如何新建数据库关系图

如何新建数据库关系图,第1张

1、连接到数据库,在“数据库”节点下面找到“DWDiagnostics”,点击展开,找到“数据库关系图”

2、右键点击“新建数据库关系图”

3、进入数据库关系图的设计界面

扩展资料:

1、对于任何数据库,都可以创建任意多个数据库关系图。

2、每个数据库表都可以出现在任意数量的关系图中。

3、这样,便可以创建不同的关系图是数据库的不同部分可视化,或强调设计的不同方面。

例如,可以创建一个大型关系图来显示所有表和列,并且可以创建一个较小的关系图来显示所有表但不显示列。

参考资料来源:百度百科——数据关系图

1、确认需求

在数据可视化设计前,分析人员要先完成业务需求的分析,将分析需求拆分成不同层级、不同主题的任务,捕捉其中业务的数据指标、标签,划分出不同优先级,为下一步取数做准备。

数据可视化-派可数据商业智能BI

在确认需求的过程中,分析人员需要特别关注业务和数据的对应关系,按照数据词典将数据仓库中的指标、标签进行确认,对数据质量进行调研,最大程度提高数据可视化的准确性。

数据可视化是为了解决问题而制作出来的,所以实际制作分析的过程中必须紧贴企业业务流程,了解业务指标、属于什么专业方向的内容,最大程度地提升数据分析的准确性,提高图表展现信息的质量。

2、准备数据

数据可视化,千万不能忘了数据。不管前期规划再好,业务指标和需求之间的关系再贴合,没有数据你什么也分析不了。

数据可视化-派可数据商业智能BI

分析人员在进行可视化分析前,应该提前准备好任务所需的数据,做好分析前的准备工作。在这个阶段,分析人员可以联合技术人员,将后续数据可视化需要的指标、标签、维度等数据从数据仓库中调取出来,准备进行数据分析。

在准备数据的过程中,分析人员可以对业务数据进一步确认,和一线业务人员进行沟通协作,确认数据和业务之间相互贴合,数据也和业务变化一致。然后可以思考数据之间的关联,将关键数据整理进行标记。如果没有需要的数据就要及时寻找,看看对方是否能够临时填报、补录数据,增加数据的源头。

3、选择图表

图表的选择直接关系到可视化的呈现效果,一个合适的图表能够把数据之间的联系转化为直观的信息,相反错误的图表可能会将需求对象引向错误的方向。

数据可视化-派可数据商业智能BI

数据可视化分析人员必须了解所有主流的图表类型,知道每个图表适合做哪些分析,能够展现哪种类型的信息,举个例子,折线图、柱形图等能够轻易的展现事物的发展趋势,但如果你把某段时间销售数量变化趋势呈现在饼图上,那这个图表就没有任何意义了。

4、页面布局

分析人员将一张完整的页面分割成不同板块、层次,保证数据能够完全展现,同时设计人员还要注意划分信息的重要程度,在整体视觉设计中,把核心的数据指标放在最重要的位置,占据较大的面积,其余的指标按优先级依次在核心指标周围展开。

数据可视化-派可数据商业智能BI

当然,在实际的可视化分析过程中,管理人员给到的数据需求一般都会比较多,要求在同一页面上展现尽可能多的信息量。这时候设计人员就需要在满足计较关键信息、平衡布局空间以及简洁直观的基础上将数据划分为更多层次。

数据可视化-派可数据商业智能BI

5、数据可视化分析

在数据分析过程中,很多新手会有一个误区,经常会把各种各样的可视化图表装满几个屏幕,认为这样就可以把所有信息直观地展示给用户。实际上,用户并不需要那么多内容,相比复杂的信息展示,他们往往会更喜欢一目了然的内容设计,一眼就能看到关键信息。

数据可视化-派可数据商业智能BI

此外,整个可视化图表页面中,色彩不宜太过丰富,颜色最好也不要太过鲜艳,把色彩对比强烈的颜色放到关键信息,用清晰的逻辑去呈现变化,突出重点部分,使用户产生更好地体验,这才是他们最希望看到的。

最后,回到数据分析本身,分析人员可以选择为制作完成的可视化图表附上自己从业务逻辑思考的信息,帮助用户更好地分辨图表展现的意义。

派可数据 商业智能BI可视化分析平台

我来解释一下,看对你有用没:

首先,使用关系图的用户首先是SQL Server用户,MSSMS你要能打开可视化编辑视图。

其次,键约束,当你在 *** 作一个表时,他的记录靠主键关系约束关系表,再在关系表中 *** 作就要在他约束字段值范围内添加。

比如我们一个表1字段是: 工号 姓名 岗位编号 另一个表2是:岗位编号 薪资,我们依据岗位编号来做键约束,建立两个表之间的关系,我先对第一个表进行 *** 作,第二哥表就只能添加第一个表里曾在的岗位编号,是主键还不能重复添加,表1里没有的岗位编号是添加不进去的,以保存就报异常,这叫外键约束。

第三点作用是方便开发人员查看表与表之间的关系和表的结构。

这才是关系图,不是ER图。ER图才能解决数据关联问题,关系图是表与表之间的依赖关系。


欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/sjk/10032667.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2023-05-04
下一篇 2023-05-04

发表评论

登录后才能评论

评论列表(0条)

保存