今天教大家如何搭建一套数据分析平台。
它可能是最简单的搭建教程，有一点python基础都能完成。比起动辄研发数月的成熟系统，借助开源工具，整个时间能压缩在一小时内完成。
优秀的数据分析平台，首先要满足数据查询、统计、多维分析、数据报表等功能。可惜很多分析师，工作的第一年，都是埋葬在sql语句中，以sql+excel的形式完成工作，却用不上高效率的工具。
说excel也很好用的同学，请先回避一下。
另外一方面，以互联网为代表的公司越来越重视数据，数据获取不再是难点，难点是怎样敏捷分析获得洞察。
市面上已经有不少公司推出企业级的分析平台和bi，可惜它们都是收费的。我相信不少读者听说过，但一直没有机会体验，或者老板们囊中羞涩。现在，完完全全能免费建立一套bi系统，即可以单机版用以分析，也能私有化部署到服务器，成为自家公司的分析工具。
这一切，只需要一小时。
superset
superset是一款轻量级的bi工具，由airbnb的数据部门开源。整个项目基于python框架，不是python我也不会推荐了，它集成了flask、d3、pandas、sqlalchemy等。
这是官网的案例(本来是动图的，可惜压缩后也超过微信图片大小限制，吐槽下)，想必设计界面已经能秒杀一批市面上的产品了，很多bi真的是浓烈的中国式报表风......因为它的前端基于d3，所以绝大部分的可视化图表都支持，甚至更强大。
superset本身集成了数据查询功能，查询对分析师那是常有的事。它支持各类主流数据库，包括mysql、postgressql、oracle、impala、sparksql等，深度支持druid。
后台支持权限分配管理，针对数据源分配账户。所以它在部署服务器后，分析师们可以通过它查询数据，也能通过数据建立dashboard报表。
介绍了这么多，想必大家已经想要安装了吧。
安装
superset同时支持python2和python3， 我这里以python3作为演示。它支持pip形式的下载，不过我不建议直接安装，因为superset的依赖包较多，如果直接安装，很容易和现有的模块产生冲突。
这里需要先搭建python的虚拟环境。虚拟环境可以帮助我们在单机上建立多个版本的python。简而言之，即可以python2和python3共存，也能python3.3、3.4、3.5共济一堂，彼此间互相独立。
虚拟环境的安装方式很多，pyenv和virtualenv等。这里用anaconda自带的conda工具。打开电脑终端/cmd，输入以下命令。
conda create -n superset python=3.4
conda create是创建虚拟环境的命令。-n是环境的命名参数，在这里，我们创建了名为superset的环境，它安装在anaconda的envs目录下。python版本为3.4(superset暂时不支持3.6)。
该命令只会安装基础包，如果需要额外安装其他包，在命令行后加上想要的包名字即可，如python=3.4 numpy pandas。
安装很迅速，完成后，我们的python环境还是默认版本，现在需要激活虚拟环境。
source activate superset
source activate是激活命令，superset为想要激活的虚拟环境名。windows和mac的命令不一样，win只要activate superset 。如果要退出，则是source deactivate或者deactivate。
激活成功后，命令行前面会多出一个前缀(superset)，表明切换到了新的虚拟环境。接下来安装superset。
pip install superset
pip会自动安装所有的依赖，速度可能有点慢，建议更改pip源。
命令行后加上 -i https://pypi.douban/simple ，我这里用了豆瓣的镜像源，速度嗖嗖的。
如果安装过程中报错，是部分程序缺失，像系统比较老旧的win用户，需要安装新版的visual c++，网上搜索教程即可。在官网的教程中，还要求pip install cryptography==1.7.2，我没有安装也没有影响，供大家参考。其他报错，都可以通过搜索解决。
安装成功后，需要进行初始化配置，也是在命令行输入。
fabmanager create-admin --app superset
首先用命令行创建一个admin管理员账户，也是后续的登陆账号。会依次提示输入账户名，账户使用者的first name、last name、邮箱、以及确认密码。fabmanager是flask的权限管理命令，如果大家忘了密码，也能重新设立。
superset db upgrade
初始化数据源。
superset load_examples
载入案例数据，这里的案例数据是世界卫生组织的数据，也是上文演示的各类可视化图表，大家登陆后能够直接看到。下载速度还行。
