[Redash] Sankey

Sankey 圖(桑基圖)名稱來自於
發明人 — 土木工程師 Matthew Henry Phineas Riall Sankey，
常用在表達能源、材料、金融等有流量相關概念的分析視覺化圖表。

在 Redash 中，要使用 Sankey 需產生對應格式的資料：

• 欄位名稱只能為：stage1, stage2, …, stage5、value (最多五個階段)
• 每一列的資料代表 從某一 stage 到下一個 stage 有多少 value
• 不能跨 stage 給值 (eg. stage1, stage3 有資料，但 stage2 為空)

這裡以 Google Spreadsheet 當成 Data Sources，
以電商常見的使用者瀏覽頁面的流程當成範例，
stage 為使用者常瀏覽的頁面，value 為瀏覽量(PV)。
將資料直接建置在 Google 試算表上，
然後用 Redash 接入：

這裡可以看到在範例資料中，我是把每一列的資料都在 stage 1 開頭，
所以有些像是本身瀏覽量高的網頁 eg. 商品頁，就重複出現很多次，
如果要合併起來，就可以把資料對齊在同一個 stage 有相同的值：
eg. 這裡把 stage 為商品的對齊在同一欄

不過 Redash 的圖表並沒有預設值，
圖表上針對前一個 stage 為空值的資料，會直接不給名稱，這樣看起來就沒那麼美觀，所以這裡直接將空值補為 Direct ，代表是直接進入該頁，而沒有從其他頁面而來；另因不能跨 stage 給值，因此 B6 那欄也是要給資料的。

這樣 Sankey 就好看許多：

使用案例

公司實際上還沒使用過 Redash 的 Sankey 圖，
個人認為有一些應用情境

• 應可從 Google Analytic 撈出我們比較在乎的 stage 看使用者的行為模式。
  因 GA 行為流程是將 stage1 放瀏覽量高的網頁，不見得是我們在乎的。
• 團體旅遊商品因價格較高，所以行為流程可能會很長，可以把瀏覽行為做合併 (eg. 看商品頁 3 次、5 次各為一種 stage)，再進行 Sankey 視覺化

這邊比 Funnel 資料好 ETL 的點是，
Sankey 圖的起始流量是要相同的，所以不需考慮跨 stage 的狀況。

此為系列文章，傳送門在此