一：业务背景与需求梳理

公司现在的数据需求主要分为两类：临时需求（业务突然想看看这波活动的效果怎样，数据指标的定义可能随时改，随时加），固化需求（每周要看，每月要看的数据，数据的定义已经非常明确）。对于这两类需求，我们现在的处理方案是

• 对于临时需求：写HQL到Hive里去查一遍，然后将结果转为excel发送给需求人员。

• 对于固化需求：编写脚本，结合Hive跑出结果，将结果写入对应DB库，然后通过第三方百度的BI工具进行汇总展现。

这样做简洁明了，但很明显的问题：

• 开发成本太高：每来一个需求，不管是临时需求还是长期需求，都需要进行定制开发，这种情况下，我们的人力深陷其中。

• 使用不灵活：一个报表，只能进行展示，没有分析功能，如果要进行分析，需要将数据复制到excel里，利用excel进行处理分析，而我们的数据使用人员不一定具备这种能力。

• 资源浪费：不同人员开发的报表，很多情况下存在很多重复计算。

• 其他体验问题：hue的查询速度特别慢，做select from简单的查询，要等一分钟以上（底层引擎tez太慢）

在这种情况下，我们准备构建一个多维分析平台，让业务方自己能够取数，而且最好不用SQL，因为我们的业务方大部分不会SQL(尽管我们已经开展SQL培训，但还是有一定门槛)。这个平台至少满足以下需求
1.SQL查询的速度更块（现在hue太慢，简单查询要2分钟以上），所以底层要支持大数据OLAP引擎
2.更傻瓜的自助分析模型，最好是拖拉拽；（因为很多分析师都没有SQL技能）
3.可视化上有最基本的图表类型（包括数字，地图，时间趋势）
4.开源产品，免费；商业化的产品数据都在别人的服务器上；
5.报表/看板的筛选功能支持时段筛选，最好能联动筛选；
6.权限满足最低门槛（修改，删除表可控制），同时能做到数据行级控制（很多业务部分看数据）

二：产品分析

我们直接入手了开源工具，筛选出了下面几个产品做为重点调研对象：
Superset、Metabase、Davinci

A)Metabase （gihub star 15,670）

官方的宣传特色(版本号:v0.32.9)

• 5分钟设置（We're not kidding）

• 让团队中的任何人在不知道SQL的情况下提出问题

• 丰富美观的仪表板，自动刷新和全屏

• 分析师和数据专业人员的SQL模式

• 为您的团队创建规范细分和指标

• 使用Pulses按计划发送数据给Slack或发送电子邮件

• 使用MetaBot随时查看Slack中的数据

• 通过重命名，注释和隐藏字段，为您的团队人性化数据

整体上，个人体验下来，亮点特色如下：
a)交互体验对业务人员非常友好。通过一个对看板和单图做了一个全局搜索的功能，营造一种”ask a question“的智能场景。即通过搜索框咨询，系统告诉你答案。且整个产品的界面非常简洁明。
b)制作单图时非常简单，以数据为中心，去选择不同的图形（不可选的图形自动打灰）。基本做到了半分钟就能完成一个单图的分析。
但但是最大的不足是权限管理实在太弱，只有可修改/可见的粗粒度控制，对表是否可删除都没法单独控制。

各方面的具体情况如下：
1）数据源与数据管理

• 支持的数据库*  相对较弱：Postgres、MySQL、SQL Server、Redshift、SQLite、Google BigQuery、H2、Oracle、Vertica、Snowflake、MongoDB、Druid、Presto、SparkSQL
  （特别需要注意的是：其中Druid的版本为2.0版本，所以不支持sql查询，威力大打折扣；另外也不支持Hive,Kylin）

• 统一的数据模型管理入口，添加数据表/视图后，设置维度/度量字段（该部分做得很细，设定的类型做了很丰富的扩展）

• 提供定时任务，数据库同步（小时级别）

• 自助的表字段信息透视功能，智能化探索，自动出看板，自动关联数据的分布（加分酷炫功能）
  

  

  表字段透视

2）chart单图&dashboard看板

• 单图制作流程非常简单：选择数据源->选择过滤条件->选择分析指标->选择分组维度->选择可视化类型

• 支持的可视化图形种类仅能满足基本需求，14种可视化方案（包含漏斗、带变化的数字、地图）

• 对一些图表可做细节控制，比如表单按条件控制行颜色,调整字段位置，显示迷你彩条，前后缀设定

• 支持基本的过滤条件，包含日期段（通过筛选器的字段与单图中字段的关联）

• 提供简单的图表钻取功能，但不支持图表的联动

• 可一键复制已有看板

• 自动刷新数据最小粒度到1分钟

• 分享上支持：公开链接，公开嵌入（博客网页），在应用中嵌入

• 使用Pulses按计划发送数据给Slack（一个国外的聊天工具）或发送电子邮件

  

