在互联网数据大爆炸的这几年，各类数据处理、数据可视化的需求使得 GitHub 上诞生了一大批高质量的 BI 工具。

借助这些 BI 工具，我们能够大幅提升数据分析效率、生成更高质量的项目报告，让用户通过直观的数据看到结果，减低沟通成本。

不过，还是有很多同学跟我反馈，说国外的开源 BI 工具使用门槛高，操作界面不符合国人的使用习惯，需要学习很久才能弄得清楚，所以让我看看有没有低门槛的开源 BI 工具可用。

恰巧，前两天我偶然在 GitHub 上发现了一款国产的开源 BI 工具，叫 DataEase 。

不论是用户体验，还是界面风格，都比较符合我们的操作习惯。

该项目自去年 6 月份发布以来，GitHub Star 数据持续稳定上涨，不到一年时间，便累积 9500 Star，在数据分析这个细分领域，其增长速度可谓十分惊人。

它的 GitHub 简介是 “ 人人可用的开源数据可视化分析工具 ”。

我试用了一下，发现这个口号并不是随便喊喊，使用体验和之前使用过的 BI 工具不太一样。所以今天来跟大家着重介绍一下这个项目。

GitHub： https://github.com/dataease/dataease/

DataEase 开源工具由 FIT2CLOUD 飞致云公司研发出品的。

这个公司可能大家并不陌生，作为目前在数据分析领域颇有建树的技术公司，飞致云在 GitHub 上参与发布过不少优质开源项目。

比如，国内有名的 JumpServer 开源堡垒机项目、MeterSphere 开源持续测试平台和二次元喜欢的开源建站工具 Halo 都是这个公司主导的。其开源产品范围覆盖了运维安全审计、BI 分析、软件测试、建站等多个领域。

他们的官网也整的十分酷炫，可实时访问由 DataEase 制作的飞致云开源大屏，上面展示了相关开源项目近 30 天的发展动态。

话不多说，下面我就来带大家体验一下，DataEase 这款产品为什么敢说自己是 “人人可用” 的。

操作丝滑，容易上手

不少朋友在反馈 BI 工具使用体验的时候都提到，国外的开源 BI 工具，比如 Superset、Metabase 等，操作上不符合国人的使用习惯。

实际上，用 BI 工具制作仪表板的步骤其实是大同小异的，基本都分为： 创建数据源、创建数据集、通过数据集展示数据以及形成仪表板 这几个步骤。

相比其他国外的开源 BI 软件，DataEase 将仪表板设计整体过程整理为：数据源→数据集→仪表板，制作逻辑更加清晰，而且对创建仪表板的步骤在细节上进行了大幅度的简化，主要体现在以下这些方面：

1. 数据源：DataEase 当前支持 19 种数据库，数据源配置界面将所有支持的数据库进行平铺展示，用户可以选择对应的数据库直接配置使用，更加直观便捷；DataEase 官方支持的所有数据源都可以直接使用，无需添加驱动。

2. 数据集：DataEase 支持创建数据库数据集、SQL 数据集、表格文件、关联数据集、API 数据集多种类型的数据集，并且操作界面清晰明确，数据集还支持定时同步数据功能。此外，DataEase 还支持直连模式和本地模式（基于 Apache Doris/Kettle 实现）。

3. DataEase 支持关联数据集的功能，用户可以在功能界面进行相关配置，代替了 SQL 语句的编写，降低了学习门槛和使用门槛。

4. 视图：DataEase 通过拖拉拽的操作进行视图制作和仪表板排版，简单易用，降低了用户的学习成本；在创建视图时，DataEase 把一些常用的选项设置为默认值，减少了操作过程中的重复性内容；视图外观方面，DataEase 可以配置视图边框、视图背景图、透明度等；视图支持上卷、下钻和多级联动。

