有人问,把Excel用到极致是一种什么体验?
在以前公司上班的时候,每天都要出报表,觉得很麻烦。于是就自己用Excel的函数、控件、VBA等做了个自动化的模板。从此以后每天只需把数据扔到对应的文件夹,打开新的文件刷新,就能输出PDF给老板。如果老板说要最终数据,我2分钟给出结果。要知道,从前做报表的前辈都是要做好几个小时才能输出的结果数据。
后来,信息部的领导觉得我很能干,把我挖去了报表开发组,说是组,但其实就我一个人,分了两个小白,希望我组建一支高效的报表开发队伍。ORZ...
升是升职了,但任务量和压力却是无比巨大。以前我只要面对老板一人,现在我要面对公司上下7个部门,每年近100多张报表的开发量,还不算特定数据问题的报表分析。
刚开始我寄希望于我强大的VBA技能,将一些固定需求写脚本,后面只要导一导。但是架不住需求不断在变,上一周还说要统计销售任务报表,这一周又让我将销售任务报表和结果表合并,三个人每天都加班。
这时候,我知道依靠VBA无济于事,投入成本和产出不成比例。另外就是Excel在处理比较大的数据集的时候,性能很差,并且经常崩溃,还得靠SQL处理。(虽然Excel2013及以上版本宣称可以容纳100+万条记录,但几万条数据就开始卡顿了)。
那既然大多数据处理都在SQL,那我就想应该有很多能和数据库直接对接的报表产品。于是网上搜索,期待有人已经做出来类似的工具能够让我直接使用。经过一个多星期的侦查,SPSS、SAS、cognos、水晶报表、思达、foxtable、finereport等等各种报表分析工具出现在了我的眼前。经过下载试用、比较,因为我除去VBA和SQL,其他代码编写能力太差,也没有太多的时间去学习代码。于是,finereport成了唯一的选择。
从安装、调试、优化内存占用,到学习并做出第一张满足我需求的模板,虽然花了一周的时间,但是我发现,finereport如果掌握技巧,报表开发完全吊打Excel。(只是指效率方面)
此后,我又使用了一段时间(个人版随便用,只是有并发限制),熟悉之后又开发了两个自动化模板,花了两天时间。遂和领导报备,评估了需求,沟通之后提交了采购计划,让帆软方来安装部署。一年内重新规划了公司报表体系,统一制作自动化模板,现在每天只要处理2~3个疑难问题,更多时间转战数据挖掘和分析。
好了,关于FineReport,卖了很多关子,下面细细来说下。
首先,商业报表开发,为什么需要SQL和报表软件?
每个企业都有开发报表需求,小公司可能Excel应付了事,大公司就要上到ERP,CRM系统,系统里的数据都要做成报表给上头展示,报表体量大,数据量大,就要商业报表工具来实现半自动开发。
且随着数据价值的不断提升,需求越来越精细化和多元化,需要通过数据报表来发现一些问题,做数据分析。而且报表产品能减少重复制作报表的人力成本,提高获取数据的效率,有了数据门户雏形,大家知道去固定的地方获取数据。
为什么不用Excel VBA或自己开发?
