«Яндекс» запустил сервис для анализа и визуализации данных из разных источников Статьи редакции
Пока сервис бесплатный, но доступен только пользователям бизнес-платформы «Яндекс.Облако».
«Яндекс» запустил сервис для аналитики и визуализации данных Yandex DataLens. Сервис работает на базе платформы для бизнеса «Яндекс.Облако», рассказал vc.ru представитель компании.
С помощью DataLens пользователи «Облака» могут анализировать данные из разных источников, визуализировать результаты и объединять их в дашборды, чтобы поделиться с другими пользователями.
Какие возможности предлагает Yandex DataLens:
- Загружать для анализа данные из разных источников: PostgreSQL, ClickHouse, MySQL, «Яндекс.Метрики», CSV-файлы и других источников.
- Визуализировать данные с помощью графиков, диаграмм и таблиц, а также объединять их на одном дашборде.
- Делиться результатами с коллегами или партнёрами, предоставив им доступ к дашбордам.
- Например, можно оценить эффективность онлайн-рекламы: пользователь может добавить на дашборд данные счётчиков «Яндекс.Метрики», установленных на его сайте, и показатели продажи из внутренней CRM-системы, а затем сопоставить эти данные.
Мы делаем сервис, который объединяет функциональные достоинства корпоративных решений, но при этом будет доступен даже самым небольшим компаниям, благодаря своей простоте и низкому порогу входа.
Пока сервис доступен пользователям «Яндекс.Облака» только по запросу. На старте DataLens будет бесплатным, в будущем «Яндекс» планирует добавить платные варианты использования, но детали в компании не раскрывают.
За последние несколько лет python и R настолько продвинулись в инструментах визуализации данных, что совсем непонятно насколько такие сервисы от yandex и google будут долгосрочно востребованы. Чтобы с ним разобраться все равно надо понимать принципы работы с БД и связей таблиц друг с другом. А как бы если ты все это понимаешь, то начать делать тоже самое на 100 порядков круче и быстее на python/R вопрос недели времени даже если ты никогда ни с тем, ни с другим не работал. В общем, не очень понятна рыночная ниша :)
Освоить на должном уровне питон и Р легче, чем освоить пару кнопочек в сервисе? Это вы что-то путаете. Будем считать, что всю теорию по статистике и аналитике (грубо говоря) человек знает.
Ну в целом, по моему мнению, да - настолько же просто. Я тут имею ввиду, конечно, только тех людей, у которых есть спрос на подобные инструменты - а не «абстрактоного среднего россиянина». Те тех кому не хватает excel и нужен доступ к облачным хранилищам данных.
P.S. Размышления на основе своего небольшого опыта с Google Data Studio, который, как я понимаю, является прямым аналогом
Я учился работать на Р и Питоне, это всяко не легче аналитике в сервисе. Да, языки действительно относительно простые, даже гуманитарий может освоить, но чтобы дойти до должного уровня нужно потратить много времени. А за это время можно стать хорошим специалистом в веб-аналитике.
конечно же тот факт, что ты не смог в r/питон ( зачем оба учил если ни один не выучил?) - свидетельствует о том, что не проще. Но ввобще для уровня графиков сверху не надо знать. это все делается в пару десятков строк кода (максимум), которые легко гуглятся.
Я и ещё десятки студентов на потоке. И где я написал, что не смог? Я написал, что для этого надо много времени. Не придумывайте, пожалуйста. И прочитайте первое сообщение в ветке. Речь не о графиках уровня сверху, а о колоссальных возможностях визуализации данных, биг даты, даты майнинга, аналитики и прочих громких слов. Для этих целей заипетесь гуглить строки кода)
написал "учился" - вместо "выучил".
Какие курсы преподают и R и Питон? или это два разных курса были?
Безусловно R и Питон - де факто стандарт в обработке данных и визуализации и возможности большие. Но для того что бы нарисовать графики из статьи не нужно их знать глубоко.
А исходный тезис - зачем нужна еще одна рисовалка когда есть R/ питон?
Это был университет.
Ответ простой - чтобы не код пилить, а нажать нужные кнопки просто.
Я пользовался Google Data Studio - основная проблема подобных сервисов - это невозможность делать препроцессинг данных. Например, пример авторов статьи - связать срм систему с данными директа в несколько кликов. Вроде звучит здорово, но работает только в том случае если все данные в идеальном состоянии. В реальности обычно все не так. Получается что выводишь красивый график, который имеет мало смысла. R/Python в этом плане гораздо удобнее
И еще - не знаю почему все пишут что python это сложный инструмент для решения подобных задач. Питон большой и разный, но есть тот же jupiter, который можно использовать как очень мощный и простой в использовании «калькулятор». Уверен, что он не сильно сложнее в использовании, чем то что описано в статье, но дает гораздо-гораздо больше возможностей, чем Google Data Studio.
А вы точно не путаете знание языка с инструментарием, необходимые для его применения в задачах анализа? Сам по себе Python не является магическим нечто для анализа данных и их визуализации - это универсальный язык программирования. Для указанных вами целей нужно знать соответствующую математическую базу и обширный инструментарий. И это совсем не про Python. Да, большинство современных фреймворков анализа данных используются с Python. Но это не значит, что они и есть Python.
Я как раз это и имел ввиду :) я не про весь язык а про очень конкретный набор библиотек и фреймфорков для визуализации данных.
Jypiter notebooks и библиотеки dash, plotly
https://youtu.be/e4ti2fCpXMI