  表单格式设置

3）SQL查询

• 支持关联填补字段/表信息

• sql查询结果可直接切换图形展示方案

• 不支持跨库关联查询

• 原生查询中的变量允许使用筛选组件或URL参数来动态替换查询中的值

SELECT count(*)
FROM products
WHERE 1=1
  [[AND id = {{id}}]]
  [[AND category = {{category}}]]

4）权限管理

• 通过对角色设置权限，用户指定角色，实现权限的控制

• 权限设置力度非常弱，只能设置是否可访问权限（可访问的数据可能直接被删除）

• 权限设置对象较浅：仅可对数据源，数据表，图表，分析项目集合的权限控制，不到数据行级

• 字段级的字段控制可设置可见不可见（敏感字段场景），但不能分角色管理

5)二次开发

• 技术架构：Clojure+Recat+Redux

• 提供了完整的API文档，可凭借丰富的API与文档完成许多二次开发

B)Superset （gihub star 25,163）

官方的宣传特色(版本号:v0.32.9)

• 一个直观的界面，用于探索和可视化数据集，以及创建交互式仪表板。

• 各种漂亮的可视化来展示您的数据。

• 简单，无代码的用户流程可以深入挖掘并切割暴露仪表板下的数据。仪表板和图表可作为深入分析的起点。

• 最先进的SQL编辑器/ IDE，提供丰富的元数据浏览器，以及从任何结果集创建可视化的简单工作流程。

• 可扩展的高粒度安全模型，允许谁可以访问哪些产品功能和数据集的复杂规则。与主要身份验证后端集成（数据库，OpenID，LDAP，OAuth，REMOTE_USER，...）

• 轻量级语义层，允许通过定义维度和指标来控制数据源向用户公开的方式

• 开箱即用支持大多数讲SQL的数据库

• 与Druid的深度集成允许Superset在切割和切割大型实时数据集时保持快速

• 快速加载仪表板，带有可配置的缓存

整体上，个人体验下来，亮点特色如下：

• 深度整个主流大数据引擎，SQL查询速度体验没得说；

• 可视化选择非常丰富，基于经纬度的地理位置可视化方案有好几套；

• 权限控制非常细，细到每个功能键；

可惜最大的问题是对于业务分析师的用户体验不是很好，可视化流程是要对不同图形方案做对应参数设置，权限控制也非常复杂。

各方面的具体情况如下：
1）数据源与数据管理

• 支持的数据库*  非常丰富：Athena、Redshift、Drill、Druid、Hive、Impala、Kylin、Spark SQL、BigQuery、Pinot、ClickHouse、Google Sheets、Greenplum、IBM Db2、MySQL、Oracle、PostgreSQL、Presto、Snowflake、SQLite、SQL Server、Teradata、Vertica

• 支持上传本地CSV文件

• 数据表模型的管理，可设置字段类型，维度/可否过滤/可否做时间列，二次加工字段，统计指标

  

  数据模型管理

• chart可用的数据表得一个一个从数据库里添加（SQL工具箱可以全部看到），不是很方便。

• 深度支持durid

2）chart单图&dashboard看板

• 单图制作流程：选择数据源(表或视图)->选择图表类型->设置图表参数（指标/维度/过滤条件）。选择数据源只能从数据表列表页选择，进到分析页面后无法更换数据源；由于切换不同的图表类型时就要按照不同图重新填写参数，在自助分析时用起来不大方便；

• 支持的可视化图形种类十分丰富，48种可视化方案；

• 看板的过滤功能非常弱。连最基本的日期过滤组件没有。通过单图中的过滤器组件实现；只能针对单个数据表做出过滤组件，然后应用到看板上。此功能也很不方便

• 提供简单的图表钻取探索功能（直接跳入到单图里面），但不支持图表的联动；

• 数据格式（比如3721，显示成0.4k）可以有很多种方案可供选择

• 看板不能直接复制克隆，要做复制一个看板只能重新编辑选择单图；

• 看板支持自动刷新，刷新最小时间粒度为10秒

• 分享上支持：公开链接，可嵌入其他网页中，可以通过底层参数调整做免密

• 应用于chart的sql视图必须是select from的形式，否则会查询错误（不能用with as）

• 不支持邮件发送报表数据

• 不支持图表/看板的分组

• 不支持图表的下钻，多图联动

• 不支持直接对日期范围做筛选

• 透视表功能不能按行/列做百分比汇总；

• Druid引擎的计算结果，不能在superset里面生成新的指标
  3）SQL查询

• 支持关联填补字段/表信息

• 支持跨库关联查询

• 一个多选项卡环境，一次处理多个查询

• 查询结果可视化，需要保存成视图，再跳转到chart页面；且需要对该视图做赋权（过程非常不方便）

• 可对查询历史记录做搜索；

• 支持使用Jinja模板语言 进行模板化，该语言允许在SQL代码中使用宏

4）权限管理

• 通过对角色设置权限，用户指定角色，实现权限的控制

• 权限控制的粒度非常细，支持功能型的权限控制（表的修改可细分到删除，新增操作），支持对菜单，数据源，数据表，字段，图表，看板的权限控制；

• 权限的配置非常复杂，繁琐.

