Apache Superset: plataforma de exploración y visualización de datos
(superset.apache.org)- Apache Superset es una plataforma de analítica open source que integra la exploración y visualización de datos en un solo lugar, permitiendo que usuarios con distintos niveles de experiencia trabajen con datos mediante gráficos y dashboards
- Ofrece tanto un constructor de visualizaciones no-code como un IDE SQL, para que usuarios de negocio y usuarios de SQL puedan explorar datos a su manera
- Se conecta con bases de datos basadas en SQL y también puede aprovechar bases de datos y motores cloud native a escala de petabytes
- Apunta a una estructura ligera y escalable que funciona sobre la infraestructura de datos existente, sin requerir una capa de ingesta separada
- Da soporte a flujos de analítica de autoservicio con más de 40 visualizaciones, extensiones basadas en plugins, caching, plantillas Jinja, filtros de dashboard y una capa semántica
Plataforma de exploración y visualización de datos
- Apache Superset™ es una plataforma open source de exploración y visualización de datos
- Se presenta como rápida, ligera e intuitiva, y admite una amplia variedad de visualizaciones, desde gráficos lineales simples hasta gráficos geoespaciales detallados
- Los usuarios pueden explorar datos mediante un constructor de visualizaciones no-code o un IDE SQL
- Puede conectarse a bases de datos basadas en SQL, e incluye también bases de datos cloud native modernas y motores a escala de petabytes
- Cuenta con una arquitectura ligera y altamente escalable que aprovecha la infraestructura de datos existente, sin necesidad de una capa adicional de ingesta
- Ofrece más de 40 tipos de visualización preinstalados y permite crear visualizaciones personalizadas mediante una arquitectura de plugins
Documentación por rol y comunidad
- User Docs: documentación para analistas y usuarios de negocio, que cubre exploración de datos, creación de gráficos, creación de dashboards y conexión a bases de datos
- Administrator Guide: documentación para equipos encargados de instalar y operar Superset, que cubre instalación, configuración, seguridad y drivers de bases de datos
- Developer Guide: documentación para ingenieros que contribuyen a Superset o desarrollan funcionalidades sobre la plataforma, que cubre la REST API, extensiones y flujos de contribución
- Community: ofrece recursos de comunidad como Slack, GitHub, listas de correo y meetups programados
Funciones de analítica de autoservicio
- Superset permite explorar datos y encontrar insights en dashboards interactivos mediante dashboards, Chart Builder, SQL Lab y Datasets
-
Creación de visualizaciones y dashboards
- Ofrece más de 40 visualizaciones preinstaladas
- Admite tanto drag-and-drop como consultas SQL
- Ofrece caching de datos para reducir los tiempos de carga de gráficos y dashboards
- Permite construir dashboards interactivos con plantillas Jinja y filtros de dashboard
- Permite personalizar gráficos y dashboards con plantillas CSS para ajustarlos al look and feel de la marca
-
Funciones de ampliación analítica
- Ofrece una capa semántica para transformar datos SQL
- Permite análisis de datos más profundos con cross-filter, drill-to-detail y drill-by
- Para la exploración ad hoc de datos, se pueden usar virtual datasets
- Permite acceder a nuevas funciones mediante feature flags
Organizaciones usuarias
- Superset afirma que hay miles de empresas que lo usan para explorar y visualizar datos
- Como ejemplos de organizaciones usuarias, se muestran enlaces a Xnet Mobile, UserGuiding, Preset, PlaidCloud, VLMedia y Cirrus Assessment
1 comentarios
Opiniones en Hacker News
Usé Superset con mucha satisfacción y, después de reemplazar Tableau, no tengo intención de volver
Me tomó algo de tiempo entender cómo embeberlo en una app con el Superset Embedded SDK. Este SDK permite insertar dashboards de Superset en tu propia app usando la autenticación de la app, mediante un iframe que contiene una página de Superset dentro de la app anfitriona
https://github.com/apache/superset/tree/master/superset-embe...
