胡世洋 劉威

關(guān)鍵詞：農(nóng)產(chǎn)品；可視化；商業(yè)智能；數(shù)據(jù)庫；FineBI

1 引言

隨著信息技術(shù)的快速發(fā)展，推進(jìn)信息化技術(shù)與農(nóng)業(yè)生產(chǎn)、農(nóng)業(yè)產(chǎn)業(yè)化的深度融合，已經(jīng)是大勢所趨[1]。我國農(nóng)業(yè)問題也朝著數(shù)據(jù)化、智能化的方向發(fā)展[2]。農(nóng)業(yè)問題的信息化需要將農(nóng)業(yè)相關(guān)的數(shù)據(jù)采集至服務(wù)器端，再對這些數(shù)據(jù)的價值進(jìn)行深度挖掘，從而為決策找到數(shù)據(jù)依據(jù)。數(shù)據(jù)價值的挖掘是一個復(fù)雜的問題，如何從龐雜的數(shù)據(jù)中快速提取有效的信息，是數(shù)據(jù)研究的重要目標(biāo)，數(shù)據(jù)可視化為我們挖掘農(nóng)業(yè)數(shù)據(jù)價值提供了新的工具[3]。本文以農(nóng)產(chǎn)品的生產(chǎn)和銷售的數(shù)據(jù)為研究對象通過使用可視化分析的方法來研究農(nóng)產(chǎn)品產(chǎn)銷數(shù)據(jù)背后的信息內(nèi)涵。

2 問題的概述

本文的主要研究對象是農(nóng)產(chǎn)品的生產(chǎn)和銷售的數(shù)據(jù)，數(shù)據(jù)源于“微農(nóng)”信息服務(wù)平臺的數(shù)據(jù)采集以及部分網(wǎng)絡(luò)數(shù)據(jù)的整合。它主要是研究廣西壯族自治區(qū)各地區(qū)農(nóng)作物、農(nóng)產(chǎn)品、商家、顧客、商品銷售、商品求購、商品流向等相關(guān)數(shù)據(jù)，從而總體上把握本地區(qū)農(nóng)產(chǎn)品的銷售情況，尤其是對遭受自然災(zāi)害地區(qū)、貧困地區(qū)的農(nóng)產(chǎn)品、滯銷嚴(yán)重的農(nóng)產(chǎn)品的銷量有重點體現(xiàn)。還需要對農(nóng)產(chǎn)品的地理分布、價格趨勢、產(chǎn)能、銷量、消費(fèi)群體，受眾顧客的消費(fèi)行為等進(jìn)行分析，從而找到規(guī)律和特征，從而為農(nóng)業(yè)信息決策提供支撐。

3 可視化工具的選擇

常用的數(shù)據(jù)可視化工具有Excel、FineBI、Tableau、PowerBI、CiteSpace等。Excel是Microsoft公司旗下的一款表格軟件，Excel提供的數(shù)據(jù)圖表可以多層次展現(xiàn)數(shù)據(jù)內(nèi)容。FineBI 是帆軟軟件有限公司推出的一款商業(yè)智能產(chǎn)品。它是新一代大數(shù)據(jù)分析的BI 工具，旨在幫助企業(yè)的業(yè)務(wù)人員充分了解和利用他們的數(shù)據(jù)[4]。Tableau是基于斯坦福大學(xué)突破性技術(shù)的軟件應(yīng)用程序。它幫助用戶分析實際存在的任何結(jié)構(gòu)化數(shù)據(jù)。PowerBI是Microsoft公司旗下的一款商業(yè)智能軟件，它可以將復(fù)雜的數(shù)據(jù)簡化為簡潔的視圖。CiteSpace是一款著眼于分析科學(xué)分析中蘊(yùn)含的潛在知識，是在科學(xué)計量學(xué)、數(shù)據(jù)可視化背景下逐漸發(fā)展起來的引文可視化分析軟件[5]。經(jīng)過對比分析，本文采用FineBI 可視化工具進(jìn)行數(shù)據(jù)分析。因為FineBI 擁有強(qiáng)大的大數(shù)據(jù)引擎，且擁有龐大的用戶群體。

