<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[cainiao_M的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/cainiao_M</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; cainiao_M]]></copyright><item><title><![CDATA[AI Agent 对话式制作润乾报表实践 - ECharts 股票 K 线图]]></title><link>https://blog.youkuaiyun.com/cainiao_M/article/details/170421706</link><guid>https://blog.youkuaiyun.com/cainiao_M/article/details/170421706</guid><author>cainiao_M</author><pubDate>Tue, 10 Nov 2026 11:08:37 +0800</pubDate><description><![CDATA[AI 编程工具的做法：乾学院文章《用 AI 编程生成 ECharts 图表并嵌入润乾报表的实践》给出了一个折中方案——先在报表模板里手工建好 ECharts 参数和基础代码，通过“参数数据导出”把参数数据复制给 AI 编程工具（如 Trae），由 AI 生成图形 JS 脚本后复制回报表模板，最后还要把脚本里已经算好的具体数值逐个改回参数引用格式（例如 `var tradeDate=[...]` 改回 `var tradeDate=${{tradeDate}}`），否则报表每次运行都是同一份死数据。]]></description><category></category></item><item><title><![CDATA[制作大屏可视化选啥工具]]></title><link>https://blog.youkuaiyun.com/cainiao_M/article/details/139964569</link><guid>https://blog.youkuaiyun.com/cainiao_M/article/details/139964569</guid><author>cainiao_M</author><pubDate>Tue, 25 Jun 2024 17:26:01 +0800</pubDate><description><![CDATA[管理者可以实时了解到建筑内各个设备的运作状态，比如月中或月末通过系统生成的数据和图表，了解不同区域灯光或其他电子设备的耗电量，管理人员可以对耗能过大的设备进行控制，使其在总能耗的范围内合理配置能耗资源。这些都是我们没有美工背景的工程师，也没有美工协助下做出来的，基本可以打 70 分，如果您有美工协助帮忙定义样式颜色，自己画一个 90 分的 DashBaord 是完全没问题的。说到这，其实润乾的优势不仅仅这些。多适用于一屏之内的展示，可以很好的自适应屏幕，可以支持文本，表格，统计图等，可以联动钻取。]]></description><category></category></item><item><title><![CDATA[2024值得推荐的开源免费BI软件]]></title><link>https://blog.youkuaiyun.com/cainiao_M/article/details/139345939</link><guid>https://blog.youkuaiyun.com/cainiao_M/article/details/139345939</guid><author>cainiao_M</author><pubDate>Fri, 31 May 2024 10:39:08 +0800</pubDate><description><![CDATA[但是，国外产品文档比较少，软件汉化不完全，支持不到位，很少有专业的支持人员，有问题一般都是在论坛上发帖解决，如果有底层核心需求或者 bug 基本没办法解决，而像润乾BI这类的国产化的产品就没有这些问题。同时BI项目中一般都会有固定报表的需求，而且还不少，润乾报表正好又是专业的报表工具，可以一站式解决全部需求了，润乾报表价格也不贵，1w就可以买一套，性价比很高。我们知道，国内的报表具备很强的本土特征，润乾报表最初是为实现复杂报表而设计的报表工具，是目前主流产品（含商业）中做的最早也是实现得最好的一个。]]></description><category></category></item><item><title><![CDATA[BI类软件的关联查询哪家更好用]]></title><link>https://blog.youkuaiyun.com/cainiao_M/article/details/138068171</link><guid>https://blog.youkuaiyun.com/cainiao_M/article/details/138068171</guid><author>cainiao_M</author><pubDate>Mon, 22 Apr 2024 11:18:03 +0800</pubDate><description><![CDATA[永洪BI能顺利完成各种类型的关联，选出的所有逻辑表的关联关系也粗略的进行了图示（整体图上有表的关联，但没有精确到字段）。可视化的本意是要降低难度，给业务人员提供做关联查询的能力，但把技术思维和概念原封不动的搬上可视化界面，无助于提高业务人员的技术能力，对原本就熟悉SQL的技术人员帮助也不大。员工表关联到部门表后，通过经理字段再关联回员工表。整个数据库的外键关系定义完成后，分析页面就可以自动生成所有表的多层元数据树，业务人员直接基于元数据树进行分析，分析的过程中通过选择不同层级的字段，自动实现之前各种关联。]]></description><category></category></item><item><title><![CDATA[报表工具应该选择开源免费的还是商业的]]></title><link>https://blog.youkuaiyun.com/cainiao_M/article/details/137963391</link><guid>https://blog.youkuaiyun.com/cainiao_M/article/details/137963391</guid><author>cainiao_M</author><pubDate>Fri, 19 Apr 2024 14:18:38 +0800</pubDate><description><![CDATA[商用报表，很多时候完全不需要资深程序员介入，一个刚毕业的菜鸟都能搞定，再不济，还可以求助供应商的技术支持，有个头疼脑热，很多时候只要 Q 个 Q，一问一答就解决了。总结来说，用开源是为了省钱，结果到最后发现，软件成本虽然是免费的，不要钱，但是因为功能差，效率低，操作不便学习困难等原因，实际投入的人工成本，并不比买一个商用工具更省钱，而且现在商业报表已经越来越便宜了，像刚才例子中用到的润乾报表，是做了二十多年的报表品牌，现在一套才一万元，啥都能做，做的快，买一个来用实际比用开源免费的要省的更多。]]></description><category></category></item><item><title><![CDATA[SQL 转置计算]]></title><link>https://blog.youkuaiyun.com/cainiao_M/article/details/109777934</link><guid>https://blog.youkuaiyun.com/cainiao_M/article/details/109777934</guid><author>cainiao_M</author><pubDate>Wed, 18 Nov 2020 16:55:49 +0800</pubDate><description><![CDATA[转置即旋转数据表的横纵方向，常用来改变数据布局，以便用新的角度观察。有些转置算法比较简单，比如行转列、列转行、双向转置；有些算法变化较多，比如动态转置、转置时跨行计算、关联转置等。这些转置算法对日常工作多有助益，值得我们学习讨论。

