smartbi v9...2019/12/03 · smartbi v9 产品白皮书 6 / 72 1. smartbi v9 产品简介 1.1....

Smartbi V9 产品白皮书

2 / 72

目录

1. Smartbi V9 产品简介 ................................................................................................. 6

1.1. 产品定位 ......................................................................................................... 6

1.2. 核心组件 ......................................................................................................... 8

1.3. 部署要求 ....................................................................................................... 11

1.3.1. 对服务器系统要求 ............................................................................. 11

1.3.2. 对产品知识库要求 ............................................................................. 15

1.3.3. 对客户端系统推荐要求 ..................................................................... 15

1.4. 产品优势 ....................................................................................................... 17

1.4.1. 无须浏览器的真 WPS/Excel 报表报告设计器 .................................. 17

1.4.2. 面向业务的统一语义层模型 ............................................................. 17

1.4.3. 业务自助式商业智能分析 ................................................................. 19

1.4.4. 支持分布式计算的高速缓存方案 ..................................................... 22

1.4.5. 解锁未来的机器学习平台 ................................................................. 23

2. Smartbi V9 主要功能 .............................................................................................. 25

2.1. 统一服务平台 ............................................................................................... 25

2.1.1. 基础功能 ............................................................................................. 25


3 / 72

2.1.2. 数据源管理 ......................................................................................... 25

2.1.3. 性能监控与管理 ................................................................................. 28

2.1.4. 元数据管理 ......................................................................................... 28

2.1.5. 数据脱敏 ............................................................................................. 30

2.2. 数据准备 ....................................................................................................... 31

2.2.1. 业务主题 ............................................................................................. 32

2.2.2. 数据集管理 ......................................................................................... 32

2.2.3. 自助 ETL .............................................................................................. 36

2.3. 计划任务 ....................................................................................................... 37

2.4. 应用门户 ....................................................................................................... 38

2.4.1. 登录门户 ............................................................................................. 39

2.4.2. 资源发布 ............................................................................................. 39

2.4.3. 权限管理 ............................................................................................. 40

2.5. 移动驾驶舱 ................................................................................................... 41

2.5.1. 移动 App.............................................................................................. 41

2.5.2. 钉钉、微信集成 ................................................................................. 42

2.6. 电子表格 ....................................................................................................... 43


4 / 72

2.6.1. 复杂报表 ............................................................................................. 44

2.6.2. Excel 静态图表 .................................................................................... 44

2.6.3. 在线数据填报 ..................................................................................... 45

2.6.4. 仪表盘控件 ......................................................................................... 47

2.6.5. 地图分析 ............................................................................................. 49

2.6.6. HTML5 动态图表................................................................................. 51

2.7. 分析报告 ....................................................................................................... 52

2.8. 自助仪表盘 ................................................................................................... 54

2.9. 数据探索 ....................................................................................................... 57

2.9.1. 即席查询 ............................................................................................. 57

2.9.2. 透视分析 ............................................................................................. 58

2.9.3. 多维数据分析 ..................................................................................... 60

2.10. 数据挖掘................................................................................................... 61

2.10.1. 机器学习算法包 ............................................................................... 62

2.10.2. 数据挖掘可视化建模 ....................................................................... 65

2.11. 自助共享门户 ........................................................................................... 67

2.11.1. 门户工作台 ....................................................................................... 67


5 / 72

2.11.2. 应用商店 ........................................................................................... 68

2.11.3. 数据答疑 ........................................................................................... 69

2.11.4. 数据导航 ........................................................................................... 70

2.12. 高速缓存................................................................................................... 70

2.12.1. 跨数据库查询 ................................................................................... 71

2.12.2. 高速缓存 ........................................................................................... 71


