“不一樣”的資料視覺化定製平臺
【背景】
在這個資料時代,各行業相關部門都想從海量資料中透視一些資訊和知識,以作為其監管、決策的主要依據,但是要實現讓”資料說話”,其底層包含著一系列資料處理模組,如:資料採集、資料探勘、資料計算、資料視覺化等等。關於這些資料處理方面的相關技術元件,業界已經有很多成熟的產品。我相信很多軟體公司內部也都有自己的資料元件工具或平臺。要在資料時代生存,這些基礎能力設施是幫助軟體企業為客戶快速交付價值的重要手段。
通過立足生產一線的經驗。我總結並開發了適配各類業務的、指令碼化的、可靈活擴充套件的資料視覺化定製平臺。“如果你自認為是千里馬,通過這個平臺就會讓你這個千里馬插上翅膀”。
在分享之前,我們先回顧一下網上開源的資料視覺化定製工具,作為資料開發人員我們都知道,網上釋出的各類資料視覺化定製工具非常多,但是功能都類似,如:都是在一個數據集的基礎上,通過拖拉拽的傻瓜方式生成一個數據統計分析類儀表盤或專題報表介面等等功能。但是目前客戶對資料顯示方式的個性化要求非常強,比如我們用工具定製的可以滿足80%的功能,但實現不了20%的個性化需求,由於很多定製工具對靈活擴充套件的支援非常弱,而且對一些業務資料集邏輯無法適配,最後無賴之下我們只能放棄使用。我相信生產一線的資料工程師都遇到過類似的尷尬。
我分享的這款資料視覺化定製平臺就是幫助資料開發人員解決客戶20%的個性化需求,讓資料開發人員更深入客戶業務價值的創新與研發。
【平臺結構圖】
該平臺就像車間一樣,只負責系統產品的生產,其生成的資料產品獨立部署,不依賴於平臺,保證了平臺與產品的互不影響。該平臺除了具備我們常見的資料視覺化定製的功能外,其主要的特點是融入了線上指令碼化擴充套件的思路,這樣可實現客戶的任何個性化資料透視需求,意思就是可以滿足客戶100%的資料視覺化功能定製。
下面是幾個關鍵功能截圖:
1、透視資料集定義
資料集中不但可定義常規的資料透視結構,而且可以基於特殊資料業務進行sql指令碼的定義。
2、分析專題定義:
3、資料顯示佈局定義:
此功能也支撐拖拉拽(個人認為這不重要),可支援任何結構內容的佈局定義。
4、資料顯示方式定義:
5、每個資料項可靈活通過指令碼擴充套件
6、資料顯示的個性化主題可線上通過指令碼進行擴充套件
7、定製完成的資料透視系統
【總結】
“我的目的不是為開發人員提供傻瓜式的工具,而是讓開發人員留出更多的時間去編寫客戶業務價值創新的實現,所以該平臺的功能不是為了替代開發者,而是讓開發者做更有意義的事情”。
提示:歡迎大家關注公眾號,分享技術工具。
相關推薦
“不一樣”的資料視覺化定製平臺
【背景】 在這個資料時代,各行業相關部門都想從海量資料中透視一些資訊和知識,以作為其監管、決策的主要依據,但是要實現讓”資料說話”,其底層包含著一系列資料處理模組,如:資料採集、資料探勘、資料計算、資料視覺化等等。關於這些資料處理方面的相關技術元件,業界已經有很多成熟的產品。我相信很
資料視覺化分析平臺開源方案集錦
B/S 架構的資料視覺化分析平臺開源方案不完全集錦,供各位參考。 排名不分先後。歡迎補充。 kibana Elasticsearch 專用的資料分析檢索儀表盤。ELK Stack 中的 K。 日誌系統常見的視覺化開源解決方案。 使用 Nodejs+AnglarJs+React 開發,
資料時代不具備資料視覺化分析能力,你怎麼在工作中脫穎而出?
資料視覺化和資訊視覺化都是視覺化的一種方式,資料視覺化將資料庫中每一個數據項作為單個圖元元素表示,大量的資料集構成資料影象,同時將
大快搜索大資料視覺化平臺監控功能深度解析
大快搜索大資料視覺化平臺監控功能深度解析 在上一篇的文章中已經明確說過DKM作為大快發行版DKhadoop的管理平臺,它的四大功能分別是:管理功能,監控功能,診斷功能和整合功能。管理功能已經給大家列舉了一些做了說明,今天就DKM平臺的監控功能再給大家做細緻的分享分析。 DKM 提供了許
資料視覺化元件Grafana詳細解讀--在Docker上安裝Grafana管理平臺
使用Docker安裝 Grafana使用官方docker容器非常容易安裝和執行。 $ docker run -d -p 3000:3000 grafana/grafana PS:執行一條docker命令後會啟動一個容器並佔用3000埠,如果此時由接著執行下文列出的do
能源管控系統開發,BI大資料視覺化管理分析平臺開發
能源管理系統是以幫助工業生產企業在擴大生產的同時,合理計劃和利用能源,降低單位產品能源消耗,提高經濟效益為目的資訊化管理系統。通過能源計劃,能源監控,能源統計,能源消費分析,重點能耗裝置管理,能源計量裝置管理等多種手段,是企業管理者對企業的能源成本比重發展趨勢有準確的掌握,並將企業的能源消費計劃任務分解到各個
九大資料視覺化利器,你有足球競猜平臺原始碼下載在使用嗎?
