1、数据自然科学的产业发展升级换代
随着信息技术的发展，产业发展升级换代获得成功的一个重要象征是：工作各项任务能够连轧化，而在这个操作过程中，需要把一个项目中的各项任务科学合理地拆分为谐振程度最小的单元。比如说数据自然科学，如果有一天在各行业数据收集、处理、IntelliTone化、分析、安全可靠等每一项各项任务能够由专门针对的小蟹蛛科花完成（每一项工作将做得更出众），而不是由一对个人把那些工作都做了的话，所以数据自然科学领域的产业发展升级换代可以说是获得成功的。
ofter今天以数据IntelliTone化为例，来谈谈怎样把数据IntelliTone连轧化，未来我们还可以派生到数据自然科学。
2、数据IntelliTone化的关键点
目前，有2妖物正在或急迫需要自学和使用数据IntelliTone化。
2.1 数据分析师
分析师一般来说都有定量分析的大背景，但极少经验丰富结构设计方面的专业培训，虽然能够独当一面数据分析的其它各个环节（以获取数据、冲洗重新整理数据、分析数据、建立数学模型），但在最后的展现沟通交流上困难重重，而展现不可否认是整个数据分析流程中最后广告主能够碰触到的唯一各个环节。因此，对于分析师来说，只需要找一个功能强大的图象辅助工具。
2.2 想提高的人员
无论是产品销售、产品、财务、采购，还是其它工作岗位，其实数据IntelliTone化的急迫性比起分析师低。从以下范例可以窥见，他们需要的是功能强大的数据辅助工具和图象辅助工具。
范例1：在线配置文件ofter一两年前做过业务，每一月需要向总经理请示业务情况，当时采用的是excel汇整统计数据的方式，站在对个人角度观察，最大的关键点是数据部分，因为我们都是每一月各产品销售维护自己的客户数据，在excel上维护时常会出现打人的问题，每天做图象时我还要去汇整那些数据，历经所以王承恩的协作作业，工作效率反倒低下，也容易手忙脚乱。一般来说是大家历经8个小时的汇整、录入数据，最后得到了如下图的2张图象，然后在产品销售会议上请示一下就扔回收站了。
3、数据IntelliTone怎样形式化
数据IntelliTone化是一项牵涉数据和图象的工作，ofter将静态数据IntelliTone形式化操作过程主要分为3个阶段。
（1）数据+图象：全部代码；（完全自订）
（2）数据：代码 + 图象：无代码；数据：无代码 + 图象：代码；（图象前端编写代码，可以自订图象类型和样式）
（3）数据+图象：全部无代码。（数据、图象类型、样式等需提前封装）
3.1 数据部分
ofter认为目前市面上的平台更多注重了图象功能的开放，而数据部分功能很鸡肋（主要指付费平台），他们提供了excel上传、api接口、数据库连接、静态json数据集之类以获取数据的功能。
对于第（2）类大多数人员来说，api接口、连接数据库、静态json数据集是需要付出很多时间和精力才能使用的功能，而这个excel上传只能一次性使用，无法线上协作修改数据，图象中的数据也是无法静态和实时更新。当然他们的目标群体本来就不是普通大众。在线配置文件
3.1.1 代码需求
一般企业/组织的数据都是结构化和标准化的，因此采用关系型数据库SQL比较普遍，需要在SQL中先建立数据库表和列名，表之间的关系也需要提前定义，这就需要比较好的逻辑能力。
然后在编译辅助工具中编写从数据库取数的代码，将数据用于图象的展现。
frompyechartsimportoptionsasoptsfrompyecharts.chartsimportBar,Pageimportpymysqlfromoperatorimportitemgetterdefbar(cos):柱状图costomer=list(map(itemgetter(0),cos))quantity=list(map(itemgetter(1),cos))c=(Bar(init_opts=opts.InitOpts(bg_color="white")).add_xaxis(costomer).add_yaxis("订单数量",quantity).set_series_opts(label_opts=opts.LabelOpts(is_show=False)).set_global_opts(title_opts=opts.TitleOpts("客户订单数量"),datazoom_opts=opts.DataZoomOpts(is_show=True,range_start=0,range_end=100),toolbox_opts=opts.ToolboxOpts(orient="vertical",pos_left="90%",feature=opts.ToolBoxFeatureOpts(data_zoom=opts.ToolBoxFeatureDataZoomOpts(is_show=False)))))returncdb=pymysql.connect(host="localhost",user="root",password="123456",database="warehouse_input")sql="select