6 / 72

1. Smartbi V9 产品简介

1.1. 产品定位

数据分析最近几年在各行各业都得到了越来越充分的应用，并且增长越来越快。

在这种情况下，用户对数据分析产品的要求也越来越高。

根据 Gartner 的权威调查，数据分析行业未来几年的发展规划中应有几个重要组成

部分：

⚫ 智能的、企业管理级的、基于 Hadoop/Spark、基于搜索和可视化的数据探索

分析功能将作为新型 BI 和分析平台的重要组件。

⚫ 具备智能数据发现能力的现代 BI 平台的用户数量将以两倍的速度增长。

⚫ 自然语言生成和人工智能将成为 90%现代 BI 平台的标准特征。

⚫ 50%的分析查询将使用搜索、自然语言处理或语音生成，或者将自动生成。

⚫ 非专业数据分析师的数量增长速度比专业分析师的高 5 倍。

⚫ 大多数 BI 和分析软件许可采购都将基于云，以实现更快的部署的目标。

而对于数据分析产品厂商来说，也将面临更加激烈的市场竞争。这就要求分析产

品必须具备一定的核心竞争能力。


7 / 72

基础设施：

⚫ BI 平台管理，安全和体系结构：实现平台安全，管理用户，审计平台访问和

利用，优化性能，确保高可用性和灾难恢复的功能

⚫ 云 BI：可基于云和本地数据在云中构建，部署和管理分析

⚫ 各种数据源连接和接入：能够连接到各种类型的存储平台（内部和云端）中

包含的结构化和非结构化数据

数据管理：

⚫ 元数据管理：通用的语义模型和元数据的工具

⚫ ETL 和数据存储：自包含的 ETL 引擎、数据存储引擎，能够查询、预处理、调

度和存储数据

⚫ 自助数据准备：拖动不同来源数据，创建分析模型，维度度量

分析和内容创作：

⚫ 交互式视觉探索：通过一系列拖拉拽操作，从多维度发现业务背后的发生原

因，支持一键添加同期比、前期比、累计等时间计算函数；让业务人员在数据探索过

程中洞察业务发生的本质


8 / 72

⚫ 分析仪表盘：通过视觉探索创建交互式仪表盘，内置丰富的图形、多种分析

组件，如：跑马灯、轮播、钻取、tab 组件、文本组件等；给业务人员带来强大的可视

化分析体验

⚫ 高级分析：传统的分析工具会检查历史数据，对数据进行统计或者找出数据

的规律，但高级分析工具的重点是预测未来的事件和行为。使企业能进行假设，以预

测业务战略中潜在变化的影响

移动探索和创作：

⚫ 分享：需要更便利的分享方式、更丰富的共享和协作手段。

⚫ 能够嵌入到应用系统中去

⚫ 在分析内容上发布，共享和协作：支持内容搜索，日程安排和警报。使用户

能够通过讨论主题，聊天和注释来分享，讨论和跟踪信息，分析，分析内容和决策。

基于这一系列数据分析产品厂商的未来发展趋势，对我们的产品提出了新的要

求。对此，我们也重新设计了全新的 Smartbi V9 产品架构。

1.2. 核心组件

为了满足客户现在与未来在数据分析上的诉求，我们从现在开始就已经做好了准

备，重新设计和完善了 Smartbi V9 的产品架构和组件。


9 / 72

图：Smartbi V9 产品架构及组件

表：核心组件介绍

核心组件针对需求组件描述

报表报告

中国式报表

填报报表

分析报告

在 Excel 中，通过插件获得直接设计格式、分析数据的能力，是功能最

强大的全面 BI 客户端。使用者可以完成管理报表的设计、制作填报数

据的表单。插件功能同时支持 Word、PowerPoint 和 WPS，创建制式的

交互式报告更灵活、更方便。

数据可视化

管理驾驶舱

交互式仪表盘

大屏幕

在浏览器上通过页面的灵活布局，整合报表、图形、地图等资源，形

成聚合信息的全局仪表盘，为决策者提供直观、友好的信息界面。功

能包括参数联动、集成 GIS 地图和外部 URL 等。通过面向业务的仪表

盘工具，使业务人员也可以方便地创建交互式仪表盘。

数据探索

自助查询数据

自助探索分析

在浏览器上通过简单的鼠标操作，完成自助式的明细数据筛选、导

出，以及进行类似 Excel 透视表的互动分析，满足自由钻取、同环比计

算、自定义分组等灵活分析需要。

高速缓存

跨库查询

分布式计算

提供跨数据库查询功能，支持将不同的数据源关联，应对不同接口数

据统一访问问题，无需再进行数据抽取。内置的分布式的内存计算数

据库，允许将原始库数据抽取到分布式的内存数据库中进行分析，解

决性能瓶颈。


10 / 72

核心组件针对需求组件描述

数据采集

在线数据填报

数据导入

数据填报满足数据收集需要，实现用 Excel 设计采集表单、Web 填报数

据，支持在报表上直接进行数据填报，支持校验公式进行数据校验。

提供 Excel 数据批量导入功能，能够简便的将 Excel 数据，一键上传。

移动驾驶舱

移动 App

移动集成

通过 App 提供 iOS/Android 等移动设备上展示业务报表、KPI、文档和

仪表盘。所有的图表、仪表盘、地图、表格都是可交互的。可以将图

表发布到钉钉、微信，和微信企业号进行绑定，便于用户交流协作。

人工智能

智能语音助手

语音探索分析

通过对系统发出语音指令，可以代替鼠标完成打开报表、切换参数、

探索分析等等，进一步提升了数据分析的智能性和易用性，降低了数

据分析的使用门槛。

数据挖掘

数据挖掘可视化建

模机器学习通用算

法包

数据科学家可以在一个界面中，自助享用数据预测分析”盛宴”；流式

的建模界面里面，包含数据预处理、特征工程、模型训练评估及最核

心的分类、聚类、关联、回归等机器学习算法组件，并支持 Java 和

Python 算法扩展。


11 / 72

1.3. 部署要求

1.3.1. 对服务器系统要求

序号组件要求

1. 处理器处理器推荐 8 核或以上

2. Java 内存内存推荐 16G 或以上

3. 磁盘空间 200G

4. 操作系统支持下列操作系统：

• Windows

2003/2008/2012/XP/Win7/Win8/Win10

• HP-UNIX

• Linux

• NeroKylin-3.2.2(国产麒麟系统)

• AIX

5. 网络连接 TCP/IP

6. 应用服务器支持下列服务器：

• Tomcat 7 及以上版本

• Jboss 5/6

• IBM WebSphere 8.5.5.9 及以上版本

• Oracle WebLogic 12.1.3 及以上版本

• 东方通 TongWeb 5.0.4 及以上版本


12 / 72

序号组件要求

• 金蝶 Apusic-AS-6.0

• 中创 InforSuite-AS-8.3.0

7. 关系数据库服务器支持下列关系数据库：

• aliyun AnalyticDB

• ClickHouse

• DB2 V9

• Greenplum

• HANA

• Infobright

• Informix

• Kingbase

• KingbaseAnalytics

• MS SQL Server

• MySQL

• Oracle

• Oracle TimesTen

• PostgreSQL

• Presto

• ShenTong

• Smartbi JDBC for Excel


13 / 72

序号组件要求

• Sybase

• Teradata_v12

• Teradata_v13 及其以上

• Vertica

• 达梦 6

• 达梦 7

• Other

8. 多维数据库 OLAP

Server

支持下列多维数据库：

• SQL Server Analysis Services 2000/2008/2012

• Oracle Essbase 7/9

• IBM Cubing Services

• Mondrian

• Jedox Palo

• SAP BW

• Kylin

9. 其它数据源同时支持下列数据源：

• Hadoop/Hive2 系列

• FusionInsight HD V100R002C80SPC200

• Spark SQL


14 / 72

序号组件要求

• GBase 8S

• Gbase

• IMPALA

• 星环

• Kylin

【特别说明】：如果部署包含挖掘模块，在上述服务器系统要求的基础上，还

需满足以下条件：

序号组件要求


2. Java 内存 jdk1.8 或以上，内存推荐 32G 或以上

3. 磁盘空间 1TB 或以上


15 / 72

1.3.2. 对产品知识库要求

序号组件要求

1. MySQL V5 以上的版本

2. Oracle 10G 以上的版本

3. DB2_V9 V10 以上的版本

4. MSSQL 2012

5. Gbase 8S V84 Gbase8S v8.4

6. GBase 8S Gbase8s v8.8 以上的版本

7. Kingbase V7.1.1

8. Kingbase_V8 V8

1.3.3. 对客户端系统推荐要求

序号组件要求


2. 内存内存推荐 4GB 以上

3. 操作系统 Windows 2008/2012/7/8/10

4. 浏览器支持下列浏览器：

• Internet Explorer 11 (11.0.9 及以上版本)

（不支持兼容性视图）

http://wiki.smartbi.com.cn:18081/pages/viewpage.action?pageId=35749994

http://wiki.smartbi.com.cn/pages/viewpage.action?pageId=35750000


16 / 72

序号组件要求

• Firefox (44 及以上版本)

• Chrome (48 及以上版本)

• 360 极速浏览器 (8.5 及以上版本)

