数据人的一把搭建脚手架
作者：阿乐
阿乐发了这个系列的自动化、可视化文章后，有不少读者私信问阿乐，我们有必要花心思做这些吗？
阿乐一直挂在嘴边的是业务和工具适配，有产出才是好工具。我们做为数据人，懂业务是第一要务，懂工具是第一方向。因为业务方面，只有你进入这个行业、这个部门，经过一定时间的积累和沉淀业务知识，我相信每个人都能很好得处理好你岗位上的工作内容。在认识业务之后，就会发现一些工具和方法上的不足，这就是促进我们去改变的动力。
不少朋友问阿乐，这个方法过程怎么实现，这个工具怎么实现，我相信几乎所有人在实际的业务中都会碰到不同的难题。可能是这个工具怎么帮他提高效率，也可能是这个工具怎么帮他提高准确率，各式各样。哪怕是做个报表都各有各家的妙方，这时见多识广就可以让你更好地选择工具去解决自己的问题。
看见不足，我们才想去改变。懂了业务之后，为了解决业务的问题，我们才想去做出改变。而这，也是阿乐实践这个自动化、探索新思路过程的动力，所以，没有什么值不值得花心思，业务需要有价值，我就上，不需要价值低我就不上，就这么简单。
01 Dash进化史
前面唠嗑了一些，开始讲讲今天的主角--Dash。
Dash是Plotly公司开发并开源的一款适用于Python的分析Web应用程序。在Python领域，搭建web 应用的常用框架是Django，Django大而全，但不是数据人的最佳工具，而Dash的重点是实现简单的打造 数据分析应用 ，提供数据分析师一把搭建web利器。
前Dash构建于Plotly.js，React和Flask之上，将现有UI元素（如下拉列表，滑块和图形）直接绑定到您的分析python代码。
Dash的Python版本截止本文发布之前已升级到1.1.1版本，无论从模块安装还是代码设计上，都已经变的相对比较简洁，同时也有目前也已经开放了R语言的接口。
Dash的出现让为数据分析代码构建GUI这项工作变得超级简单。Dash应用是基于Web构建与发布的，所以完全支持CSS。下面是一个采用了高盛报告风格的、可高度定制及交互的Dash报告。
02 Dash应用
Dash的重点是实现简单的打造 数据分析应用 ，我们可以看下相关的案例。
『 大脑模型研究 』
『 药物研究 』
『 石油监控 』
『 研究报告 』
从以上的应用中可以看出，Dsah完全可以胜任那种能将文档、表格、视图整合在一起的交互式数据分析报告框架，主要可以实现交互式仪表盘以及可交互的定制化分析报告。
03 Dash安装以及学习
因为项目的升级，底层的安装模块安装以及已经变得很简单。
pip install dash==1.1.1 # The core dash backendpip install dash-daq==0.1.0 # DAQ components (newly open-sourced!)
安装需要的模块后，就可以减小项目的落地开发。开发前，我们需要对相关的模块进行了解。官网（https://github.com/plotly/dash）就是最好的学习资料。
04 与shiny比较
从实践过程看，shiny的封装程度更高，上手更容易一点，是R语言用户的构建web工具首选；Dash封装程度比shiny低，所以代码写的比较长，如果有Python使用经验，上手也不会很难。可定制化更强，不过需要懂点CSS ，这样更能定制出自己想要的效果。
从作用上看，简单的交互和强大的数据展示能力完全满足交互式分析报表、报告的落地。
从生态配件看，shiny毕竟发展的时间比Dash长，相关的案例、插件等都更丰富。
从未来发展看，因为创始者都是商业组织，模块代码的维护上都有保证，长期迭代使用没有问题。
从落地部署看，两家公司都开源了工具代码，也提供了免费部署的渠道，但是私有本地的商业部署还是需要花费。不过我们可以通过一些开源工具实现免费的本地商业部署。
05 落地案例
从实践上看，我觉得适合一些比较固定的分析报告，数据会经常更新，但是分析体系和指标变大不大。
『 我写的案例 』
『 网友分享的案例 』
『 网友分享的案例 』
06 写在结尾
在此向大家征集数据故事，你的人生也许有你很中意的人和事，我希望用精确的数字和可视化映射平凡人的美好故事。期待您的私信！
感谢您的耐心阅读，请顺手点个「在看」，谢谢。
『 延伸阅读 』
技术
有意思 | 七夕用代码地写封优雅的情书
上新 | 数据分析师用什么姿势学？
技术公司怎么用R和shiny赋能业务？
数据运营 | 数据平台实践流程
精选 | 四面楚喵
网友评论