customer_name,sum(cloth_quantity) AS nums from po GROUP BY customer_name"try:cursor=db.cursor()cursor.execute(sql)cos=cursor.fetchall()exceptExceptionase:db.rollback()print(事物处理失败,e)else:db.commit()print(事物处理获得成功,cos)cursor.close()db.close()page=Page()page.add(bar(cos))page.render("bar.html")
3.1.2 无代码需求
当我们需要呈现不同数据的时候，如果采用关系型数据库，势必需要维护数据库和编写代码。当非关系型数据库NoSQL出现后，这就不是问题了，常见的需求如数据可查询、添加、编辑、删除、导入、导出。
而且非关系型数据库中的数据库表也很干净，除了用户管理表users，就是数据源的表connects。
3.2 图象部分
3.2.1 代码需求
目前，绘制图象的库非常多，对于高度定制化的图象，那些库将帮助开发者减少很多时间。
常用图象库如下：
为了让开发图象变得越来越便捷，那些图象库的开发人员也是煞费苦心。如果我们觉得echarts这种大而全的库太繁杂，我们可以选择基于echarts的其它库，其中最典型的当属v-charts[2]，一行代码就可以绘制IntelliTone化图象。在线配置文件
template部分（一行代码）：
<template><ve-scatter:data="dataset"/>//一行代码</template>
script部分（静态数据）:
<script>exportdefault{name:MyScreen,data(){return{dataset:{columns:[日期,余额,数量,年龄],rows:{上海:[{日期:1-1,余额:123,年龄:3,数量:1244},{日期:1-2,余额:1223,年龄:6,数量:2344},{日期:1-3,余额:7123,年龄:9,数量:3245},{日期:1-4,余额:4123,年龄:12,数量:4355},{日期:1-5,余额:3123,年龄:15,数量:4564},{日期:1-6,余额:2323,年龄:20,数量:6537}],北京:[{日期:1-1,余额:123,年龄:3,数量:1244},{日期:1-2,余额:1273,年龄:6,数量:2344},{日期:1-3,余额:3123,年龄:15,数量:4564},{日期:1-4,余额:2123,年龄:9,数量:3245},{日期:1-5,余额:4103,年龄:12,数量:4355},{日期:1-6,余额:7123,年龄:10,数量:3567}],广州:[{日期:1-1,余额:123,年龄:3,数量:1244},{日期:1-2,余额:1223,年龄:6,数量:2344},{日期:1-3,余额:2123,年龄:30,数量:3245},{日期:1-5,余额:4123,年龄:12,数量:4355},{日期:1-4,余额:5123,年龄:18,数量:4564},{日期:1-6,余额:3843,年龄:30,数量:4850}]}}}}}</script>
运行结果：
如果我们希望把图象绘制得更漂亮些，比如说下图这样：
我们需要做的也就是添加下配置项：
textStyle:{fontFamily:Inter, "Helvetica Neue", Arial, sans-serif},title:{text:"Life Expectancy vs. GDP by country"},legend:{right:10,data:["1990","2015"]},xAxis:{splitLine:{lineStyle:{type:"dashed"}}},yAxis:{splitLine:{lineStyle:{type:"dashed"}},scale:true},...