Superset está basado en ECharts, una biblioteca de gráficos de alta calidad y bien mantenida
https://echarts.apache.org/examples/en/#chart-type-linesG
La hoja de ruta de la comunidad también es pública
https://github.com/apache/superset/projects?query=is%3Aopen
Siento mucho respeto por Preset.io y su equipo por contribuir al proyecto y mantenerlo en buen estado
https://preset.io/blog/
El código fuente de Superset es fácil de leer y entender, así que también es posible implementar técnicas avanzadas de caché para reducir la carga de los gráficos. No existe un BI perfecto, pero tras observarlo durante varios años me generó confianza en que seguirá funcionando como se espera, y parece que algún día algunos de sus paquetes podrían reutilizarse para distintas visualizaciones y experimentos con datos
Para visualización, suelo empezar con ECharts y un wrapper simple en React, y luego levantar Superset en un subdominio para usuarios avanzados, para ver cuál enfoque encaja mejor. Si se mantiene la misma apariencia, la experiencia de usuario es bastante buena
https://evidence.dev
Discusión anterior en HN: https://news.ycombinator.com/item?id=35645464 (97 comentarios)
Probé Superset hace algunos años, y quizá ahora haya cambiado, pero intuitivo es la última palabra que le pondría
En Superset tenía que buscar literalmente durante horas cosas que en otras herramientas de BI habría descubierto en minutos. Tampoco ayudó que a mitad de camino cambiaran los nombres de conceptos clave, dejando incoherente la mitad de la documentación en línea. Mis colegas de la empresa que lo probaron conmigo en ese momento sintieron algo parecido
A los usuarios de negocio les gustó y yo también quedé satisfecho; además, fue sencillo administrarlo conectándole un backend Postgres en lugar de la base de datos interna h2
Puedes levantar una base de datos DuckDB como data warehouse integrado para cargar datos, y con más de 500 conectores puedes traer automáticamente datos de Postgres, Stripe, HubSpot, Zendesk y otros, sin ETL aparte
En la capa semántica defines dimensiones, métricas y joins en un solo lugar, y también hay modelos preconstruidos para cada fuente compatible. Por ejemplo, el modelo de Stripe ya incluye métricas como MRR y tasa de cancelación
Con un enfoque de BI simple, creas la tabla de datos que quieres y generas visualizaciones a partir de esa tabla. Si tienes preguntas, puedes escribir a mike@definite.app
La documentación, por decirlo amablemente, también es pobre
En cambio, estaba lleno de decenas de errores de runtime de Python e incontables defectos. Hoy Metabase se parece más a la respuesta correcta
Las herramientas de BI completas como Superset o Metabase son excelentes para los casos de uso para los que fueron pensadas
Pero si el uso principal es crear de vez en cuando reportes semiinteractivos para usuarios finales no técnicos, y la mayoría de las veces bastan gráficos y tablas estándar, pueden ser excesivas. Más aún si ya estás cómodo con SQL y tienes acceso a las fuentes de datos originales
En esos casos, SQLPage y Evidence me resultaron muy útiles. Es cómodo escribir SQL rápidamente y convertirlo en una UI web limpia y de aspecto profesional para entregarla a usuarios finales. Evidence es un sitio generado estáticamente, y SQLPage es una app web conectada a una base de datos en tiempo real
SQLPage: https://sql.ophir.dev/
Evidence: https://evidence.dev
Me gusta Superset
Desde 2017 lo he usado en producción en dos trabajos, y mi empleo actual es en una empresa grande
Como sistema general de dashboards basados en bases de datos, me parece el mejor. No pienso pagar por Tableau ni Power BI
Lo mismo con Airflow
Si usas la instancia de Superset de Wikipedia, puedes consultar bases de datos internas de Wikipedia
https://superset.wmcloud.org
https://phabricator.wikimedia.org/T169452
Antes hice estadísticas personalizadas con eso
https://github.com/altilunium/wikiidmon
Artículos relacionados. Me pregunto si habrá otros
Open source Business intelligence platform made with Python - https://news.ycombinator.com/item?id=29368664 - noviembre de 2021 (49 comentarios)
Apache Superset 1.1 - https://news.ycombinator.com/item?id=27439939 - junio de 2021 (28 comentarios)
The Apache Software Foundation Announces Apache Superset as a Top-Level Project - https://news.ycombinator.com/item?id=25905277 - enero de 2021 (1 comentario)
Apache Superset is an enterprise-ready business intelligence web application - https://news.ycombinator.com/item?id=21133931 - octubre de 2019 (7 comentarios)
Superset es potente, pero me pregunto por qué no corrigen las pequeñas molestias. Por ejemplo, cosas como que los píxeles del spinner estén desalineados, que no puedas copiar valores de celdas de tablas, o que no usen una fuente monoespaciada para los números en las tablas. Hay cientos de esas pequeñas irritaciones dentro del producto
Siempre hay que equilibrar entre crear nuevas funciones que la gente pide y arreglar estos problemas visuales que siguen apareciendo
Me pregunto si alguien ha usado tanto Superset como Metabase. He usado Metabase en algunos proyectos y me pareció bastante bueno. Superset también parece más potente
Me pregunto si vale la pena incluso para BI con datasets pequeños
Elegimos Metabase porque tenía joins de tablas. Cuando lo usé, Superset no tenía joins, y no sé si los agregaron después. Visualmente, Metabase también se ve un poco más pulido
Aun así, personalmente prefiero mucho más Superset. Para que Metabase fuera usable tuve que desactivar muchas funciones, y me molestaban constantemente cosas como que mostrara “the_table” como “The Table”, o la opacidad entre los modelos y las “preguntas”. También era molesto que cada vez que intentaba cambiar una pregunta quisiera crear una nueva
En particular, cuando quería cambiar la fuente de datos de muchas preguntas, era un problema grande porque no había una forma limpia de hacerlo en Metabase sin que creara preguntas nuevas
Además, en Metabase la serialización solo es posible si pagas y lo autoalojas. No entiendo exactamente por qué estoy pagando si lo estoy autoalojando, y resulta bastante molesto
https://www.metabase.com/docs/latest/installation-and-operat...