4 數(shù)據(jù)的準(zhǔn)備

農(nóng)產(chǎn)品的生產(chǎn)和銷售的數(shù)據(jù)存放在MySQL數(shù)據(jù)庫當(dāng)中。FineBI需要從MySQL數(shù)據(jù)庫讀取并處理數(shù)據(jù)。Fine BI在管理數(shù)據(jù)時使用分組和業(yè)務(wù)包的方式來劃分不同來源的數(shù)據(jù)，所以需要新建一個分組和業(yè)務(wù)包為后面的數(shù)據(jù)連接做好準(zhǔn)備。FineBI中的數(shù)據(jù)類別又可以分成實時數(shù)據(jù)和抽取數(shù)據(jù)。如果選擇實時數(shù)據(jù)類別，F(xiàn)ine BI將直接訪問數(shù)據(jù)庫中的數(shù)據(jù)，此時數(shù)據(jù)分析速度會變慢。如果選擇抽取數(shù)據(jù)類別，F(xiàn)ine BI會將數(shù)據(jù)庫中的數(shù)據(jù)存取一份到Fine BI磁盤中，此時數(shù)據(jù)分析速度會更快。這里采用實時數(shù)據(jù)和抽取數(shù)據(jù)相結(jié)合的方式，對于實時性要求不高的操作，選用抽取數(shù)據(jù)類別來提高效率。對于實時性要求高的操作，如用戶交互操作等，則選用實時數(shù)據(jù)方式，從而與原始數(shù)據(jù)保持一致。在FineBI的“數(shù)據(jù)連接”的配置項里面配置數(shù)據(jù)庫驅(qū)動、數(shù)據(jù)庫名稱、端口、用戶名和密碼等內(nèi)容，如果該連接經(jīng)測試成功之后，它的連接的配置會被保存到FineBI之中。數(shù)據(jù)連接建立后就可以在“業(yè)務(wù)包”里面添加數(shù)據(jù)表。數(shù)據(jù)表可以是MySQL的直接數(shù)據(jù)表，也可以是基于MySQL數(shù)據(jù)表的SQL數(shù)據(jù)集，也可以是自定義的自助數(shù)據(jù)集。如果儀表盤需要有交互操作，它的數(shù)據(jù)表應(yīng)是自助數(shù)據(jù)集表。

由于初始數(shù)據(jù)常常是雜亂的、不完備的，噪聲和誤差不可避免，因此需要將初始數(shù)據(jù)進(jìn)清洗處理。此處采用Python程序和自定義的PROCEDURE程序相結(jié)合來完成數(shù)據(jù)的清洗。數(shù)據(jù)清洗之后需要及時與FineBI的數(shù)據(jù)表進(jìn)行同步。由于有的數(shù)據(jù)在數(shù)據(jù)的海洋里隱藏頗深，所以需要將數(shù)據(jù)進(jìn)行變換和特征提取等處理。這些工作完畢之后才可以使用可視化工具來映射和展現(xiàn)。為了進(jìn)一步突然數(shù)據(jù)的個性化展示，還需要提供用戶交互的功能，使用戶在多層次感知數(shù)據(jù)的同時獲取有價值的信息[6]。

5 可視化分析的過程

數(shù)據(jù)的可視化分析需要有清晰的分析脈絡(luò)，如果以用戶的視角來劃分，農(nóng)產(chǎn)品的生產(chǎn)和銷售數(shù)據(jù)的可視化分析可以從管理員視角、商家視角和顧客視角對數(shù)據(jù)進(jìn)行不同維度和層次的分析和透視。

5.1 以管理員為視角的數(shù)據(jù)分析

管理員角度看到的數(shù)據(jù)應(yīng)該是全局性的，關(guān)乎決策的數(shù)據(jù)信息。這種數(shù)據(jù)涉及范圍是整個數(shù)據(jù)庫里的內(nèi)容。對這種數(shù)據(jù)的分析應(yīng)該是粗粒度的、宏觀的分析，個別數(shù)據(jù)的變動不應(yīng)對整個的數(shù)據(jù)分析有決定性影響。下面通過以下幾個方面對數(shù)據(jù)進(jìn)行分析。

