再见了仪表盘！数据该有更好的“归宿”

全文共2657字，预计学习时长9分钟

 

图源：unsplash

 

对于每一个数据爱好者来讲，仪表盘都算是老朋友了。过去几十年里，仪表盘一直是用于分布数据的首选。而如今，它的“霸主地位”是该到了终结的时候了……

 

笔者的第一份工作是在一家大型科技制造公司。当时公司刚刚购进第一个仪表盘工具，而笔者正好负责将烦杂的电子表格和SSRS报告转换为闪亮一新的仪表盘，这实在令人兴奋。

 

从电子表格到仪表盘的跨越是分析成熟度的重大进步。仪表盘的周全设计和交互性显著降低了数据的“获取成本”。仿佛一夜之间，办公室里每个人都在操作仪表盘了。然而，并非全是益处，仪表盘也带来了一系列新的问题：

 

1. 仪表盘，仪表盘，仪表盘！突然间，仪表盘无处不在。需要进行特设分析？有仪表盘。副总裁的演讲需要图表？有仪表盘。但事与愿违，他们再也没有看那些仪表盘一眼。这种一刀切的行为耗尽了团队的时间、资源和动力。有一种仪表盘比2008年的Myspace账户的淘汰速度还要快，这令人非常沮丧。

 

2. 因1000个过滤器而死：仪表盘上线之后，团队会立刻收到大量请求，其来自新的视图、过滤器、字段、页面等（笔者有一次看到了67页的仪表盘，真是难以忘怀）。

 

很明显，仪表盘难以面面俱到，要么是因为其设计过程出错，要么是因为其它工具不能提供所需答案。更糟糕的是，人们正在使用这些过滤器将数据导出到excel，然后各行其是。

 

图源：unsplash

 

3. 不是我要的仪表盘。仪表盘的炒作方兴“就”艾，人们将仪表盘贬低为“错误的”，并公然无视它们。许多人将其视作对自己工作的威胁，如果看到预料外的数字，便将其认定为“糟糕的数据”。

 

严重的信任危机之下，仪表盘几乎不能提供任何缓和顾虑的机会。毕竟，人们不能向仪表盘发送输入的SRL查询；仪表盘也不能读取查询，更不用说理解自己所反映的复杂架构了。并且，在每个团队都要创建度量定义的情况下，不能向仪表盘发送原始数据。

 

 

真实示例：恐怖的红点代表什么？

 

为了进一步阐释，来看一下在当前冠状病毒危机中广泛流行的数据仪表盘：约翰斯·霍普金斯冠状病毒仪表盘。

 

2020年4月7日的JHU仪表盘截图

 

JHU仪表盘具有很高的视觉吸引力；红色和黑色表明了当前事态的严重性和即时性。纵览该页面，数字、不同大小的圆点以及几乎一直朝着右上方移动的点图都在紧紧抓住了我们的眼球，给人一种事态已然很糟糕，并且似乎在持续恶化的感觉。

 

构建该仪表盘的目的是以一种直观的、引人注意的方式来表示数据。其设计旨在回答一些关键性问题，如“我国今日有多少新病例？我所在的县呢？”这比仅仅发布一个表格或者一个下载链接远好得多。

 

但是，除了展现出来的表面结果，你无法得到更多了。想将数据用于特定目的？做不到。它缺乏必要的上下文，这些数字没能真正发挥作用。就如本国/县什么时候开始执行的社交距离限制措施？有多少可用的试剂盒？

 

就算一些人成功获得了必要的上下文来使这些数字变得可信，仪表盘自身也缺乏做出所需定制分析的能力和灵活性。笔者也有类似的经历。仪表盘成功地让人们利用数据做到了一些事情，但这并不一定是数据的意义所在。

 

图源：unsplash

 

