帆软输出excel界面是英文(帆软导入excel)

1. 帆软导入excel

国内比较知名BI软件就帆软、亿信华辰、永洪、思迈特这4家。都接触并试用过，来说说个人感受。 帆软就是一个报表厂商，但它一直用的BI的概念，宣传了很多年。他的FineBI成熟度和congnos、tableau来说还是有很大差距的。帆软价格便宜，很适合小企业用，在营销和产品迭代上做的还比较快速。 永洪是后起之专注做敏捷BI，但产品发展的还不够快，目前来说，功能还是太简单和粗糙，不适合复杂的用户场景。 亿信华辰的亿信BI应该国内唯一活了很多年并且活的很好的老BI厂商，应该有10多年了。但是在宣传和营销上不怎么好，可能是定位的目标客户不同，它的客户主要是国家部委和大型企业，还有一些大的集成商，比如神马、中软、东软等。亿信BI在功能上应该是国内唯一可以和congnos抗衡的BI产品吧。 smartBI类似网络版的excel，知名度也还是不错，功能也比较全，比帆软和永洪的产品成熟度高，但对于亿信华辰的亿信BI来说还是较弱的。但整体来说比较实用，性价比高，就是技术比较偏老旧了一些。 个人意见，仅供参考。

2. 帆软导入excel填报失败

帆软实现简单的批量导入

直接写好标题列

做导入功能不需要定义数据集，因为数据都是由外部而来，更多的，则是对单元格的操作。这里写好标题列，要求是与要导入的Excel标题列一样，或者在导入时，可以先下载模板。

在模板工具栏，点击模板web属性，然后再对话框中选择为模板单独设置，我们可以再顶部工具栏中选择我们想要的按钮，这里的原样导出我们可以选择后编辑名称为下载模板。

设置填报单元格与数据库的对应关系

写好列标题，需要设置与数据库相关的东西了。

可以通过添加字段，只能添加单元格给报表中需要导入哪个字段，字段所在单元格对应数据库哪个字段做对应，可以手动了录入，也可以选择只能选择都可以，一般来讲，使用智能提交。

单元格的内容除了导入的值以外还可以是自定义的公式，日期，uuid编码等，还可以是外部传来的参数，这都是后面灵活掌握的，到这基础的配置算是做完了。

设置数据校验

还是在刚才的界面，切换到数据校验栏

点击 '+'可以新建校验，一般新建内置校验，右边可以设置校验内容，这里需要用到各种帆软公式就不再多说，在帆软社区可以查到，只是记录一个思路，方便日后放下这个报表还能再拾得起来。

至此，数据校验已经配置完成。

测试导入报表

当点击提交后，成功会有成功的提示信息，失败也会对应的报错，帆软的具体报错信息，可以在部署的服务器上将系统监控调整为debug模式，就可以查看具体信息了

帆软简单的导入功能差不多就是这样子了

3. 帆软导入excel进数据库

这类软件主要用于更专业的数据分析挖掘工作，尤其是在银行、金融、保险业。

SPSS、SAS都是用于统计分析，围绕统计学知识的一些基本应用，包括描述统计，方差分析，因子分析，主成分分析，基本的回归，分布的检验等等。SPSS用于市场研究较多，SAS银行金融和医学统计较多，有一些难度。

R语言像是综合性较强的一类数据分析工具，集统计分析、数据挖掘，数据可视化。

展开来，讲讲数据分析~

这些数据分析工具的使用还是看需求，每个企业应用的选择和方式都不同。数据分析的概念很广，站在IT的角度，实际应用中可以把数据分析工具分成两个维度：

第一维度：数据存储层——数据报表层——数据分析层——数据展现层

第二维度：用户级——部门级——企业级——BI级

1、数据存储层

数据存储设计到数据库的概念和数据库语言，这方面不一定要深钻研，但至少要理解数据的存储方式，数据的基本结构和数据类型。SQL查询语言必不可少，精通最好。可从常用的selece查询，update修改，delete删除，insert插入的基本结构和读取入手。

