但是，隨著數(shù)據(jù)的爆炸增長，企業(yè)對于數(shù)據(jù)價(jià)值的需求越來越高，需要通過大量的數(shù)據(jù)分析來支持業(yè)務(wù)決策，因此，建立一套數(shù)據(jù)分析系統(tǒng)（如上圖所示）對數(shù)據(jù)進(jìn)行一站式整合、挖掘、分析、可視化的需求越來越強(qiáng)，因?yàn)橐坏┰�始�?shù)據(jù)流被以圖像形式表示，以此做決策就變得更加輕松。

　　本文將會把架構(gòu)圖中出現(xiàn)的一些可視化工具與大家分享一下，希望幫助大家找到適合自己需求的工具，使企業(yè)可快速的獲取業(yè)務(wù)數(shù)據(jù)，并通過圖形化的手段進(jìn)行展現(xiàn)和分析，一眼洞察自身業(yè)務(wù)數(shù)據(jù)信息，實(shí)現(xiàn)企業(yè)數(shù)據(jù)化運(yùn)營。

 

　　輕量的數(shù)據(jù)可視化，為數(shù)據(jù)驅(qū)動型組織量身打造的敏捷、實(shí)時(shí)、協(xié)作的大數(shù)據(jù)可視化分析平臺。

　　支持當(dāng)前所有主流 Hadoop-based 數(shù)據(jù)源，可配合 Spark SQL 或 Cloudera Impala 等高效查詢引擎，對 TB 級別數(shù)據(jù)進(jìn)行秒級交互式查詢。支持 ElasticSearch/Cloudera Search 等搜索類數(shù)據(jù)源，對日志文件進(jìn)行可視化分析。

　　異構(gòu)數(shù)據(jù)接入能力，可對接大數(shù)據(jù)環(huán)境中主流的各種數(shù)據(jù)源，包括傳統(tǒng)數(shù)據(jù)庫、日志文件、Apache Hadoop 平臺、NoSQL 平臺，搜索類平臺和 SaaS API 等數(shù)據(jù)源，提供異構(gòu)數(shù)據(jù)源的關(guān)聯(lián)查詢。

　　提供基于 R/Python 的機(jī)器學(xué)習(xí)建模等高級分析手段。

　　包括儀表盤（DashBoard）和數(shù)據(jù)集（DateSet）。其中，儀表盤作為數(shù)據(jù)分析的成果展覽室，可對某項(xiàng)業(yè)務(wù)當(dāng)前的全貌進(jìn)行多角度展現(xiàn)，并提供畫布 Canvas 的調(diào)整功能，可自由拖拽進(jìn)行布局。構(gòu)成儀表盤的各個探索圖標(biāo)來自于某個數(shù)據(jù)集的分析成果，用戶可以直接在儀表盤中直接打開進(jìn)入下一個探索圖表，進(jìn)行數(shù)據(jù)的進(jìn)一步探索、優(yōu)化和完善。

　　支持靈活的權(quán)限角色設(shè)置，企業(yè)用戶各部門可進(jìn)行數(shù)據(jù)驅(qū)動式的運(yùn)營協(xié)作。同時(shí)提供便利的發(fā)布分享途徑，讓數(shù)據(jù)分析的可視化成果在企業(yè)成員之間一鍵可達(dá)。

　　

　　數(shù)果 SUGO-TSA （Time Series Analytics） 時(shí)序多維分析工具，幫助企業(yè)快速突破處理爆發(fā)的行為數(shù)據(jù)、日志數(shù)據(jù)等時(shí)序數(shù)據(jù)遇到的瓶頸，能夠快速對時(shí)序數(shù)據(jù)進(jìn)行實(shí)時(shí)多維分析，并迅速生成可視化報(bào)表。只需要進(jìn)行簡單拖拽式操作，即可將上億數(shù)據(jù)秒級分析，且以專業(yè)的可視化圖形呈現(xiàn)出來，讓企業(yè)中每一個業(yè)務(wù)人員都具有自助分析的能力。

　　SUGO-TSA 基于“數(shù)果Tindex”加速引擎實(shí)現(xiàn)，整合了“搜索引擎”對數(shù)據(jù)的檢索能力，以及大數(shù)據(jù)實(shí)時(shí)分析平臺的聚合分析能力，既保證了數(shù)據(jù)的實(shí)時(shí)性和指標(biāo)自由定義，又能滿足大數(shù)據(jù)量秒級查詢的需求。

　　永洪 BI 享有超快上線周期和高性價(jià)比的美譽(yù)，拖拽式的簡單操作使得人人都能以自服務(wù)的方式來進(jìn)行數(shù)據(jù)分析。它的速度快得超乎你的想象，只需幾分鐘時(shí)間就能生成分析結(jié)果，一天時(shí)間內(nèi)變更分析需求。

