自定义Dynamics 365实施和发布业务解决方案 - 7. 报表

本文详细介绍了在Dynamics 365中创建和管理报告的流程,从高级查找视图、报表向导到Fetch XML报告,展示了如何创建和分享视图,以及如何使用预过滤器优化性能。此外,还探讨了Dynamics 365仪表板的功能和与Power BI的集成,强调了Power BI在创建复杂仪表板和提高数据可视化的价值。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

在每个组织中,决策者都依赖于各种报告来推动业务取得成功。因此,每个软件开发项目都需要开发报告,Dynamics365配备了最先进的报告功能。这些报告的范围从简单的查询到具有复杂查询的更高级的报告。此外,Dynamics365的一个关键功能是其仪表板功能,它提供了一些不错的数据可视化和深入功能。

在本章中,您将学习如何使用“高级查找”视图创建简单查询。此外,Dynamics365还附带了一个报告编辑向导,使高级用户能够创建中等复杂度的报告。如果用户需要具有更高级查询的报告,那么他们可以选择使用基于Fetch XML的报告。此外,Dynamics 365支持与Power BI集成,并扩展了其仪表板功能。我们将在本章中讨论所有这些,并展示它们的示例。

网格筛选

Dynamics 365中的网格提供了有价值的信息。也就是说,在应用程序的每个区域中,系统中的所有记录都可以通过网格查看。在网格列中,您将看到一个看起来像漏斗的图标,指示可以将过滤器应用于该列。单击图标,将出现一个小的弹出窗口,您可以在其中指定过滤器。如图7-1所示,您甚至可以选择组合两个过滤器。最终用户可以选择使用这些过滤器来提取他们想要的数据。

基于html+python+Apriori 算法、SVD(奇异值分解)的电影推荐算法+源码+项目文档+算法解析+数据集,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 电影推荐算法:Apriori 算法、SVD(奇异值分解)推荐算法 电影、用户可视化 电影、用户管理 数据统计 SVD 推荐 根据电影打分进行推荐 使用 svd 模型计算用户对未评分的电影打分,返回前 n 个打分最高的电影作为推荐结果 n = 30 for now 使用相似电影进行推荐 根据用户最喜欢的前 K 部电影,分别计算这 K 部电影的相似电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now 根据相似用户进行推荐 获取相似用户 K 个,分别取这 K 个用户的最喜爱电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now Redis 使用 Redis 做页面访问次数统计 缓存相似电影 在使用相似电影推荐的方式时,每次请求大概需要 6.6s(需要遍历计算与所有电影的相似度)。 将相似电影存储至 redis 中(仅存储 movie_id,拿到 movie_id 后还是从 mysql 中获取电影详细信息), 时间缩短至:93ms。 十部电影,每部存 top 5 similar movie 登录了 1-6 user并使用了推荐系统,redis 中新增了 50 部电影的 similar movie,也就是说,系统只为 6 为用户计算了共 60 部电影的相似度,其中就有10 部重复电影。 热点电影重复度还是比较高的
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Martin-Mei

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值