以我自身的例子来看,很明显VBA只能解决少量的个体需求。而开发一款基于数据库的应用软件系统,需要写大量jsp/asp/php代码,基于数据库的展示,查询和录入的网页。
我们评估过这项成本,这写代码来实现数据展示(报表),数据查询(参数)和数据录入(填报)的网页,不仅开发效率不高,而且项目交付后的维护工作量很大,修改代码的成本非常高。
用FineReport等报表工具的的好处
做这些基于数据库的展示,查询和录入的页面,不再需要编写代码,而是通过FineReport提供的模板设计器,拖拖拽拽就制作可视化报表、能够查询数据的参数报表、提供数据录入数据库的填报页面,然后将这些模板保存到FineReport服务器指定的目录下面。
当用户通过浏览器远程访问某个页面模板,FineReport服务器会把用户指定的页面模板自动解析成网页,在浏览器里面直接看。
几个特性
- 零编码,拖拽式操作,跟Excel一样简单
- EXCEL+绑定数据列的操作界面、拖拽、数据列到对应单元格;
- 无限行列扩展,多Sheet,跨Sheet计算完美兼容Excel公式;
- 支持导入现有Excel表样制作报表,而且无失真保留原有表公式。
多吹无意,举例操作案例。
这是一张典型的能及时查询的,包含图表的交叉报表模板(比较简单)。能查询各个地区的销售概况,并且表和图的数据能跟随变化。数据库中数据有增加或减少,此张报表报表就能自动更新。
原理何在?下面将详细介绍这张模板的制作、展示过程。
第一步:安装+启动finereport
去finereport官网下安装包,免费注册,获取激活码激活。
安装很简单,按照流程走,然后就会显示这个界面。
第二步:新建模板与数据集
类似于Excel新建sheet,如下图点击创建一张空白模板。
新建数据集
数据集是FineReport专有的存储通过数据连接从数据库中取出来的数据,数据集是一个二维数据表,可直接在数据集中看到数据表中的字段和数据。报表左侧下方有模板数据集窗口,列出了该模板可用的所有模板数据集,点击“加号”按钮,增加模板数据集。
数据来源一般是数据库,这里假设已经和数据库建立了链接。点击数据库查询,新建数据集ds1,SQL语句为:
SELECT * FROM 销量 where 地区='${地区}'
这样一个带参数的SQL语句,这里的地区是参数名字。在下方的参数面板中点击刷新按钮,便可以获得数据集参数,给参数设置默认值“华东”,如下图:
点击SQL输入框上面最左边的预览按钮,如下图所示:
在弹出的参数选项框中输入参数“华东”,如下图:
点击“确定”,即可预览地区为“华东”的数据:
同样的方法,增加数据集ds2,SQL语句为:
<div class="java" name="code">SELECT 销售员,sum(销量) as 销售总额 FROM 销量 group by 销售员</div>
第三步:设计报表
模板设计
模板设计效果展示如下图:
具体设计
标题:合并A1~D2单元格,写入:地区销售概况。
边框:首先我们先来选中从A3~D5这一片区域,点击工具栏中的按钮,在系统弹出的边框对话框中,选择按钮,同时添加内部和外部边框。
斜线:合并A3、B3单元格,右击合并的单元格选择单元格元素或者选中A3单元格,在设计器右侧选择单元格元素,选择插入斜线。系统会弹出一个斜线编辑的对话框,在文本编辑框中要加入的内容:产品|销售员|地区,可以通过添加空格来调整文字的位置。如下图所示:
2绑定数据列
将数据列拖拽至单元格,并设置单元格的属性,设置位置及方法如下图:
按照上图方法,将下表中对应数据列拖入到单元格中,在单元格元素中进行数据设置 ,在单元格属性中设置扩展方向。
多数据集关联
很多时候,模板的数据来自于两个不同的数据集,要将不同数据集的数据建立联系,需要用到数据过滤。选择D4单元格,点击设计器右侧上方的单元格元素面板中的过滤条件后的编辑或者双击D4单元格,弹出数据列对话框,选择过滤,如下图:
打开过滤设置面板,添加如下过滤条件, 使得ds2中的“销售员”数据列等于ds1中销售员的值。
第四步:设置参数
多数情况下,需要显示满足一定条件的部分数据,这便需要用到参数。参数设计实际上就是一个动态的过滤数据的过程,便于用户与数据能够实时交互。FineReport内置了一个默认的参数界面,可在内置的界面中,调整参数的位置,并通过控件设置得到各种不同的数据选择方式。在此,我们在上张报表的基础上介绍参数查询界面的设计过程。
参数界面布局
点击参数界面,进入参数编辑界面,在新建模板与数据集章节,我们在ds1数据集中定义了参数“地区”。切换到参数界面后,可以在控件设置的上方区域看到我们所有定义好的参数,点击全部添加,将会使用默认的布局形成参数界面。用户可以根据需要将参数界面调整到自己喜欢的样式。
注:服务器数据集里的参数不会出现在参数界面的右侧。
参数控件类型
参数控件有点像Excel里的控件,有文本,有下拉框等等。这里将地区参数控件类型改为下拉框,如下图:
选中下拉框控件,在右上方属性表中,设置下拉框的数据字典,选择数据库表>FRDemo>销量,实际值和显示值选择列名,都为地区字段:
第四步:制作图表
制作图表的方式和Excel很类似,选图表,填数据,设置格式。
合并A7~D18单元格,选择菜单栏上插入>单元格元素>图表,弹出图表类型对话框,这里选择柱形图(新特性)>柱形图,点击确定,如下图所示:
选中图表,在右侧上方的单元格元素面板中选择数据,图表数据来源使用单元格数据。
分类轴输入公式=B4;系列名和系列值,分别为=C3和=C4,如下图:
点击保存,图表绘制完成。
图表扩展属性
这里只想让图表反映整体情况,所以应为不扩展,左、上父格均为无。选择图表,在设计界面右上方的单元格属性面板中设置左、上父格均为无,如下图:
最后,报表预览
做完之后,直接点击分页预览,即可在浏览器端查看效果。
至此,一张模板就制作完成了。
最后
篇幅有限,以上只展现了FineReport的一部分功能,很多效果无法展开,效率也无法感知。
只要掌握技巧,FineReport能做出来的效果惊人!