　　產(chǎn)品內(nèi)整合了聚類、分類、回歸、時(shí)序等深度分析算法，讓用戶能在一個操作界面中同時(shí)進(jìn)行統(tǒng)計(jì)分析和深度分析， 且對二者進(jìn)行關(guān)聯(lián)處理。通過結(jié)合深度分析算法，幫助用戶洞察無法直接觀測到的數(shù)據(jù)背后的關(guān)聯(lián)、趨勢和邏輯。界面極為易用，無需技術(shù)背景，業(yè)務(wù)人員可輕松上手，自服務(wù)完成深度分析需求。 通過深度分析算法進(jìn)行數(shù)據(jù)預(yù)測和數(shù)據(jù)關(guān)聯(lián)性洞察，實(shí)現(xiàn)對數(shù)據(jù)含義和價(jià)值的深度挖掘。

　　DataHunter 可以幫助企業(yè)搭建一站式的業(yè)務(wù)數(shù)據(jù)可視化分析平臺，幫助企業(yè)快速了解業(yè)務(wù)狀況，及時(shí)發(fā)現(xiàn)問題進(jìn)而改進(jìn)業(yè)務(wù)。

　　兼容各種數(shù)據(jù)源類型，支持海量數(shù)據(jù)。可接入Excel/CSV等數(shù)據(jù)文件、企業(yè)各種業(yè)務(wù)系統(tǒng)、第三方互聯(lián)網(wǎng)數(shù)據(jù)、公共數(shù)據(jù)服務(wù)平臺等來源，輕松整合所有相關(guān)業(yè)務(wù)數(shù)據(jù)，幫助企業(yè)消滅數(shù)據(jù)孤島。

　　基于探索式分析，支持智能推薦圖形、圖表協(xié)同過濾、全維度數(shù)據(jù)鉆取，幫助用戶快速定位并發(fā)現(xiàn)問題。拖拽式的操作，簡單易用。

　　便捷的看板分享與討論功能，可通過生成鏈接的方式將看板快速分享給團(tuán)隊(duì)成員或其他人，同時(shí)支持基于看板的討論，通過發(fā)送文字、圖片、圖表快照等內(nèi)容進(jìn)行溝通，滿足團(tuán)隊(duì)溝通協(xié)作需求。

　　多平臺數(shù)據(jù)可視化展現(xiàn)，可在電視、電腦、手機(jī)等多終端同步顯示，7x24小時(shí)不間斷展示業(yè)務(wù)數(shù)據(jù)動態(tài)，方便隨時(shí)決策。

　　支持用戶創(chuàng)建團(tuán)隊(duì)和自定義權(quán)限管理，可對團(tuán)隊(duì)中不同的角色分配對應(yīng)的數(shù)據(jù)和看板，滿足各級人員分析查看業(yè)務(wù)數(shù)據(jù)的需求。

　　后端數(shù)據(jù)處理分析應(yīng)用
　　Kyligence Enterprise

　　過去，企業(yè)通過自建大數(shù)據(jù)基礎(chǔ)架構(gòu)、運(yùn)維分析平臺、培訓(xùn)各類技術(shù)人才等形式滿足大數(shù)據(jù)分析的需求，但冗長、復(fù)雜的流程拖慢了海量大數(shù)據(jù)分析的步伐。為了解決這一痛點(diǎn)，青云QingCloud AppCenter 近期上線了 Kyligence Analytics Platform（企業(yè)級 Kylin 應(yīng)用），青云與 Kyligence 攜手為企業(yè)提供從部署到分析都更加高效、便捷的云上大數(shù)據(jù)分析解決方案，助力云時(shí)代企業(yè)用戶的業(yè)務(wù)發(fā)展。

　　Kyligence Analytics Platform （KAP） 是 Kyligence 提供的基于 Apache Kylin 的企業(yè)級大數(shù)據(jù)智能分析平臺，來自Apache Kylin原創(chuàng)團(tuán)隊(duì)，在 PB 級數(shù)據(jù)集上提供亞秒級標(biāo)準(zhǔn) SQL 查詢響應(yīng)，提供互聯(lián)網(wǎng)級的高并發(fā)訪問，賦能分析師以行業(yè)標(biāo)準(zhǔn)的數(shù)據(jù)倉庫和商業(yè)智能方法論架構(gòu)基于 Hadoop 的解決方案，支持主流BI工具無縫集成。

　　目前，Kyligence 已廣泛應(yīng)用于諸多客戶，為國內(nèi)外金融、電信運(yùn)營商、零售業(yè)、制造、廣告等相關(guān)領(lǐng)域客戶提供大數(shù)據(jù)分析技術(shù)及解決方案，包括太平洋保險(xiǎn)、國泰君安、華泰證券、上汽集團(tuán)、華為、OPPO、陸金所等數(shù)十家大中型企業(yè)。