5. 移动设备（平板/手机）支持下列系统移动设备：

• iOS 9.0.3 及以上

• Android 6.0 及以上

6. 其它环境 • Excel 插件： Microsoft 2013 专业版、

Microsoft 2016 的专业版、WPS 2016 个人

版

• Word/PPT 插件： Microsoft 2013 、

Microsoft 2016 的专业版

• 导出 Excel：Excel 2007/2010/2013/2016

• 推荐分辨率 1280×800


17 / 72

1.4. 产品优势

Smartbi Insight 采用国际先进的设计理念和开发技术，同时作为纯国产的数据分析

产品，在保持对国际同级别产品竞争力的基础上，针对国内用户普遍的本土性需求有

更好的设计弹性和适应性，能够更好地服务国内的数据分析用户。

1.4.1. 无须浏览器的真 WPS/Excel 报表报告设计器

在当前国内外知名的同类软件中，Smartbi Insight 优先使用 Microsoft Excel 直接作

为报表与可视化设计器的产品，无需依赖浏览器，该项创新不仅获得了友好的操作

性，放大了 Excel 自身格式、公式、图形、预警等等耳熟能详的数据分析功能，更保护

了企业和员工在成本和技能上的投资，使其能在企业数据分析平台的 Smartbi Insight

上发挥更大作用。

同时 Smartbi Insight 全面兼容 WPS2016/2019（Windows），支持 WPS 所有功能，

可直接以 WPS/Office 作为报告的开发工具，基于报表体系制作可刷新数据的报告模

板，将数据从 IT 环节贯通到办公系统，提高报告的制作效率，使业务的工作重心回归

问题的原因分析和解决方案设计上。模版标准化，日常报表一键刷新，数据分析师可

从繁琐的工作中解放出来，迅速搞定各类报表。Smartbi Insight 将定位个人的 WPS 摇

身变成了企业 BI 应用的开发工具。

1.4.2. 面向业务的统一语义层模型

企业一直在追求数据分析所能产生的价值，这种欲望是无穷的。并且随着现代社

会更加细分，人们对于产品和服务的要求也越来越高。在这样的情况下对于数据的应

用需求也会不断地加强。


18 / 72

而不同体量的企业对数据的应用模式也是不同的。

小微企业：数据结构相对简单，数据量也不大，通常直接访问原始数据表就可以

实现数据分析。

中大型企业：应用和数据结构复杂，数据量大，难以通过直接访问原始数据的方

式实现应用需要。企业通常会按照分析主题建立数据集市或数据仓库，通过数据聚合

降低数据复杂程度、加快数据访问性能。但这种方式对业务人员并不友好，业务人员

难以理解晦涩难懂的数据库表字段等资料。因此，我们为此创建了语义层。

语义层的主要目的是创建业务人员也能看懂的“数据”：通过转义对数据库表、

字段进行翻译，使业务人员可以明白字段的意义；对需要分析的数据按照业务逻辑重

构业务层面的“表关系”，使业务人员可以很方便地实现业务层面的数据再整理，并

使用这些转义之后的数据进行业务分析。


19 / 72

1.4.3. 业务自助式商业智能分析

Smartbi 经过十多年的集团级商业智能平台经验发现，业务获得探索自己数据的能

力后，可以更好针对自身业务现状来改正业务问题和制定新的决策计划。而 IT 也能从

巨大的报表报告需求开发中解脱出来，专注于企业 IT 本身架构、数据质量、安全、权

限、性能等。

要满足这种新的商业智能模式，我们用户可能会疑惑，如果业务用户获取到的数

据不正确怎么办？怎么让数据受控？业务用户能不能胜任可视化探索分析的工作？借

助 Smartbi 自助分析，业务用户可以轻松地连接业务数据进行数据准备，通过预先打包

好的可视化的自助数据处理组件轻松完成数据处理，并且使用容易上手的自助分析工

具，透视分析、自助仪表盘等功能进行可视化和分析，从而发现业务新价值和进行成

果分享。整个过程都是可视化拖拽式的操作，并且提供完善的数据和系统监控界面来

进行安全管控。以下三个步骤是 Smartbi 自助商业智能分析通常的使用流程。

1）数据准备：

业务人员在受权限管控前提下，通过拖放的方式进行二次数据加工处理。如创建

表关系、修改维度和度量、设置数据过滤、数据抽取，快速完成业务数据的准备工

作。为解决数据质量问题，提供可视化流式的自助数据处理界面，业务用户可以使用

已经封装好的处理脚本，直接拖拽使用。


20 / 72

图：数据准备

图：自助数据处理

2）自助分析工具:

业务人员进入 Smartbi 系统利用已准备好的数据，快速获取数据、汇总数据，内置

丰富的函数，如同环比、累计、前期值等，支持多维度钻取、旋转等分析；提供丰富

的图形资源库，报表图形任意切换。


21 / 72

图：即席查询

图：多维度探索分析


22 / 72

图：自助仪表盘

3）数据分享:

数据分析的最大缺点是“我自己、一个人在做”，在部门级或企业级的应用环境

中，我们往往很难获取其他的有价值的应用示例。Smartbi 支持资源发布分享，将成果

应用在部门间或者企业间进行分享。

图：资源发布分享

1.4.4. 支持分布式计算的高速缓存方案

在数据分析领域，性能是无法绕过的坎。

Smartbi V9 整合了多种分布式计算的高速缓存方案，允许用户将数据缓存到分布

式的计算库中，为用户提供一站式的计算、加速体验。通过使用高速缓存方案，用户

可以获得比以往更强大的性能。

Smartbi 高速缓存方案为用户提供额外的应用价值：


23 / 72

⚫ 快速部署，开箱即用。

⚫ 快速实施，节省建仓成本。

⚫ 快速处理，解决用户自身数据系统的速度问题。

⚫ 良好扩展，满足企业成长需要。

图：多种高速缓存方案

1.4.5. 解锁未来的机器学习平台

预测未来并非靠什么法术或天书，而是采用科学的方法和先进的 Smartbi 数据挖掘

科学平台，去分析挖掘隐藏在大量数据里的秘密，揭示数据之间的关系，对事务发展

的趋势进行研判。

传统的数据分析揭示的是已知的、过去的数据关系，而数据挖掘揭示的是未知

的、将来的数据关系；传统的数据分析采用计算机技术，而数据挖掘不仅采用计算机

技术，还涉及到统计学、模型算法等技术。因为数据挖掘发现的是将来的信息，所以

最主要就是用来：预测！预测公司未来的销量，预测产品未来的价格等等。


24 / 72

Smartbi 数据挖掘科学平台提供一站式的数据挖掘服务，涵盖数据预处理、机器学

习算法应用、模型训练、评估、部署、服务发布全生命周期。

其广泛应用于各个领域，包括企业运营、生产控制，市场分析，工程设计、城市

规划和科学探索等，从大量的数据中挖掘出有用的信息和知识，以更好地指导我们的

工作；功能具备如下的特色：


25 / 72

2. Smartbi V9 主要功能

2.1. 统一服务平台

Smartbi V9 各个产品组件采用统一的核心共享服务，同时提供系统基础管理、元

数据管理、性能监控等平台组件，具有灵活性、扩展性、延伸性等优势，能够满足企

业多样的、快速变更的需求。

2.1.1. 基础功能

统一服务平台基础功能涵盖了服务器引擎、数据查询引擎、元数据引擎等一系列

系统的底层服务，是系统平稳运行的基础。

2.1.2. 数据源管理

如今，数据已成为企业的资产。经过近三十年的科技发展，各行各业手上都积累

了大量的数据，如何使这些数据绽放新的光芒，是数据分析行业面临的主要问题。

Smartbi V9 作为国内领先的商业智能数据分析企业，对用户的数据管理提供完整的支

持，使用户在使用和管理数据的过程中更加得心应手、灵活自如。

Smartbi V9 提供强大的界面化数据管理能力，丰富的数据源支持，并可以由用户

自行在源数据关系的基础上构建自己的业务模型。是实现数据分析不可或缺的核心组

件。

Smartbi V9 的特性：丰富的数据源支持、强大的数据集管理和灵活的语义层。

⚫ 丰富的数据源


26 / 72

对数据分析来讲，数据源支持是基本功。Smartbi V9 为用户提供了更多的数据源

支持。除了常规的关系型数据源、多维数据源外，还支持 Java 数据源和大数据（Big

Data）平台，并且作为中国本土的商业智能数据分析厂商，还创新地对国内的数据源

提供支持，如达梦、金仓、南大等。丰富的数据源支持极大地减轻了用户的应用难

度，方便了用户的使用。

图：不断扩展的主要数据源支持清单

◼ 关系型数据源

关系数据源是指通过 JDBC 驱动或是 ODBC 驱动连接的关系型数据库。Smartbi

V9 支持目前市场上主流的关系数据源。

◼ 多维数据源

多维数据源是指数据以 Cube 的方式组织，以实现多维查询的一类数据源。它

通过多维结构将关系数据源中的数据进行聚合和组织整理，以实现数据钻取、切

片、旋转等操作。


27 / 72

◼ Java 数据源

Java 数据源是指由用户通过二次开发，编写 JavaQueryData 接口实现类，以实

现自定义数据结构的一类数据源。Java 数据源的支持使用户获得了访问非结构化

数据的能力。

◼ 大数据平台

针对近年新出现的大数据（Big Data）平台，Smartbi V9 也提供了充分的支

持。除了常见的 Hadoop/Hive 外，还支持阿里、华为和星环等国内常用的大数据

平台。

◼ 文件数据

往往业务客户有很多外部数据文件，Excel 数据、CSV、TXT 等，Smartbi 赋能

业务用户将文件数据加载到系统中进行进一步的分析，挖掘业务的价值。

图：新建数据源


28 / 72

2.1.3. 性能监控与管理

Smartbi V9 在大量巨型客户中部署，这些客户对系统的运维监控有着十分高的要

求。产品提供统一的监控视图，让所有问题可以在一个界面上查找到。提供完善的系

统性能跟踪、分析工具，方便系统管理员进行系统运行监控与问题排查。

支持 SQL 分析、日志分析、会话分析、网络分析、内存分析、CPU 分析、缓存分

析、线程分析等。

支持远程监控，数据集监控。

支持对正在执行的 Sql 语句中断、导出日志等操作。

图：系统监控示例

2.1.4. 元数据管理

随着 BI 应用的不断扩展，系统维护的压力越来越大，迫切需要对系统的元数据进

行影响性分析、依赖性分析等；通过影响性分析，当源数据项有变化时，识别对哪些

KPI、报表产生影响；通过依赖性分析，掌握 KPI 的数据来自于哪些数据项，经过了哪

些加工计算。对 BI 应用系统内部的元数据信息进行管理，包括表、字段、参数、业务


29 / 72

主题、多维模型、查询、报表、仪表盘等信息的管理；从而更好的支持应用系统维护

和运营。

系统元数据是指 Smartbi V9 内部的元数据信息，它包括以下功能：

⚫ 元数据搜索

通过全文检索引擎，可以实现搜索表，字段，业务属性，报表，参数等任何系统

元数据信息。

⚫ 影响性分析

数据库中的表／字段／参数等可以应用在多张报表中，当字段／参数信息修改

后，系统哪些资源会受到影响？通过影响性分析，可以查看资源之间的引用关系，一

目了然。

图元数据影响性分析


30 / 72

⚫ 血统分析

用户在浏览报表的时候，可能会关心报表数据是怎样转换过来的，希望能够追根

溯源。血统分析就是一个追踪溯源的有效工具，可以查看和分析资源之间的依赖关

系。

图元数据血统分析

2.1.5. 数据脱敏

Smartbi 对数据库中的敏感数据支持界面式的配置数据脱敏规则，提供字符替换、

正则替换、掩码等脱敏算法处理，并支持指定用户组、用户、角色来设置生效范围。

