Аналитика проектов с электронной коммерцией

Опенсорсный инструмент для аналитики и визуализации данных с большим набором возможностей для представления результатов SQL запросов и API реквестов.

Плюсы:

Большое количество встроенных коннекторов данных, включая, например, Clickhouse, PostgreSQL, API Яндекс.Метрика и т. п.
Возможность написать и подключить свой коннектор.
Redash использует для визуализации хорошо известную и давно разрабатываемую опенсорсную библиотеку Plotly. Соответственно вам доступны все ее возможности.
Обновляемый Docker файл, с помощью которого можно развернуть Redash на своем ресурсе с помощью пары команд.

Важные моменты:

Требует знание SQL для работы с данными DWH и Javascript для построения кастомных визуализаций.

Примеры кастомных визов в Redash:

Гибкий и в тоже время комплексный инструмент визуализации данных

Плюсы:

Достаточно легко интегрируется с большим набором внешних источников данных.
Tableau один из старейших инструментов, имеет хорошо проработанный интерфейс, надежно работающий базовый набор фитчей.
Широкий набор визуализаций.

Важные моменты:

Комплексность инструмента несколько удлиняет процесс его изучения в полном объеме.
Некоторые простые вещи, как например, сравнение с предыдущим отчетным периодом, приходится делать с помощью функций скриптового языка.

Один из популярных инструментов подготовки и визуализации данных

Плюсы:

Если ваш стек хранения и аналитики данных имеет продукты компании Microsoft, то Power BI позволит вам наиболее легко подключаться, интегрировать и визуализировать данные из этих источников, включая облачные сервисы Azure.
Имеет широкий набор возможностей по трансформации и подготовке данных, в том числе с использованием языка Python.
Внутренние скриптовые языки (M и DAX) дают вам возможность автоматизировать трансформацию данных для последующей визуализации.

Важные моменты:

Есть сложности с интеграцией со сторонними источниками данных, в том числе с Google Cloud Platform.
Основной набор инструментов содержится в десктопной версии, это накладывает ограничения для построения cloud-first решений c мультиплатформенными интеграциями данных.

Идин из самых популярных инструментов оркестрирования ETL для пайплайнов данных.

Плюсы:

Если вы знаете Python, то свою первую последовательность задач вы сможете создать достаточно быстро.
Проект развивается давно и уже имеет большой набор встроенных операторов, в том числе поэтому используется рядом крупных компаний, в частности на его основе работает Cloud Composer - оркестратор в GCP.
Имеет удобный интерфейс для мониторинга и визуального представления DAG-ов.

Важные моменты:

Удобный инструмент интерактивной аналитики

Плюсы:

Среда позволяет в удобной форме сочетать, объединять различные сниппеты кода, в процессе интерактивного анализа или исследования данных, например, при работе с несколькими API одновременно.
Позволяет удобно комментировать все шаги и сниппеты кода, например для пояснения коллегам или, как техническое описание.
Данные можно получать из разных источников, например из BigQuery, Google Analytics Reporting API или же просто из csv файла и помещать их в Pandas DataFrame для дальнейшего анализа или визуализации.

Важные моменты:

Есть варианты использования, как на своем компьютере, так и в облачных сервисах, например, Yandex DataSphere и Google Colab.
Есть возможность конвертировать и сохранять файлы ноутбуков в удобные для демонстрации или размещения на сторонних ресурсах форматы, например, в html, markdown, pdf.

websitelytics