[]
在第四章将业务数据接入Wyn 商业智能后,开始制作仪表板和报表之前,还需要对数据进行进一步加工,简称:数据准备。数据准备是连接原始数据源与最终可视化洞察的关键环节。无论您的数据来自关系型数据库、数据仓库、云存储、API接口还是物联网设备,数据准备的核心目标都是将原始数据高效、灵活地加工、清洗、转换为结构清晰、业务含义明确、可以进行高效分析和可视化呈现的数据集或数据模型。
为了满足不同的业务场景、数据特性(如实时性、数据量、更新频率)以及对性能和安全性的不同要求的分析场景,Wyn 商业智能提供了 7 种强大的数据建模方式,为您提供无与伦比的灵活性,可以按需选择适合自己的建模方式开始准备数据:
直连模型: 直接查询您的数据库/数据仓库,实时获取最新数据,适用于对数据时效性要求极高的分析场景
抽取模型: 将数据周期性或一次性抽取到Wyn 的高速引擎中,还可以进行ETL查询加工,大幅提升查询性能,尤其适合处理海量数据或复杂计算,支持离线分析
缓存数据集: 将加工好的数据在Wyn进行缓存,并可在创建过程中进行ETL查询加工。显著加速复杂仪表板的加载和交互速度,平衡实时性与性能需求
直连数据集: 类似“直连模型”,但更侧重于定义单一、可直接用于可视化的数据集视图,同样提供实时数据访问
流式数据集: 专为处理连续、高速到达的实时数据流(如日志、传感器数据)设计,支持近实时的监控和预警分析
推送数据集: 允许您通过API将外部系统或者数据仓库生成或处理好的数据主动推送到Wyn中,构建数据集
原生查询数据集: 赋予您最大的灵活性,直接使用数据源原生的SQL或其他查询语言编写复杂逻辑,获取特定结构的数据结果集
物联网数据: 支持通过 MQTT、WebSocket、HTTP 等多种通信协议,将各类智能设备的数据接入到Wyn中进行可视化展示
选择适合的建模方式是关键! 本指南将详细阐述每种建模方式的工作原理以及具体步骤(包括对数据进行深度清洗、转换、关联和计算)、适用业务场景、优势与注意事项,从而构建出真正满足您业务需求的分析基础。