1）農(nóng)產(chǎn)品銷售流向分析

農(nóng)產(chǎn)品流向分析圖是分析某一地區(qū)的某一種農(nóng)產(chǎn)品的銷售方向。通過對農(nóng)產(chǎn)品流向圖的分析可以使管理員整體上把握農(nóng)產(chǎn)品的現(xiàn)有銷售情況，在市場宏觀調(diào)控時這些信息具有較高的借鑒價值。此處選用FineBI中圖表類型中的流向圖來解決這個問題。FineBI中的流向圖需要提供路線和標(biāo)識從而來明確農(nóng)產(chǎn)品的來源地和目的地，然而從現(xiàn)有的農(nóng)產(chǎn)品銷售數(shù)據(jù)表中并沒有路線和標(biāo)識的確切信息，所以在展示流向圖時就需要采用PROCEDURE對原數(shù)據(jù)進(jìn)行二次加工。首先我們將顧客、農(nóng)產(chǎn)品和銷售這三個表進(jìn)行聯(lián)表查詢，將查到的商品名稱、商品地址、顧客地址和銷售金額存放在一個視圖里面。其次，遍歷這個視圖，將視圖中商品地址作為流出地，顧客地址作為流入地。流出地和流入地的結(jié)合則形成流向路線。流出地的記錄中的“標(biāo)識”被定義為0，與流向路線一起插到新表當(dāng)中。同樣流入地的記錄中的“標(biāo)識”被定義為1，與流向路線一起插到新表當(dāng)中。二次加工完畢，我們可以將新表導(dǎo)入FineBI的數(shù)據(jù)列表當(dāng)中。在FineBI 中創(chuàng)建新儀表盤，將數(shù)據(jù)來源選定剛才的新表，將維度區(qū)域中的“地區(qū)”設(shè)置成地理角色（區(qū)縣），選定圖表類型為流向地圖，拖動“經(jīng)度”到橫軸，拖動“緯度”到縱軸，將指標(biāo)區(qū)域中的標(biāo)識拖動到連線的位置。此時流向圖基本形成，但是內(nèi)容過于繁雜，如果需要分析某一地區(qū)的某一種農(nóng)產(chǎn)品的銷售方向，就需要將“路線”和“名稱”拖動到“結(jié)果過濾器”當(dāng)中，并進(jìn)行過濾設(shè)置。如果把“路線”拖動到“顏色”，把“交易額”拖動到“大小”，還可以清晰看到銷往不同區(qū)域的交易量。此處我們以“萬秀區(qū)”的八角為例，可以明顯看到這種農(nóng)產(chǎn)品銷往了灌陽、興安、荔浦等地，如圖1 所示。

2）銷售額隨時間變動分析

銷售額隨時間變動圖反映的是某一個時間段求和后的銷售交易金額隨時間浮動情況。該圖可以使管理員能夠洞悉某段時間內(nèi)農(nóng)產(chǎn)品市場的活躍程度，從而為宏觀市場決策提供數(shù)據(jù)支撐。在數(shù)據(jù)列表中選擇自助數(shù)據(jù)集中的“農(nóng)產(chǎn)品銷售詳情表”作為數(shù)據(jù)來源并創(chuàng)建組件，選定圖表類型為折線圖，將交易時間和交易金額分別拖動至橫軸和縱軸?？梢栽诮灰讜r間字段選擇具體的某一個時間段進(jìn)行顯示。為了突出浮動效果，在“交易金額”字段上選擇“設(shè)置值軸”，在“設(shè)置值軸”窗口中自定義顯示范圍。在“交易金額”字段上選擇“設(shè)置警戒線”，選擇“橫向警戒線”，并且添加均值警戒線。在此處我們以八月份的交易情況為例，我們可以得知在8月上旬交易行情頗為活躍，但是到了8月中旬和下旬交易額略有下降。說明隨著季節(jié)的替換，一部分的農(nóng)產(chǎn)品逐漸退出市場，如圖2所示。