基础转置

行转列和列转行是最简单的转置算法，形式上互为逆运算，具体请看下面的问题及分析过程：

1.行转列：将销量分组表的quater字段里的值（行）Q1-Q4，转为新字段名（列）Q1-Q4，如下：

year
			quarter
			amount
			
			---.]]></description><category></category></item><item><title><![CDATA[数据文件合并与拆分]]></title><link>https://blog.youkuaiyun.com/cainiao_M/article/details/109777815</link><guid>https://blog.youkuaiyun.com/cainiao_M/article/details/109777815</guid><author>cainiao_M</author><pubDate>Wed, 18 Nov 2020 16:53:33 +0800</pubDate><description><![CDATA[在数据处理业务中，经常要把文件结构相同或近似相同的数据文件合并成一个文件，或者将一个比较大的数据文件拆分成小的数据文件。本文将介绍文本文件和 Excel 文件合并及拆分会遇到的几种情况，并提供用 esProc SPL 编写的代码示例。esProc 是专业的数据计算引擎，SPL 中有完善的文件导入、导出及目录操作函数，非常适合做数据文件的合并及拆分工作。





一、文件合并



1.同构文本文件合并

在某个文件目录下有多个文本文件，这些文件表头和列结构完全相同，只是数据行数和数据内容不同...]]></description><category></category></item><item><title><![CDATA[Excel 表间关联运算的示例]]></title><link>https://blog.youkuaiyun.com/cainiao_M/article/details/109777349</link><guid>https://blog.youkuaiyun.com/cainiao_M/article/details/109777349</guid><author>cainiao_M</author><pubDate>Wed, 18 Nov 2020 16:44:03 +0800</pubDate><description><![CDATA[用 Excel 处理数据时，经常会涉及到多页 sheet 数据之间的关联运算需求，用 vlookup 可以完成部分简单关联，但较复杂的情况时仍然不太方便，常常需要多次操作才能完成。另外，当要做关联的文件比较多，需要批量处理时，虽然可以借助 VBA 来实现，但 VBA 不是个专门为结构化计算设计，实现计算非常繁琐。这里给出一些关联运算的示例，分析解决方法并给出 SPL 代码。SPL 是专业计算引擎 esProc 使用的语言，用于处理结构化数据运算非常方便，比 vlookup 及 VBA 更简单。