• 不支持数据行级控制

  

5)二次开发

• 技术架构：Python+Flask+Recat+Redux+SQLAlchemy

• 原属Airbnb的开源项目，背后有大公司团队支持维护，版本更新，bug修复，二次开发有较大保障

• 支持restful API

C)Davinci

Davinci 是一个 DVaaS（Data Visualization as a Service）平台解决方案，面向业务人员/数据工程师/数据分析师/数据科学家，致力于提供一站式数据可视化解决方案。既可作为公有云/私有云独立部署使用，也可作为可视化插件集成到三方系统。用户只需在可视化 UI 上简单配置即可服务多种数据可视化应用，并支持高级交互/行业分析/模式探索/社交智能等可视化功能。

设计理念

围绕 View（数据视图）与 Widget（可视化组件）两个核心概念设计

• View 是数据的结构化形态，一切逻辑/权限/服务等相关都是从 View 展开。

• Widget 是数据的可视化形态，一切展示/交互/引导等都是从 Widget 展开。

• 作为数据的两种不同形态，二者相辅相成，让用户拥有一致的体验和认识。

强化集成定制能力和智能社交能力

• 集成定制能力指无缝集成到三方系统，并提供强大的定制化能力，使其和三方系统融为一体。

• 社交智能能力指共享优秀的数据可视化思想，激发用户对数据可视化表达能力和艺术美感的追求，同时也使 Davinci 更加智能的引导和提高用户的数据可视化能力。

• 在数据可视化领域里，Davinci 重视基础的交互能力和多种多样的图表选择能力，同时更加重视集成定制能力和社交智能能力。

功能特点

数据源

• 支持多种 JDBC 数据源

• 支持 CSV 数据文件上传

数据模型

• 支持友好 SQL 编辑器进行数据处理和转换

• 支持自动和自定义数据模型设计和共享

可视化组件

• 支持基于数据模型拖拽智能生成可视化组件

• 支持各种可视化组件样式配置

• 支持自由分析能力

数据门户

• 支持基于可视化组件创建可视化仪表板

• 支持可视化组件自动布局

• 支持可视化组件全屏显示、本地控制器、高级过滤器、组件间联动、群控控制器可视组件

• 支持可视化组件大数据量展示分页和滑块

• 支持可视化组件 CSV 数据下载、公共分享授权分享以及可视化仪表板的公共分享和授权分享

• 支持基于可视化仪表板创建数据门户

数据大屏

• 支持可视化组件自由布局

• 支持图层、透明度设置、边框、背景色、对齐、标签等更丰富大屏美化功能

• 支持多种屏幕自适应方式

用户体系

• 支持多租户用户体系

• 支持每个用户自建一整套组织架构层级结构

• 支持浅社交能力

安全权限

• 支持 LDAP 登录认证

• 支持动态 Token 鉴权

• 支持细粒度操作权限矩阵配置

• 支持数据列权限、行权限

集成能力

• 支持安全 URL 嵌入式集成

• 支持 JS 融入式集成

多屏适应

• 支持大屏、PC、Pad、手机移动端等多屏自适应

场景支持

• 安全多样自助交互式报表

一次配置即可实现可视组件高级过滤、高级控制、联动、钻取、下载、分享等，帮助业务人员快速完成对比、地理分析、分布、趋势以及聚类等分析和决策。

自动布局的 Dashboard（仪表板），适用于大多数通过快速配置即可查看和分享的可视化报表。

自由布局的 Display（大屏），适用于一些特定的、需要添加额外修饰元素的、长时间查看的场景，通常配置这类场景需要花一定的时间和精力，如“双11”大屏。

• 实时运营监控

实时观察运营状态，衔接各个环节流程，对比检测异常情况，处理关键环节问题。

透视驱动与图表驱动两种图表配置模式，满足不同的应用场景需求。

• 快速集成

分享链接、IFRAME 或调用开发接口，方便快捷地集成到三方系统，并能够支撑二次开发与功能拓展，充分适应不同业务人员的个性化需求，快速打造属于自己的数据可视化平台。

参考连接
https://www.jianshu.com/p/419300a5244b
https://edp963.github.io/davinci/index.html

猜你喜欢

• 决策树算法的原理（接地气版）
  

• 数据科学家必备的5种离群点/异常检测方法
  

• 为什么建议大家使用 Linux 开发？

• 正态分布为什么常见？

• 23 个机器学习开源项目，附源码