3）求購排名前10的產(chǎn)品詞云分析

求購排名前10的產(chǎn)品詞云圖反映的是顧客求購數(shù)量最多的農(nóng)產(chǎn)品。該圖可以讓管理員知悉哪些農(nóng)產(chǎn)品是顧客潛在需要的，為以后有效滿足供應(yīng)提供數(shù)據(jù)支撐。在數(shù)據(jù)列表中選擇自助數(shù)據(jù)集中的“求購表”作為數(shù)據(jù)來源并創(chuàng)建組件，選定圖表類型為詞云。為了突出農(nóng)產(chǎn)品種類的差異，將“求購商品”也拖動至“顏色”。為了突出農(nóng)產(chǎn)品的求購數(shù)額差異，將指標(biāo)窗口中的“需要數(shù)量”拖動至“大小”。最后把這兩個字段也都分別拖入到“標(biāo)簽”和“提示”。由此可以得知八角、油茶、茶葉、茶油等農(nóng)產(chǎn)品有較強(qiáng)的市場潛力，如圖3所示。

4）銷售量前10的農(nóng)產(chǎn)品分析

銷售量前10的農(nóng)產(chǎn)品氣泡圖反映的是所有農(nóng)產(chǎn)品中最受歡迎的農(nóng)產(chǎn)品。該圖可以讓管理員知悉某段時間內(nèi)哪些農(nóng)產(chǎn)品在農(nóng)產(chǎn)品市場里活躍度較高，為以后有效滿足供應(yīng)提供數(shù)據(jù)支撐。在數(shù)據(jù)列表中選擇自助數(shù)據(jù)集中的“農(nóng)產(chǎn)品銷售詳情表”作為數(shù)據(jù)來源并創(chuàng)建組件，選定圖表類型為聚合氣泡圖。為了突出農(nóng)產(chǎn)品種類的差異，將“農(nóng)產(chǎn)品名稱”也拖動至“顏色”。為了突出農(nóng)產(chǎn)品的銷售額差異，將指標(biāo)窗口中的“農(nóng)產(chǎn)品日銷量”拖動至“大小”。最后把這兩個字段也都分別拖至“標(biāo)簽”“提示”。針對“農(nóng)產(chǎn)品名稱”字段設(shè)置過濾，過濾的條件是“農(nóng)產(chǎn)品日銷量”為前十的農(nóng)產(chǎn)品，由此可以得知甘蔗、香豬、柚子等10個農(nóng)產(chǎn)品在銷售市上的份額較高，說明這些農(nóng)產(chǎn)品在這一階段較為受歡迎，如圖4所示。

5）原生態(tài)產(chǎn)品在農(nóng)產(chǎn)品中的比重分析

原生農(nóng)產(chǎn)品在農(nóng)產(chǎn)品中的比重圖反映的是無須二次加工的原生農(nóng)產(chǎn)品與二次加工后的農(nóng)產(chǎn)品之間的比值。該圖可以讓管理員知悉某段時間內(nèi)我區(qū)農(nóng)產(chǎn)品加工水平的高低，為以后的宏觀調(diào)控提供數(shù)據(jù)支撐?，F(xiàn)在數(shù)據(jù)都無法直接支持原生農(nóng)產(chǎn)品在農(nóng)產(chǎn)品中的比重的可視化，因此需要對數(shù)據(jù)進(jìn)行二次加工。首先，依托“農(nóng)作物信息表”設(shè)計一個關(guān)于全部農(nóng)產(chǎn)品的產(chǎn)量視圖。其次，依托“農(nóng)作物信息表”設(shè)計一個關(guān)于原生農(nóng)產(chǎn)品的產(chǎn)量視圖。再次，將這兩個視圖按照左連接的方式連接起來，這樣連接后的視圖必然會使加工過的農(nóng)產(chǎn)品記表中的“農(nóng)作物”字段為空值。最后，我們可以將新視圖導(dǎo)入FineBI的數(shù)據(jù)列表當(dāng)中。在FineBI中新建儀表盤，將數(shù)據(jù)來源選定剛才的新視圖，選定圖表類型為餅圖。將“農(nóng)作物”字段分別拖動至“顏色”“角度”“標(biāo)簽”。對“農(nóng)作物”字段進(jìn)行分組，這一字段為空值的記錄劃歸“二次加工產(chǎn)品”組。相反該字段不為空的記錄劃歸“原生農(nóng)產(chǎn)品”組。這樣餅圖就生成成功了，如圖5所示。