利用此功能可达到对用户访问敏感隐私数据的可靠保护，如身份证号、手机号、卡

号、客户号等个人信息都支持数据脱敏。

Smartbi 目前支持脱敏功能的资源有：

⚫ 数据源：关系数据源


31 / 72

⚫ 数据集：可视化查询、自助数据集

⚫ 报表：自助仪表盘、即席查询、透视分析、灵活分析、仪表分析、电子表

格等。

图：数据脱敏规则

2.2. 数据准备

数据准备是数据分析师和最终业务用户进行交互分析前的准备步骤。过去许多大

型企业的技术人员往往需要花费大量时间使用单独的 etl 系统来进行数据的清洗、转

换、加载，再利用多维数据库去构建复杂的多维模型，经过这一系列的操作后，业务

分析师才能拿到数据进行分析。

Smartbi V9 彻底改变了这种状况，让我们的用户能够在一个统一的平台上，自助进

行数据的清洗和调度，在一个可视化界面拖拉拽即可轻松完成数据模型的构建，使我

们的分析用户更快、更直观地获取到准备好的数据，从而更快、更智能地进行业务决

策。


32 / 72

2.2.1. 业务主题

对于业务用户来说，很难直接使用存放在数据库中的原始信息表进行分析，往往

需要借助技术人员来编写 SQL、存储过程来获取和处理数据；Smartbi V9 创新地推出业

务主题功能解决这个难题。

业务主题是数据分析师基于业务场景来进行逻辑建模，将维度、指标、表关系进

行定义，将数据库中晦涩难懂的字段与表关系转换成业务人员也可以看得明白的知

识。并且这部分也是拖拽式完成无需编写代码并且可以控制权限。例如：基于订单的

业务主题，包含了商品、订单、供应商、时间、分析指标等业务属性。采购业务人员

就能使用这个订单业务主题，进行订单的销售额、商品订单数同期比等探索分析。

图：业务主题示例

2.2.2. 数据集管理

随着对 BI 应用程度的加深，用户需要连接和管理的数据越来越多，也越来越复

杂。Smartbi V9 为用户提供了强大的数据集管理功能，使用户通过简单的拖放即可实

现对各类查询的操作。Smartbi V9 数据集支持自助数据集、透视分析数据集、本地


33 / 72

Excel 分析、SQL 数据集、可视化数据集、Java 数据集、存储过程数据集、多维数据集

等。

◼ 自助数据集

通过简单拖拉操作对数据进行处理，支持关联、筛选、分组、建立层次、格

式处理、逻辑计算、数据抽取等操作；还支持跨数据库查询、数据集嵌套，

图：自助数据集

◼ 透视分析数据集

电子表格中的数据列字段支持来源于透视分析，更方便自助定制电子表格。


34 / 72

◼ 本地 Excel 分析

对于有大量历史数据的用户，可以使用加载本地 Excel 的功能，通过把本地的

excel 数据文件加载到系统中，进行进一步的数据分析。简单快速高效进行数据分析，

协助决策。

图：加载 excel 数据

◼ SQL 数据集

SQL 数据集是通过在文本区中输入 SQL 语句，来定义查询条件和内容的一种

数据集。用户具有直接访问数据能力。


35 / 72

◼ 可视化数据集

可视化数据集是一种所见即所得的数据查询方式。通过拖拽基础表（包括数

据源、关系图以及业务主题下的基础表）字段来定义查询条件和内容的一种数据

集。

◼ Java 数据集

Java 数据集是指基于 Java 数据源中 Java 查询对象作为查询源的一种数据集。

◼ 多维数据集

基于多维数据集，可以快速地在电子表格、仪表分析等报表上展现多维数据

源的数据。

◼ 存储过程数据集

存储过程数据集是针对存储过程定义查询条件和内容的一类数据集。

图：可视化数据集示例


36 / 72

2.2.3. 自助 ETL

企业业务系统数据存在分散、凌乱、标准不统一等现状，Smartbi V9 为解决这一现

状，推出轻量级 ETL 功能，无需单独部署，能够与 Smartb 无缝连接，允许将数据准备

的结果，以数据表方式直接提供给 BI 使用。更值得注意的是，Smartbi ETL 功能采用分

布式计算架构，同时单节点情况下支持多线程，这极大地提高了数据处理的性能，亿

级的数据量处理时间可以达到分钟级。自助 ETL 具备以下四个特点：

（1）一体化：集成在 Smartbi 中，无需独立部署就可以使用。

（2）可视化：完全界面化直接操作，业务人员都能参与。

（3）高性能：分布式计性能强悍，采用业界先进架构，能够处理海量数量，最大

规模可以达到 PB 级，数据量处理的性能是同类型传统工具的 10 倍。

（4）强功能：大量组件兼顾一般数据处理，与高级数据处理。

图：ETL


37 / 72

2.3. 计划任务

在日常工作中，经常需要制作业务周期报告，如每月销售报告、每月员工出勤情

况报告，并发送给领导审阅；又如业务系统一般每晚进行数据的抽取和导入，所以每

天的清晨，公司的各级管理人员都需要一份昨日的业务分析报告，而系统分析人员又

不可能每天清晨去运行和更新这一张张报表。Smartbi V9 提供的计划任务功能，就是

帮助用户解决这些问题的。利用该功能，可以将需要发出的报表定时进行运行和发

送，支持多种格式输出、运行和发送报表和告警报表。还可自定义任务，即通过脚

本，调用 Smartbi V9 的 API，完成更多更复杂的任务。

用户把需要执行的任务按性质进行分类，制定不同的虚拟用户（即角色），让其

根据任务时间表的安排自动执行任务，并可将执行结果发送给相关人员。这种任务自

动化的处理，可替企业节省大量的工作量，第一时间为用户提供及时、准确的分析报

表。

图：监控管理调度日志示例


38 / 72

⚫ 便利的报表资源计划

可将自助分析、电子表格、指标报表、多维分析报表、仪表页面等资源以文件的

形式导出到本地或以邮件附件的形式发送给相关人员或生成静态报表，支持周期性的

调度。

⚫ 定期表数据填充

表数据填充是系统提供的一种任务类型，表示将临时表所依赖的业务查询或数据

表或视图返回的结果集中的数据抽取并插入到该临时表中。定期的表数据填充无需人

工值机，极大地减轻了用户的工作量。

⚫ 离线数据推送

支持电子表格和页面资源离线，并可以在电脑上或是移动端打开直接浏览离线资

源。这种应用方式更适合用户在外面开会，或者在网络信号缺失的地方使用数据分析

的情况。

⚫ 更多自定义任务

通过编写脚本，调用 Smartbi V9 API，完成更多更复杂的计划任务，为用户创造无

限可能。

2.4. 应用门户

BI 作为企业的非核心业务系统，在企业实际应用部署时，往都会涉及到图表资源

在企业自己的门户系统集成的需求。而面对没有门户系统的用户，我们同样提供了应


39 / 72

