Apache Superset - Platform Eksplorasi dan Visualisasi Data
(superset.apache.org)- Apache Superset adalah platform analitik open source yang menangani eksplorasi dan visualisasi data di satu tempat, memungkinkan pengguna dengan berbagai tingkat keahlian mengolah data melalui chart dan dashboard
- Menyediakan builder visualisasi no-code bersama SQL IDE, sehingga pengguna bisnis dan pengguna SQL dapat mengeksplorasi data dengan cara masing-masing
- Terhubung ke database berbasis SQL, dan juga dapat memanfaatkan database serta engine cloud-native berskala petabyte
- Mengusung struktur ringan dan skalabel yang berjalan di atas infrastruktur data yang sudah ada, tanpa membutuhkan lapisan ingest terpisah
- Mendukung alur analitik self-service dengan lebih dari 40 visualisasi, ekstensi berbasis plugin, caching, template Jinja, filter dashboard, dan semantic layer
Platform Eksplorasi dan Visualisasi Data
- Apache Superset™ adalah platform open source untuk eksplorasi dan visualisasi data
- Mengedepankan pengalaman penggunaan yang cepat, ringan, dan intuitif, serta mendukung berbagai visualisasi mulai dari chart garis sederhana hingga chart geospasial yang mendetail
- Pengguna dapat mengeksplorasi data melalui builder visualisasi no-code atau SQL IDE
- Dapat terhubung ke database berbasis SQL, termasuk database cloud-native modern dan engine berskala petabyte
- Memiliki arsitektur ringan dan sangat skalabel yang memanfaatkan infrastruktur data yang sudah ada, tanpa memerlukan lapisan ingest tambahan
- Menyediakan lebih dari 40 jenis visualisasi yang sudah terpasang, dan memungkinkan pembuatan visualisasi kustom melalui arsitektur plugin
Dokumentasi Berdasarkan Peran dan Komunitas
- User Docs: dokumentasi untuk analis dan pengguna bisnis, mencakup eksplorasi data, pembuatan chart, pembuatan dashboard, dan koneksi database
- Administrator Guide: dokumentasi untuk tim yang bertanggung jawab atas instalasi dan operasi Superset, mencakup instalasi, konfigurasi, keamanan, dan driver database
- Developer Guide: dokumentasi untuk engineer yang berkontribusi pada Superset atau mengembangkan fitur berbasis Superset, mencakup REST API, ekstensi, dan workflow kontribusi
- Community: menyediakan resource komunitas seperti Slack, GitHub, mailing list, dan meetup mendatang
Fitur Analitik Self-Service
- Superset mendukung alur untuk mengeksplorasi data dan menemukan insight dalam dashboard interaktif melalui dashboard, Chart Builder, SQL Lab, dan Datasets
-
Pembuatan Visualisasi dan Dashboard
- Menyediakan lebih dari 40 visualisasi yang sudah terpasang
- Mendukung drag-and-drop maupun query SQL
- Menyediakan data caching untuk mengurangi waktu loading chart dan dashboard
- Dashboard interaktif dapat disusun dengan template Jinja dan filter dashboard
- Chart dan dashboard dapat dihias agar sesuai dengan look and feel brand menggunakan template CSS
-
Fitur Ekstensi Analitik
- Menyediakan semantic layer untuk transformasi data SQL
- Mendukung analisis data yang lebih mendalam melalui cross-filter, drill-to-detail, dan drill-by
- Virtual datasets dapat digunakan untuk eksplorasi data ad hoc
- Fitur baru dapat diakses melalui feature flags
Organisasi Pengguna
- Superset menyatakan ada ribuan perusahaan yang menggunakannya untuk mengeksplorasi dan memvisualisasikan data
- Contoh organisasi pengguna yang ditampilkan adalah Xnet Mobile, UserGuiding, Preset, PlaidCloud, VLMedia, dan Cirrus Assessment
1 komentar
Komentar Hacker News
Saya sangat puas memakai Superset, dan setelah menggantikan Tableau saya tidak berniat kembali
Butuh waktu agak lama untuk memahami cara melakukan embed ke aplikasi dengan Superset Embedded SDK. SDK ini memungkinkan dasbor Superset dimasukkan ke aplikasi sendiri dengan memakai autentikasi aplikasi tersebut, dengan cara menyisipkan iframe berisi halaman Superset ke aplikasi host
https://github.com/apache/superset/tree/master/superset-embe...