6）面向管理員的地圖和地理信息分析

地圖和地理信息分析主要包括受災(zāi)農(nóng)產(chǎn)品地圖分析、滯銷產(chǎn)品的地理分布分析、各市存貨量分析、貧困戶農(nóng)產(chǎn)品分布分析、各市銷售額分析等。選定數(shù)據(jù)來源之后，需在儀表盤選定圖表類型為區(qū)域地圖，將代表地理位置的字段轉(zhuǎn)換成地理角色，拖動“經(jīng)度”到橫軸，拖動“緯度”到縱軸。再將需要分析的主題字段拖動至“結(jié)果過濾器”，其他相關(guān)字段拖動至“顏色”和“標(biāo)簽”里進(jìn)行顯示。值得注意的是，有的分析主題需要特征提取才可以。比如判斷某個農(nóng)產(chǎn)品是否滯銷，將“存貨量”和“總產(chǎn)量”的比值作為農(nóng)產(chǎn)品是否滯銷的重要數(shù)據(jù)參考。如果這個比例太高說明大概率存在滯銷的情況，反之說明很暢銷。由于篇幅所限，此處僅以受災(zāi)農(nóng)產(chǎn)品地圖為例，闡述受災(zāi)農(nóng)產(chǎn)品地理分布情況。

受災(zāi)農(nóng)產(chǎn)品地圖反映的是受災(zāi)地區(qū)農(nóng)產(chǎn)品的儲備情況。該圖可以讓管理員知悉某段時間內(nèi)哪片受災(zāi)區(qū)域的農(nóng)產(chǎn)品存在潛在滯銷的問題，為將來可能的政策傾斜提供數(shù)據(jù)支撐。在數(shù)據(jù)列表中選擇自助數(shù)據(jù)集中的“農(nóng)產(chǎn)品銷售詳情表”作為數(shù)據(jù)來源并創(chuàng)建組件，選定圖表類型為區(qū)域地圖，將維度區(qū)域中的“農(nóng)產(chǎn)品所在縣”設(shè)置成地理角色（城市），拖動“經(jīng)度”到橫軸，拖動“緯度”到縱軸。將維度區(qū)域中的“農(nóng)產(chǎn)品是否災(zāi)區(qū)產(chǎn)品”拖動至“結(jié)果過濾器”，添加過濾選項并設(shè)置“農(nóng)產(chǎn)品是否災(zāi)區(qū)產(chǎn)品”的值為“是”。把維度列表中的“農(nóng)產(chǎn)品所在縣”以及指標(biāo)窗口中的“農(nóng)產(chǎn)品存貨量”拖動至“標(biāo)簽”。為了突出存貨量的數(shù)額差異，將“農(nóng)產(chǎn)品存貨量”也拖動至“顏色”。由此我們可以得知平南縣的花生、防城區(qū)的肉桂、平樂縣的沙田柚可能會因災(zāi)滯銷，需要在未來的市場調(diào)控予以傾斜，如圖6所示。

5.2 以商家為視角的數(shù)據(jù)分析

商家視角關(guān)注到的數(shù)據(jù)應(yīng)該是與本商家所擁有產(chǎn)品相關(guān)的農(nóng)產(chǎn)品信息，這些數(shù)據(jù)應(yīng)是局部的，可選擇的，具有實時性特點的。對這種數(shù)據(jù)的分析應(yīng)該是細(xì)粒度的，微觀的分析，分析的目的是為經(jīng)營決策提供支撐，下面通過以下幾個方面對數(shù)據(jù)進(jìn)行分析。