5. 仪表板设计：DataEase 把视图制作和仪表板制作过程合并，不需要先制作视图再调整仪表板布局；DataEase 提供了颗粒度更细的辅助网格，而且可以随意拖放视图位置，视图之间可以自动吸附；在仪表板的样式支持方面，DataEase 支持配置仪表板的背景图、深浅色主题、对仪表板内的视图进行统一设置等。

6. 仪表板分享：DataEase 支持更多的仪表板分享途径，可以为仪表板创建公共链接，方便外部用户访问查看，同时也支持包括邮件、导出 PDF、导出图片和导出表格等分享方式。

主题丰富，自带模板市场

在探索的过程中，我意外发现，DataEase 竟然还有自己的 “模板市场”。

这里面的模板种类涵盖了多个使用场景和行业领域，用户不用自己费心设计就可以做出漂亮的大屏，十分适合没有相关经验的新手入门。

模板市场：https://dataease.io/templates/

“模板市场” 功能板块还被内嵌在 DataEase 的操作界面中，选择模板直接应用，轻松切换到自己的数据集，可以快速生成自己想要的大屏。

开箱即用，几分钟完成部署

充分体验过 DataEase 安装流程后，我不得不说，DataEase 的安装部署对新人来说非常友好，用户只需执行一个安装命令即可完成安装。

DataEase 简化安装部署的思路主要体现在以下几个方面：

1. 使用 Docker 屏蔽系统的环境差异；

2. 提供脚本代替手工操作；

3. 提炼配置参数，提供默认配置；

4. 注册系统服务，提供快捷命令。

以下是 DataEase 具体的安装步骤：

针对服务器是否能够连接公网的不同情况，DataEase 提供在线安装和离线安装两种安装方式。具体步骤可参考官方文档：

• https://dataease.io/docs/installation/online_installation/

• https://dataease.io/docs/installation/offline_installation/

接下来为大家分别进行逐步讲解。

1、在线安装

执行以下命令，即可安装：

curl -sSL https://github.com/dataease/dataease/releases/latest/download/quick_start.sh | sh

2、离线安装

下载安装包并解压。

安装包下载地址：https://community.fit2cloud.com/#/products/dataease/downloads

执行解压目录中的安装脚本

/bin/bash install.sh

3、数据备份

DataEase 安装后产生的用户数据全部放在了安装目录中，用户只需要保留或备份安装目录中的文件即可。这样即使删除了容器和镜像，重新安装后用户依然可以使用之前的数据。

通过上述步骤我们可以看到，在整个过程中用户只需执行安装脚本即可，过程步骤少，操作简单，无需额外操作。从安装部署角度来说，对于没什么相关知识基础的用户非常友好。

除了上面提到的这些地方的设计，DataEase 的教学文档、教学视频等知识体系也做得比较完善，我在使用过程中碰到的问题基本都可以得到解决，一个小时左右就可以制作出自己专属的仪表板了。

综合体验下来，可以说 DataEase 已经是一款非常容易上手且强大的开源 BI 产品，它的口号 “人人可用” 体现在方方面面。

低门槛、高易用性的 BI 产品是未来 BI 产品发展的大方向，数据可视化在将来也不再是一般人难以触及的领域，希望像 DataEase 这样的产品的出现，能够帮助更多用户和企业发掘和展现数据的价值。

