还找不到数据异常原因？这份教程赶快拿走

 

在企业经营过程中，经常需要对数据上升或下降的原因进行分析。通常的做法是验证性数据分析，即对原因进行假设，再通过数据分析进行求证。

如果数据维度较多，则验证难度会成倍上升，需要消耗大量人力和时间。

永洪BI新推出的数据洞察功能，能够帮助用户高效分析业务数据增长、减少的原因，为用户减少大量重复工作。

例如过滤数据、数据对比等图表分析的过程，只需要简单的一步点击，就可以知道影响较大的维度，直观看到每个维度中造成数据差异的主要因素。

#01

接下来，我们开始介绍数据洞察的应用。

以下列柱图为例，第二季相比第一季销售额减少，我们想要知道导致第二季销售额减少的原因是什么。

以前我们需要手动过滤去对比分析每个维度来提炼影响因素，现在我们直接在标记处右键就可以看到数据洞察的入口，点击即可开始分析数据、提炼信息。

点击后出现数据洞察报告，报告将会根据本数据集上所有维度字段，对当前数据和上一数据进行对比分析，列出影响较大的因素，默认以瀑布图的形式呈现，同时也支持切换为堆积柱状图查看具体数据分布。

从市场级别的角度看，可以直观地看出第二季度中，一级市场的销售额是增长的，造成第二季度销售额总和下降的原因，是二级市场销售额的大幅减少。

当我们将鼠标悬浮在二级市场销售额差值上，可以看到二级市场的销售额在第二季度具体减少的值——1352。

根据市场分布分析，从瀑布图我们可以看出除东部市场以外，西部市场、南部市场、中部市场的销售额均呈现下降。

切换为堆积柱状图我们可以看到，中部市场和西部市场是主要的消费市场，因此可以得知中部市场销售额的大幅减少，应该引起重视。

接下来我们将分析产品种类的影响，我们可以了解到，第二季度相比第一季度咖啡的销售额有提高，而浓缩咖啡的销售额呈大幅下降。

因此可以得知，浓缩咖啡是主要影响第二季销售额的产品种类。

#02

数据洞察只能分析对比日期吗？当然不是。

数据洞察不仅支持日期列维度，也支持普通维度列，可以基于任何维度列对标记进行数据解释。

例如下图，我们可以利用数据洞察，分析西部市场的销售额为何高于南部市场。

在产品种类维度中，我们可以看出茶、花茶的畅销，是西部市场销售额高于南部市场的主要原因。

#03

数据洞察不仅能够帮助用户分析，还可以帮助用户制作报告。

数据洞察生成的图表在制作预览查看时，都支持导出为图片。在制作报告时，还支持放入报表中作为报告的一部分直接呈现。

图表工具栏提供“添加到报表”，点击即可添加，添加后可以对该图表进行编辑操作。

以上就是关于数据洞察的应用介绍，是不是很简单呢？

结合该功能，可以高效地提炼分析出每个维度影响数据变化的主要因素，节约一定的分析时间，快去试试吧~

fqj