Access2003、Access07等

，这是最基本的个人数据库，经常用于个人或部分基本的数据存储；MySQL数据库，这个对于部门级或者互联网的数据库应用是必要的，这个时候关键掌握数据库的库结构和SQL语言的数据查询能力；

SQL Server2005或更高版本

，对中小企业，一些大型企业也可以采用SQL Server数据库，其实这个时候本身除了数据存储，也包括了数据报表和数据分析了，甚至数据挖掘工具都在其中了；

DB2，Oracle数据库都是大型数据库

，主要是企业级，特别是大型企业或者对数据海量存储需求的就是必须的了，一般大型数据库公司都提供非常好的数据整合应用平台；

BI级别

，实际上这个不是数据库，而是建立在前面数据库基础上的，企业级应用的数据仓库。Data Warehouse，建立在DW机上的数据存储基本上都是商业智能平台，整合了各种数据分析，报表、分析和展现，BI级别的数据仓库结合BI产品也是近几年的大趋势。

2、报表/BI层

企业存储了数据需要读取，需要展现，报表工具是最普遍应用的工具，尤其是在国内。过去传统报表大多解决的是展现问题，如今像帆软报表FineReport也会和其他应用交叉，做数据分析报表，通过接口开放功能、填报、决策报表功能，能够做到打通数据的进出，涵盖了早期商业智能的功能。

Tableau、Qlikview、FineBI这类BI工具，可分在报表层也可分为数据展现层，涵盖了数据整合、数据分析和数据展现。FineBI和Tableau同属于近年来非常棒的软件，可作为可视化数据分析软件，可常用FineBI从数据库中取数进行报表和可视化分析。相对而言，可视化Tableau更优，但FineBI又有另一种身份——商业智能

，所以在大数据处理方面的能力更胜一筹。

3、数据分析层

这个层其实有很多分析工具，当然我们最常用的就是Excel。

Excel软件

，首先版本越高越好用这是肯定的；当然对excel来讲很多人只是掌握了5%Excel功能，Excel功能非常强大，甚至可以完成所有的统计分析工作！但是我也常说，有能力把Excel玩成统计工具不如专门学会统计软件；

SPSS软件

：当前版本是18，名字也改成了PASW Statistics；我从3.0开始Dos环境下编程分析，到现在版本的变迁也可以看出SPSS社会科学统计软件包的变化，从重视医学、化学等开始越来越重视商业分析，现在已经成为了预测分析软件；

SAS软件

：SAS相对SPSS其实功能更强大，SAS是平台化的，EM挖掘模块平台整合，相对来讲，SAS比较难学些，但如果掌握了SAS会更有价值，比如离散选择模型，抽样问题，正交实验设计等还是SAS比较好用，另外，SAS的学习材料比较多，也公开，会有收获的！

JMP分析

：SAS的一个分析分支

XLstat

：Excel的插件，可以完成大部分SPSS统计分析功能

4、表现层

表现层也叫数据可视化，以上每种工具都几乎提供了一点展现功能。FineBI和Tableau的可视化功能上文有提过。其实，近年来Excel的可视化越来越棒，配上一些插件，使用感更佳。

PPT：

办公常用，用来写数据分析报告；

Xmind&百度脑图：

梳理流程，帮助思考分析，展现数据分析的层次；

Xcelsius软件：

Dashboard制作和数据可视化报表工具，可以直接读取数据库，在Excel里建模，互联网展现，最大特色还是可以在PPT中实现动态报表。

最后，需要说明的是，这样的分类并不是区分软件，只是想说明软件的应用。有时候我们把数据库就用来进行报表分析，有时候报表就是分析，有时候分析就是展现；当然有时候展现就是分析，分析也是报表，报表就是数据存储了！

