<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>产品化 on 老张开工了</title>
    <link>/%E4%BA%A7%E5%93%81%E5%8C%96/</link>
    <description>Recent content in 产品化 on 老张开工了</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Thu, 23 Jan 2025 00:00:00 +0000</lastBuildDate>
    <atom:link href="/%E4%BA%A7%E5%93%81%E5%8C%96/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>数据产品化</title>
      <link>/posts/2025/01/data-productization/</link>
      <pubDate>Thu, 23 Jan 2025 00:00:00 +0000</pubDate>
      <guid>/posts/2025/01/data-productization/</guid>
      <description>从分析到产品 在前面的文章中，我们做了大量分析工作：清洗数据、可视化趋势、建立模型、挖掘洞察。但这些分析的产出大多是 Jupyter Notebook 或 PDF 报告，业务团队无法直接交互使用。&#xA;数据产品化就是把分析成果转化为可交互、可复用、可部署的工具。典型的数据产品包括：&#xA;交互式仪表盘：业务人员可以自助查看指标 API 服务：其他系统可以调用模型预测 自动化报告：定时生成并分发 数据目录：帮助团队理解和发现数据 用 Streamlit 构建交互式仪表盘 Streamlit 是 Python 生态中最流行的数据应用框架。它让你用纯 Python 写出漂亮的 Web 应用，不需要 HTML/CSS/JS。&#xA;安装 pip install streamlit pandas matplotlib plotly 基础仪表盘示例 # dashboard.py import streamlit as st import pandas as pd import plotly.express as px import plotly.graph_objects as go from datetime import datetime, timedelta # 页面配置 st.set_page_config( page_title=&amp;#34;电商销售仪表盘&amp;#34;, page_icon=&amp;#34;📊&amp;#34;, layout=&amp;#34;wide&amp;#34; ) st.title(&amp;#34;📊 电商销售实时仪表盘&amp;#34;) st.markdown(&amp;#34;---&amp;#34;) # 缓存数据加载（避免每次交互都重读） @st.cache_data def load_data(): df = pd.</description>
    </item>
  </channel>
</rss>