要说效率,最大的好处就是从数据库中读出数据自动产生报表,且一类报表做成一个固定样式的模板,每次只要同步一下,自动同步周期性的报表,如日报、周报、月报、季报等。 还能批量导出/打印,少了人力去一个一个用Excel统计汇总。
且操作上,原本Excel需要VBA开发的成本,在FineReport里大多数都封装成模块了,包括写SQL取数,汇总筛选过滤等,基本上都有对应的功能键。像著名的资产负债表,如果按照以往写代码或者写复杂的SQL语句,就有点摧残生命了,而且那天书般的SQL语句要是出点错谁来查,如果数据来自多个源,那就彻底无法解脱了。
其次,在数据处理速度上,由于性能一部分依靠数据库,一部分依靠FineReport的行式报表引擎,相比于Excel的单机效率,几十万行的数据秒出。
相关推荐
deepseek最新资讯、配置方法、使用技巧,持续更新中
Heric拓扑并网离网仿真模型:PR单环控制,SogIPLL锁相环及LCL滤波器共模电流抑制技术解析,基于Heric拓扑的离网并网仿真模型研究与应用分析:PR单环控制与Sogipll锁相环的共模电流抑制效能,#Heric拓扑并离网仿真模型(plecs) 逆变器拓扑为:heric拓扑。 仿真说明: 1.离网时支持非单位功率因数负载。 2.并网时支持功率因数调节。 3.具有共模电流抑制能力(共模电压稳定在Udc 2)。 此外,采用PR单环控制,具有sogipll锁相环,lcl滤波器。 注:(V0004) Plecs版本4.7.3及以上 ,Heric拓扑; 离网仿真; 并网仿真; 非单位功率因数负载; 功率因数调节; 共模电流抑制; 共模电压稳定; PR单环控制; sogipll锁相环; lcl滤波器; Plecs版本4.7.3及以上,Heric拓扑:离网并网仿真模型,支持非单位功率因数与共模电流抑制
2024免费微信小程序毕业设计成品,包括源码+数据库+往届论文资料,附带启动教程和安装包。 启动教程:https://www.bilibili.com/video/BV1BfB2YYEnS 讲解视频:https://www.bilibili.com/video/BV1BVKMeZEYr 技术栈:Uniapp+Vue.js+SpringBoot+MySQL。 开发工具:Idea+VSCode+微信开发者工具。
基于SMIC 40nm工艺库的先进芯片技术,SMIC 40nm工艺库技术细节揭秘:引领半导体产业新革命,smic40nm工艺库 ,smic40nm; 工艺库; 芯片制造; 纳米技术,SMIC 40nm工艺库:领先技术驱动的集成电路设计基础
2013年上半年软件设计师上午题-真题及答案解析
shp格式,可直接导入arcgis使用
ROS下的移动机器人路径规划算法:基于强化学习算法DQN、DDPG、SAC及TD3的实践与应用,ROS系统中基于强化学习算法的移动机器人路径规划策略研究:应用DQN、DDPG、SAC及TD3算法,ROS下的移动机器人路径规划算法,使用的是 强化学习算法 DQN DDPG SAC TD3等 ,ROS; 移动机器人; 路径规划算法; DQN; DDPG; SAC; TD3,ROS强化学习移动机器人路径规划算法研究
粒子群优化算法精准辨识锂电池二阶RC模型参数:高仿真精度下的SOC估计铺垫,粒子群优化算法精准辨识锂电池二阶RC模型参数:仿真验证与SOC估计铺垫,使用粒子群优化算法(PSO)辨识锂电池二阶RC模型参数(附MATLAB代码) 使用粒子群优化算法来辨识锂离子电池二阶RC模型的参数。 将粒子群优化算法寻找到的最优参数代入二阶RC模型进行仿真,经过验证,端电压的估计误差小于0.1%,说明粒子群优化算法辨识得到的参数具有较高的精度,为锂离子电池SOC的估计做铺垫。 ,关键词:粒子群优化算法(PSO); 锂电池二阶RC模型参数辨识; MATLAB代码; 端电压估计误差; 锂离子电池SOC估计。,PSO算法优化锂电池二阶RC模型参数:高精度仿真与MATLAB代码实现