superset init
初始化默认的用户角色和权限。
superset runserver
最后一步骤，启动superset服务。因为我们是本地环境，所以在浏览器输入 http://localhost:8088 即可。在runserver后面添加 -p xxxx 可更改为其他端口。
进入登陆界面，输入登陆密码，大功告成。
使用
先别急着使用，因为superset是英文，我们先把它汉化了。superset自身支持语言切换。
进入到superset所在目录文件，按我之前的步骤，应该在anaconda/envs/superset/lib/python3.4/site-packages/superset中，路径视各位情况可能有差异。
在目录下有一个叫config.py的文件，打开它，找到setup default language这一行，修改变量。
babel_default_locale调整为zh，这样界面默认为中文。languages字典中zh前面的注释#去掉。保存后退出。
接下来还是在superset的目录下新创建文件夹，按t ranslations/zh/lc_messages的路径依次创建三个。superset官网提供了汉化包，在最大的同性交友网站github上下载，目录为：
https://github/apache/incubator-superset/blob/master/superset/translations/zh/lc_messages/messages.mo
网址路径有点长，下载后把mo文件放在 lc_messages文件下。清除浏览器的缓存，重新登陆localhost。
搞定！
需要注意的是，它并非完全汉化，而是汉化了superset相关的部分。部分文字被写入在flask app的文件中，汉化起来比较麻烦。
superset分为多个模块，安全模块是账号管理相关，包括角色列表，视图权限控制，操作日志等。管理模块没什么用，主要是设计元素。
数据源可以访问和连接数据库，切片是各类数据可视化，均是单图；看板即为dashboard，是切片的集合，superset提供了三个初始案例，sql工具箱是数据查询平台。
麻雀虽小，五脏俱全，对于大部分中小型的企业，superset足以应付数据分析工作。
先学习连接数据库，这里以我电脑中的数据库为准，如果大家学习过早前的教程，那么数据库中都应该有数据分析师的练习数据，我这里不重复了，可以看历史文章。也可用自带的卫生数据照着练习。
superset使用了sqlalchemy框架，使用前需要安装数据库驱动程序，先退出runserver，进入superset虚拟环境，安装python中的mysql驱动程序。
pip install pymysql
mysql的驱动程序很多，除了pymysql，还有mysqlclient等。安装好后，进入数据源，新建一个database连接。
在sqlalchemy url中加入数据库的地址，格式为:
mysql+pymysql://root:xxxx@localhost:3306/qin?charset=utf8
mysql是数据库类型，pymysql是驱动程序，表示用pymysql连接mysql数据库，+号不能省略。
另外，root是数据库登陆账号,xxxx为密码，这个按大家自己设立的来。localhost是数据库地址，因为我的是本地环境，所以localhost即可，也可以是127.0.0.1。3306是端口，一般默认这个。qin是需要连接的数据库，也是我自己设的名字。后面带参数charset=utf8，表示编码，因为表里面有中文。
其他数据库的连接大同小异，图中绿色的连接是相关教程。
如果大家在公司网络，拥有内网访问数据库的权限，也可以尝试连接，应该是可以的，这样就能在个人电脑上实行敏捷的bi分析。
格式命名好后，点击测试，出现seems ok，表示成功访问。在选项下面还有个expose in sql lab，允许我们在sql工具箱查询，要打上勾。
进入到sql工具箱，左边选择table为dataanalyst。
直接出来了数据库的数据预览。连查询平台的颜值都那么高。大家的sql技能应该都很不错，有兴趣可以在这里练习一下，语法和mysql一致。其他数据库则是其他数据库的语法。
执行一段sql语句，它支持下载为csv，我没试过支持最大文件的大小，但作为日常的查询平台是绰绰有余了。
选择visualize，进入切片绘图模式。
这里自动匹配支持的图表选项，包括bar chart条形图，pir chart饼图等。下面的选项是定义维度，我们将city，education，postitionname，salary，workyear都勾选为维度。agg_func是聚合功能，这里将职位id求和，改成count()，点击生成图表。