GitHub： https://github.com/dataease/dataease/

好了，今天的分享到此结束，感谢大家抽空阅读，我们下期再见，Respect！

对于程序员来说， 开源 的东西都是好的，别的不说，因为可以自己自己随意开发，毕竟每个人都喜欢自己写的代码嘛，也或者，就是不想花钱哈哈哈哈（扎心了）就拿最近很火的 BI 来说吧， BI 分两种： 开源 BI 和商用 BI ，说起 开源 BI 就是有爱又恨，这一切都要从微软带起了商业风说起....我在网上搜到了一下2018年 BI 的市场占有率：说到软件，可能第一反应就是国外的好，于是就先尝试了国外的 开源 BI 。第一个接触的 开源 BI 是... 这是一个基于 Python 开发的，结构简单的项目。可通过配置Json的数据，实现数据报表大屏显示。在app.py修改SourceData，或者新增比如新增：MyReportData。1、 Python + Js + Css + Html开发。优点：代码清晰、结构简单、配置Json数据实现。在data.py配置对应报表对应Json的字段。今天给大家介绍一个 开源 数据大屏 可视化 工具。缺点：模板固定需要个性化的，需要修改代码。专注分享编程知识、热门有用有趣的 开源 项目。2、报表采用echart插件。 来源丨网络 今天和大家分享几个实用的纯 python 构建 可视化 界面服务，比如日常写了脚本但是不希望给别人代码，可以利用这些包快速构建好看的界面作为服务提供他人使用。有关于库的最新更新时间和当前star数量。streamlit (23.3k Updated 2 hours ago)•Streamlit 可让您在数分钟而不是数周内将数据脚本转变为可共享的 Web 应用程序。这一切都是Pytho... 在很早之前关于 可视化 的描述中，我们介绍过 一款 D-table的 数据分析 操作工具。和D-table的操作相似，还有 一款 pandasGUI的 开源 工具更加强势。Pandasgui是一个 开源 的 python 模块，它为pandas创建了一个GUI界面，我们可以在其中使用pandas的功能分析数据和使用不同的功能，以便 可视化 和分析数据，并执行探索性 数据分析 。更重要的是 pandasGUI 的交互式数据绘图模块是值得一提的，主要包含几个特征：支持DataFrames和Series数据提供了交互式绘图数据筛选、处理统计摘要数据 文 |ssw来源： Python 技术「ID: python all」echarts官网有很多好看的图例，怎么结合起来放到自己的项目中呢？比如这种酷酷的首页：这种看起来美观又大方，自己要是能用上就好了。其实这是可以的，echarts上有现成的图例和示例代码，咱们只要改改数据源就可以了，至于好看的布局，比如上图这种，我们直接借鉴过来不就可以了????。以公司网页为例，简单介绍一个例子，下图这么多网址的巡检如... 开源 的 BI 产品确实少，能查到的也都是国外的产品，文档少学起来是真费劲，有问题只能发帖子，有没有人回、啥时候回就更不知道了，所以也不太建议用这类产品，我们公司也调研过 BI 产品，国外 开源 的都放弃了，国内的是没发现有 开源 产品， 并且本身 BI 给人感觉高大上，都死贵死贵，性价比较低。另外国内 BI 几乎都是以平台形式提供， BI 工具的核心是自助报表(也叫多维分析啥的)，自助报表本身属于 web 应用层面的功能，大... metabase是 一款 半 开源 的 BI 分析工具，开发语言clojure+js为主。 官网：https://www.metabase.com/可以利用Metabase进行 数据分析 ，数据 可视化 ，报表生成等。 下载metabase，用jvm运行 创建用户、新增数据库略。。 支持的输入数据库 metabase 搭建还是比较简单的，有提供了一个启动jar包提供启动安装，不需要像Superset 等需要安装 python 、npm 等环境或者安装docker 来安装。启动的时候还提供灵活的环境变量来设置的端口、链接的数据库等启动配置 信息 。另外有个部署的亮点是它默认支持PostgreSQL和MySQL这两种比较流行的数据库作为应用存储，不需要再修改源码或者增加jar包才可以支持。 开源 bi 软件早就已经成为了众多厂商的一个共识，在目前的排行榜单上我们也可以看到有很多不一样的软件，那么作为一名资深的数据，从业人员来说对于相应的内容肯定应该有所了解的 开源 bi 软件到底有哪一些是比较常见的呢？这也是国内比较常见的 一款 开源 bi 软件，有着很出色的实用性，最大的特点就是拥有着超大的数据量性能，而它的功能相对来说对于企业中的技术人员是非常适合的，能够有效的进行探索式的分析，自主的搭建服务的平...