帮你快速理解、总结文档立即下载
文档中心>大数据智能体工作台 DataBuddy>快速入门>数据分析师快速上手

数据分析师快速上手

最近更新时间：2026-09-11 20:57:30
我的收藏

本页目录：

提示
预计用时 60 分钟。学习目标：以销售业绩分析场景为例，端到端跑通 建表灌数 → 即席 SQL 分析 → 结果可视化 → 沉淀仪表盘 → 发布订阅 的完整数据分析链路。

场景介绍

您是一名刚入职的数据分析师，业务团队希望快速看到「分地区、分产品的销售情况」，并能每天打开一个固定看板查看最新数据。
本教程将带您：
1. 用 SQL 分析 创建样例销售表，并写入若干天的演示数据。
2. 完成首批即席查询：基础探查、按地区聚合、按时间趋势、窗口排名、参数化复用。
3. 把查询结果一键转成图表，导出为 Excel 用于汇报。
4. 把查询沉淀到 仪表盘 ，组合 KPI 卡、柱图、折线图、表格四种组件。
5. 加入全局筛选器，发布仪表盘。
完成本教程后，您将掌握数据分析师在 DataBuddy 中日常最高频的全套操作。

前提条件

在开始本教程前，请确保满足以下条件：
已开通 DataBuddy 服务并完成空间初始化。
当前账号在目标工作空间中拥有 空间成员 角色或更高权限（角色权限说明详见 成员与权限管理 ）。
工作空间已绑定 交互式分析集群资源 （用于即席 SQL 查询与仪表盘查询，详见 计算资源概述 ）。
工作空间已绑定数据湖仓 Catalog（默认 DataLakeCatalog），且当前账号具备 Catalog 的 建库、建表、读写 权限。
默认邮箱已绑定到当前账号（订阅推送验证环节会用到）。
提示
本教程不依赖任何外部数据源，所有样例数据都通过 SQL INSERT 写入数据湖仓。如您的工作空间已有真实业务表，可在 步骤 3 起把表名替换为业务表，跳过 步骤 2 。

教程数据模型

教程中所有 SQL 都基于一张 sales_data 表：
字段
类型
说明
date
STRING
销售日期（YYYY-MM-DD）
product
STRING
产品名称
region
STRING
销售大区：North / South / East / West
quantity
INT
销售数量
revenue
DOUBLE
销售金额
提示
为避免多人同时跑教程时表名冲突，请把 <your_name> 替换成您自己的姓名前缀，例如 alice_database、alice_sales_data。

步骤 1：进入 SQL 分析

SQL 分析是数据分析师进行即席查询、可视化与结果导出的统一入口。
1. 登录 DataBuddy 控制台，选择要进入的工作空间。
2. 在左侧导航选择 数据探索 。
3. 左上角单击新建 SQL ，文件名例如 quickstart_sales.sql，选择父文件夹后单击 确定 ，进入 SQL 编辑器。
4. 在编辑器右上角：
计算资源 ：下拉选择 交互式分析集群 。
默认 Catalog ：选择 DataLakeCatalog（设置后 SQL 中可省略 Catalog 前缀）。

步骤 2：创建数据库和样例表

在编辑器中依次写入并运行以下 SQL（选中片段后按 ⌘ + Enter，Windows 用户用 Ctrl + Enter）：
-- 建库（请把 your_name 替换成您自己的姓名前缀）
CREATE DATABASE IF NOT EXISTS DataLakeCatalog.your_name_database;
-- 建表
CREATE TABLE IF NOT EXISTS DataLakeCatalog.your_name_database.sales_data (
    date     STRING,
    product  STRING,
    region   STRING,
    quantity INT,
    revenue  DOUBLE
);
-- 写入 15 行演示数据
INSERT INTO DataLakeCatalog.your_name_database.sales_data VALUES
('2025-01-01', 'Widget A', 'North', 239, 6915.68),
('2025-01-01', 'Widget B', 'South', 185, 12430.50),
('2025-01-01', 'Widget C', 'East',  327, 28025.76),
('2025-01-01', 'Widget D', 'North', 340, 8986.75),
('2025-01-01', 'Widget E', 'East',  421, 25079.72),
('2025-01-02', 'Widget A', 'West',  150, 4350.00),
('2025-01-02', 'Widget B', 'North', 275, 18562.50),
('2025-01-02', 'Widget C', 'South', 310, 26556.00),
('2025-01-02', 'Widget D', 'East',  198, 5237.10),
('2025-01-02', 'Widget E', 'West',  460, 27416.00),
('2025-01-03', 'Widget A', 'East',  305, 8845.00),
('2025-01-03', 'Widget B', 'West',  220, 14850.00),
('2025-01-03', 'Widget C', 'North', 290, 24824.00),
('2025-01-03', 'Widget D', 'South', 175, 4627.50),
('2025-01-03', 'Widget E', 'North', 388, 23124.80);
-- 验证：应返回 15 行
SELECT COUNT(*) AS total_rows FROM DataLakeCatalog.your_name_database.sales_data;
注意
建库与写入操作需要 Catalog 的 CREATE 与 INSERT 权限。若提示权限不足，请联系工作空间管理员或参考 结构化数据_Catalog 。