1. D3當下談論資料視覺化時,我們是繞不開 D3 的,這是由 Mike Bostock 建立的庫,它已成為在瀏覽器中處理 SVG 向量圖形的主要工具。使用 SVG 時,無論放大多少倍,影象看起來都不會出現明顯的畫素點。D3 允許建立各種高階圖形,如網狀圖、樹狀圖、地圖或氣泡圖,以及常用圖形(如條形圖或散佈圖
資料視覺化seaborn(countplot定製)
sns.countplot能顯示該列資料值的統計分佈,要再顯示百分比,程式如下def add_freq(): ncount=len(train) ax2=ax.twinx() ax2.yaxis.tick_left() ax.yaxis.tic
手把手教你Web資料視覺化平臺搭建
原文連結:http://www.jianshu.com/p/ad1a49375da4 ,原始碼請訪問原文PS.想獲取全部原始碼或者有不懂的問題的感興趣的同學,請訪問原文~一、專案展示這個Web資料視覺化平臺的效果如下(沒加樣式,主要側重功能)效果演示這個資料視覺化Demo能夠
掌握這25條小貼士,快速提升資料視覺化能力!
視覺化不是單純的資料展示,其真正價值是設計出可以被讀者輕鬆理解的資料展示。設計過程中的每一個選擇,最終都應落地於讀者的體驗,而非設計者個人。 本文提到了一些常見錯誤,也是我們團隊總結出的一些技巧。這25條小貼士能夠快速提升和鞏固你的資料視覺化設計。一起來看看! 一、原則 1. 選擇可以講故事的圖表
首屆《資料視覺化之星》大賽火熱開啟,誠邀各行業資料精英大展身手!
大資料時代,隨著各行各業的資料分析、資料探勘等領域的業務不斷增長,越來越多的資料通過資料視覺化分析技術,讓人們可以得到了直觀、清晰的呈現,從而為公司的管理和發展提供更加簡捷高效的意見和建議。為了能夠更好地促進資料視覺化興趣愛好者間的分享交流,推動資料視覺化分析技術的發展和各行業的廣
PoPo資料視覺化週刊第6期
PoPo資料視覺化 聚焦於Web資料視覺化與視覺化互動領域,發現視覺化領域有意思的內容。不想錯過視覺化領域的精彩內容, 就快快關注我們吧 :) 本期視覺化精彩視訊請關注公眾號瀏覽 全天智慧獲Pre-A輪千萬融資 助力開啟全天候實時大資料視覺化模式 騰訊AI加速器二期專案全天智慧
PoPo資料視覺化週刊第5期
PoPo資料視覺化 聚焦於Web資料視覺化與視覺化互動領域,發現視覺化領域有意思的內容。不想錯過視覺化領域的精彩內容, 就快快關注我們吧 :) World Wire 資料視覺化演示(視訊) IBM公司於2018年8月推出全球支付系統“World Wire” 珊瑚城市-全球10大最適宜居住的城
資料視覺化:淺談熱力圖如何在前端實現
作者 個推開發工程師甄鑫 當我們需要用更直觀有效的形式來展現各類大資料資訊時,熱力圖無疑是一種很好的方式。作為一種密度圖,熱力圖一般使用具備顯著顏色差異的方式來呈現資料效果,熱力圖中亮色一般代表事件發生頻率較高或事物分佈密度較大,暗色則反之。 值得一提的是,熱力圖最終效果常常優於
【資料視覺化】25個即時改進資料視覺化設計的技巧
資料視覺化不是關於顯示資料; 它是以更容易理解的方式顯示資料 - 這就是真正的價值所在。如果你想真正“看到”我們的意思,請看一下這個快速視訊: 視訊地址:https://vimeo.com/29684853 不幸的是,很多人認為將幾張圖表放在一起意味著您正在進行資料視覺
互動式資料視覺化-D3.js(四)形狀生成器
形狀生成器 線段生成器 var linePath = d3.line() - 使用預設的設定構造一個 line 生成器。 linePath.x() - 如果指定了 x 則將 x 訪問器設定為指定的函式或數值並返回當前 line 生成器。如果沒有指定 x 則返回當前 x 訪問器,預設為: functi
6000+個景點資料視覺化,國慶出遊避免擁擠,看完本篇文章就足夠
國慶7天長假,就問你們激不激動! 可是,出門遊玩,走哪裡都是人,人,人,人……。你的腦海裡是否出現了以下畫面: 為了方便大家的出遊選擇,小編爬取了去哪兒網上面的6000多個景點資料,包含景點評級、熱度、銷量等等資料,彙總成這篇出遊參考指南。 爬蟲 爬蟲繼續用的是
phthon資料視覺化之matplotlib在window終端的視覺化xmanger passive方式簡單實現(網上沒找到辦法,自己折騰出來的網際網路第一貼)
如圖配置window的ip 然後securecrt遠端 export DISPLAY=10.0.3.2:0.0 xhost + 測試程式碼 python >>> import matplotlib.pyplot as
matplotlib學習——資料視覺化基本處理
引:現打算將曾經學習的資料處理方面的知識回顧一下,並做成筆記,從matplotlib開始記起 ----環境搭建:使用Anaconda,較為方便,如果認為不需要過多的東西,可以使用pip安裝 pip安裝命令:pip3 install matplotlib Anaconda下載地址:http
凌晨4點的中國人都在幹什麼?資料視覺化地圖給你驚人的答案 !!!
導讀:睡什麼睡起來high!這句玩笑話現在算是實現了,最近一組中國主要城市夜間消費資料出爐:北京最“中年不易”,睡得最早起得最早;成都吃貨最拼,一邊燙火鍋一邊吃健胃消食片;深圳最LOCAL,喜愛的外賣多是粵菜……這組從多個網路平臺統計而來的資料顯示,凌晨4點中國才漸漸入眠。 網