近5年来，企业级的数据进入飞速增长阶段。这种局部海量数据的形成，必然催生大量的数据需求。因而，传统的固定化BI报表已不能满足现代快速变化的商业需求。决策者需要将由IT主导的特定分析转为由广大业务人员主导的探索性分析，企业的BI工具建设也需要更强大的架构。首先，传统BI工具在数据仓库搭建方面更有优势，专业IT人员可专注于数据仓库开发、数据治理等工作，而分析人员则可以通过自助式BI工具连接后方数据仓库，实现探索性分析，最大程度地释放企业的数据生产力。
数据分析说复杂也复杂，但说简单，无外乎两个核心概念：数值与维度。BI分析就是依据不同的维度（如地区、时间、性别等）将聚合数值（如销售量、销售金额）切割成具体的数据立方体，即分析结果，如某年某地区的销售金额。这个过程被称之为切片。可想而知，切片越多，数值结果越详尽，分析的角度就越广，其所具有的洞察力就更强。
因此，一款BI工具的执行力除了取决于其聚合能力，还取决于其创建维度的能力。
1、原生维与派生维
原生维与派生维的概念很直观：直接来源于数据源的字段，即为原生维，原生维可用于最基本的维度分析。而把原生维进行加工生成新的维度，即派生维。派生维的存在形式是依存于原生维的，例如在原生维【订单数量】和【销售金额】的基础上，通过计算，衍生出的【客单价】维度，就是派生维。使用派生维，可增加分析维度。如果仅仅依靠原生维，则分析会受到局限。派生维的应用为数据分析师带来更加具有洞察力的分析结果。
因此，一款优秀的BI工具，应该能够让业务人员尽可能简单、便捷地生成更多派生维度，从而形成丰富地角度分析。在DataFocus中，用户可以使用搜索关键词的方法直接使用原生维和派生维，极大地拓展了使用维度，在此基础上，还配置了增加公式的方式，来便捷地创建新的派生维，用于更精细的分析。
2、数据可视化的技、术、道
邱南森（Nathan Yau）在《数据之美：一本书学会可视化设计》这本书中对数据可视化进行了精辟的解释：数据是对世界的简化和抽象表达。当你可视化数据的时候，其实是在将对现实世界的抽象表达可视化，或至少是将它的一些细微方面可视化表达，所以，最后你得到的是一个抽象的抽象。
数据可视化的能力修炼不是一蹴而就的事情，需要系统地学习与实践才能有长足的进步。一般人的数据可视化学习之路可以分为以下3个阶段。
1）技法
在此阶段，分析师能通过数据和图形准确地呈现数据分析结果，并发现数据背后的规律，可以利用工具派生新的分析维度；同时，能很好地理解各种图形的使用场景和特点，能帮助分析师在技法层面最大程度地发挥可视化的特性与优点
2）术法
在此阶段，分析师除了要熟练掌握工具的使用技巧外，还需要对数据可视化有更加深入的理解，能够通过最终所呈现的视觉效果使读者产生情感共鸣。如通过颜色的变化传达要表达的情感，通过形象化图表的使用，表现出背后的行业信息和深度。
3）道法
本质上，所有的数据分析都是围绕解决一个问题而展开的分析：数值和维度的关系。在此阶段，数据分析不再停留在视觉享受的层面，反而进入了一种返璞归真的状态。分析师舍弃了一切绚丽浮华的非重点修饰之后，将精力投入在解决关键问题上，用最简单的方式解决最重要的问题。
当然，学习数据可视化是一个循序渐进的过程，没有扎实的“技”的积累，就不会有 “术”的升华，更不会达到最后“道”的境界。
接下来，我们会继续使用DataFocus，一起学习商业智能数据分析实战，掌握能用于实践的数据分析能力，一起修炼数据可视化进阶之道。
Comments | NOTHING