火山引擎工具技术分享：用 AI 完成数据挖掘，零门槛完成 SQL 撰写

动手点关注

干货不迷路

在使用 BI 工具的时候，经常遇到的问题是：“不会 SQL 怎么生产加工数据、不会算法可不可以做挖掘分析？”

而专业算法团队在做数据挖掘时，数据分析及可视化也会呈现相对割裂的现象。流程化完成算法建模和数据分析工作，也是一个提效的好办法。

同时，对于专业数仓团队来说，相同主题的数据内容面临“重复建设，使用和管理时相对分散”的问题——究竟有没有办法在一个任务里同时生产，同主题不同内容的数据集？生产的数据集可不可以作为输入重新参与数据建设？

1. DataWind 可视化建模能力来了

由火山引擎推出的 BI 平台 DataWind 智能数据洞察，推出了全新进阶功能——可视化建模。

用户可通过可视化拖、拉、连线操作，将复杂的数据加工建模过程简化成清晰易懂的画布流程，各类用户按照所想即所得的思路完成数据生产加工，从而降低数据生产获取的门槛。

画布中支持同时构建多组画布流程，一图实现多数据建模任务的构建，提高数据建设的效率，降低任务管理成本；另外，画布中集成封装了超过 40 种数据清洗、特征工程算子，覆盖初阶到高阶的数据生产能力，无需 Coding 完成复杂的数据能力。

2. 零门槛的 SQL 工具

数据的生产加工是获取及分析数据的第一步。

对于非技术使用者来说，SQL 语法存在一定使用门槛，同时本地文件无法定时更新，导致看板每次都需要手动重做。获取数据所需的技术人力往往需要排期，数据的获取时效及满足度大大打折，因此使用零代码的数据建设工具变得尤为重要。

下方列举两个典型场景，零门槛完成数据处理在工作中是如何应用的。

2.1 【场景1】所想即所得，可视化完成数据处理过程

在产品运营迭代急需不同数据的及时输入反馈时，可以抽象数据的处理过程，通过可视化建模拖拉算子构建数据处理过程。

如要获取按照日期、城市粒度的订单数及订单金额，并获取每日 Top10 消耗金额数据的城市数据，操作如下：

常规数据处理流程	可视化建模处理流程
请技术同学拉取订单的明细数据，包含订单 id/ 订单金额/用户 id/ 订单日期城市等   将数据通过透视图的操作设置行为订单日期、城市，指标为订单金额求和、订单 id 求和   将透视结果按照金额排序，然后编写序号   用筛选器过滤 Top10 的数据