1）實時數(shù)據(jù)集的創(chuàng)建

如果站在賣家的視角來分析數(shù)據(jù)的話，賣家可能對全局性的數(shù)據(jù)興趣不大，而對自己所售的農(nóng)產(chǎn)品或其他相關(guān)的農(nóng)產(chǎn)品興趣較大。因此這樣的數(shù)據(jù)可視化儀表應(yīng)有過濾功能。因此我們在FineBI的“數(shù)據(jù)準(zhǔn)備”中將抽取數(shù)據(jù)列表切換為實時數(shù)據(jù)列表，將DB數(shù)據(jù)庫表再添加進(jìn)實時數(shù)據(jù)列表當(dāng)中。

2）農(nóng)產(chǎn)品的價格曲線分析

農(nóng)產(chǎn)品的價格曲線圖反映的是某一種農(nóng)產(chǎn)品在一段時間內(nèi)的價格波動情況。該圖可以讓賣家對農(nóng)產(chǎn)品的價格走勢有成熟的理解，從而制訂符合季節(jié)特征的產(chǎn)品價格從而獲取最大的利潤。

添加“SQL數(shù)據(jù)集”，將顧客、農(nóng)產(chǎn)品、銷售和商家這幾個表進(jìn)行聯(lián)表查詢，設(shè)置商品的小類為查詢參數(shù)從而創(chuàng)建“實時農(nóng)產(chǎn)品銷售數(shù)據(jù)表”。在FineBI中新建儀表盤，將數(shù)據(jù)來源選定為“實時農(nóng)產(chǎn)品銷售數(shù)據(jù)表”。此處我們可選用FineBI中圖表類型中的多系列折線圖來解決這個問題。將“交易時間”“交易價格”兩個字段分別拖動到橫軸和縱軸。為了突出價格的差異波動，設(shè)置“最大值”“均值”“最小值”三個參考線。為了突出價格在某段時間的波動趨勢，設(shè)置了多項式擬合趨勢線。然而農(nóng)產(chǎn)品的種類繁多，用戶需要選擇一個自己關(guān)心的農(nóng)產(chǎn)品來進(jìn)行分析。所以需要添加文本過濾組件，并在“綁定參數(shù)”里面選擇“小類”。需要說明的是小類的設(shè)置是為了避免同類別的農(nóng)產(chǎn)品因名稱不同而重復(fù)分析，它與大類相對應(yīng)。而大類的粒度太大使數(shù)據(jù)分析失去價值，因此此處的過濾參數(shù)設(shè)置為小類。將農(nóng)產(chǎn)品的價格曲線組件也放入過濾文本的控制范圍內(nèi)，輸入小類名稱就可以看到該小類下的農(nóng)產(chǎn)品價格隨時間的變化情況，如圖7 所示。

3）購買產(chǎn)品的顧客年齡分布分析

購買產(chǎn)品的顧客年齡分布圖反映的是某一類別的農(nóng)產(chǎn)品的主要購買者的年齡比例。該圖可以讓賣家知曉自己所銷售的農(nóng)產(chǎn)品受哪個年齡段的顧客歡迎。從而為自己以后的經(jīng)營決策提供數(shù)據(jù)支撐。仍然選定SQL數(shù)據(jù)集中的“實時農(nóng)產(chǎn)品銷售數(shù)據(jù)表”作為數(shù)據(jù)源并創(chuàng)建組件。選定圖表類型為餅圖。無論是“維度”區(qū)域還是“指標(biāo)”區(qū)域，均未出現(xiàn)“年齡”字段。于是新建一個“年齡”字段，字段設(shè)置成當(dāng)前年份減去出生年份，即：YEAR（NOW（））-YEAR（${顧客生日}）。將“年齡”字段拖動至“顏色”“角度”“標(biāo)簽”，再對“年齡”字段進(jìn)行分組。將該組件集成到文本過濾組件所在的儀表盤，并且將文本過濾組件的控制范圍擴(kuò)大到本組件上來。輸入小類名稱，可以看到該小類產(chǎn)品的主要購買者的年齡比例，如圖8所示。