　　該應(yīng)用運(yùn)行在 QingMR1.2.0+之上，深度整合了 Hadoop 集群。

　　使用它您將方便地獲得一個 Hadoop 集群，以及運(yùn)行在其上的 KAP 實(shí)例，所有的配置均為您自動完成。通過安裝實(shí)施本軟件，可以有效地降低大數(shù)據(jù)使用的難度，提高大數(shù)據(jù)分析的效率，有利于企業(yè)在云上快速開展業(yè)務(wù)。

　　HashData 數(shù)據(jù)倉庫是一個高性能、完全托管的PB級數(shù)據(jù)倉庫服務(wù)，讓企業(yè)用戶能夠輕松地分析海量數(shù)據(jù)。

　　通過集成 MPP 數(shù)據(jù)庫的查詢能力、云計(jì)算的彈性以及大數(shù)據(jù)平臺的靈活性，HashData 數(shù)據(jù)倉庫創(chuàng)新性的元數(shù)據(jù)、計(jì)算和存儲三者分離的架構(gòu)提供了傳統(tǒng)數(shù)據(jù)倉庫解決方案無法比擬的易用性、高可用、擴(kuò)展性和高并發(fā)，并在互聯(lián)網(wǎng) SaaS、政務(wù)、工業(yè)物聯(lián)網(wǎng)等行業(yè)成功落地多個項(xiàng)目。

　　“加載數(shù)據(jù)，分析數(shù)據(jù)，其它交給我們”。通過使用 HashData 云端數(shù)據(jù)倉庫，企業(yè)用戶可以在幾分中內(nèi)啟動一個包含幾十個甚至上百個節(jié)點(diǎn)的數(shù)據(jù)倉庫集群，數(shù)據(jù)加載后馬上可以開始數(shù)據(jù)分析任務(wù)。同時(shí)由于是完全托管的云服務(wù)，HashData 數(shù)據(jù)倉庫承擔(dān)了所有的集群資源配置、數(shù)據(jù)備份、監(jiān)控審計(jì)、錯誤恢復(fù)、高可用和升級等紛繁復(fù)雜、極易出錯的運(yùn)維工作，讓用戶專注于業(yè)務(wù)分析上面。

　　基于云平臺，計(jì)算和存儲物理上分離、邏輯上集成的架構(gòu)使得 HashData 實(shí)現(xiàn)了多維度彈性：橫向伸縮和縱向伸縮。企業(yè)用戶可以根據(jù)業(yè)務(wù)和數(shù)據(jù)量的變化，動態(tài)調(diào)整數(shù)據(jù)倉庫集群中計(jì)算節(jié)點(diǎn)的數(shù)量。同時(shí)，用戶也可以在不增刪節(jié)點(diǎn)的時(shí)候，調(diào)整每個計(jì)算節(jié)點(diǎn)的計(jì)算和存儲能力。這種多維度彈性使得用戶可以使用最合適的資源處理當(dāng)前業(yè)務(wù)。

　　HashData 的架構(gòu)專門為數(shù)據(jù)倉庫應(yīng)用優(yōu)化，從而能夠提供超高性能。這些優(yōu)化包括無共享大規(guī)模并行處理（MPP）、流水式執(zhí)行引擎、列式存儲和大表分區(qū)等技術(shù)。配合我們提供的多維度彈性，用戶可以取得非常高的性價(jià)比。

　　作為云原生的數(shù)據(jù)倉庫服務(wù)，HashData 在 PostgreSQL 和 Greenplum Database 的基礎(chǔ)上對系統(tǒng)架構(gòu)和運(yùn)行實(shí)現(xiàn)上面進(jìn)行了大量深度的優(yōu)化。但在查詢接口（包括使用習(xí)慣）以及底層數(shù)據(jù)文件存儲格式和訪問協(xié)議方面，我們保持與開源系統(tǒng)一致。這一方面意味著用戶可以充分利用已有的 SQL 技能和在 BI 和 ETL 工具方面的投入；另一方面也意味著使用 HashData 完全沒有應(yīng)用和數(shù)據(jù)綁架的風(fēng)險(xiǎn)。

　　如上圖所示，文中提到的 6 種可視化工具只不過是青云QingCloud AppCenter 『數(shù)據(jù)可視化應(yīng)用推薦專題』大量數(shù)據(jù)可視化解決方案和工具中的一部分。

　　我們希望所有的用戶都可以通過該專題找到最適合他們的工具，并能夠使用這些工具幫助他們將輸入的原始數(shù)據(jù)轉(zhuǎn)化為一系列清晰易懂的圖像和圖表，并通過圖形化的手段進(jìn)行展現(xiàn)和分析，實(shí)現(xiàn)數(shù)據(jù)驅(qū)動價(jià)值。