前言

我们在《业务用户入门指南》中已经知晓了智能数据洞察的几个主要模块以及它们之间的关系，接下来我们继续学习一些进阶功能，以帮助大家能更好地使用。

1. 可视化查询

1.1 字段配置

1.1.1 添加字段 - 怎么使用已有字段去新增字段

• 大部分数据集的字段需求可以找数仓的同学，不过如果只是自己需要一个临时字段用于分析，也可以尝试自己来创建字段，创建字段需要使用表达式，对很多没有接触过SQL的同学可能会比较难，如果有时间的话，可以看一下这篇文档：添加/修改字段 。

1.1.2 参数 - 定义一个可以任意修改的值用于表达式计算

• 参数是一个可灵活调整的变量，这个变量可以在计算字段中使用，实现单个计算字段甚至整个图表的动态逻辑方案。当参数取不同的值，字段表达式会对应不同的计算逻辑。

1.2 图表配置

1.2.1 维度指标创建组- 对图表中的指标进行分组

• 对于维度字段，当信息比较多，可以分组显示时，就可以创建组来实现信息的折叠显示。
• 对于数值指标字段，创建组可以实现通过表达式字段的值进行分堆成组，形成一个新的字段。

常见应用场景：

• 合并文本字段的维度项：把字段“国家”中字段值划分为“欧洲”、“亚洲”等，生成新的组字段“洲”，然后再用“洲”作为维度去分析。
• 自定义数据桶：把售价进行数据桶做划分，0-100，100-300，300-500，查看数据在各个范围上的表现。

1.2.2 动态维度/动态指标 - 快速切换图表中的维度和指标

• 新增动态维度/动态指标功能，更加简单快速地实现多维度或多指标的切换，以满足不同用户对不同维度/指标的需求。

1.2.3 上钻下钻 - 在不修改图表的情况下下钻到其他维度进行分析

• 上钻下钻即依据字段创建层级结构（如：省->城市->渠道），使得可视化分析时，能够通过点击快速在各层之间向上或向下钻取分析。

1.2.4 条件格式 - 为图表添加单色、图标集、色阶、数据条

1.2.5 模板链接 - 将维度值传递到链接中进行网页跳转

1.2.6 数据标注 - 在图表中添加文字标注

• 在可视化查询模块中，提供了数据标注功能，该功能支持对图表的某个数据点或某个时间段进行标注。
• 适用场景：因某个原因造成某数据点或者某个时间段的数据异常后，用户可在对应位置添加数据标注，以告知其他用户数据异常的原因，可减少通过口头或书面告知的情况，提高可读性和传达率。

1.3 筛选配置

1.3.1 组合筛选 - 进行复杂的AND/OR条件组合筛选

• 产品支持多层级的OR/AND筛选，以此可以实现复杂筛选条件下的筛选需求。

1.3.2 子查询 - 将其他图表的查询结果作为当前查询的筛选项

• 维度筛选支持子查询功能，用户可以将其他图表的查询结果作为当前图表的筛选项。
• 注意事项：

含有以下条件的图表不支持作为子查询图表：

1. 不能自己引用自己
2. 所包含的子查询图表也有对应数据集读以上权限
3. 不能包含动态维度/指标
4. 不能使用关联数据集
5. 不能有参数绑定字段

1.3.3 子筛选器 - 实现筛选器级联

• 应用场景：有层级结构的字段在作为筛选器时，需要筛选项显示相关的值。避免用户选到一些干扰项。 例如：省、市；一级分类、二级分类。

1.3.4 图表选项配置 - 控制筛选中的可以选择的枚举值

1.4 分析功能

1.4.1 分析功能 - 排序、筛选Top N数值、合计、百分比计算、对比计算、同环比计算、参考线、表计算

• 智能数据洞察有详细的每一个分析功能的使用文字介绍，可以参考：智能数据洞察分析配置指南。

1.5 其他

1.5.1 图表监控 - 检测图表中的数据并作出报警

• 智能数据洞察支持图表监控功能支持配置指标波动监控和维度枚举值变化监控。

2.仪表盘

2.1 仪表盘配置

2.1.1 仪表盘主题/模板/素材 - 怎么做出更好看的仪表盘

• 如果是大家不想花费精力去调整各种配色、字体、线条之类的，可以尝试智能数据洞察的仪表盘主题功能，支持使用我们提供官方主题或按照业务线的设计要求自定义主题。

• 也可以使用智能数据洞察的仪表盘模板功能，直接使用已有的模板来替换图表。

• 当然最近还上线了智能数据洞察的素材功能，支持大家为仪表盘快速添加头图、标题图、分割线。

2.1.2 多语言 - 为中英文环境设置不同的语言展示

• 在项目中心里，管理员可以针对数据集、图表和仪表盘分别进行多语言的设置，让多语办公的同事们能够直观了解相关信息。

2.2 图表交互

2.2.1 图表联动 - 图表之间的联动分析

• 图表联动功能可以将某个图表作为筛选器，点击其中某一个数据项，与其关联的图表将会筛选出所选项的数据内容，快速且直观。

2.2.2 图表跳转 - 点击图表字段跳转至其他仪表盘

• 能够实现点击图表字段，就能跳转至其他仪表盘或网页的效果；跳转时支持将当前图表中的数据传递至目标仪表盘的全局筛选器，或将图表中的数据传递至对应网页链接的指定位置。