4）面向商家的地圖和地理信息分析

面向商家的地圖和地理信息分析主要包括購買產(chǎn)品的顧客的地理分布分析，農(nóng)產(chǎn)品主要分布及產(chǎn)量情況分析，求購信息地理位置分布分析等。主要的分析過程與面向管理員的地理信息分析相似，不同的是這時創(chuàng)建的地圖組件也需要集成到文本過濾組件所在的儀表盤。下面僅以購買產(chǎn)品的顧客的地理分布為例闡述分析過程。

購買產(chǎn)品的顧客的地理分布地圖反映的是某一類別的農(nóng)產(chǎn)品的主要購買者所在的區(qū)域。該圖可以讓賣家知曉自己所銷售的農(nóng)產(chǎn)品都是被哪些地方的顧客購買的，為自己以后的經(jīng)營決策提供數(shù)據(jù)支撐。仍然選定SQL數(shù)據(jù)集中的“實時農(nóng)產(chǎn)品銷售數(shù)據(jù)表”作為數(shù)據(jù)源并創(chuàng)建組件。選定圖表類型為區(qū)域地圖，將維度區(qū)域中的“顧客所在縣”設(shè)置成地理角色（區(qū)縣），拖動“經(jīng)度”到橫軸，拖動“緯度”到縱軸。為了突出交易金額的差異，將“交易金額”拖動至“顏色”，將“顧客所在縣”拖動至“標(biāo)簽”。將該組件集成到文本過濾組件所在的儀表盤，并且將文本過濾組件的控制范圍擴(kuò)大到本組件上來。輸入小類名稱，可以看到購買過該小類產(chǎn)品的顧客的地理分布，如圖9所示。

5.3 以顧客為視角的數(shù)據(jù)分析

顧客視角關(guān)注的數(shù)據(jù)應(yīng)該是跟顧客購買相關(guān)的農(nóng)產(chǎn)品信息，這些數(shù)據(jù)應(yīng)是局部的，可選擇的，具有實時性特點的。對這種數(shù)據(jù)的分析應(yīng)該是細(xì)粒度的，微觀地分析，分析的目的是為提高顧客的購物體驗，優(yōu)化購物行為，下面通過幾個方面對數(shù)據(jù)進(jìn)行分析。

1）顧客購買產(chǎn)品的種類分析

顧客購買產(chǎn)品的種類圖反映的是顧客購買的農(nóng)產(chǎn)品類別的構(gòu)成情況。該圖可以讓顧客知曉自己在哪個類別下的農(nóng)產(chǎn)品上消費(fèi)較多，從而提升購物體驗。添加“SQL數(shù)據(jù)集”將顧客、農(nóng)產(chǎn)品、銷售、商家這幾個表進(jìn)行聯(lián)表查詢，設(shè)置顧客為查詢參數(shù)創(chuàng)建“實時產(chǎn)銷數(shù)據(jù)表”。在FineBI中新建儀表盤，將數(shù)據(jù)來源選定為“實時產(chǎn)銷數(shù)據(jù)表”。選定圖表類型為餅圖。將維度區(qū)域中的“農(nóng)產(chǎn)品大類”拖至“顏色”和“標(biāo)簽”，將指標(biāo)區(qū)域中的“交易金額”拖至“角度”。然而顧客的人數(shù)繁多，顧客通常只關(guān)心自己的農(nóng)產(chǎn)品購買情況。所以需要添加文本過濾組件，并在“綁定參數(shù)”里面選擇“顧客”。設(shè)置過濾文本的控制范圍包括顧客購買產(chǎn)品的種類圖。輸入顧客名稱，可以看到該顧客購買的農(nóng)產(chǎn)品類別的構(gòu)成情況，如圖10所示。

