#AI生成图表#
仪表板（仪表盘）在企业做任何数据分析的最后都会需要的，它通过图表、数字、图形和表格等视觉效果，将复杂的数据以直观、易懂的方式展示出来，帮助用户更好地理解数据，以及决策支持和作为一个共享的平台，促进团队成员之间的协作和沟通。通过仪表板，团队成员可以共同查看和分析数据，讨论问题并达成共识。
我在各平台搜了一下数据分析中仪表板话题，然后出现了以下一些话题，“可视化仪表板设计原则”、“如何进行数据分析及仪表盘制作”等等。
我很好奇，为什么现在还有人在为数据可视化仪表板而发愁？
因为近期我刚搜到一款数据分析软件-DeepBI，它不需要我懂任何代码、函数、还有什么统计学、算法之类的，我就是直接有问题丢给DeepBI我就能直接得到答案，包括数据可视化制图都不需要我做什么，唯一需要做的就是提出我的问题就可以。
为了有对比我也下载了FineBI软件，相信这款软件大家都不陌生吧，接下来我们一起看一下DeepBI 与 FineBI 在生成仪表板功能上的差异，也来解惑一下为什么有人在AI时代了还为数据可视化仪表板而烦恼。
首先先看一下我用DeepBI 生成的仪表板吧，因为自从了解到DeepBI后我认为数据分析对于我来说一点压力都没有，所以闲着没事各个功能都用了一遍，一句话：任何人用DeepBI都是数据分析师。
在这有必要说一下，DeepBI不需要我们自己整理逻辑关系，只需要我们提要求它会自动生成，仪表板上的5个图表是5个问题出来的：
1.各个商品类别销量是怎样的，用饼状图表示并分析
2.用饼状图展示各个地区的客户人数分布
3.不同邮寄方式的销售额和利润情况如何？可视化分析一下
4.超市每月的销售额和利润趋势如何？
5.用折线图展示各子类别商品的平均单价（销售额除以数量）和子类别销售数量
接下来我用同样的数据集同样的问题生成仪表板，看一下过程。
FineBI
我在这不一一展示每个问题步骤了，挑一个比较复杂的“问题5”展示一下：
因为还涉及到子类别平均价，所以我们还得先建一个“计算字段”，再确定各字段关系，然后确定“横纵坐标”，在进行拖拽。
接下来我们就进行拖拽看结果了
生成结果从截图来看肯定不对，“子类别商品平均价”都比销售额高了几十倍肯定不对。
首先是我高估自己了，FineBI需要熟悉函数，我不知道有多少人精通函数，我就是小白，让我上来就大感受挫了，花了将近1个小时去根据问题了解函数怎么用，来看最后结果吧
建立完函数公式，再自己整理关系拖拽对应横纵坐标上。
然后这个问题的可视化图表就做出来了。不比不知道啊，我一直以为现在的BI工具都和DeepBI一样，是我无知了，看似很简单，光这个拖拖拽拽如果有一步不小心拽错有可能你前面的操作都将功亏一篑。
还是来看看最后FineBI生成的仪表板吧。
结果还算完美，但是说实话，对于没有数据分析基础的朋友上手还是有难度的，还得考虑相互之间的关系和横纵坐标的关系以及函数的运动等等。
DeepBI
同样“问题5”我们来看一下在DeepBI上我们如何操作：
对，就是直接提问题，我们就能得到可视化图并且DeepBI给到我们详细解说。
看一下我用DeepBI生成的仪表板
怎么样？只需要提问，任何工作DeepBI都帮我们做了，而且还有一个炫酷功能“一键美化”。
我们来看一下美化结果：
是不是视觉效果很不错，不但拥有传统BI仪表盘功能，还能不费吹灰之力生成炫酷大屏。
总结
根据我个人在操作上，我还是感觉 DeepBI 比 FineBI 好用，主要是DeepBI不需要任何基础和探索时间，直接上手就用，只需要提问题就可以，而FineBI需要一定的数据分析基础，还得自己分析相互之间关系和横纵轴关系，拖拖拽拽一不小心之前的操作前功尽弃。
多说一下，FineBI是数据可视化工具，为了把数据做成可视化，如果我们想得到某个问题的答案还得根据传统数据分析一步步来得到答案。
DeepBI不管什么问题，什么需求，只要在数据集范围内的任何问题它都会秒出答案。DeepBI真正实现了“数据分析零门槛”。
DeepBI已在GitHub开源地址：GitHub - DeepInsight-AI/DeepBI: LLM based data scientist, AI native data application. AI-driven infinite thinking redefines BI.
没有GitHub的朋友可以搜公众号：DeepBI
温馨提示：现在还能免费领取Token，感兴趣的朋友可以体验一下