0Pricing
Data Science Academy · Lektion

Vom Notebook zum Dashboard

Ergebnisse teilen, die andere nutzen können

Vom Notebook zum Dashboard ist eine kostenlose Data Science Academy-Lektion auf CoddyKit. Dies ist Lektion 4 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des Data Science Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der Data Science Academy-Kurs umfasst insgesamt 4 Lektionen.

Über das Notebook hinaus

Ein Notebook ist für Sie großartig, aber Stakeholder führen keine Zellen aus. Um sie zu erreichen, verwandeln Sie Ihre Analyse in ein teilbares Dashboard. 🚀

Warum ein Dashboard?

Mit einem Dashboard können Nichtprogrammierende Ihre Ergebnisse direkt erkunden, filtern und klicken, statt Sie jedes Mal um eine erneute Ausführung des Codes zu bitten.

Statisch oder interaktiv

Entscheiden Sie früh: Ein statischer Bericht ist eine unveränderliche Momentaufnahme, während eine interaktive App es den Nutzenden ermöglicht, Eingaben zu ändern und Aktualisierungen zu sehen.

Der einfachste Weg

Für Python-Nutzende verwandelt Streamlit ein einfaches Skript in eine Web-App, ohne dass dafür nahezu Frontend-Code erforderlich ist.

import streamlit as st
st.title("Sales Dashboard")

Eine Zahl anzeigen

Eine zentrale Kennzahl liefert sofort Kontext. Das Metric-Widget von Streamlit zeigt einen Wert und seine Veränderung gegenüber einem Zielwert nebeneinander an.

st.metric("Revenue", "$1.2M", "+8%")

Ein Diagramm einfügen

Übergeben Sie ein beliebiges matplotlib- oder plotly-Diagramm direkt an die App. Es wird inline dargestellt, sodass Sie bereits erstellte Diagramme wiederverwenden können.

st.pyplot(fig)

Einen Filter hinzufügen

Schon ein einzelnes Widget macht Daten erkundbar. Mit einem selectbox können Nutzende eine Kategorie auswählen, worauf die gesamte Seite auf ihre Auswahl reagiert.

region = st.selectbox("Region", df["region"].unique())

Langsame Schritte zwischenspeichern

Verpacken Sie aufwendige Ladevorgänge in einen Cache, damit die App schnell bleibt: Die Daten werden einmal eingelesen und bei jeder Interaktion wiederverwendet.

@st.cache_data
def load():
    return pd.read_csv("sales.csv")

Lokal ausführen

Sie starten die App über ein Terminal, und Streamlit stellt sie in Ihrem Browser bereit. So können Sie sie testen, bevor Sie sie weithin teilen.

streamlit run app.py

Mit der Welt teilen

Übertragen Sie das Skript in ein Repository und stellen Sie es auf einem Host wie Streamlit Community Cloud bereit, um Kolleginnen und Kollegen eine einfache URL zu geben.

Vertrauenswürdig bleiben

Ein Live-Dashboard muss gepflegt werden: Aktualisieren Sie die Daten, vermerken Sie den Zeitpunkt der letzten Aktualisierung und dokumentieren Sie Annahmen, damit die Nutzenden ihm weiterhin vertrauen.

Kurzer Check

Warum sollte eine Analyse aus einem Notebook in ein Dashboard überführt werden?

Zusammenfassung

Sie haben ein Notebook mit Streamlit in ein teilbares Dashboard verwandelt – mit Kennzahlen, Diagrammen, Filtern, Caching und Bereitstellung. Damit schließt sich der Kreislauf von Daten zu Entscheidungen. 🎉

Häufig gestellte Fragen

Ist die Lektion „Vom Notebook zum Dashboard“ kostenlos?

Ja — der vollständige Text von „Vom Notebook zum Dashboard“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des Data Science Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der Data Science Academy-Kurs umfasst insgesamt 4 Lektionen.

Was lerne ich in „Vom Notebook zum Dashboard“?

Ergebnisse teilen, die andere nutzen können Du übst Data Science Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.

Brauche ich Erfahrung, um Data Science Academy zu starten?

Keine Vorkenntnisse erforderlich. Data Science Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 4 von 4.

Wie lange dauert die Lektion „Vom Notebook zum Dashboard“?

Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.

Kann ich in dieser Data Science Academy-Lektion Code schreiben und ausführen?

Ja. Jede Data Science Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.

Alle Lektionen in diesem Kurs

  1. Merkmalswichtigkeit und SHAP
  2. Intuition zur partiellen Abhängigkeit
  3. Diagramme, die Stakeholder überzeugen
  4. Vom Notebook zum Dashboard
← Zurück zu Data Science Academy