正如一家公司所说，为了解决该问题，他们尝试添加更多的仪表盘，再向仪表盘添加更多过滤器，当确定仪表盘没有用时再舍弃它们。该负反馈循环导致了对数据的严重不信任和团队的内部分裂，笔者认为，如果被动的LinkenIn更新是可信的，那么其中一些问题仍然存在。

 

仪表盘已经为数据赋权做了很多，但它们绝不是数据协作和报告的最优界面。如今，后来的竞争者已经开始各显神通了……

 

 

数据进入竖屏模式

 

从仪表盘到notebook的革新

 

在过去几年里，如Jupyter的数据notebook在数据科学领域变得十分流行。事实证明，在数据分析和数据科学方面，面向过程优于传统脚本。这不仅有益于分析员的工作，还能帮助不得不使用它的其他同事。

 

从根本上来说，notebook提供了以下机会：

 

1. 使每个人相信这个过程（因为能看到代码和作者的注释）；

2. 一种与更广泛的受众协作、呈现、共享这些决策的方式；

3. 具有回答各种问题的能力和灵活性（只要用户懂得编写工具的语言即可）。

 

当然，笔者并不是第一个想要将notebook的能力和灵活性应用于数据分析/商业智能领域上的人。许多正在使用notebook而非仪表盘的公司用它只是为了作报告，另一些则将图表剪切粘贴到文本编辑器中以实现类似作用。

 

虽然这些解方案都不够完美，但这是一个信号，标志着公司愿意放弃精心制作的仪表盘，追求notebook所带来的益处。只需一种方法，即可将这些原理扩展到数据科学以外，使notebook和仪表盘一样易于操作。

 

 

用于大众的notebook

 

在Count上，我们如此肯定notebook的基本益处，以至于在围绕其搭建了一个数据分析平台。这里终于没有了仪表盘！

 

要想在数据科学以外的领域使用notebook，就必须创建自己的版本，但基本原理仍然适用，还有一些意想不到的其他好处。

 

所有经验级别的人均可使用

 

· 可以通过拖放、编写‘notebookSQL’（如下）或者编写全部SQL来构建查询，因此无需向每一个团队成员教授python或SQL。

 

Count的notebook SQL示例

 

· 单击即可获得快速的视觉效果，无需复杂的视觉效果包或软件。

· 表和查询输出可自动连接，无需编写复杂的连接或试图解释架构。

 

可协作性

 

· 可与队友、团队、公司或者任何有链接的人共享notebook。

· 可增加注释和调用，使其真正成为一个共享文档。

 

通过熟识notebook的核心内容，Count提供的能力、透明度和可协作性有助于团队给成员提供数字和能力，使其获得所需见解，并与公司其它成员共享。

 

由于一直在构建Count，我们与许多组织合作，以研究notebook是如何改变团队使用数据的方式的。这里是一些发现：

 

1. 分析员使用notebook而非疯狂的SQL脚本，从而创建一些其它团队使用的基础表格。这些notebook对所有人可视化（且可解释），因此没有人会因为不知道这些数字的来源而遗漏它们。

 

2. 然后，用户使用这些notebook，或者创建自己的notebook，以回答特设问题。他们与数据团队共享这些notebook，以助于对其进行指导，然后向其它业务部门呈现和共享这些notebook。

 

3. 数据团队创建了一些基础报告，其中满是注释，用以帮助指导读者解释数字以及采取的所有考虑。

 

图源：unsplash

 

每个人都可以共享这一切，信任问题开始得到改善。人们有更多精力来创建真正需要的报告，而不再为不愿使用的人构建仪表盘，也不再构建成千上万的过滤器来适应每一个需求。

 

就像从电子表格到仪表盘的转变带来的发展，从仪表盘到notebook的小小转变也会对利用数据的方式产生巨大的影响，从而开启新的数据分析时代。

我们一起分享AI学习与发展的干货
欢迎关注全平台AI垂类自媒体 “读芯术”

（添加小编微信：dxsxbb，加入读者圈，一起讨论最新鲜的人工智能科技哦～）