基于FineBI的農(nóng)產(chǎn)品產(chǎn)銷數(shù)據(jù)的可視化研究

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(jià)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(jià)值的挖掘是一個(gè)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(jià)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(diǎn)體現(xiàn)。還需要對農(nóng)產(chǎn)品的地理分布、價(jià)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(shí)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(jì)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?yàn)镕ineBI 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(shí)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(gè)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(shí)時(shí)數(shù)據(jù)和抽取數(shù)據(jù)。如果選擇實(shí)時(shí)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(shí)數(shù)據(jù)分析速度會(huì)變慢。如果選擇抽取數(shù)據(jù)類別，F(xiàn)ine BI會(huì)將數(shù)據(jù)庫中的數(shù)據(jù)存取一份到Fine BI磁盤中，此時(shí)數(shù)據(jù)分析速度會(huì)更快。這里采用實(shí)時(shí)數(shù)據(jù)和抽取數(shù)據(jù)相結(jié)合的方式，對于實(shí)時(shí)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(shí)時(shí)性要求高的操作，如用戶交互操作等，則選用實(shí)時(shí)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(xiàng)里面配置數(shù)據(jù)庫驅(qū)動(dòng)、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(huì)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(shí)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(gè)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(shí)獲取有價(jià)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(gè)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(gè)別數(shù)據(jù)的變動(dòng)不應(yīng)對整個(gè)的數(shù)據(jù)分析有決定性影響。下面通過以下幾個(gè)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(shí)這些信息具有較高的借鑒價(jià)值。此處選用FineBI中圖表類型中的流向圖來解決這個(gè)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(shí)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(gè)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(gè)視圖里面。其次，遍歷這個(gè)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(dòng)“經(jīng)度”到橫軸，拖動(dòng)“緯度”到縱軸，將指標(biāo)區(qū)域中的標(biāo)識拖動(dòng)到連線的位置。此時(shí)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(dòng)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(dòng)到“顏色”，把“交易額”拖動(dòng)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(shí)間變動(dòng)分析

銷售額隨時(shí)間變動(dòng)圖反映的是某一個(gè)時(shí)間段求和后的銷售交易金額隨時(shí)間浮動(dòng)情況。該圖可以使管理員能夠洞悉某段時(shí)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(shí)間和交易金額分別拖動(dòng)至橫軸和縱軸。可以在交易時(shí)間字段選擇具體的某一個(gè)時(shí)間段進(jìn)行顯示。為了突出浮動(dòng)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(dòng)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(dòng)至“大小”。最后把這兩個(gè)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(shí)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(dòng)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(dòng)至“大小”。最后把這兩個(gè)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(gè)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(shí)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(jì)一個(gè)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(jì)一個(gè)關(guān)于原生農(nóng)產(chǎn)品的產(chǎn)量視圖。再次，將這兩個(gè)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(huì)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(dòng)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(dòng)“經(jīng)度”到橫軸，拖動(dòng)“緯度”到縱軸。再將需要分析的主題字段拖動(dòng)至“結(jié)果過濾器”，其他相關(guān)字段拖動(dòng)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(gè)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(gè)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(chǔ)備情況。該圖可以讓管理員知悉某段時(shí)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(dòng)“經(jīng)度”到橫軸，拖動(dòng)“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(dòng)至“結(jié)果過濾器”，添加過濾選項(xiàng)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(dòng)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(dòng)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(huì)因?yàn)?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(shí)時(shí)性特點(diǎn)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(gè)方面對數(shù)據(jù)進(jìn)行分析。

1）實(shí)時(shí)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(shí)時(shí)數(shù)據(jù)列表，將DB數(shù)據(jù)庫表再添加進(jìn)實(shí)時(shí)數(shù)據(jù)列表當(dāng)中。

2）農(nóng)產(chǎn)品的價(jià)格曲線分析

農(nóng)產(chǎn)品的價(jià)格曲線圖反映的是某一種農(nóng)產(chǎn)品在一段時(shí)間內(nèi)的價(jià)格波動(dòng)情況。該圖可以讓賣家對農(nóng)產(chǎn)品的價(jià)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(jià)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(gè)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(shí)時(shí)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(shí)時(shí)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(gè)問題。將“交易時(shí)間”“交易價(jià)格”兩個(gè)字段分別拖動(dòng)到橫軸和縱軸。為了突出價(jià)格的差異波動(dòng)，設(shè)置“最大值”“均值”“最小值”三個(gè)參考線。為了突出價(jià)格在某段時(shí)間的波動(dòng)趨勢，設(shè)置了多項(xiàng)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(gè)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(jià)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(jià)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(jià)格隨時(shí)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(gè)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(shí)時(shí)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(gè)“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(dòng)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(shí)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(shí)時(shí)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(dòng)“經(jīng)度”到橫軸，拖動(dòng)“緯度”到縱軸。為了突出交易金額的差異，將“交易金額”拖動(dòng)至“顏色”，將“顧客所在縣”拖動(dòng)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(shí)時(shí)性特點(diǎn)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(yàn)，優(yōu)化購物行為，下面通過幾個(gè)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(gè)類別下的農(nóng)產(chǎn)品上消費(fèi)較多，從而提升購物體驗(yàn)。添加“SQL數(shù)據(jù)集”將顧客、農(nóng)產(chǎn)品、銷售、商家這幾個(gè)表進(jìn)行聯(lián)表查詢，設(shè)置顧客為查詢參數(shù)創(chuàng)建“實(shí)時(shí)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(shí)時(shí)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(gè)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(yàn)。添加“SQL數(shù)據(jù)集”將顧客、農(nóng)產(chǎn)品、求購這幾個(gè)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(shí)時(shí)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(shí)時(shí)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(yàn)。仍然選定SQL數(shù)據(jù)集中的“實(shí)時(shí)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(shí)段分析

顧客消費(fèi)時(shí)段分析圖反映的是顧客在不同時(shí)間段的消費(fèi)情況。該圖可以讓顧客知曉自己在哪個(gè)時(shí)間段消費(fèi)的次數(shù)較多，從而提升購物體驗(yàn)。仍然選定SQL數(shù)據(jù)集中的“實(shí)時(shí)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(shí)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(shí)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(gè)可視化儀表盤可整合至一個(gè)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(jià)值的方法是非常快速的、高效的。它能將大部分的數(shù)據(jù)價(jià)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(jià)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(shí)問題。這也是課題組下一步的分析方向。