數(shù)據(jù)可視從數(shù)據(jù)探索到工程落地

加快推動從數(shù)據(jù)探索到工程落地的過程是一件很有意義的事情，數(shù)據(jù)分析要如何做到盡量和數(shù)據(jù)分析的流程緊密結(jié)合，又要方便工程化落地一直困擾著許多數(shù)據(jù)分析師和Web工程師。數(shù)據(jù)分析師不想深究太多前端JS實(shí)現(xiàn)，Web工程師也不想插手復(fù)雜的業(yè)務(wù)邏輯與SQL。對于工程化這件事情，如果數(shù)據(jù)分析輸出的圖表是基于html的，那Web工程師只需要復(fù)制粘貼相應(yīng)的js配置項(xiàng)然后引用一下js庫就完成70%的工作了。但是對于數(shù)據(jù)探索來說，大部分的數(shù)據(jù)可視過程70%的工作可能都是失敗、或者暫時的，花費(fèi)大量精力完成的前端代碼并不會對數(shù)據(jù)分析這件事情本身帶來太多幫助。但是現(xiàn)實(shí)世界并沒有這么美好，很多時候身兼數(shù)職的全能王倒是因?yàn)闀o老板省錢受到青睞，本文將討論幾種可能的解決方案。

可能的解決方案
數(shù)據(jù)分析師+交互式繪圖

常見的方式比如radiant(R)、caravel(Python)都具有這樣的功能，數(shù)據(jù)分析師可以建立一個數(shù)據(jù)庫連接，然后在連接中通過SQL語句得到想要的數(shù)據(jù)，再通過交互式的繪圖方式完成數(shù)據(jù)可視化的探索。

優(yōu)勢：讓數(shù)據(jù)分析師可以集中精力在數(shù)據(jù)分析本身，可以快速實(shí)現(xiàn)數(shù)據(jù)探索、建模、甚至分享頁面和儀表盤。

劣勢：復(fù)雜的數(shù)據(jù)分析算法實(shí)現(xiàn)起來比較困難，數(shù)據(jù)需要事先規(guī)整清晰好，滿足多維數(shù)據(jù)分析條件才行，前端繪圖庫無法比較困難，整體定制性較弱。

數(shù)據(jù)分析師寫JS

第一種方案建立在交互式繪圖工具足夠好用的基礎(chǔ)上，對于很多非主流的startup并不一定完全適用，因?yàn)閟tartup人手有限，很可能要求數(shù)據(jù)分析師有能自行解決前端數(shù)據(jù)可視化的能力需求。

常見的方式是通過SQl取數(shù)后調(diào)用一個JS制圖庫（比如echarts、highcharts、plotly等等），分析師需要在js中完成許多數(shù)據(jù)描述性統(tǒng)計(jì)的工作直接展示在前端頁面上，然后將配置項(xiàng)和SQL保存在數(shù)據(jù)庫中，以供后續(xù)的API查詢調(diào)用。

優(yōu)勢：簡化了數(shù)據(jù)產(chǎn)品落地的流程，在SQL不夠用的情況下可以用JS來補(bǔ)足，可以快速實(shí)現(xiàn)定制化的前端圖表輸出，滿足各種可視化特殊需求。

劣勢：簡單的數(shù)據(jù)分析算法實(shí)現(xiàn)也很困難，數(shù)據(jù)分析很難專注于數(shù)據(jù)本身，需要處理很多JS相關(guān)問題。

數(shù)據(jù)分析師寫R

上述兩種方案在數(shù)據(jù)處理上都并不是非常完美，所以說，更加理想的方案是通過用一種數(shù)據(jù)分析語言完成數(shù)據(jù)分析和數(shù)據(jù)可視的工作，既要保證數(shù)據(jù)分析的靈活性，又要保證工程落地的敏捷性變成一個很關(guān)鍵的事情。但是通常自己寫前端JS的代碼又非常的麻煩，可能還要寫很多MapReduce。一些常見的描述性統(tǒng)計(jì)（極值均值求和計(jì)數(shù)等等）在前端實(shí)現(xiàn)都會耗費(fèi)很多功夫，更不用說更高級的一些算法了，而大部分?jǐn)?shù)據(jù)分析工作在Python或者R語言中其實(shí)是可以快速完成。那么，從Python和R中直接輸出一些html圖表不失為一種好的辦法，當(dāng)然更多場景下我是建議用R來完成。

優(yōu)勢：既能滿足復(fù)雜的算法模型快速實(shí)現(xiàn)，又能滿足工程敏捷落地的需求。

劣勢：對于簡單分析而言，不如方案一來得方便，快捷。

具體方案

在R中，我們其實(shí)可以使用 DT + ggplot2 + plotly + flexdashboard 的方案來完成數(shù)據(jù)分析圖表的繪制和產(chǎn)出。首先，在探索分析的過程中可以使用ggplot2對數(shù)據(jù)進(jìn)行各種分組暫時，這樣就保證了數(shù)據(jù)分析結(jié)果維度的豐滿，通過 + 的鏈?zhǔn)秸{(diào)用，可以在同一基礎(chǔ)圖形上變換多種展現(xiàn)方式進(jìn)而得到更多多維分析結(jié)果。其次，利用 plotly，ggplot2 所繪制的靜態(tài)圖表可以快速拓展為動態(tài)圖表。最后，通過 flexdashboard，可以快速排版數(shù)據(jù)可視化結(jié)果，提供一個Web服務(wù)作為輸出。

簡單例子

knitr::opts_chunk$set(echo = TRUE)
library(readxl)
library(dplyr)
競品分析列表 <- read_excel("~/競品分析列表.xls",col_names = T)
colnames(競品分析列表) <- 競品分析列表[1,]
競品分析列表 <- 競品分析列表[-1,]

DT::datatable(競品分析列表)

library(ggplot2)
# 頻數(shù)統(tǒng)計(jì)
p <- ggplot(data=地區(qū)頻數(shù), aes(x=地區(qū),y=頻數(shù),fill=大小)) +
  geom_bar(stat = "identity",alpha = 0.8) +
  labs(x = '地區(qū)', y = '頻數(shù)') +
  ggtitle("地域分布") +
  coord_flip() +
  theme(text = element_text(family = 'SimSun'))
p

library(plotly)
ggplotly(p)

只需要修改一下 yaml 配置并引入 flexdashboard 即可

---
title: "競品分析"
author: "Harry Zhu"
date: "September 17, 2016"
output:
  flexdashboard::flex_dashboard:
    orientation: columns
    vertical_layout: fill
---

knitr::opts_chunk$set(echo = TRUE)
library(flexdashboard)
library(readxl)
library(dplyr)
競品分析列表 <- read_excel("~/競品分析列表.xls",col_names = T)
colnames(競品分析列表) <- 競品分析列表[1,]
競品分析列表 <- 競品分析列表[-1,]