Superset dibangun di atas ECharts, library chart berkualitas tinggi dan terkelola dengan baik
https://echarts.apache.org/examples/en/#chart-type-linesG
Roadmap komunitasnya juga dipublikasikan
https://github.com/apache/superset/projects?query=is%3Aopen
Saya sangat menghormati Preset.io dan timnya karena berkontribusi pada proyek ini dan menjaganya tetap dalam kondisi baik
https://preset.io/blog/
Kode sumber Superset mudah dibaca dan dipahami, jadi memungkinkan juga untuk menerapkan teknik caching tingkat lanjut guna mengurangi beban chart. Tidak ada BI yang sempurna, tetapi setelah mengamatinya selama beberapa tahun, saya jadi percaya proyek ini akan terus berjalan sesuai niatnya, dan suatu saat beberapa paketnya tampak bisa dipakai ulang untuk berbagai visualisasi dan data hacking
Untuk visualisasi, saya biasanya memulai dengan ECharts dan pembungkus React sederhana, lalu menjalankan Superset di subdomain untuk power user dan melihat pendekatan mana yang lebih cocok. Jika tampilannya dijaga tetap sama, pengalaman pengguna terasa cukup baik
https://evidence.dev
Diskusi HN sebelumnya: https://news.ycombinator.com/item?id=35645464 (97 komentar)
Saya pernah mencoba Superset beberapa tahun lalu, dan mungkin sekarang sudah berubah, tetapi intuitif adalah kata terakhir yang ingin saya pakai
Hal-hal yang di alat BI lain bisa dipahami dalam beberapa menit, di Superset benar-benar perlu dicari berjam-jam. Tidak membantu juga bahwa di tengah jalan mereka mengubah nama konsep inti, sehingga separuh dokumentasi online jadi tidak cocok. Rekan-rekan satu perusahaan yang memakainya saat itu juga merasakan hal serupa
Pengguna bisnis juga menyukainya dan saya pun puas, serta cukup mudah mengelolanya dengan memasang backend Postgres alih-alih database internal h2
Anda bisa menjalankan database DuckDB sebagai data warehouse bawaan untuk memuat data, dan dengan lebih dari 500 konektor, data dari Postgres, Stripe, HubSpot, Zendesk, dan lainnya bisa diambil otomatis tanpa ETL terpisah
Di semantic layer, dimensi, metrik, dan join didefinisikan di satu tempat, dan ada model bawaan untuk tiap sumber yang didukung. Misalnya, model Stripe sudah memiliki metrik seperti MRR dan churn
Dengan pendekatan BI yang sederhana, Anda membuat tabel data yang diinginkan, lalu menghasilkan visualisasi dari tabel itu. Jika ada pertanyaan, bisa menghubungi mike@definite.app
Dokumentasinya pun, kalau mau dibilang baik, tergolong minim
Sebaliknya, isinya penuh dengan puluhan error runtime Python dan tak terhitung banyaknya cacat. Saat ini Metabase terasa paling mendekati jawaban yang tepat
Alat BI lengkap seperti Superset atau Metabase sangat bagus untuk use case yang memang dituju
Tetapi jika kegunaan utamanya adalah sesekali membuat laporan yang setengah interaktif untuk pengguna akhir nonteknis, dan grafik serta tabel standar sudah cukup untuk sebagian besar kebutuhan, itu bisa terasa berlebihan. Terutama jika Anda sudah nyaman dengan SQL dan punya akses ke sumber data mentah
Dalam kasus seperti ini, SQLPage dan Evidence sangat berguna. Keduanya memudahkan untuk cepat menulis SQL lalu mengubahnya menjadi UI web yang rapi dan terlihat profesional untuk diserahkan ke pengguna akhir. Evidence adalah situs yang dibangkitkan secara statis, sedangkan SQLPage adalah aplikasi web yang terhubung ke database secara real-time
