前台智能图表渲染
文章插图
这里是一个更加直观的示例图 。 画红线的部分是下面放大的部分 。 如果只看上面那张图 ， 其实看不出任何有价值的信息 。 因为 Y 轴被拉大了 ， 导致局部的指标变化被抹平 ， 直接看的话会认为这些指标没有任何波动 。 对业务来说 ， 它需要关注的是波动、突变的部分 。 如果把这些信息在可视化的时候抹平了 ， 用户发现问题的窗户其实基本上被你关闭了 。 这里面智能渲染做的事情 ， 是通过算法加工的逻辑做显著性提取 ， 把波动明显的、对业务有参考价值的数据优先展现出来 ， 其他选择性地弱化处理 。 右边是实现的代码片段 ， 整体的实现逻辑是去遍历递归所有的 X 轴 Y 轴 ， 检查有交集的部分以及 Y 轴波动区间范围 。
成果
文章插图
对开发同学来说 ， 只需要把 DSL 描述清楚 ， 整个 dashboard 就直接渲染出来了 。
前台展现侧 ， 会透出 SQL 组装的部分口子 ， 用户可交互定制修改 ， 并在秒级内就获得及时反馈（参照上图左边） ， 要进一步分析的话 ， 可以去定制想要查看的人群、过滤的人群、维度、标签 ， 一层一层下钻分析 ， 对用户来说 ， 无论是效率还是发现有价值信息的体验上都有非常大的提升 。
整体来说 ， 成果如下：

• 支持 SQL 灵活组装 ， 实现了图表智能渲染
  
• 由原本可能 5 人日的研发成本缩短到0.5 人日
  
• 实时计算、秒级返回（1.7 亿条数据查询耗时1062 毫秒）
  

未来计划未来我们将进一步升级 ， 使整个数据分析流程实现 Low-Code 甚至 No-Code， 前台通过简单的拖拽即可实现从源头获取数据、完成数据加工、数据可视化的步骤、生成数据看板 ， 并深度探索前端智能化的方向 ， 长期去支持业务思考同时短平快的逐步down一些能力点 ， 形成体系 。
文章插图

• 对微前端的11个错误认识
• 数据|女生从事数据分析岗位会面临哪些压力
• API监控：你应该衡量什么？
• 澳大利亚留学—大数据分析
• R数据分析：如何计算问卷的聚合效度，实例操练
• 袁岳：前端政务够有扮演智能政务驱动力的条件
• vue前端下载Excel文档配置流程
• 史上最全的Python操作 PPT 文档大全，以后写数据分析报告靠它了
• 开发人员技能树：成为“前端大手子”需要具备哪些素质？
• 从技术发展趋势来看，前端开发人员是否有必要学习Java语言