selenium环境搭建-谷歌浏览器驱动
在当今科技日新月异的时代,智慧社区的概念正悄然改变着我们的生活方式。它不仅仅是一个居住的空间,更是一个集成了先进科技、便捷服务与人文关怀的综合性生态系统。以下是对智慧社区整体解决方案的精炼融合,旨在展现其知识性、趣味性与吸引力。 一、智慧社区的科技魅力 智慧社区以智能化设备为核心,通过综合运用物联网、大数据、云计算等技术,实现了社区管理的智能化与高效化。门禁系统采用面部识别技术,让居民无需手动操作即可轻松进出;停车管理智能化,不仅提高了停车效率,还大大减少了找车位的烦恼。同时,安防报警系统能够实时监测家中安全状况,一旦有异常情况,立即联动物业进行处理。此外,智能家居系统更是将便捷性发挥到了极致,通过手机APP即可远程控制家中的灯光、窗帘、空调等设备,让居民随时随地享受舒适生活。 视频监控与可视对讲系统的结合,不仅提升了社区的安全系数,还让居民能够实时查看家中情况,与访客进行视频通话,大大增强了居住的安心感。而电子巡更、公共广播等系统的运用,则进一步保障了社区的治安稳定与信息传递的及时性。这些智能化设备的集成运用,不仅提高了社区的管理效率,更让居民感受到了科技带来的便捷与舒适。 二、智慧社区的增值服务与人文关怀 智慧社区不仅仅关注科技的运用,更注重为居民提供多元化的增值服务与人文关怀。社区内设有互动LED像素灯、顶层花园控制喷泉等创意设施,不仅美化了社区环境,还增强了居民的归属感与幸福感。同时,社区还提供了智能家居的可选追加项,如空气净化器、远程监控摄像机等,让居民能够根据自己的需求进行个性化选择。 智慧社区还充分利用大数据技术,对居民的行为数据进行收集与分析,为居民提供精准化的营销服务。无论是周边的商业信息推送,还是个性化的生活建议,都能让居民感受到社区的智慧与贴心。此外,社区还注重培养居民的环保意识与节能意识,通过智能照明、智能温控等系统的运用,鼓励居民节约资源、保护环境。 三、智慧社区的未来发展与无限可能 智慧社区的未来发展充满了无限可能。随着技术的不断进步与创新,智慧社区将朝着更加智能化、融合化的方向发展。比如,利用人工智能技术进行社区管理与服务,将能够进一步提升社区的智能化水平;而5G、物联网等新技术的运用,则将让智慧社区的连接更加紧密、服务更加高效。 同时,智慧社区还将更加注重居民的体验与需求,通过不断优化智能化设备的功能与服务,让居民享受到更加便捷、舒适的生活。未来,智慧社区将成为人们追求高品质生活的重要选择之一,它不仅是一个居住的空间,更是一个融合了科技、服务、人文关怀的综合性生态系统,让人们的生活更加美好、更加精彩。 综上所述,智慧社区整体解决方案以其科技魅力、增值服务与人文关怀以及未来发展潜力,正吸引着越来越多的关注与认可。它不仅能够提升社区的管理效率与居民的生活品质,更能够为社区的可持续发展注入新的活力与动力。
PowerSettingsExplorer.rar 电脑的电源管理软件,明白的不多说。自己搜索即可知道。
deepseek最新资讯,配置方法,使用技巧,持续更新中
deepseek最新资讯、配置方法、使用技巧,持续更新中
RabbitMQ 是一个开源的消息代理(Message Broker),实现了 AMQP(Advanced Message Queuing Protocol) 协议,用于在分布式系统中实现高效、可靠的消息传递。