步骤 3：进行第一次即席查询

接下来用一组典型分析语句熟悉编辑器、结果区与日志的使用。

3.1 基础探查

DESCRIBE DataLakeCatalog.your_name_database.sales_data;
SELECT * FROM DataLakeCatalog.your_name_database.sales_data LIMIT 10;
运行后，编辑器下方分三个 Tab 展示运行信息：
Tab
内容
结果
查询结果表格，支持排序、显示字段、检索、筛选、复制、下载、可视化。
日志
Spark 执行日志、错误堆栈。
代码
本次运行的查询语句。

3.2 按地区聚合（多语句一次运行）

把以下 SQL 整段粘贴后单击操作栏 全部运行 ：
-- 各地区销售总览（用作仪表盘 KPI 与柱图数据集）
SELECT
    region,
    SUM(quantity)               AS total_quantity,
    SUM(revenue)                AS total_revenue,
    ROUND(AVG(revenue / quantity), 2) AS avg_unit_price
FROM DataLakeCatalog.your_name_database.sales_data
GROUP BY region
ORDER BY total_revenue DESC;
多语句运行时，每条 SQL 都会生成一个独立的结果 Tab，便于切换查看。
提示
SQL 写得不够工整？单击操作栏 格式化 （或快捷键 ⌘ + ⇧ + F）自动统一缩进、换行与关键字大小写。详见 SQL IDE 基础操作 。

3.3 时间趋势

-- 每日销售趋势（用作仪表盘折线图数据集）
SELECT
    date,
    SUM(revenue)  AS daily_revenue,
    SUM(quantity) AS daily_quantity
FROM DataLakeCatalog.your_name_database.sales_data
GROUP BY date
ORDER BY date;

3.4 窗口排名

-- 各地区内产品销售排名（用作仪表盘表格组件数据集）
SELECT
    region,
    product,
    SUM(revenue) AS product_revenue,
    RANK() OVER (PARTITION BY region ORDER BY SUM(revenue) DESC) AS revenue_rank
FROM DataLakeCatalog.your_name_database.sales_data
GROUP BY region, product
ORDER BY region, revenue_rank;

3.5 参数化复用

把日期写死的 SQL 改成可复用的参数化查询：
-- 参数化：按地区和时间窗口筛选
SELECT
    region,
    product,
    SUM(revenue) AS total_revenue
FROM DataLakeCatalog.your_name_database.sales_data
WHERE region = '${target_region}'
  AND date BETWEEN '${start_date}' AND '${end_date}'
GROUP BY region, product
ORDER BY total_revenue DESC;
在 SQL 编辑器的工具栏点击「参数」图标，在弹窗中会自动识别代码中的参数名，输入参数值 target_region=North、start_date=2025-01-01、end_date=2025-01-31 后单击 确定 。
提示
参数化语法、运行时取值规则、与工作流参数的优先级关系详见 参数配置与 参数使用 。

3.6 保存与收藏

单击操作栏 保存 （或 ⌘ + S）生成一个手动版本（最多保留 200 个），方便日后回滚。单击 收藏 把当前查询加入个人收藏夹，下次打开 SQL 分析首页可一键加载。

步骤 4：把查询结果一键转成图表

3.2 与 3.3 的查询适合做可视化呈现，无需切换到仪表盘也能完成。
1. 切换到 3.2 按地区聚合 的结果 Tab。
2. 在结果区单击 创建图表 图标，进入图表面板。
3. 在图表面板顶部选择 柱状图 。
4. 在右侧配置面板中拖拽字段：
X 轴、类别 ：region。
Y 轴、度量 ：total_revenue，聚合方式选择 不聚合 （SQL 已聚合）。
单击右下角的 确定 图标，保存图表后配置随当前 SQL 文件保留，再次打开后自动恢复。
切换到 3.3 时间趋势 的结果 Tab，重复以上操作，选择 折线图 ，X 轴 date，Y 轴 daily_revenue。

步骤 5：导出查询结果（可选）

如需把数据交付给离线汇报或外部协作方：
1. 在结果 Tab 顶部单击 下载 。
2. 下载范围 分为预览数据和全部数据。
3. 选择导出格式：
CSV ：UTF-8 编码，跨平台通用性最好。
Excel（.xlsx） ：保留列类型与展示格式，便于直接编辑。
TXT ：制表符分隔。
1. 单击 下载 ，文件按 <SQL 文件名>_<查询 ID>_<时间>.<ext> 命名后下载到本地。
提示
单次下载行数与文件大小受平台规格限制，数据量不超过 500M。如需全量交付，请改用「写入目标表、离线同步导出」方案。

