[BI工具] 以Redash為資料視覺化方案之選擇與實踐系列
Published in
3 min readOct 9, 2018
公司成長到一個規模之後,會有許多想看各種不同類型報表的需求,時常會被問各種數字的確佔掉了不少工作時間,同時也發覺各部門看得資料來源不一,也會常被問為何你給出的數字和另一個地方的數字不一樣。
最早想到的是2015年聽過的講題「使用 Elasticsearch 及 Kibana 進行巨量資料搜尋及視覺化」,但因為我們的資料源並沒有使用到Elasticsearch,因此開始尋求其他的解決方案,著重的要點主要是:
- Query by MySQL or Python,方便工程師之間彼此支援
- Datasource至少能支援MySQL,減少ETL的工
- 非單機版,能讓不同人能以最方便快速的方式存取同一份報表
- 價格低廉
大概花了一週,先期研究市面上是否有夠好用的方案可以直接使用或是得要自行開發,對於 Metabase、Superset、Redash,以公司的需求及現有資料架構在此三個平台進行比較,最後選擇Redash,也開始應用在公司的報表。
趁著鐵人賽的機會,藉由一系列文章,除了把之前的算是比較深入的初次體驗三個平台的感受、選擇Redash情境分享出來;也透過介紹Redash的功能,可以讓大家當成官網外的補充資訊,自己也能順便學習把Redash所有功能使用過一輪,更進一步分享出開發中的經驗甚至是雷區,避免後人卡在同樣的問題上。
ps. 後續連續30天會每天po一篇文,也會一併以此篇為目錄在此更新
(文章會同步在鐵人賽發布)
- Metabase 體驗
- Superset 安裝與體驗
- Redash 線上體驗
- Metabase、Superset、Redash 選擇考量
- Redash 安裝
- [Redash] MySQL 基本 query 與強大的 Table 功能
- [Redash] 圖表 Chart 基本介紹
- [Redash] 圖表 Chart 進階介紹
- [Redash] 圖表 Boxplot、Map 介紹
- [Redash] 相見恨晚的 Pivot Table
- [Redash] Parameter 搜尋條件GUI功能
- [Redash] Dashboard & Parameter
- [Redash] Filter & Download files
- [Redash] 相關 Share 功能
- [Redash] Query 快速開發的好用功能
- [Redash] 使用 Python Query
- [Redash] Python Query 進階用法
- [Redash] Google Analytic 設定
- [Redash] Google Spreadsheet & Url 設定
- [Redash] Counter & Word Cloud
- [Redash] Funnel
- [Redash] Cohort
- [Redash] Sankey
- [Redash] Sunburst
- [Redash] 設定 mail server (使用 Gmail)
- [Redash] Email Alert & Schedule
- [Redash] 備份、還原、升級
- [Redash] 權限機制
- [Redash] 相關資源