作者:Ben Gregory on Jun 29, 2016   译者:carsonzhu

在天文学家看来,我们相信每个组织都可以从数据的正确集中,组织和清理中受益。 我们正在建立一个公司来做到这一点。
当客户来到我们这里时,他们可能会有来自OpenWeatherMap的天气数据,来自Streamspot的观看数据,来自Bliptrack的实际状态数据,用户从多个应用程序中生成的点击流数据以及来自外部SQL Server的合作伙伴数据。 所有这些数据告诉他们关于他们的业务的不同的事情,并可以通过新的和有趣的方式结合数据进一步丰富。 他们的数据是可用的,并在源头允许的情况下实时流入。 他们面临的问题(以及实现数据目标的新瓶颈)是如何以一种有利于整个团队的方式快速灵活地呈现这些数据。 大多数情况下,这个演示文稿的形式是 - 期待的 - 一个仪表板。

对于大多数需要灵活而强大BI的企业而言,Tableau是首先想到的词汇。 Tableau花费了大量的金钱,时间和精力来实现这一目标。他们举办了一个大型的年度会议(插件!),他们已经建立了自己的平台在桌面或服务器上运行,并迎合了德州游骑兵和富国银行等大规模和多元化的组织。他们也不便宜,许可证范围从$ 500-2k /用户/年。疯狂的事情是,相比Tableau的一些竞争对手,这是相对可承受的。我们在Tableau以外的探索选择的许多客户已经被报价为25000美元/年无限的许可证,甚至购买“令牌”,每小时信贷。
如果您知道您要跟踪哪些KPI,并且没有传统企业仪表盘的预算,那么我们真的很兴奋的是有许多开放源代码选项,具有更大的灵活性和可承受性。每个人都有自己的优点和缺点(我们将尽可能清楚地列出),但是如果不是波兰语,则通常可以替代更昂贵的工具用例。

(1)The Every(wo)man’s Dashboard(每个人的仪表盘) - Metabase

帕累托原则指出,80%的影响可以追溯到20%的原因,而仪表板也是如此。 当你花费昂贵的工具套件时,在大多数情况下,你的大部分工作都需要一次又一次地返回到相同的核心功能,而没有进行大量的微调。 Metabase是让您无需了解SQL或导航复杂界面即可回答80%问题的20%。

(精彩原文回顾:The Pareto Principle says that 80% of effects can be traced back to 20% of causes, and this holds true with dashboards. When you’re paying for an expensive suite of tools, the majority of your work will require you to return to the same core functionality over and over again without a lot of the fine-tuning, in most cases. Metabase is the 20% that lets you answer 80% of your questions without needing to know SQL or navigate a complicated interface.)

从一个问题开始:“纽约或洛杉矶的18到25岁之间的女性在上周有多少女人购物了?”然后使用Metabase的下拉筛选器(性别=女性;城市是洛杉矶或纽约市; 年龄在18至25岁之间)回答他们。 Metabase在添加新表时为每个列建立数据类型,因此这些过滤器是自动生成的。 这意味着从实际的角度来看,组织中的每个人都可以在不知道任何SQL的情况下对表进行子集划分(甚至可以创建基本图表)。 唯一的问题是,如果你知道SQL,你可能会发现Metabase有点限制,可能想要探索更高级的选项。

译者注:
1.当您需要一些额外的自定义时,元数据库不支持本地SQL查询。(From Metabase团队)
2.根据译者的时间经验,Metabase的交互界面刷新速度有点慢,这点不如Granfana。

(2)亲爱的电子商务 - Dashing

如果你在过去的5年中已经在电子商务领域工作过,那么你可能已经看到了Dashing的行动,或者至少会认识到它背后的赞助商:Shopify。 Dashing最初发布于2012年,是一个经过测试的仪表盘,Github上有超过10,000颗星和约50个贡献者。它被设计用于重要关键指标的静态监控(完美适用于电子商务用例),并且拥有精美干净的设计,可以将办公室中未使用的纯平屏幕作为新的核心。在我们看来,大兴只有两个缺点。 1)它是用Ruby编写的(对于我们来说这是一个控制...#JS)2)它不是真的被维护了....
事实证明,这些缺点都不是太糟糕。尽管Dashing是在2012年的狂热的日子里写的,当时Ruby用一个铁腕掌握了自己的意思,但有一个移植的Node版本在Github上弹出。而对于“不被维护”的问题,目前的版本仍然运行良好,并从原始的Github回购已经开始了一个单独的分支,并由原来的Dashing创建者(Daniel Beauchamp)积极维护,他将合并请求相当规律的基础。