一、引用复]]></description><category></category></item><item><title><![CDATA[Excel 字符串拆分]]></title><link>https://blog.youkuaiyun.com/cainiao_M/article/details/109777287</link><guid>https://blog.youkuaiyun.com/cainiao_M/article/details/109777287</guid><author>cainiao_M</author><pubDate>Wed, 18 Nov 2020 16:42:21 +0800</pubDate><description><![CDATA[用 Excel 处理数据时，有时需要对字符串进行拆分。对于比较简单的拆分，使用 Excel 函数可以顺利完成，但碰到一些特殊需求，或者拆分的规则比较复杂时，则很难用 Excel 实现了。这里列出一些拆分需求示例，分析拆分难点，并提供 SPL 解决代码。SPL 是专业计算引擎 esProc 使用的语言，用于处理结构化数据运算非常方便，对于字符串拆分的运算也很简单。

一、规则单词拆分

这里有一份车间采购产品清单，清单的每一项包含了需要采购的品牌以及产品型号。现在想要把每一项的品牌以及型号拆分后单独列到后面。]]></description><category></category></item><item><title><![CDATA[Excel 特殊分组汇总示例]]></title><link>https://blog.youkuaiyun.com/cainiao_M/article/details/109777222</link><guid>https://blog.youkuaiyun.com/cainiao_M/article/details/109777222</guid><author>cainiao_M</author><pubDate>Wed, 18 Nov 2020 16:40:17 +0800</pubDate><description><![CDATA[在 Excel 中分析数据时，往往会用到数据透视表。通过透视表，可以对数据从不同维度、不同类别来汇总和分析。但是透视表功能很简单，分组依据也很固化。需要将部分数据合并、分区间或者允许重复的特殊条件来分组汇总时便没法实现。针对 Excel 透视表的分组难点，本文列出一些常用的分组示例，解析难点并提供 SPL 解决代码。SPL 是专业计算引擎 esProc 使用的语言，用于处理结构化数据的运算非常方便。

一、常规完全分组

这里有一份 2019 年的产品销售表，表中记录了每个销售对某产品的销售明细。现在想要按]]></description><category></category></item><item><title><![CDATA[结构化数据上的 TopN 运算]]></title><link>https://blog.youkuaiyun.com/cainiao_M/article/details/109591826</link><guid>https://blog.youkuaiyun.com/cainiao_M/article/details/109591826</guid><author>cainiao_M</author><pubDate>Tue, 10 Nov 2020 09:13:39 +0800</pubDate><description><![CDATA[TopN 查询，即从数据中查找前 N 名 / 后 N 名。TopN 查询除了直接取值，还有查询 TopN 所在记录的详细信息，有时候还要查询 TopN 所在的位置。另外 TopN 查询还可能在分组中使用，用于查询组内的前 N 名 / 后 N 名。这么多种 TopN 查询如何处理？这里将为你全程剖析，并提供 esProc SPL 示例代码。结构化数据上的 TopN 运算

1. 最大值 / 最小值

最大值 / 最小值可以理解为 TopN 查询中，N 等于 1 时的情况，因为很常用所以单独拿...]]></description><category></category></item><item><title><![CDATA[Excel 分组后计算]]></title><link>https://blog.youkuaiyun.com/cainiao_M/article/details/109591785</link><guid>https://blog.youkuaiyun.com/cainiao_M/article/details/109591785</guid><author>cainiao_M</author><pubDate>Tue, 10 Nov 2020 09:10:28 +0800</pubDate><description><![CDATA[Excel 可以对数据进行分组汇总，也可以用透视表对数据进行多层次分析，但提供的汇总及相关运算都很简单，稍复杂一些的运算没法实现或者很难实现了。比如我们希望计算分组内的排名，按分组汇总值再过滤与排序等。本文将列出这类分组后计算示例，解答并给出 SPL 解决代码。SPL 是专业计算引擎 esProc 使用的语言，用于处理结构化数据的运算非常方便。