用门户的功能。通过资源发布将系统做好的报表应用发布到应用门户，系统用户在权

限范围内进行集中查看，让管理者，高层领导把握全局，运筹帷幄。

2.4.1. 登录门户

系统用户登录后将可以看到自己可以查看的报表应用，支持目录和报表应用的切

换和查看。

图：登录门户示例

2.4.2. 资源发布

数据分析用户做完一些应用后，通过资源发布可以将个人的应用分享给企业的其

他用户，做到数据的共享和互助，支持直接分享 PC 端、手机端和平板端多终端，一次

制作，多屏适应。


40 / 72

2.4.3. 权限管理

需要值得注意的是，企业里面数据安全是一个必须关注的点，在企业的数据分析

应用门户中，每一个用户需要在自己相应的权限范围内查看和获取数据。Smartbi 权限

管理支持控制用户功能权限、数据访问权限、资源访问权限，为企业数据安全保驾护

航。

图：资源权限管理


41 / 72

2.5. 移动驾驶舱

随着信息化时代的来临，时间成本对于企业的重要性也越来越高，在重要时刻的

及时反应甚至可以帮助企业获得更多的回报率，而“移动办公”也已经成为了企业管

理者乐于见到的主流办公方式。

Smartbi V9 移动驾驶舱分为服务器端和本地终端两部分。在服务器端，基于

Smartbi V9 之上的扩展应用，在平台核心组件的基础上针对移动终端设备提供独立的

数据展现。在本地终端部分，通过 App 方式进行数据发布与交互；提供了统一的移动

应用功能：门户展示、报表浏览、离线存储和离线浏览等功能。

2.5.1. 移动 App

通过 App 提供 iOS/Android 等移动设备上展示业务报表、KPI(关键绩效指标)、文档

和仪表盘。不仅仅是静态查看，所有的图形、图表、仪表盘、地图、表格都是可交互

的，简单的触摸，让您在掌间随意查看和分析您的业务数据。

图：多种移动设备


42 / 72

图：手机 App 中打开报表

2.5.2. 钉钉、微信集成

支持多应用信息推送电子表格，支持微信用户与 Smartbi 用户双向同步。实现将报

表发布到钉钉、微信，和微信企业号进行绑定，便于用户交流协作。

图：集成使用效果


43 / 72

2.6. 电子表格

国内目前的同类产品中都有报表工具，这些工具大部分都有一个类似 Excel 的操作

界面：单元格、快捷键、工具栏等典型设计工具要求。这些工具要么需要有专业的背

景，或者专业的工程师提供支持。要么学习成本高，调整报表样式十分麻烦。

而 Excel 本身大家很熟悉，使用也很简便，我们能否把它作为报表设计的工具呢？

基于这个思路，诞生了我们的 Spreadsheet 电子表格。

Spreadsheet 电子表格是企业报表平台的解决方案专家，创新的基于 Excel 实现报

表设计，满足各种格式的行业监管报表、内部管理报表的需求。包括：清单报表、交

叉报表、分组报表、多源分片报表、分块报表、表单报表、图形报表、回写报表、假

设分析报表、二次计算报表、套打报表、段落式报表、预警报表（Excel 条件格式）、

组合报表（智能评语）。

电子表格的特性：

⚫ Excel 是用户最熟悉的办公软件，有着最友好的 UI 操作体验

⚫ 支持 Excel 的单元格计算、行列锁定、数据有效性等各种常用功能

⚫ 支持 Excel 的条件格式（数据条、图标集、色阶）功能

⚫ 支持 Excel 所有函数，例如财务函数、统计函数、逻辑函数、三角函

数等

⚫ 支持杜邦分析、时间序列预测等，并可以使用宏进行扩展

⚫ 支持使用第三方 Excel 模板，如美化大师，来对表格和图形进行美化

⚫ 报表制作充分简化，直接将数据字段拖拽到 Excel 模板上，发布即

可。


44 / 72

⚫ 具备强大的透视分析功能，包括：时间计算二次计算功能；累值和日

均、增长值和增长率的时间计算；度量区域字段聚合操作；

在电子表格中制作的报表，发布后统一在 Smartbi Insight 门户（或用户自己的门

户）中展现，无须额外插件，并且支持报表浏览、数据导出、报表打印等功能。

2.6.1. 复杂报表

全面兼容 Excel 2013 专业版、Excel 2016 的专业版及以上版本以及 WPS2016

（Windows）所有功能，系统满足各种复杂格式报表、中国式报表需求。包括：多源

分片报表、分块报表、表单报表、图形报表、套打报表、段落式报表等。支持报表轮

播、跑马灯等效果的制作。

图：复杂报表示例

2.6.2. Excel 静态图表

可以直接使用 Excel 本身可实现的各种图形效果，如柱图、饼图、线图、雷达图

等，同时结合数据仓库里面的动态数据进行数据展现。


45 / 72

图：静态图表示例

2.6.3. 在线数据填报

数据填报满足数据收集需要，通过回写权限和规则定义，实现用 Excel 设计采集表

单、Web 填报数据，配置灵活便捷。并且支持在报表上直接进行数据填报，支持校验

公式进行数据校验。

Smartbi 在线数据填报的同时，也提供对填报数据的多级汇总及流程审核，如基层

员工填报数据→区域经理汇总→上级领导审核。


46 / 72

图：在线填报示例

图：基层员工填报且上报数据

图：区域经理汇总


47 / 72

图：上级经理审核

图：流程审批示例

2.6.4. 仪表盘控件

在仪表盘制作时可以使用多种仪表板控件，包括：单选框、复选框、下拉框、滑

动条、轮播、跑马灯、日期控件、按钮、Tab 控件和 URL 控件，通过这些控件可以实

现交互性很强的仪表盘。当需要多个类似的饼图展示不同的指标分析结果，组件设置


48 / 72

相同，只需更改指标字段即可。若想直接引用其他自助仪表盘的组件，可直接复制组

件。

图：单选框、复选框控件

图：Tab 控件


49 / 72

图：URL 控件

图：组件复制

2.6.5. 地图分析

企业数据中往往包含有丰富的地理信息，这些带有“地域性”或“区域性”特征的信息

往往对企业管理的提升带来重大的影响。

借助于地理信息技术，地图分析功能让用户非常直观地监控不同地区的业务发展

和绩效情况。地图区域采用不同颜色进行显示、或在地图区域上放置不同颜色的旗


50 / 72

帜，决策层可以清楚了解企业的战略执行，并通过在地图上实现下钻操作及联动图

形，探索问题的根源，增强洞察力。

图：染色地图示例

Smartbi V9 在原有染色地图类型的基础上，加入了全新的动态图表！如航线地

图、热力地图、泡泡地图及散点地图。

图：动态地图示例


51 / 72

此外地图分析还内嵌了百度地图，用户可以快速制作基于精确地理坐标信息（如

经纬度）的数据地图：

图：地图集成示例