步骤 6：将查询结果沉淀为仪表盘示例

在开始配置仪表盘前，请确认已完成以下准备工作：
已在 SQL 中成功执行本文档前面的步骤。 当前账号具备仪表盘创建和相关数据表访问权限。 有可用的计算资源。 示例中的字段名称、数据集名称和表名仅用于说明，实际配置时请以当前工作空间中的数据表结构为准。

6.1 新建仪表盘

1. 在左侧导航选择 数据分析 > 仪表盘 。
2. 在仪表盘列表页右上角单击 创建仪表盘 ，进入编辑态。
3. 单击顶部标题，把仪表盘命名为 销售业绩日报 - <your_name>。
4. 在画布顶部 计算资源 下拉中选择合适可用的资源组，等待状态变为可用。

6.2 添加数据集

点击顶部导航栏「数据」, 进入数据配置页面, 在左侧面板中，单击 从 SQL 创建 图标，把 3.2 按地区聚合 的 SQL 粘贴进去（只保留一条 SELECT ），单击 运行 ，确认有结果后点击更多操作，重命名数据集为 ds_region_summary。
按同样方法依次创建：
数据集名称
来源 SQL
ds_region_summary
3.2 按地区聚合
ds_daily_trend
3.3 每日销售趋势
ds_product_rank
3.4 窗口排名
ds_detail
SELECT * FROM DataLakeCatalog.your_name_database.sales_data

6.3 添加图表组件

回到画布, 在画布下方常驻工具栏单击 图表 ，依次添加以下 4 个组件，并在每个组件的右侧面板中设置数据集、维度、指标与标题。

组件 1：KPI 卡（总收入）

图表类型 ：指标卡。
数据集 ：ds_region_summary。
指标 ：total_revenue，计算方式选择 求和 。
显示名称 ：总收入，样式中类型选择 自定义 - 货币 。

组件 2：地区收入柱状图

图表类型 ：柱状图。
数据集 ：ds_region_summary。
X 轴 ：region。
Y 轴 ：total_revenue，计算方式 不聚合 （SQL 已聚合）。
标题 ：各地区销售收入。

组件 3：每日趋势折线图

图表类型 ：折线图。
数据集 ：ds_daily_trend。
X 轴 ：date。
Y 轴 ：daily_revenue（可同时加入 daily_quantity 作为副 Y 轴）。
标题 ：每日销售趋势。

组件 4：产品排名表格

图表类型 ：表格。
数据集 ：ds_product_rank。
字段 ：region、product、product_revenue、revenue_rank 。
标题 ：各地区产品 TOP 排行。

6.4 调整布局

把鼠标移到组件边缘可拖动、调整尺寸。
仪表盘所有改动自动以草稿形式保存 ，无需手动单击保存。

6.5 添加筛选器（让看板支持分地区切换）

1. 在画布下方工具栏单击 页面筛选器 。
2. 筛选字段 ：选择 ds_region_summary.region。
3. 筛选 ：下拉选择多个值。
4. 默认值: 选择需要展示的地区。保存后，画布顶部出现 地区 选择项。

步骤 7：发布仪表盘

7.1 发布仪表盘

1. 在仪表盘编辑态右上角单击 发布 。
2. 在发布弹窗中可选择：
共享发布者的数据权限 。
遵循查看者自有数据权限 。
1. 单击 发布 ，右上角 toast 提示成功。可单击切换到 发布态 预览查看者视角。

7.2 复制分享链接（可选）

在仪表盘发布态顶部单击 分享 > 复制链接 即可把链接直接发出。访问者已登录工作空间且具备权限即可查看发布态。

验证结果

完成全部步骤后，您应当确认：
1. SQL 文件 quickstart_sales.sql 在 SQL 分析中可见，已保存至少 1 个手动版本。
2. 样例表 DataLakeCatalog.<your_name>_database.sales_data 中有 15 行数据，4 类聚合 SQL 均可成功运行并产出结果。
3. 可视化图表 已随 SQL 文件保存：3.2 按地区聚合 → 柱状图；3.3 每日趋势 → 折线图。
4. 仪表盘 销售业绩日报 - <your_name> 在仪表盘列表可见，状态为 已发布 。

总结

在本教程中，您完成了：
在 SQL 分析 中创建数据库与样例表，并通过 5 段典型 SQL 完成基础探查、聚合、趋势、窗口排名与参数化复用。
使用 图表面板 把 SQL 结果一键转换为柱状图与折线图，并随 SQL 文件保留配置。
把多段查询沉淀为 数据集 与 图表组件 ，组合成一张完整的销售日报仪表盘。
配置 筛选器 把单张仪表盘适配多个地区视角。
完成仪表盘的发布 。
本流程覆盖了数据分析师在 DataBuddy 中日常 80% 以上的高频操作。后续可继续探索：从 Catalog 表、指标模型、本地文件直接构建数据集、跨页面全局筛选器等进阶能力。
中国站