返回
为什么需要Data Science Experience?
大数据技术的发展，对企业来说，既是机遇，又是挑战，我们都希望可以利用大数据分析技术，来辅助解决业务问题，为决策者提供客观的决策依据，愿望是美好的，但真正实现起来，可不是那么容易，它的成功与否，取决于几个重要条件：
1.行业业务专家的指导
2.数据分析人员的能力
3.所需要的平台能力
4.管理与运维
第1点和第2点，取决于人，第3点和第4点，取决于支撑数据分析的底层架构及平台能力，当前很多企业，都喜欢使用开源的平台，比如Spark、Python、R、Scala等等，在我们接触的客户中，或多或少，都会用到这些，经常会有客户问，哪一种技术比较好，要怎么选择？这样的问题，不同角色的人给出的答案都会不一样，正所谓”萝卜青菜，各有所爱”，而对于管理者来说，面对形形色色的开源平台，该如何选择？分析及开发人员是否可以任性地做自己擅长的事情 ，擅长用Python的就用Python,擅长用R的就用R,擅长用Scala的就用Scala? 在各自实现分析模型之后，是否可以通过一个统一的平台来实现对这些开源平台、模型做统一的管理，统一的监控、甚至可以很好地协作，实现1+1大于2呢？ IBM在这方面从去年开始就做了尝试，推出Data Science Experience on Cloud(云版本，按月收费)，而今年4月份，发布 了Data Science Experience Local版本（本地版本，一次性收费永久使用）,可以部署在客户本地，这对国内企业来说，是非常值得推荐的平台，所以接下来，给大家具体介绍下它是如何解决前面所提到的问题，以及它的特点及优势。
Data Science Experience是什么？
Data Science Experience从表面上看，它融合了各种开源技术，包括Apache Spark、编程语言Scala/Python/R/SQL、Jupyter Notebooks、R Studio 和 Shiny，这些都是当前非常流行的，使用非常广泛的数据分析技术，在Data Science Experience,你可以自由切换使用，用于不用，用哪一种，你可以任性地自由选择，并且，安装后，只需要通过IE输入链接就可以直接使用，从这个层面上说，它帮助我们免去了安装不同开源平台的烦琐，另外，更重要的是，它解决了不同开源平台杂乱无章管理的痛苦，并且可以协助大家在这个平台上愉快地合作。
Data Science Experiences有什么优势？
1.以项目方式管理资源
这些资源包括数据源、Notebook、用户等，首先，我们会先创建一个项目，在菜单栏上选择【Projects】，在出来的面板上，选择右上角的【create project】即可。
创建完成后，你会看到在Project里面，包括了三大部分，分别是NoteBook、Data Assets和Bookmarks.
在Notebooks这里，我们可以创建用R Studio或者是Python写的代码，只需要点击右上方的【add notebooks】, 创建notebook有三种方式，分别是blank（一片空白，从头开始写）、From File（已经写好了的R或Python文件，直接载入进来）和From URL（如果你的朋友已经发布了代码在网上，你直接让他发个链接给你，直接读取）。
2.自由选择开源平台及灵活切换
在创建Notebook的时候，我们可以先从零开始，选择【Blank】，接下来，就可以自己选择你擅长的语言来写了，比如这里选择Python 2和Spark 2.0
点击右下角的【create notebook】即可。
如果在使用过程中，想转换语言实现，也很简单，直接在菜单栏上选择Kernel-->右键，从出来的菜单选项中选择转换即可，如下图：
3.连接多种数据源------So easy!
数据源是我们分析的基础，在Data Science Experience中，连接不同数据源，只需要配置【Connection】就可以， 不需要写代码，因为…….你配置好相关信息后，它会自动生成代码。如何实现呢？
首先，在菜单栏上选择【Data Services】-->【Connection】，选择【External】就可以看到下拉框有很多不同数据源可以选择，支持的数据源列表如下：
这里选择DB2 on Cloud,进行相应的配置即可如下图：
在【Connection】这里，我们可以对所有数据源做统一的管理,除了查看所有数据源之外，还可以对数据源进行编辑、共享及删除。
4.自动生成数据源连接代码
在刚刚创建完Connections后，会看到刚才新建的WebchatArticle_Connection数据源，如下图：
回到我们前面第二步已经创建好notebook，选择好语言之后，在Data Assets这里选择数据集，有两种方式，一种是直接拖个文件过来，如下图红色框部分：
也可以选择【Connections】面板，然后选择已经创建好的数据集，就可以看到它已经加入到Data Assets中了，如下图：
然后，我们再选择刚才创建的【notebook】,点击编辑即可，进到以下页面：
在右边面板上，可以找到我们刚才创建好的数据集，在下面有【insert to code】,直接点击，则会在左边的代码编辑器上生成相应的连接代码，如下图：
如果您选择的是文件，那它也会同样的生成连接文件的code给你。
4.任务按计划自动调度运行
在创建好notebook之后，可以自动调度按时间计划运行，很简单，只需要在notebook面板上，选择菜单栏上的小时钟【Schedule】
就可以按hourly/daily/weekly/monthly计划任务执行时间了。
5.与同事的共享与权限控制
在Notebook面板上，我们可以将其分享给我们的同事，选择菜单栏上的【Share】
然后可以选择要分享的内容，是只有文本和输出结果，还是也可以将代码共享给大家，然后将Link发给您的朋友，他们就可以看到您的杰作了。
同时，我们也可以设置别人对我创建的Notebook的使用权限，在【Collaborators】面板上，可以选择【Addcollaborators】
然后可以设置您加的同事权限是浏览、编辑还是管理员。
最后我们简单总结下Data Science Experience的功能优势：
- 整合多项开源技术（Spark、R Studio、Python、Scala等），提供可自由切换的统一平台。
- 快速连接各项数据源，并对多项数据源进行统一治理。
- 对整个平台的用户权限、资源调度进行统一管理。
下一期，我们会介绍 Data Science Experience在机器学习、云端应用等其它方面的功能优势，比如：
- 与IBM其它分析平台的整合，包括BlueMix、Watson Analytics、iLOG CPLEX（优化引擎）、Machine Learning（机器学习）、SPSS Modeler（可视化的数据挖掘）等的深度整合，构建整个Watson Data Platform平台，满足企业所有的分析需求。
- Data Science Experience Local版本对系统资源（比如CPU、内存等）占用的可视化监控。
- 提供社区及评论区域，实现与其它人的交互等等。
敬请期待……
发表评论