3.2.2 无代码需求
普遍的图象需求不外乎：
常用的图象库：折线图、柱状图、条形图、表格、饼图、排名图等；图象样式可自订：文字、颜色、标题、图例等；组件丰富：可编辑的文字、边框、大背景、静态的图象。
对于常规的图象需求，无代码图象平台可以很大程度上提高操作的便捷性，但是个性化的数据、图象需求让无代码平台变得不所以智能，二次开发的工作量甚至大大超过了自订代码编写图象。ofter也会开发一些大屏模板：
这样的模板，看起来确实充满信息技术感，但是复用性极低。除了自己练手和赏心悦目以外，它就是个获得成功的落灰案例。
4、静态数据的低代码实现
以js+mongodb为例，我们需要实现数据的添加、查询和修改。当然也可以使用python+mongodb等，自由选择。
4.1 连接mongodb
// 连接数据库mongoose.connect("mongodb://localhost:27017/diagramData",{useNewUrlParser:true},err=>{if(err){console.log([server] MongoDB connect error:+err);}else{console.log([server] MongoDB connected!);}});
在这里需要注意数据库的安全可靠，我们需要做以下几件事：
服务器的入向规则，千万不要bind 0.0.0.0，使用后要及时禁用，很容易遭受勒索病毒的侵袭；mongodb.conf配置中，保持bind_ip = 127.0.0.1，不要改为0.0.0.0；在以上两条基础上，最好设置下auth=true，设置授权用户和密码。
4.2 添加数据
// 新增excel数据源router.post(/,async(ctx,next)=>{constbody=ctx.request.body;if(!body.name||!body.data){ctx.body={errno:1,errmsg:格式错误}return;}constresult=awaitconnectModel.create({name:body.name,data:body.data,uid:body.uid,});ctx.body={errno:0,data:result}});// 添加单条数据router.post(/:id,async(ctx,next)=>{constbody=ctx.request.body;if(!body.data){ctx.body={errno:1,errmsg:格式错误}return;}constresult=awaitconnectModel.updateOne({_id:ctx.params.id},{$push:{data.rows:body.data}})ctx.body={errno:0,data:result}});
4.3 查询数据
// 以获取全部数据源列表router.get(/,async(ctx,next)=>{constrows=awaitconnectModel.find({uid:ctx.request.query.uid}).select(-data);ctx.body={errno:0,data:{connectList:rows}}});// 以获取某一数据源详情router.get(/:id,async(ctx,next)=>{constitem=awaitconnectModel.findById(ctx.params.id);ctx.body={errno:0,data:item}});
4.4 修改数据
// 修改数据router.put(/:id/:index,async(ctx,next)=>{constbody=ctx.request.body;constrowIndex=ctx.params.indexconstresult=awaitconnectModel.updateOne({_id:ctx.params.id},{$set:{[data.rows.+rowIndex]:body.data}})ctx.body={errno:0,data:result}});
4.5 图象-以获取和刷新数据在线配置文件
当我们完成了数据部分，图象部分以获取数据将变得非常方便。只要复制数据源的id，历经getDataItem函数的处理，我们就可以获取到数据库中的数据。另外，图象会按我们定义的时间1000 * 3600（3600s）自动刷新数据和更新图象。
getDataItem代码：
exportfunctiongetDataItem(id){returnrequest({url:/connect/+id,method:get,params:{}})}
图象代码：
<template><ve-histogram:data="chartData"width="58vh"height="40vh"@ready-once="generateData()"/></template><script>import{getDataItem}from@/api/connectletbar1=629b177756b1eXXXXXX//数据源IDexportdefault{name:VeBar1,data(){return{chartData:{},}},mounted(){this.generateData()this.refreshTime=setInterval(()=>{this.refreshData()// 需要刷新的数据},1000*3600)},beforeDestroy(){clearInterval(this.refreshTime)this.refreshTime=null},methods:{generateData(){getDataItem(bar1).then((res)=>{const{errno,data}=resif(errno===0){this.chartData=data.data}}).catch(()=>{})},refreshData(){this.generateData()}}}</script>
运行效果：
5、数据IntelliTone化的意义
最后，我们一定要不断审视数据IntelliTone化的目标：
怎样让数据IntelliTone起到驱动决策的作用；怎样让数据IntelliTone做得越来越单纯。
数据将取代石油，成为新时代最重要的资源。当数据IntelliTone化成为一项普适技能时，ofter相信我们的产业发展必定已经跨上了一个台阶。当下我们对智慧XX大屏的投入不小，那它是怎样起到数据驱动决策，又是怎样做得形式化的？
现在不用EXCEL也能快速生成精美的数据统计数据报表啦！简道云仪表盘，通过单纯拖拽，即可制作出一个个柱形图、折线图、饼图等图象，还可以自订颜色等信息。制作出的报表可以快速分享给团队其它成员看，并且可以灵活控制查看权限，确保数据安全可靠。通过预警设置，当数据异常时（如库存不足），还可以第一时间向负责人推送消息。多种配色，完全自订设置，让您的仪表盘与众不同，独具特色。不管是手机、电脑、IPAD，还是工厂PDA，都可以查看仪表盘，随时随地掌握数据。