(3)超级动力开源(The Superpowered Open Source) - Keen Dashboard 

Keen仪表板和Shopify一样,由Keen IO的杰出团队构建和维护。但是与Shopify不同的是,Keen IO完全是关于分析的,所以他们的仪表板被简化,特别适合他们的“分析即服务”基础架构。
当我们采访了Keen IO的产品设计师Dustin Larimer时,回购已经在Github上有了6.5万颗星星(大约在15日,甚至连天文学家都还没有过),而且在写这篇文章的时候,它已经增加了2K。如果您有使用Bootstrap的经验,您可以相对容易地使用Keen Dashboard,因为这是底层框架。正如达斯汀告诉我们的那样,“我们考虑过其他的布局框架,但是Bootstrap是最普遍和最知名的,我们想要最小化最初的学习曲线。”
如果您使用Keen IO的后端和可视化库为您的仪表板提供支持,那么您的生活可能更容易,Keen团队非常慷慨,因此他们的开放源代码仪表板与任何数据源或图表库兼容。但说实话,如果您选择使用模板仪表板而没有Keen IO的其他功能(例如后端,实际的本身),那么您将错过某些核心功能。没有Keen IO,这是一个伟大的开源仪表板框架。凭借敏锐的IO,它是超级权力的开源。

(4)The IoT Tracker(物联网追踪者) - Freeboard

尽管IoT可以通过并且甚至是Keen IO(与Electric Imp!的合作伙伴关系)来实现,但另一个仪表板正在将该用例放在前面和中心(字面上)。 Freeboard将自己称为“免费的Geckboard开源替代品”,这是另一个允许从各种工具和服务嵌入图表的仪表板。 Freeboard是用Node编写的,有一个易于遵循的架构来构建你自己的插件。 我们可以看到的最大的(也许是唯一的)con是看起来只是支持事件数据(读取:实时,JSON对象),但不从数据库中提取。 所以,如果你想把你的SQL数据库连接到一个简单的仪表板,你可以用它来显示一些基本的KPI,这可能不是你最好的选择。

(5)模块化大师(The Modular Master) - Mozaik

模块化设计的Mozaik,是一个相对较新的条目(首先于2014年12月提交)进入开源的仪表板空间的,这令人非常兴奋。 Mozaik是使用我们最喜欢的JS trifecta(Node,React,D3)构建的,虽然它还有增长空间,但它的可扩展和可定制模块使其成为一个强大而灵活的选择。 需要添加一个新的小部件类型到您的仪表板? 只需要npm安装mozaik-ext- {widget-name},就可以了。 目前已经有构件可以访问Github,Travis,Google Analytics,Twitter,AWS和ElasticSearch等等。 如果他们没有你想要的东西? 用React和d3自己构建它! 就那么简单。

(6)时髦的仪表板(The Dashboard Hipster) - Grafana

Grafana是强大的,但决不是一个心灵的仪表板。 该项目包含图形插件,可嵌入的应用程序以及对于典型分析人员而言过于紧张的数据库集成。
这个项目是我们在过去两年中最活跃的约250个活跃贡献者,10万个星级和7.5万个承诺。 在此列表中的所有仪表板中,Grafana最好用于监视工程系统而不是销售KPI,但在每个公司都是科技公司的世界中,对基础结构的健康状况进行普遍观察比以往更有用。 如果Cloudwatch,InfluxDB或Graphite这些词对您来说没有任何意义,那么您可能不需要担心Grafana。 尽管如此,还是值得把它展示给你的开发团队。 开发人员也需要指标。

原文链接:https://www.astronomer.io/blog/six-open-source-dashboards/

【译】Six Open Source Dashboards to Organize Your Data的更多相关文章

  1. Airbnb/Apache Superset – the open source dashboards and visualization tool – first impressions and link to a demo

    https://assemblinganalytics.com/post/airbnbapache-superset-first-impressions-and-link-to-a-demo/ Tod ...

  2. 【译】使用 Source Link 提高调试效率

    有多少次你在调试器中追踪一个缺陷,通过代码,观察局部变量的值改变,当你碰壁--不是你所期待的值和你不能进入的方法,因为它来自类库或 .NET 框架本身:或者您设置了一个条件断点,等待检查某个值是如何设 ...

