數據可視從數據探索到工程落地

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

可能的解決方案
數據分析師+交互式繪圖

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

優(yōu)勢：讓數據分析師可以集中精力在數據分析本身，可以快速實現數據探索、建模、甚至分享頁面和儀表盤。

劣勢：復雜的數據分析算法實現起來比較困難，數據需要事先規(guī)整清晰好，滿足多維數據分析條件才行，前端繪圖庫無法比較困難，整體定制性較弱。

數據分析師寫JS

第一種方案建立在交互式繪圖工具足夠好用的基礎上，對于很多非主流的startup并不一定完全適用，因為startup人手有限，很可能要求數據分析師有能自行解決前端數據可視化的能力需求。

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

優(yōu)勢：簡化了數據產品落地的流程，在SQL不夠用的情況下可以用JS來補足，可以快速實現定制化的前端圖表輸出，滿足各種可視化特殊需求。

劣勢：簡單的數據分析算法實現也很困難，數據分析很難專注于數據本身，需要處理很多JS相關問題。

數據分析師寫R

上述兩種方案在數據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據分析語言完成數據分析和數據可視的工作，既要保證數據分析的靈活性，又要保證工程落地的敏捷性變成一個很關鍵的事情。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（極值均值求和計數等等）在前端實現都會耗費很多功夫，更不用說更高級的一些算法了，而大部分數據分析工作在Python或者R語言中其實是可以快速完成。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，當然更多場景下我是建議用R來完成。

優(yōu)勢：既能滿足復雜的算法模型快速實現，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，我們其實可以使用 DT + ggplot2 + plotly + flexdashboard 的方案來完成數據分析圖表的繪制和產出。首先，在探索分析的過程中可以使用ggplot2對數據進行各種分組暫時，這樣就保證了數據分析結果維度的豐滿，通過 + 的鏈式調用，可以在同一基礎圖形上變換多種展現方式進而得到更多多維分析結果。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，可以快速排版數據可視化結果，提供一個Web服務作為輸出。

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)
# 頻數統(tǒng)計
p <- ggplot(data=地區(qū)頻數, aes(x=地區(qū),y=頻數,fill=大小)) +
  geom_bar(stat = "identity",alpha = 0.8) +
  labs(x = '地區(qū)', y = '頻數') +
  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,]