这里按城市生成了各职位id求和获得的条形图，也就是不同城市的分析师人数。
左边chart options可以调整分析需要的维度。metrics是分析的度量，这里是count(positionid)，series是条形图中的类别，breakdowns可以认为是分组或者分桶。这里将series改成workyear，breakdowns改成city，点击query执行。
条形图变更为按工作年限和城市细分的多维条形图。点击stacked bars，则切换成堆积柱形图。操作不难。
左侧的选项栏还有其他功能，这里就不多做介绍了，和市面上常见的bi没有多大区别，琢磨一下也就会了。
superset支持的图表很丰富，如果具备开发能力，也能以d3和flask为基础做二次开发。airbnb官方也会不断加入新的图表。不同图表，其左侧的操作选项也不同。
上图是以数据分析师职位名称为基础绘制的词云图，生成的速度会比较慢。我们选择save保存。完成的图表均存放在切片下。
dashboard通过多个切片组合完成，每个切片连接不同的数据源，这是bi的基本逻辑。进入看板界面，新建一个dashboard。
设置看板相应的配置选项，因为我偷懒了，所以只做了两个切片，大家有兴趣可以继续增加。其他选项忽略，都是自动生成的。点击save，到这一步，bi最重要的dashboard就完成了。
浏览一下最终的成果吧。
关于superset的新手教学结束了，要是部署到公司，账号和权限多研究下。它和市面上的其他bi没有太多区别，不过它是我们用python从零到有一手建立，这个感觉可比用excel爽不少。虽然我的演示以单机版为主，将其建立在linux服务器上大同小异。
从零开始搭建到现在，排除掉下载花费的时间，大家可以计算是不是真的只用一个小时就搭建好一个数据分析平台？没骗你们吧。
通过搭建superset，数据分析新手对bi应该也有一个大概的了解，市面上的bi大同小异，只是侧重点不同。在superset的基础上，往底层完成埋点采集和数据etl，往上拓展报表监控，crm等，这些也有不少开源软件可用。至于机器学习，以及hadoop和spark更是一个大生态，把这些都算上，则是真正完整的大数据分析平台了。
superset也有缺陷，它使用的是orm框架，虽然它能连接众多的数据库，但是它有一个关系映射过程，将sql数据转化为python中的对象，这也造成它在大数据量的处理效率不如专业的bi软件。在使用sql工具箱时，应该尽量避免超大表之间的关联，以及复杂的group by。
我个人的建议是，它只是一款轻量级的bi，复杂的数据关联，应该在etl过程中完成，superset只需要执行最终结果表的读取即可。它足够支撑tb级别的数据源读取。技术比较成熟的团队，也能尝试将superset和kylin整合，这样olap的能力又能上一个台阶。
另外，superset中的表都是独立的，所以多图表间的复杂联动并不支持，仅支持过滤，这点比较可惜。不知道airbnb后续会不会支持。
好消息是，这个开源项目一直在更新，github什么也有很多新的功能特性待开发，比如dashboard上加入tab切换栏等。可以star一下关注。
作者： 秦路；转自：秦路 公众号；本文获授权；
版权声明：本号内容部分来自互联网，转载请注明原文链接和作者，如有侵权或出处有误请和我们联系。
关联阅读
原创系列文章：
1：从0开始搭建自己的数据运营指标体系（概括篇）
2 ：从0开始搭建自己的数据运营指标体系（定位篇）
3 ：从0开始搭建自己的数据运营体系（业务理解篇）
4 ：数据指标的构建流程与逻辑
5 ：系列 ：从数据指标到数据运营指标体系
6:实战 ：为自己的公号搭建一个数据运营指标体系
数据运营 关联文章阅读：
运营入门，从0到1搭建数据分析知识体系
推荐 ：数据分析师与运营协作的9个好习惯
干货 ：手把手教你搭建数据化用户运营体系
推荐 ：最用心的运营数据指标解读
干货 : 如何构建数据运营指标体系
从零开始，构建数据化运营体系
干货 ：解读产品、运营和数据三个基友关系
干货 ：从0到1搭建数据运营体系
数据分析、数据产品 关联文章阅读：
干货 ：数据分析团队的搭建和思考
关于用户画像那些事，看这一文章就够了
数据分析师必需具备的10种分析思维。
如何构建大数据层级体系，看这一文章就够了
干货 ： 聚焦于用户行为分析的数据产品
80%的运营注定了打杂？因为你没有搭建出一套有效的用户运营体系
从底层到应用，那些数据人的必备技能
读懂用户运营体系：用户分层和分群
做运营必须掌握的数据分析思维，你还敢说不会做数据分析
商务合作｜约稿 请加qq： 365242293
更多相关知识请回复：“ 月光宝盒 ”；
数据分析（id : ecshujufenxi ）互联网科技与数据圈自己的微信，也是wemedia自媒体联盟成员之一，wemedia联盟覆盖5000万人群。