西门子S7-1200与汇川PLC新通信选择:Ethernet IP通信的突破与优势,功能安全及精准同步的创新实践。,西门子S7-1200与汇川PLC通信新选择:Ethernet IP通信方案亮相,替代Modbus TCP实现更高级功能与安全控制。,西门子PLC和汇川PLC新通信选择-西门子S7-1200 1500系列PLC也开始支持Ethernet IP通信了。 这为西门子系列的PLC和包括汇川AM400 600等Codesys系PLC的通信提供了新的解决方案。 当前两者之间的通信大多采用ModBus TCP通信。 Modbus TCP和EtherNet IP的区别主要是应用层不相同,ModbusTCP的应用层采用Modbus协议,而EtherNetIP采用CIP协议,这两种工业以太网的数据链路层采用的是CSMACCD,因此是标准的以太网,另外,这两种工业以太网的网络层和传输层采用TCPIP协议族。 还有一个区别是,Modbus协议中迄今没有协议来完成功能安全、高精度同步和运功控制等,而EtherNet IP有CIPSatety、ClIP Sync和ClPMotion来
自适应无迹卡尔曼滤波AUKF算法:系统估计效果展示与特性分析(含MATLAB代码与Excel数据),自适应无迹卡尔曼滤波AUKF算法:系统估计效果展示与特性分析(含MATLAB代码与Excel数据),自适应无迹卡尔曼滤波AUKF算法 配套文件包含MATLAB代码+excel数据+学习资料 估计效果与系统特性有关,图片展示为一复杂系统估计效果 ,AUKF算法; MATLAB代码; excel数据; 学习资料; 估计效果; 系统特性。,自适应无迹卡尔曼滤波AUKF算法:MATLAB代码与学习资料
基于MATLAB Simscape的IGBT开关特性模型:揭示开关损耗、米勒平台及瞬态行为的分析工具,IGBT开关特性模型与MATLAB Simscape模拟:深入理解开关行为及损耗数据,IGBT开关特性模型,MATLAB Simscape模型。 该模型展示了IGBT的详细的开关模型,用于创建开关损耗列表数据。 有助于理解IGBT米勒平台、瞬态开关行为。 也可以用于MOOSFET。 ,IGBT开关模型; MATLAB Simscape; 开关损耗; 米勒平台; 瞬态开关行为; MOOSFET。,MATLAB Simscape中IGBT精细开关模型:揭示米勒平台与瞬态行为
基于卷积神经网络CNN的多输入单输出数据回归预测——含详细注释与多种评估指标(R2、MAE、MBE),基于卷积神经网络CNN的多输入单输出数据回归预测模型详解——附代码注释、指标评估及Excel数据处理方法,基于卷积神经网络CNN的数据回归预测 多输入单输出预测 代码含详细注释,不负责 数据存入Excel,替方便,指标计算有决定系数R2,平均绝对误差MAE,平均相对误差MBE ,基于卷积神经网络CNN; 数据回归预测; 多输入单输出; 详细注释; Excel存储; 指标计算(R2; MAE; MBE); 不负责。,基于CNN的卷积数据回归预测模型:多输入单输出代码详解与性能评估
2024免费微信小程序毕业设计成品,包括源码+数据库+往届论文资料,附带启动教程和安装包。 启动教程:https://www.bilibili.com/video/BV1BfB2YYEnS 讲解视频:https://www.bilibili.com/video/BV1BVKMeZEYr 技术栈:Uniapp+Vue.js+SpringBoot+MySQL。 开发工具:Idea+VSCode+微信开发者工具。
deepseek最新资讯、配置方法、使用技巧,持续更新中