据时手动执行挖掘实验。所以需要支持在作业流中对挖掘实验进行编排调度。

功能简介

在Smartbi V10.5.12 版本中,作业流中可以拖入数据挖掘资源,并通过计划任务定时调度

参考文档

详情请参见:。


+【作业流】支持检查数据挖掘实验评估节点


背景介绍

数据挖掘项目实施过程中,部署模型的实际效果需要用真实业务数据进行跨期验证,而跨期验证的这个实验应该独立于训练模型(模型自学习)的实验。应用场景是,通过查看跨期验证实验中模型预测数据和真实业务数据的评估指标,在指标低于某个阈值时,执行模型自学习实验。

具体场景是,在作业流支持数据挖掘实验的前提下,增加一个“检查挖掘评估”节点,能够获取指定挖掘实验里的指定评估节点的输出结果,并设定阈值进行比较,在指标低于/高于阈值时执行下一个数据挖掘实验。

功能简介



参考文档

详情请参见:。

+【ETL】通过产品帮助功能创建节点使用示例


背景介绍


功能简介



参考文档

详情请参见:。


+【ETL】自定义帮助指引系统


功能简介



参考文档

详情请参见:。


+【ETL】ETL节点树支持展开调整


功能简介



参考文档

详情请参见:。


+【ETL】监控建模增加停止功能


功能简介



参考文档

详情请参见:。


+【ETL】增加日期计算节点


功能简介



参考文档

详情请参见:。


+【ETL】增加在线节点开发功能


功能简介



参考文档

详情请参见:。


+【ETL】增加正则表达式匹配节点


功能简介



参考文档

详情请参见:。


+【ETL】节点能够自动连接


功能简介



参考文档

详情请参见:。


+【ETL】ETL支持自动布局


功能简介




参考文档

详情请参见:。


  • 无标签