SQLPage: https://sql.ophir.dev/
Evidence: https://evidence.dev
Saya suka Superset
Sejak 2017 saya sudah memakainya di lingkungan produksi di dua tempat kerja, dan tempat kerja saya sekarang adalah perusahaan besar
Menurut saya ini yang terbaik sebagai sistem dashboard berbasis database serbaguna. Saya tidak berniat membayar Tableau atau Power BI
Begitu juga dengan Airflow
Jika memakai instance Superset milik Wikipedia, Anda bisa melakukan kueri ke database internal Wikipedia
https://superset.wmcloud.org
https://phabricator.wikimedia.org/T169452
Dulu saya pernah membuat statistik kustom dengan ini
https://github.com/altilunium/wikiidmon
Ini beberapa tulisan terkait. Penasaran apakah ada yang lain
Open source Business intelligence platform made with Python - https://news.ycombinator.com/item?id=29368664 - November 2021 (49 komentar)
Apache Superset 1.1 - https://news.ycombinator.com/item?id=27439939 - Juni 2021 (28 komentar)
The Apache Software Foundation Announces Apache Superset as a Top-Level Project - https://news.ycombinator.com/item?id=25905277 - Januari 2021 (1 komentar)
Apache Superset is an enterprise-ready business intelligence web application - https://news.ycombinator.com/item?id=21133931 - Oktober 2019 (7 komentar)
Superset memang kuat, tapi saya penasaran kenapa ketidaknyamanan kecil seperti ini tidak diperbaiki. Misalnya spinner yang pikselnya tidak sejajar, nilai sel tabel yang tidak bisa disalin, atau angka di tabel yang tidak memakai font lebar tetap. Ada ratusan hal kecil yang menjengkelkan seperti ini di dalam produk
Selalu harus menyeimbangkan antara membuat fitur baru yang diminta orang dan memperbaiki masalah tampilan seperti ini yang terus bermunculan
Saya penasaran apakah ada yang pernah memakai Superset dan Metabase sekaligus. Saya pernah memakai Metabase di beberapa proyek dan cukup menyukainya. Superset juga tampak lebih kuat
Saya penasaran apakah tetap layak dipakai bahkan untuk BI dengan dataset kecil
Alasan kami memilih Metabase adalah karena ada table join. Saat saya memakainya, Superset belum punya join, dan saya tidak tahu apakah itu sudah ditambahkan setelahnya. Tampilannya juga terlihat sedikit lebih rapi di Metabase
Meski begitu, secara pribadi saya jauh lebih memilih Superset. Agar Metabase terasa enak dipakai, saya harus mematikan banyak fitur, dan saya terus terganggu oleh hal-hal seperti menampilkan “the_table” menjadi “The Table”, sampai ketidakjelasan antara model dan “question”. Juga menyebalkan karena setiap kali mencoba mengubah sebuah question, sistem malah ingin membuat question baru
Ini terutama jadi masalah besar saat ingin mengganti sumber data dari banyak question, karena tidak ada cara yang rapi agar Metabase mengubahnya tanpa membuat question baru
Selain itu, di Metabase serialization hanya bisa dilakukan jika membayar dan self-hosting. Saya self-hosting, tapi tidak paham sebenarnya saya membayar untuk apa, dan itu cukup mengganggu
https://www.metabase.com/docs/latest/installation-and-operat...