一、组内排序

这里以学生的考试成绩表为例，现在需要对每门课程进行单科排名。显然这时需要先按课程分组，然后再在组内进行排序。

Excel 文件中数据如下：


]]></description><category></category></item><item><title><![CDATA[主流开源 BI 产品对比]]></title><link>https://blog.youkuaiyun.com/cainiao_M/article/details/109591728</link><guid>https://blog.youkuaiyun.com/cainiao_M/article/details/109591728</guid><author>cainiao_M</author><pubDate>Tue, 10 Nov 2020 09:07:27 +0800</pubDate><description><![CDATA[现在市场上开源 BI 产品比较多，各个产品的侧重点不同，有的以报表为主、有的以可视化为主、有的以查询分析为主。这里我们选取了一些主流的开源 BI 产品，从产品功能、可视化能力、数据源支持以及使用文档等方面进行对比，希望对你有帮助。

Superset

由Airbnb贡献的轻量级BI产品，目前在GitHub上有3万多颗星，其受欢迎程度可见一斑。Superset提供了Dashboard和多维分析两大类功能，后者可以将制作的结果发布到Dashboard上也可以单独使用。



数据源方面，Superset支持C]]></description><category></category></item><item><title><![CDATA[职场人员该学什么程序语言]]></title><link>https://blog.youkuaiyun.com/cainiao_M/article/details/109488807</link><guid>https://blog.youkuaiyun.com/cainiao_M/article/details/109488807</guid><author>cainiao_M</author><pubDate>Wed, 04 Nov 2020 13:47:14 +0800</pubDate><description><![CDATA[商业工作中最常见的数据是表格式数据，比如订单记录、人员信息、销售合同等，用专业的术语来说叫做结构化数据。职场人员处理表格式数据时，最常用的工具是Excel，这是因为Excel提供了简单易用的公式和界面友好的操作，可以完成大多数任务。但有时遇到较特殊困难的运算，以及要反复执行的动作或涉及大批量文件的处理，继续手工操作Excel就会非常繁琐。这种时候，如果能编程解决，就可以大幅度提高工作能力和效率。这也是目前有不少职场人员开始学习程序语言的原因。

市场上可供职场人员学习使用以处理这些表格式数据的程序设计语言有]]></description><category></category></item><item><title><![CDATA[Python 并不合适职场编程，SPL 才行]]></title><link>https://blog.youkuaiyun.com/cainiao_M/article/details/109488732</link><guid>https://blog.youkuaiyun.com/cainiao_M/article/details/109488732</guid><author>cainiao_M</author><pubDate>Wed, 04 Nov 2020 13:44:35 +0800</pubDate><description><![CDATA[职场人员使用 Excel 进行数据处理已经成为家常便饭。不过相信大家一定有过很无助的情况，比如复杂计算、重复计算、自动处理等，再遇上个死机没保存，整个人崩溃掉也不是完全不可能。

如果学会了程序语言，这些问题就都不是事了。那么，该学什么呢？

无数培训机构和网上资料都会告诉我们：Python!

Python 代码看起来很简单，只要几行就能解决许多麻烦的 Excel 计算，看起来真不错。

但真是如此吗？作为非专业人员，真能学得会 Python 来协助我们工作吗？

Python DataFrame

日常]]></description><category></category></item><item><title><![CDATA[报表工具选型对比系列 - 大报表]]></title><link>https://blog.youkuaiyun.com/cainiao_M/article/details/109195206</link><guid>https://blog.youkuaiyun.com/cainiao_M/article/details/109195206</guid><author>cainiao_M</author><pubDate>Wed, 21 Oct 2020 09:58:48 +0800</pubDate><description><![CDATA[有些报表查询出的数据行数可达千万甚至上亿，这类报表通常被叫做大报表，大多数情况下都是些清单明细数据报表，也有少量分组报表。

