今天简单说下数据分析的工具技巧。
IPython notebook（现在叫jupyter）一直是数据分析的利器。
我长期以来都用它玩单机版的数据分析，BI虽然在线上环境，但偏报表。最近在查询资料的时候，发现它能完美地和Docker兼容。Docker我只了解部分概念，不过并不妨碍阅读文章。
于是拜托我们的运维大哥将IPython搭建在服务器上。
网上扒拉几篇教程给他就搞定了，不难。
通过服务器的IP访问，和本地环境没什么交互差异。
试一下作图，也ok。
直接在服务器读写数据，直接分析，避免下载CSV的环节。如果设置好的话，数据分析的效率 能提升一截。对我们部门，也希望从SQL＋Excel的分析习惯转换到SQL＋Python的分析习惯。当然用不用Excel还是看实际的效率。
可以进行协同数据分析
协同有多好就不说了。
数据分析师之间可以互现查看对方的分析思路和结果，分析过程都是直接可见的。
也可以在对方的分析基础上直接修改。比如A完成了数据分析前的清洗过程，B就直接访问文件，继续接下来的探索分析。更可以用Markdown批注。
每一次Python的数据分析过程直接保存在服务器上，多酷～数据分析的团队性也加强。
可扩展性
因为Docker，现在只要在服务器端pip package就行，甚至本地电脑不用安装Python和大量的包，直接登录服务器上手（个人建议本地还是要有的）。