2.6.6. HTML5 动态图表

产品集成 Echart 作为基础图形控件，提供柱状图、散点图、饼图、雷达图等几十

种动态交互的图形，并支持 3D 动态图形效果，如 3D 航线图、3D 散点图、3D 柱图用

于数据可视化展示。同时集成 3D 支持集成其他的 HTML5 图形控件。

图：Echarts 效果示例


52 / 72

图：3D 示例

图：3D 航线示例

2.7. 分析报告

团队需要分享、沟通，数据分析师需要洞察数据、分析结果分享给企业领导、团

队同事、大众媒体及更多的利益相关方，WPS/Word/PowerPoint 仍然是最常见的分享

形式。通过分析报告，数据分析师可以轻松的将 Smartbi V9 中的分析结果的融入日常

办公中。

数据分析师需要做定期的报告，例如每周、每月的市场营销报告、财务绩效报

告、行业数据报告等等，以往这些报告耗时耗力，Smartbi V9 能够极大的简化工作、


53 / 72

提高效率。使用同一份模板，定期的分析报告只需要修改日期条件，几分钟内就能得

到一份全新的报告。

Smartbi V9 提供一体化的闭环工作方式，数据分析师可以利用 Smartbi V9 的数据

集、透视分析报表、多维分析报表等资源，完成分析过程，将数据的洞察结果变为简

洁的报表、美观的图形。用户在部署分析报告后，可以登录 Smartbi V9 服务器，查看

分析结果，将表格、图形插入 Office 中。

图：在 Smartbi V9 中完成分析过程示例

图：将分析结果插入 Office 示例


54 / 72

Smartbi V9 支持报告模板功能，数据分析师可以制作格式固定，但具体内容可变

的 Office 模板，每周、月制作报告时，只需要修改报告月份、日期等条件，就能快速

制作一份全新的报告，大大提高工作效率，告别复制黏贴的苦力活。同时能够结合产

品的计划任务功能，做到报告定时生成与发送。

图：Word 中刷新分析报告示例

2.8. 自助仪表盘

随着经济全球化程度的逐步加深以及全球市场的加速整合，企业自身的经营方

式、战略定位、组织架构以及管理模式进行了一定的调整，以便最大程度地对企业资

源进行整合，从而达到降低成本和提高效率的目的。实施企业数据服务管理正是企业

加强管控、统一营运标准、保持企业竞争活力的有效办法。而企业数据服务管理成功

实施的关键，又在于建设一个能够支撑其有效运行的数据分析平台。

SmartBi 自助仪表盘为企业级用户提供数据自助分析服务，化数据为价值，有效解

决企业大数据隐患，大幅度降低沟通成本，提高企业营运效率。


55 / 72

SmartBi 自助仪表盘零门槛、多维度做好数据分析，精准可靠，让运营人员也可以

完成“技术工作”。通过鼠标拖拉拽即可快速完成数据集准备、可视化探索和仪表盘

的制作，简单易用，还能通过抽取数据到 MPP 数据库保证性能。

⚫ 提供丰富的图形资源库，报表图形任意切换，且不受维仪式、度量的限制。

⚫ 基于业务主题，直接创建自助仪表盘。

⚫ 多种下钻方式，默认有层级的下钻、自定义下钻。

⚫ 图表自定义跳转：

➢ 支持基于当前页面的图表自定义跳转到其他报表。

➢ 支持跑马灯效果的制作。

➢ 支持 4 种打开方式：新窗口、tab 页，浮动窗等。

⚫ 定时刷新数据，且对当前页面的所有组件生效。

⚫ 能够使用富文本实现指标卡，支持插入单元格数据、组件及筛选器的字段。

图：自助仪表盘示例（一）


56 / 72

图：自助仪表盘示例（二）

图：自助仪表盘示例（三）


57 / 72

2.9. 数据探索

2.9.1. 即席查询

查询明细数据是最为常见的业务需求， Smartbi V9 提供自助化的操作界面，用户

基于语义层（或数据源）可以在权限受控下自主定义筛选条件（及其显示格式），以

及选择需要的具体字段。

查询明细数据是最为常见的业务需求，允许用户通过简单的鼠标勾选数据字段与

查询条件快速获得所需数据，并提供聚合计算、告警规则、重定义表关系、改变条件

组合逻辑等高级功能。


58 / 72

图：勾选字段查询数据示例

图：勾选字段作为过滤参数示例

2.9.2. 透视分析

人人都是数据分析师。当前时代无时无刻都在产生大量的数据，市场的竞争格

局、变量要素变化迅猛，数据分析的频率提升至每天甚至每小时，数据分析的角度也

要随时调整。企业的每一位员工都需要变身为数据分析师，利用自助 BI 数据分析工

具，最大化单兵作战的能力。

专业的数据分析需要复杂的数据加工过程，OLAP 多维分析需要 Cube，建立维度

表、事实表、定维度层次、聚合指标等等，数据查询需要高深的 SQL 语句。但通过

Smartbi V9 ，这些工作都得到了极大的简化，采用“类 Excel 数据透视表”的设计，多

维分析不再需要建立模型，就能够组合维度、汇总计算、切片、钻取，洞察数据。不

仅如此，任何字段都可直接作为输出字段或筛选条件，轻松实现对数据的查询与探

索。


59 / 72

图：类似 Excel 数据透视表的操作示例

除此外，透视分析提供更多常见功能：

⚫ 表格查询：报表通过一个业务查询直接生成，可实现对数据的再分

析，例如切换查询的参数、更改交叉表/清单表显示方式、分组展现、聚合、

排序、图形、前端过滤等。

⚫ 图形分析：提供柱图、线图、饼图、堆积图、双 Y 轴、仪表盘等图形

分析方法，图形采用 HTML5 技术动态展现效果。

⚫ 分析跳转：用户可以建立报表链接将多个报表关联起来，实现从一个

报表跳转到另一个报表。通过报表间的分析跳转，用户不仅能够方便地实现

概要数据到明细数据的透视分析，而且可以在关联的报表之间传递参数实现

分析流。

⚫ 预警：可实现对关键信息的实时监控，帮助用户及时发现问题并采取

相应的措施。

⚫ 多种输出方式：支持业务分析结果以 TXT、CSV、HTML、PDF、Doc、

Xlsx、数据分析包等文件类型导出。


60 / 72

⚫ 多种时间计算：可根据业务属性设置时间计算及二次计算，如快速分

析年/月/日的增长率等。

图：类似 Excel 数据透视表的操作示例

2.9.3. 多维数据分析

支持基于 OLAP Server（MDX 查询语言）的数据源向用户提供自助分析服务。根据

多维模型实现任意的切片、旋转、钻取等操作，更可实现自定义指标、统计分析等操

作，如 80/20，Top-N 计算等。


61 / 72

图：多维分析示例

2.10. 数据挖掘

Smartbi Mining 数据挖掘平台为用户和企业提供拖拽式操作和可视化操作界面。

用户只需要拖拽和组合各种数据源、数据预处理操作、机器学习算法、训练、预测和