针对大报表，如果像常规报表一样，将数据一次性全取再交给前端呈现是不可行的。一是等待时间太长，用户体验差；二是很可能导致内存溢出造成应用崩溃。

那么，目前的报表产品是如何解决这一问题的呢？本文将调研并测试几款报表产品的大报表解决方案，还是针对这三款产品：润乾报表、帆软报表、Smartbi，均为最新版本。

首先了解下各家的解决方式或机制。

解决机制

帆软

帆软提供两种引擎，行式]]></description><category></category></item><item><title><![CDATA[报表工具对比选型系列—多样性数据源支持度]]></title><link>https://blog.youkuaiyun.com/cainiao_M/article/details/109195150</link><guid>https://blog.youkuaiyun.com/cainiao_M/article/details/109195150</guid><author>cainiao_M</author><pubDate>Wed, 21 Oct 2020 09:56:26 +0800</pubDate><description><![CDATA[本次仍然评测这几款主流的报表工具：润乾报表、帆软报表、Smartbi、永洪 BI、亿信。之前在多源关联分片报表中验证了各个报表工具的多数据源关联功能，这些产品都能支持多数据源，但对不同类型数据源的支持程度并不一样。目前常用的关系型数据库基本上都提供 jdbc 接口，所有报表工具都支持，这里就不做详细说明，下面主要看下几种数据源的支持情况：

1、 文件数据源，如 Excel、txt、csv 等。

2、 webservices 接口数据源，如服务返回的 json 或 XML 格式数据

3、 非关系型数据库]]></description><category></category></item><item><title><![CDATA[报表工具选型对比系列 - 多源关联性能]]></title><link>https://blog.youkuaiyun.com/cainiao_M/article/details/109195091</link><guid>https://blog.youkuaiyun.com/cainiao_M/article/details/109195091</guid><author>cainiao_M</author><pubDate>Wed, 21 Oct 2020 09:53:44 +0800</pubDate><description><![CDATA[报表呈现有这么几个阶段：取数、报表计算、生成 html 及页面渲染，报表计算是考察报表性能中较为重要的一环。多数据源（集）关联报表是一种计算量随规模增长较大的报表，适合用于进行此项测试。本文将对比报表的关联运算性能，产品依然是三款：润乾报表、FineReport、smartbi，均使用最新版本，涉及报表数据来源为同库同表。

测试采用多数据集间关联计算，报表格式很简单，具体可参考下面的说明。

用例

POS 交易情况统计，统计所有商户（包括还未使用但已申请且开头 pos 刷卡业务的），使用本行 pos 机]]></description><category></category></item><item><title><![CDATA[从两家主流报表工具的报jia看报表行业的报jia水深-----常用报表工具对比---主流报表对比]]></title><link>https://blog.youkuaiyun.com/cainiao_M/article/details/108990669</link><guid>https://blog.youkuaiyun.com/cainiao_M/article/details/108990669</guid><author>cainiao_M</author><pubDate>Sat, 10 Oct 2020 09:22:21 +0800</pubDate><description><![CDATA[目前市场上最主流的报表工具莫过于润乾和帆软了，这俩工具也总被拿来做选型对比，很多用户在对比完后，发现功能上差异并不大，但是jiage上居然能差出好几倍，甚至十几倍，弄的大家很疑惑，这是怎么了 为啥会出现这样的状况，难道其中有啥猫腻？是便宜的功能被阉割了？没有啊，测试都正常啊，还是贵的有啥隐藏功能没有发掘出来，也没有啊，没发现什么新功能啊

那是什么造成了如此大的jiage悬殊？

我们正好从一位友好的用户手里拿到了最新的报jia单，就让我们用这两家主流报表的报jia单来分析一下报表工具的jia格吧

报ji]]></description><category></category></item><item><title><![CDATA[报表工具对比选型系列用例——过程计算]]></title><link>https://blog.youkuaiyun.com/cainiao_M/article/details/108574400</link><guid>https://blog.youkuaiyun.com/cainiao_M/article/details/108574400</guid><author>cainiao_M</author><pubDate>Mon, 14 Sep 2020 10:39:41 +0800</pubDate><description><![CDATA[我们知道，报表呈现的数据常常并不是直接从数据库（源）取出来的数据，而还要进行一些运算，报表工具通常也会提供一定的运算能力（如过滤、分组等）以应对这种需求。但是，情况复杂时，报表数据集上的运算可能要多个步骤才能完成，这时候就要考查报表工具对过程式计算的支持程度了。

用例说明

统计要求

列出指定时段的大客户。所谓大客户，定义为销售额占前一半的客户，也就是把客户销售额从大到小排序后，前面若干个客户的合计销售额构成总销售的一半，这些客户被称为大客户。

报表式样



数据结构

[销售记录表]



特点分]]></description><category></category></item></channel></rss>