顧客求購商品種類圖反映的是顧客網(wǎng)上求購的農(nóng)產(chǎn)品類別的構(gòu)成情況。該圖可以讓顧客知曉自己在哪個類別下的農(nóng)產(chǎn)品上求購的次數(shù)較多，從而提升購物體驗。添加“SQL數(shù)據(jù)集”將顧客、農(nóng)產(chǎn)品、求購這幾個表進(jìn)行聯(lián)表查詢，設(shè)置顧客為查詢參數(shù)創(chuàng)建“顧客實時求購信息數(shù)據(jù)表”。在FineBI中創(chuàng)建組件新建儀表盤，將數(shù)據(jù)來源選定為“顧客實時求購信息數(shù)據(jù)表”。選定圖表類型為餅圖。將維度區(qū)域中的“農(nóng)產(chǎn)品大類”拖入“顏色”和“標(biāo)簽”，將指標(biāo)區(qū)域中的“記錄”拖入“角度”。將該組件集成到文本過濾組件所在的儀表盤，并且將文本過濾組件的控制范圍擴(kuò)大到本組件上來。輸入顧客名稱，可以看到該顧客求購商品種類情況，如圖11所示。

3）顧客消費(fèi)前10的產(chǎn)品分析

顧客消費(fèi)前10的產(chǎn)品圖反映的是顧客消費(fèi)金額最高的10種農(nóng)產(chǎn)品。該圖可以讓顧客知曉自己在哪些農(nóng)產(chǎn)品上消費(fèi)金錢較多，從而提升購物體驗。仍然選定SQL數(shù)據(jù)集中的“實時產(chǎn)銷數(shù)據(jù)表”作為數(shù)據(jù)源并創(chuàng)建組件。選定圖表類型為柱形圖，將維度區(qū)域中的“農(nóng)產(chǎn)品名稱”拖入“橫軸”，將指標(biāo)區(qū)域中的“交易金額”拖入“縱軸”。對“農(nóng)產(chǎn)品名稱”字段設(shè)置過濾，過濾條件是前10條記錄。再讓柱形圖中的記錄呈降序排列。為了突出農(nóng)產(chǎn)品之間的差異，將維度區(qū)域中的“農(nóng)產(chǎn)品名稱”拖入“橫軸”。將該組件集成到文本過濾組件所在的儀表盤，并且將文本過濾組件的控制范圍擴(kuò)大到本組件上來。輸入顧客名稱，可以看到該顧客消費(fèi)前10的產(chǎn)品情況，如圖12所示。

4）顧客消費(fèi)時段分析

顧客消費(fèi)時段分析圖反映的是顧客在不同時間段的消費(fèi)情況。該圖可以讓顧客知曉自己在哪個時間段消費(fèi)的次數(shù)較多，從而提升購物體驗。仍然選定SQL數(shù)據(jù)集中的“實時產(chǎn)銷數(shù)據(jù)表”作為數(shù)據(jù)源并創(chuàng)建組件。選定圖表類型為折線圖，將維度區(qū)域中的“交易時間段”拖入“橫軸”，將指標(biāo)區(qū)域中的“記錄數(shù)”拖入“縱軸”。將該組件集成到文本過濾組件所在的儀表盤，并且將文本過濾組件的控制范圍擴(kuò)大到本組件上來。輸入顧客名稱，可以看到該顧客在不同時間段的消費(fèi)情況，如圖13所示。

6 圖表的整合、分享與集成

以上多個可視化儀表盤可整合至一個統(tǒng)一的儀表盤。主次分明、布局合理、色彩協(xié)調(diào)是對整合后的儀表盤的基本要求。此處是將重要的可視化視圖放在偏左、偏上的位置，相對次要的視圖放在偏右、偏下的位置。在儀表盤面板找到整合后的儀表盤再創(chuàng)建公共鏈接并將其集成在Java Web工程當(dāng)中。

7 結(jié)束語

由于可視化圖形比數(shù)據(jù)直觀和立體，所以使用可視化工具來挖掘數(shù)據(jù)價值的方法是非?？焖俚摹⒏咝У?。它能將大部分的數(shù)據(jù)價值展現(xiàn)給用戶查看，它是大數(shù)據(jù)分析和商業(yè)智能的重要利器，它的應(yīng)用也越來越廣泛[7]。但相對于深度學(xué)習(xí)而言，可視化工具的挖掘深度有所不及。深度學(xué)習(xí)可以挖掘人們不易察覺的更深層的數(shù)據(jù)價值[8]。因此可視化分析應(yīng)與深入學(xué)習(xí)融合起來才能更全面地解決現(xiàn)實問題。這也是課題組下一步的分析方向。