评估组件，即可完成复杂的机器学习任务。因此该平台可轻松地帮助企业快速把机器

学习技术应用到业务系统中。


62 / 72

2.10.1. 机器学习算法包

Smartbi Mining 汇集 50+种数据挖掘算法组件，灵活建立业务模型流程，主要包含

基本的数据特征处理、分类、聚类、关联、回归、深度学习算法，以及支持 Java 和

Python 算法扩展。

⚫ 特征工程

平台支持连续型数据离散以及字符型数据转换成为离散型数据、主成分特征提取

等操作，轻松帮助用户利用有效数据以及从众多数据找出有价值的数据。它支持的操

作为：特征转换、特征离散、特征选择、卡方特征选择、PCA 特征提取。

⚫ 机器学习分类算法

分类问题指的是根据指定的模式或者类别对为标识的对象进行区分，例如使用机

器学习算法，将病人的检查结果分为有病和健康，是一个医学方面的二分类问题（将

要区分的数据分为两个类别）。再例如在电子邮箱中，收到邮件之后，电子邮箱会将

我们的邮件分为广告邮件，垃圾邮件和正常邮件，这就是一个多分类的问题（将要区

分的数据分为多个类别）。平台可支持的分类预测算法：逻辑回归、朴素贝叶斯、支

持向量机、决策树、随机森林。

⚫ 机器学习回归算法

回归问题指的是判断一个因素与另外因素之间的关系，并根据该关系式对某一过

程进行预测或控制，例如预测二手房的售价。平台支持的回归算法：线性回归。

⚫ 机器学习聚类算法

聚类问题指的是将类似的对象或者相同类别的东西聚在一起，划分成为一个类

别。平台支持的聚类算法：K 均值、DBSCAN、混合高斯模型。

https://www.baidu.com/s?wd=%E7%94%B5%E5%AD%90%E9%82%AE%E7%AE%B1&tn=24004469_oem_dg&rsv_dl=gh_pc_csdn

https://www.baidu.com/s?wd=%E7%94%B5%E5%AD%90%E9%82%AE%E7%AE%B1&tn=24004469_oem_dg&rsv_dl=gh_pc_csdn

⚫ 机器学习的训练和聚类训练

机器学习训练是针对分类算法和回归算法，而聚类训练是针对聚类算法。它们都

是对接收到的数据和选择算法进行模型训练，这个训练过程可以重复进行，不断地切

换算法，调整算法参数。

⚫ 机器学习的预测和评估

机器学习的预测是针对分类和回归问题，根据训练的模型，对测试集数据进行预

测。对于得到的预测结果，对于不同类型的问题，使用不同的评估方法进行评估，以

此评估模型的性能及有效性。

【特别说明：机器学习算法要求用户需要具备以下能力】

(1) 具备基础的数据加工能力，能大致理解自主结构化数据的能力，根据自己的业务

场景将数据量化。

(2) 具备基础机器学习算法能力，知道算法与业务场景的适应关系，可以根据我们提

供的在线演示与算法教程来学习。


65 / 72

2.10.2. 数据挖掘可视化建模

Smartbi Mining 以互联网式用户体验为目标的全新产品设计，极简风格的流式建

模，快速实现各种类型的数据挖掘应用，为个人、团队和企业所做的决策提供预测性

智能。

平台具备流程化、可视化的建模界面，内置实用的、经典的统计挖掘算法和深度

学习算法，业务人员可通过轻松拖拉拽组件的操作，进行可视化建模，完成模型流程

的搭建，并能将模型发布管理。

图：托拉拽建模示例


66 / 72

图：评估示例

图：模型部署示例


67 / 72

2.11. 自助共享门户

2.11.1. 门户工作台

一站式的用户工作台，涵盖用户日常的自助使用需求。可以在门户工作台中完成

查看、关注、管理发布的应用，并且可以用自己的数据集完成即席分析。

图：应用发布示例

图：即席分析示例


68 / 72

2.11.2. 应用商店

应用商店主要提供用户和用户交互的界面。数据分析的最大缺点是“我自己、一

个人在做”，在部门级或企业级的应用环境中，我们往往很难获取其他的有价值的应

用示例，比如“我正在做的分析/应用是否有其他同事做过？”应用商店可以提供一个

用户间交流和分析应用分享的平台，提高整体的工作效率。

具体的应用体验上类似手机软件应用商店，自助分析平台应用商店用于展示用户

发布出来的数据分析应用，提供应用查看、下载、排行、评论、点赞等互动功能。

图：查看商店应用排行情况示例

图：应用详情示例


69 / 72

2.11.3. 数据答疑

数据答疑主要提供用户和技术支持交互的界面。数据答疑允许建立用户的应用技

术支持体系，确保用户在使用系统的过程中能随时获取多种方式的技术支持，如论

坛、邮件、在线问答、问答排行榜等。

图：数据答疑示例


70 / 72

2.11.4. 数据导航

对于大部分用户、尤其是业务用户来说，开始做数据分析要面对的第一个问题，

就是“找数据“，数据导航就是专门用来解决这个问题的。

数据导航的基本玩法是：在受控的前提下开放数据字段给用户，甚至可以显示示

例数据，以便于用户判断是否相关数据；之后可以走流程申请数据权限，在数据访问

申请通过获得权限后，用户即可使用所获得的数据开始分析。

这样做的好处是“快“：

1. 可以在海量数据中通过全文检索的方式快速定位有用数据。

2. 可以通过示例数据快速判断是否相关数据。

3. 可以通过自动连接/创建数据申请流程，快速获得数据权限。

图：数据导航示例

2.12. 高速缓存

在当今的商业环境中，企业用户面对越来越庞大的数据、以及越来越复杂的应用

场景，数据的计算性能就成为了加快数据决策、实现更好的运营指标的有力支撑。


71 / 72

Smartbi V9 通过整合高速缓存机制，提高数据的读写性能，改善分析事务的运行

效率，使用户更加容易地获得数据价值。与传统关系型数据库相比，用户在获取数据

资源时可节省更多的时间，有效促进企业在日益激烈的竞争中把握更多的先机。

2.12.1. 跨数据库查询

提供跨数据库查询功能，支持将不同的数据源关联，比如将 Oracle 和 SQLServer

两种数据源关联，应对不同接口数据统一访问问题，无需再进行数据抽取。

图：跨库查询

2.12.2. 高速缓存

产品高速缓存层，内置分布式的内存计算数据库，定位于报表加速。在进行数据

分析的时候，允许将原始库数据抽取到分布式的内存数据库中进行分析，解决性能瓶

颈。并且提供多种高速缓存方案可供选择。


72 / 72

图：内存数据库入口示例

图：多种加速方案

smartbi v9...2019/12/03 · smartbi v9 产品白皮书 6 / 72 1. smartbi v9 产品简介 1.1....

Documents