Aun así, permite joins de tablas. A veces solo eso hace que valga la pena aguantar Metabase
Superset es el mejor si solo miras la visualización de datos, pero me pareció casi inútil como BI de autoservicio para usuarios de negocio cuando ya tienes un esquema en estrella existente. Este issue sobre cómo hacer joins en Superset, incluyendo el desastre que arma stalebot, muestra de un vistazo las dificultades de Superset BI
https://github.com/apache/superset/issues/8645
Metabase es bastante bueno, y sin duda es una opción adecuada para startups que quieren montar BI de bajo costo rápidamente. Todavía tiene una perspectiva muy centrada en tablas, pero se siente más hecho para BI que para simple visualización
Lightdash tiene defectos importantes, como YAML, pivots hechos en el frontend y falta de agregaciones simétricas, pero claramente está influenciado por Looker, y es fácil presentar grupos de tablas listos para usar a los usuarios de negocio. Me gustaba Looker antes de que Google lo adquiriera, y aunque nuestros usuarios de negocio no conocen términos como esquemas en estrella o copo de nieve, sí estaban acostumbrados a esa estructura, y fue fácil montar Lightdash encima del data warehouse existente
En mi empresa se usa mucho Metabase. Pero el punto en el que todas estas herramientas parecen flojas es la forma de organizar cientos de dashboards y preguntas
Sería bueno que tuviera algo como una wiki integrada para poder armar mejor la estructura de navegación. Me pregunto si alguien conoce una buena forma de hacerlo
Una forma que ayuda es conectar Metabase a su propia base de datos y crear consultas sobre las consultas
select *from report_cardwhere dataset_query ilike '%' || {{query}} || '%'También se puede hacer join con metadatos como el autor o la hora de la última ejecución
Nos esforzamos mucho por mantener la estructura de directorios de Collections limpia y coherente, pero aun así sigue siendo difícil
Otra forma podría ser usar un LLM para resumir, etiquetar y agrupar consultas, de modo que sean más fáciles de encontrar
Me pregunto si Superset también es una buena herramienta cuando uno hace análisis de datos por su cuenta
Por ejemplo, tengo algunas bases de datos sqlite y solo quiero desarrollar consultas y gráficos. Estuve viendo Tableau, Power BI y Superset, pero todos me parecieron bastante pesados para un solo usuario, y la configuración local tampoco parecía muy sencilla
Me gustaría recibir recomendaciones de buen software para un solo usuario, o de formas de ejecutar estas herramientas pesadas de manera más cómoda
Veo estos productos más como herramientas de visualización de datos y reportes para mostrar datasets ya preparados a los usuarios de una forma atractiva. Son menos adecuados para un análisis serio
No conozco bien Superset ni Tableau, pero estoy familiarizado con Power BI porque está implementado en toda la organización. Las estadísticas que se pueden hacer con Power BI son bastante básicas. Más allá de resúmenes como conteos, promedios, mínimos y máximos, no es tan fácil
Para análisis de datos usamos SAS o R. Ese software permite hacer tareas como regresión multivariada, pronóstico de series de tiempo, análisis de componentes principales y análisis de clústeres, y también tiene funciones de gráficos
Ambos son un poco anticuados. Los vengo usando desde principios de los 2000, y hoy el enfoque parece ser Python. Casi todo el personal reciente de ciencia de datos de nuestra organización usa Python, en especial bibliotecas como Pandas y Seaborn(https://seaborn.pydata.org/)
Los usuarios avanzados de Power BI en nuestra organización suelen estar en finanzas o RR. HH., y lo usan mucho para hacer drill-down de cifras de costos o para mostrar KPI e indicadores clave a la dirección de forma interactiva
Se puede usar como aplicación para un solo usuario, y mientras no la incluyas como parte de una aplicación que construyas, basta con usarla así