4. 帆软导入excel数据

power bi 和帆软的FineBI一样，都是自助式BI工具，可以拖拽就能生成图表，比excel要简单。

另外，前者生成的是动态图表，数据是活的；后者也就是excel生成的是静态图表，数据是死的。

5. 帆软导入excel只导入一行

由于项目及业务需要，有时候一个页面会有n张报表，那么这个时候就需要一键导出功能（方便省事）

首先项目肯定要集成帆软报表工具，帆软的各种jar包以及静态资源（js,css）等也会集成到项目里。

直接上代码，（主要有两个方法）

function printReport(name, sex, age ){

var params="";

if(""!=name){

params+=",NAME:"+name;

}

if(""!=sex){

params+=",SEX:"+sex;

}

if(""!=age){

params+=",AGE:"+age;

}

var items="{reportlet:zxt/test/test1.cpt"+params+"}"

+",{reportlet:zxt/test/test2.cpt"+params+"}";

doExport(items);

}

function doExport(items){

var form =$("<form>");

form.attr('style','display:none');

form.attr('target', '');

form.attr('method', 'post');

form.attr('action',"${bmw}/ReportServer");

var input1 = $('<input>');

input1.attr('type', 'hidden');

input1.attr('name', 'reportlets');

input1.attr('value',FR.cjkEncode("("+items+")"));

var input2 = $('<input>');

input2.attr('type', 'hidden');

input2.attr('name', 'extype');

input2.attr('value', 'simple');

var input3 = $('<input>');

input3.attr('type', 'hidden');

input3.attr('name', 'format');

input3.attr('value', 'excel');

var input4 = $('<input>');

input4.attr('type', 'hidden');

input4.attr('name','__filename__');

input4.attr('value', '报表批量导出');

$('body').append(form);

form.append(input1);

form.append(input2);

form.append(input3);

form.append(input4);

form.submit();

}

${bmw} 指的是项目的访问路径，另外FR.cjkEncode()用的是帆软报表自带的方法，需要导入帆软提供的两个js文件

${bmw}/ReportServer?op=emb&resource=finereport.js&inter=zh_CN&__fr_locale__=&__v__=2017.01.20.14.49.47.271

${bmw}/ReportServer?op=emb&resource=finereport.chart.js&__v__=2017.01.20.14.49.47.271

然后调用printReport()方法就可以实现将多张报表导出到一个Excel文件里的多个sheet。

6. 帆软导入excel进数据库报错

国内冠以大数据之名的企业数以千计，但细分其专注领域，大致可归属三类：其一，平台型企业，例如华为、星环科技、浪潮、新华三等;其二，工具型企业，例如在数据采集、数据分析、数据清洗、数据可视化等领域中的海量数据、帆软软件、明略数据等;其三，应用型企业，例如百分点，以及国内诸多行业方案商多属于此类型。

展开剩余79%

不需否认，大数据已在国内诸多行业领域展现出其价值，但深究典型案例，应远未如媒体宣传中显著。为何?有资格被称为大数据企业，取决于两个先要条件：其一，掌握或接触到用户数据;其二，有能力为用户提供数据服务。

先观察首要条件，大数据企业能否掌握，或接触到用户数据。答案：很难。除互联网公开数据之外，第三方能接触到的数据资源着实有限。以IT方案商为例，此前其以为用户设计、实施行业应用软件为主营业务，理论上距离数据最近，但就如建筑商，建设了广厦千万间，建设了条条大路通罗马，也不能掌握居民和车辆信息一样。方案商实施了行业应用软件，其中也承载了海量价值数据，但这并不等同于能接触到数据。

退一步说，在企业意识到数据也是资产，数据也能创造价值后，其正急需寻找数据服务商，或数据运营商。而能够承担此角色者，IT方案商应为首选。原因?方案商为企业用户提供了十余年IT服务，多少会产生些信任度，从IT服务，延伸到数据服务，应为顺其自然。

而问题又由此而来，大数据真的有用吗?实施了铁路车辆检修大数据系统，工人手中使用了几十年敲敲打打的“小铁锤”就能退休?实施了金融风险管控大数据系统，其结论是否能直接自动导入金融机构业务流程，而无需人工干预?答案基本否定。

原因在于，大数据应用服务商即使能获得用户数据，也极其有限、极其不全面。以城市交通信息为例，此类通常掌握在20余部门手中，方案商几乎不可能全面融合此类数据。而基于不全面的、错误的数据源，也就不可能推导出正确，有决策价值的结论。

做大数据真的能赚钱吗?