Tapi table join memang bisa. Kadang itu saja sudah cukup untuk membuat Metabase layak ditoleransi
Superset adalah yang terbaik jika hanya melihat visualisasi data, tetapi saya merasa hampir tidak berguna sebagai BI swalayan untuk pengguna bisnis ketika sudah ada skema bintang yang mapan. Issue tentang bagaimana melakukan join di Superset ini, termasuk bagaimana stalebot membuat kekacauan, menunjukkan sekilas betapa sulitnya BI di Superset
https://github.com/apache/superset/issues/8645
Metabase cukup hebat, dan jelas pilihan yang cocok untuk startup yang ingin cepat membangun BI berbiaya rendah. Perspektifnya masih sangat berpusat pada tabel, tetapi tetap terasa dibuat untuk BI lebih daripada sekadar visualisasi sederhana
Lightdash punya kekurangan besar seperti YAML, pivot yang dilakukan di frontend, dan tidak adanya symmetric aggregates, tetapi jelas banyak terinspirasi oleh Looker, dan mudah untuk menyajikan kelompok tabel yang siap langsung dipakai oleh pengguna bisnis. Saya menyukai Looker sebelum diakuisisi Google, dan pengguna bisnis kami memang tidak tahu istilah skema bintang atau snowflake, tetapi mereka sudah terbiasa dengan struktur seperti itu, dan mudah menempatkan Lightdash di atas data warehouse yang sudah ada
Di perusahaan, kami banyak memakai Metabase. Namun, titik lemah yang tampak pada semua alat seperti ini adalah cara mengelola ratusan dashboard dan pertanyaan
Akan bagus jika ada semacam wiki bawaan agar struktur penelusurannya bisa dibuat lebih baik. Penasaran apakah ada yang tahu cara yang bagus
Salah satu cara yang membantu adalah menghubungkan Metabase ke database miliknya sendiri, lalu membuat kueri atas kueri
select *from report_cardwhere dataset_query ilike '%' || {{query}} || '%'Metadata seperti penulis atau waktu terakhir dijalankan juga bisa di-join
Kami benar-benar berusaha keras menjaga struktur direktori Collection tetap rapi dan konsisten, tapi tetap saja sulit
Cara lain mungkin memakai LLM untuk merangkum, memberi tag, dan mengelompokkan kueri agar lebih mudah ditemukan
Saya penasaran apakah Superset juga merupakan alat yang oke bahkan jika analisis data dilakukan sendirian
Misalnya, saya punya beberapa database sqlite dan hanya ingin mengembangkan kueri serta grafik. Saya melihat Tableau, Power BI, dan Superset, tetapi semuanya tampak cukup berat untuk pengguna tunggal, dan penyiapan lokalnya juga tidak terlihat sangat mudah
Jika ada perangkat lunak yang bagus untuk pengguna tunggal, atau cara menjalankan alat berat seperti ini dengan lebih nyaman, saya ingin mendapat rekomendasi
Saya melihat produk-produk ini lebih sebagai alat visualisasi data dan pelaporan untuk menampilkan dataset yang sudah disiapkan kepada pengguna dengan cara yang enak dilihat. Untuk analisis yang serius, alat-alat ini kurang cocok
Saya tidak terlalu tahu Superset atau Tableau, tetapi Power BI dipakai di seluruh organisasi kami sehingga saya akrab dengannya. Statistik yang bisa dilakukan di Power BI cukup dasar. Begitu melewati ringkasan seperti hitungan, rata-rata, minimum, dan maksimum, semuanya jadi tidak terlalu mudah
Untuk analisis data, saya memakai SAS atau R. Perangkat lunak seperti ini bisa menangani pekerjaan seperti regresi multivariat, peramalan deret waktu, analisis komponen utama, analisis klaster, dan juga punya fungsi grafik
Keduanya memang agak jadul. Saya sudah memakainya sejak awal 2000-an, dan pendekatan masa kini tampaknya adalah Python. Rekan-rekan data science terbaru di organisasi kami hampir semuanya memakai Python, terutama banyak menggunakan library seperti Pandas dan Seaborn(https://seaborn.pydata.org/)
Power user Power BI di organisasi kami umumnya berasal dari keuangan atau HR, dan sering memakainya untuk drill-down angka biaya atau menampilkan KPI dan metrik utama secara interaktif kepada eksekutif
Itu bisa dipakai sebagai aplikasi pengguna tunggal, dan kalau digunakan seperti itu, ya memang cukup begitu saja kecuali Anda ingin memasukkannya sebagai bagian dari aplikasi yang Anda bangun