  3. [原][译][osgearth]Model Source Drivers模型驱动源(OE官方文档翻译)

    ModelSource 是一个能生成OpenSceneGraph节点的驱动(driver) osgEarth使用ModelSources显示矢量特征(feature)数据和加载和显示外部3d模型 Fe ...

  4. Collection View Programming Guide for iOS---(三)---Designing Your Data Source and Delegate

      Designing Your Data Source and Delegate 设计你的数据源和委托 Every collection view must have a data source o ...

  5. 一、Stream,sink,source,transform

    1. 蓝牙核心概述 2.Stream,sink,source,transform 在ADK的blueCore里面,Stream作为一个逻辑结构用来描述一个数据终点(data Endpoint).通常, ...

  6. Red Gate - SQL Source Control实现对SQL SERVER 的源代码控制

    原文地址:http://bbs.csdn.net/topics/350165431 SQL Server 一直没有一款很好的源码控制器,之前自己曾尝试自己写一个,将所有的 脚本 自动生成到某一目录下, ...

  7. Red Gate系列之二 SQL Source Control 3.0.13.4214 Edition 数据库版本控制器 完全破解+使用教程

    原文:Red Gate系列之二 SQL Source Control 3.0.13.4214 Edition 数据库版本控制器 完全破解+使用教程 Red Gate系列之二 SQL Source Co ...

  8. DevExpress WPF入门指南:跟随 Items Source 向导完成数据绑定

    Items Source Wizard Items Source Configuration Wizard允许在设计时执行数据绑定.跟随这个向导可以自动生成XAML数据绑定代码. 下面就来展示下如何使 ...

  9. SQL Source Control

    https://documentation.red-gate.com/display/SOC5/SQL+Source+Control+5+documentation Working with migr ...

随机推荐

  1. MySQL高级知识(八)——ORDER BY优化

    前言:在使用order by时,经常出现Using filesort,因此对于此类sql语句需尽力优化,使其尽量使用Using index. 0.准备 #1.创建test表. drop table i ...

  2. sqrt函数

    import numpy as np B = np.arange(3) print (B) print (np.sqrt(B)) #求平方根

  3. Python 字典方法

    访问字典的值 字典中的 键/值 实际上就是一种映射关系,只要知道了 “键”,就肯定知道 “值”. >>> my_dict = dict(name = 'zhangsan',other ...

  4. SpringBoot的简单登陆开发例子

    1:这个例子用spirngboot整合mybatis,jdbc等技术开发的 2:步骤 2.1:新建一个工程 主要的两个步骤已经贴图了,第二张图是直接在pom.xml文件中加入依赖 2.2:新建完项目, ...

  5. Python-wxpy继承关系

    聊天对象 通过机器人对象 Bot 的 chats(), friends(),groups(), mps() 方法, 可分别获取到当前机器人的 所有聊天对象.好友.群聊,以及公众号列表. 而获得到的聊天 ...

  6. 洛谷题解 P1031 【均分纸牌】

    这道题很简单 原理是从左到右一个一个排,把差值m加起来加到后面一堆牌里 具体ac代码如下: #include<cstdio> #include<iostream> #inclu ...

  7. 二维数组遍历的方式(for普通循环遍历、foreach循环遍历、toString方式遍历)

    package com.Summer_0421.cn; import java.lang.reflect.Array; import java.util.Arrays; /** * @author S ...

  8. 关于NOIP2018复赛若干巧合的声明

    关于NOIP2018复赛若干巧合的声明 导言 参加NOIP2018时本人学龄只有两个月,却斩获了省一等奖,保送了重点中学的重点班,这看上去是个我创造的神话,然而,在我自己心中,我认为这只是个巧合(其实 ...

  9. Java 数据类型总结

    Java 中提供了八种数据类型:6个数字类型(四个整数型,两个浮点型).字符类型.布尔型. 依次分别是 : byte.int.short.long.float.double.char.boolean. ...

  10. PayPal、支付宝诞生的故事 | 概述起源篇

    你知道第三方支付是如何由来的吗? 第三方支付概述 说起第三方支付,好像大家都知道,天天不是用支付宝和微信吗?支付宝和微信支付确实是行业内非常具有代表的第三方支付公司,但现在他们已经不完全是一家第三方支 ...