[數據分析]運用Google Data Studio 設計 Dashboard 的小技巧教學
前言
前幾天身邊的朋友跟我分享他們總經理最近開會的時候,嚴肅的跟大家表示,未來報告的時候不要再拿Excel拉些表格和沒修飾過圖表傷他的眼睛。這段看起來很無理的要求,其實非常符合現在商業上講求資料視覺化、資訊設計的趨勢,尤其未經整理且消化過的數字其實非常惱人,常常也得不到有洞見的結果。因此,這篇文章也希望透過 Data Studio 來教學 Dashboard 設計上的小技巧。
Key Takeaways:1. 了解設計 Dashboard 的基本架構與流程2. 掌握 Data Studio 基本圖表的操作方式3. 利用 Data Studio 的進階技巧完成 Dashboard 設計
Dashboard 架構
以Data Studio範例而言,可分為篩選器、指標、趨勢、排行以及分佈五大區塊
- 篩選器:能夠依照User 需求調整使用內容
- 指標 : 依據Dashboard目標設計重要的追蹤指標
- 趨勢 : 觀察重要指標的時間趨勢,摘要指標高低峰的資訊或觀察指標的長期方向性
- 排行 : 透過特定維度拆解指標的分佈狀況,找出特定維度下重要的因子(note: 主要使用最細的維度)
- 分布 : 透過特定維度拆解指標的分佈狀況,找出特定維度下重要的因子(note: 主要使用high level 的維度)
除此之外,在圖表中能運用到的視覺化工具還有很多,其中包含利用地圖結合地理資訊與指標,快速的掌握不同區域的數值變化;抑或是結合文字雲來讓文字的資訊能夠更容易被吸收。
Dashboard 設計三步驟
- 規劃 : 與Stakeholders確認最終要解決的問題並規劃Dashboard的應用情境
- 設計 : 事先用草稿的方式設計初版Dashboard的樣子,再用Demo Data 和Stakeholders確認方向
- 實作 : 串接正式資料並實際開發實作Dashboard
同時,在規劃階段也應該思考4個W,透過不斷問問題來確認 Dashboard 最終的目標,以免花費許多時間投入開發與設計,最終卻與預期產生落差。
- Why : 為什麼需要這個Dashboard
- Who : Dashboard在解決哪些Stakeholders的問題
- What : 需要把哪些Stakeholders在意的東西放進去(ex: 指標、功能、圖表)
- So what : Stakeholders在意,所以能幹麻
實際應用範例
- Why : 現有的BI工具無法輸出精準的用戶名單供下游應用
- Who : BD、MKT
- What :
- 需要能夠輸出用戶名單
- 需要更加了解用戶輪廓(人數、年齡、輪廓、RFM、興趣等等)
- So what :
1. 輸出用戶名單做下游應用
2. 透過精準的用戶輪廓設計更好的行銷提案、爭取供應商合作
基本圖表操作
在Data Studio 中,大部分的元件都可以展開兩個頁籤,包含資料與樣式,在資料中最主要就是設定圖表的資料屬性;而樣式則是調整圖表的呈現方式(ex: 數值可以熱圖, 長條圖呈現、雙軸設定等等),以下簡介在資料中較常調整的幾個屬性
- 資料來源:這個圖型或表格所串接的資料
- 維度 : 資料中的類別型變數(ex: 男女、國家)
- 指標 : 資料中的數值型變數(ex: 年齡、溫度)
- 篩選器 : 過濾符合條件的資料(ex: 年齡>30的會員)
- 圖表互動 : 讓擁有相同欄位的圖表可以透過互動篩選資料
資料混合(data blending)
資料混合在 Data Studio 主要有兩個功能
- Table Join: Table Join 的概念就是透過複數張表中擁有相同的值(Key)來實現跨表連結,這個在實際做資料視覺化時非常常用到,實務上很難只用一張表就呈現多元的指標或圖形。
- Level of Detail: Level of Detail 能夠在固定某個維度的情況下,透過聚合函數計算出結果,而此結果不會因為圖表的維度而有所變化,以下列例子而言,Aggregation的維度 限制在 Segment 的 level,因此不會因為 Category 不同而使 Per Segment Sales 有所變化(ex: 所有 Segment 為 Consumer的 Per Segment Sales皆為1,161,401)
參數設定
參數設定在Data Studio中是比較進階的應用,目前僅提供給串接 Bigquery 時 使用,通常的情境是不只想單純將視覺化的資料源綁在固定的表格中,而是能夠與用戶互動影響SQL的語法,及時產生客製化的結果。
舉例而言,今天有一個需求是想要看近兩週瀏覽過美妝產品的用戶還喜歡看什麼類別產品,我們的流程會是
- 找出近兩週瀏覽過美妝產品的用戶
- 找出這些用戶在這兩週還看了什麼類別的產品
- 產出查詢結果的表格
- 連結資料到 Data Studio 進行視覺化設計
但隨著需求越來越多,有可能有人時間想抓近一個月,有人想看的是瀏覽過3C產品的用戶,在有多種排列組合的情況下,若用固定的表格會耗費大量人力,因此就需要在 SQL 中加入動態的參數。
在最後的呈現上,下列的四個控制項分別會對應到 SQL 中的四個參數
- 關鍵字
- 產品OID
- 行為
- 時間範圍
因此就能夠產生出,在特定時間範圍中,對某關鍵字或某產品OID有特別行為的用戶的 Dashboard 結果。
其中在參數設定上,同樣有幾個屬性是需要被設置的:
- 參屬名稱:參數顯示在資料中的名稱
- 參數ID: 參數顯示在自定義SQL中的變數名稱
- 資料類型: 參數類型
- 允許的值:
- 任何值: 用戶可以自行輸入
- 值清單: 事先規訂好可輸入的內容
- 基數 : 以基數作為參數的初始值
Dashboard的成效衡量
花了許多時間做好了一個 Dashboard,卻無法了解使用狀況如何一直以來對於 BI 工具是個大問題,而身為數據愛好者的我們也非常想要了解用戶的使用狀況,而在 Data Studio中這個問題有辦法被有效率的解決 - 透過串接 Google Analytics 來了解使用狀況。
以下運用七個步驟簡單完成設定:
小結
其實在工作上真的非常大量的使用到資料視覺化的工具,尤其以 Data studio 和 Tableau 為主,而這篇的內容主要也整理了我過去在學習以 Data Studio 設計 Dashboard 時踩到的雷點,希望能讓同樣在摸索工具的你能夠更快速的找到解決方法!