2.2.3 导航锚点 - 快速定位至某个图表

• 仪表盘支持设置锚点功能，支持对每个图表设置锚点，设置完成后会在仪表盘查看页面右边显示锚点，便于在仪表盘图表数量太多的情况下快速定位图表所在位置。

2.2.4 图表替换数据集 - 快速切换图表的底层数据集

• 智能数据洞察支持图表替换数据集功能，可以单个替换图表底层的数据集或替换整个仪表盘图表底层使用的数据集。

2.3 仪表盘应用

2.3.1 书签 - 将当前仪表盘筛选配置保存为书签

• 使用场景：支持用户将常用筛选条件以书签形式保存，便于快捷打开；支持公开展示部门内通用筛选口径，供项目内所有用户使用。

2.3.2 订阅仪表盘 - 将仪表盘的内容定时推送给个人或群聊

• 可以使用智能数据洞察的订阅功能，支持将仪表盘的内容以截图的方式推送到个人或飞书群聊，配置文档：订阅仪表盘。
• 订阅同时也可以配合书签的功能，实现大家按照不同的筛选条件来推送仪表盘中的内容。

2.3.3 仪表盘/图表嵌出 - 将仪表盘或图表放进文档或者数据门户

• 可以通过仪表盘和图表的嵌出功能实现。

3.数据集

3.1 公共数据 - 为数据集添加中国日历、舆情数据、天气数据等

• 智能数据洞察提供了例如中国日历、舆情数据、天气数据等公共数据，可以与数据集的数据结合，便于大家进行分析。

3.2 同步多天 - 同步当天分区的同时回溯过去N天的分区

• 智能数据洞察数据集支持开启同步多天功能，同步多天即在同步某一个分区的同时，会同时同步下前N天的分区。

3.3 镜像数据集 - 实现数据集的跨项目使用

• 数据集生产者可利用镜像数据集功能，通过简单配置使多个项目可以使用相同数据集（相同数据源、数据模型、维度指标）做图表、仪表盘，节省存储资源、降低操作成本。
• **常见应用场景：**同一个数据集需要在多个业务线复用，但需统一数据管理及运维口径。
• 数据集支持跨项目使用，不过需要数据集的管理权限才能够进行配置，支持将当前项目的数据集开放给多个项目使用，不会占用新的存储空间，这些项目的数据集会与原数据集保持一致，配置可以参考帮助文档：镜像数据集。

3.4 关联数据集 - 实现多个数据集直接的Join查询

• 智能数据洞察支持关联数据集功能，支持将多个同集群的数据集进行关联。

4.SQL查询

4.1 保存图表 - 将SQL查询结果保存至可视化查询

• SQL查询的结果支持保存到可视化，之后通过可视化查询对数据进行分析。

4.2 上传临时表 - 将本地文件上传为线上Hive表

• SQL查询支持将本地CSV文件上传为临时的Hive表参与查询。

5.归因决策

5.1 异动分析

• 异动分析是用于发现核心指标的异常波动。根据用户配置，系统每天/每周会对指标进行自动探查，利用智能算法或配置规则检测指标的异常波动，进行报警推送，并可根据维度下钻进一步下探异常波动。

适用场景：
核心业务指标每天都在波动，昨天的波动是否存在异常，该怎么判断？
如果指标出现了异常需要报警，但简单地依靠环比阈值的方式又没考虑到指标自身的趋势和周期性，该怎么判定才是合理的？
大盘指标看起来风平浪静，而海面之下（各个维度下钻）是否着隐藏异常？

关于异动分析报告的使用，请参见：归因报告-异动分析。

5.2 维度归因

• 维度归因是用于对指标的变化在各个维度上进行拆解，并给出定量的贡献解释。根据用户配置，每天/每周会对指标进行自动探查，利用科学的归因算法分析对大盘指标产生影响的因素。

适用场景：
例如在做DAU变动归因时，哪些业务源、哪些场景、哪些城市的变动导致了DAU的变动，并能展示每个因子对DAU变动贡献了多少，业务源、场景、城市都是不同的维度。

关于维度归因报告的使用，请参见：归因报告-维度归因。

5.3 指标归因

• 指标归因是用于探索多个相关指标对核心指标变动的影响，包括乘法因子的贡献和非乘法公式关系中各因子的贡献。根据用户配置，系统会每天/每周自动对相关指标对核心指标的影响程度进行分析。

适用场景：
销售额作为核心指标，用户优惠券领取情况、商家开播情况、用户看播情况、商品点击情况 对销售额变化分别做了多少贡献。

关于指标归因报告的使用，请参见：归因报告-指标归因。

5.4 指标分析树

• 前面介绍的三个分析功能都是独立的，不过实际业务中遇到的场景可能会比较复杂，单一的分析场景无法满足，例如需要同时归因多个维度指标、或是多种归因能力需要串联，这时候就可以尝试下指标分析树。
• 它把我们的归因能力原子化为一个个节点，用户可基于自己实际业务场景将不同类型节点进行组织串联，例如我们可以实现先对指标进行异动归因，当指标出现异动时，先对这个指标进行指标归因，之后再对这些指标做维度归因。

帮助文档：指标分析树。