当然，基于局部数据，也仍有可能建设出经典的大数据案例。但大数据项目真的赚钱吗?未必。在诸多大数据企业中，融资进度大多在B轮和C轮之间，尚没有一家企业完成D轮融资。也就是说，距离赚钱尚早。

而细分技术领域，首先，大数据工具类企业业务模式相对简单，其只是产业链中的一环，实现盈利相对容易。其次，大数据平台型企业，其盈利模式比较复杂。单纯依靠销售大数据平台几乎不可能产生经济效益，而基于不同的业务出身，其业务模式又可分化为三个流派，一类企业希望以大数据平台带动底层硬件产品销售;而另一类企业，通过提供支持标准的SQL接口，依靠提供数据服务实现盈利。当然，第三类企业比较“野蛮”，希望通过数据，或基于用户数据的服务直接变现。

而除此之外，业务模式更为“枯燥”的是大数据应用类企业。通常行业方案商的大数据业务范畴包括：数据获取、整合、治理、应用和展现等，其中尤以数据治理最苦最累，在大数据项目中50%~60%的工作量也集中于此，不要忽悠什么人工智能、深度学习能解决此类问题，基本还属于纸上谈兵的阶段。

问题由此而来，脏活累活总还是要有人干。配备10名数据科学家不能算多吧!月薪1万元要也不算苛刻吧!如此算下来，稍有实力的方案商大数据部门，年均人力成本就应在250万元以上。250万元?要做多少大数据项目，而且前提是要保证每个项目间要有很好地时间衔接，还要保证每个项目的能力需求都要与数据科学家的专长技能相匹配。

同时，与云计算不同，云计算考验方案商纯IT方面能力，而大数据项目则需要方案商数据科学家与行业团队，以及用户业务专家紧密结合，合作建立基于应用场景的数据分析模型。由此，每个项目的成功均需具备“天时、地利、人和”。也就是说，单个大数据项目的定制化程度相对较高，达到50%~40%，项目间很难具有可复制性，方案商也因此较难建立成熟的大数据项目盈利模型。

但最后还需说一句，形容中国大数据产业为“蒙面狂奔”，也许言过其实，但诸多桎梏确实摆在眼前。不管是依靠数据服务，还是行业应用定制，中国大数据产业仍需极大的人力消耗，成熟的盈利模型尚未建立。“蒙面”是现状，也是必然阶段，但衷心希望中国大数据企业再“狂奔”一两年之后，面纱终能被一缕清风揭去

7. 帆软导入excel模板

帆软报表奔爱就是支持excel 文件的呀。在帆软报表中可进行excel导入逻辑设计插件。设置单元格的匹配逻辑先按标题匹配，不通过再按单元格位置匹配，默认选中，该选项即为当前FR中已有逻辑（标题匹配和位置匹配同时开启）。按位置匹配，默认不选中。

该选项选中时的效果，和现有逻辑中只启用位置匹配的效果保持一致。

设置导入时的形态显示值转换，默认不勾选，勾选即为开启导入显示值对应的实际值功能扩展功能选项双向扩展各导入，默认不勾选，勾选即为开启双向导入功能，1）固定行式报表：只能根据位置匹配2）非固定行式报表：优先使用标题匹配（同时2列或以上匹配成功，其他列如果匹配失败，对应列就导入空白），如果标题匹配失败，则启用位置匹配。

3）表头可扩展的行式报表：双向导入，优先标题匹配，然后位置匹配。只能根据位置匹配excel导入显示值转换excel里使用显示值，导入到数据库中的为实际值启用插件点击模板-excel导入设置，弹出excel导入配置菜单，如下图：

点击模板-excel导入设置，弹出excel导入配置菜单，使用先按标题匹配，不通过再按单元格位置匹配，为默认选项，如下图：