Построение отчета на базе Sankey chart

Записаться

Файлы для практики: Energy-Data.xlsx, world-countries.json, Work-Bank-US-Remittance-Outflow

Анализ энергетических потоков между отраслями

Рассмотрим набор данных для визуализации. В нём есть ID, ID отрасли, название отрасли, Source (источник) и Target (цель). Поля Source и Target ссылаются на Node ID (идентификатор узла). Source — код источника, Target — код целевой отрасли. Например, запись может описывать объём перехода из нулевой отрасли в первую.

Набор данных показывает карту перехода энергетических мощностей из одной отрасли в другую. Речь идёт о том, как энергия, производимая одной отраслью, используется в другой. Например, угольная промышленность имеет код 9. Из неё в отрасль 4 идёт объём 75 571. Значительные потоки также идут из отраслей 2, 5 и 15. Отрасль 2 обозначена как Liquid (жидкость), отрасль 5 связана с газом, отрасль 15 — с электростанциями и электросетями. Часть названий в датасете условна, но для визуализации это не критично.

Чтобы отобразить потоки, сначала копируем список всех отраслей. В Power BI используем Enter Data (Ввод данных) — режим, когда данные не берутся из внешнего источника, а вставляются вручную. Создаём таблицу Source со списком отраслей. Затем вставляем те же данные и создаём таблицу Target — целевые отрасли. После этого копируем объёмы энергии и создаём таблицу Weight (вес).

Далее связываем таблицы. Node ID источника должен соответствовать полю Source в таблице Weight. Node ID цели должен соответствовать полю Target в таблице Weight. Так становится понятно, что для получения названия источника нужно перейти в таблицу Source и взять Node Name, а для цели — аналогично использовать таблицу Target.

Теперь можно добавить специальный визуальный элемент — Sankey chart (диаграмма Санкей). В настройках задаём:

• Source — поле Source;
• Destination — поле Target;
• Weight — поле Weight;
• Source Labels — Node Name из таблицы Source;
• Destination Labels — Node Name из таблицы Target.

Включаем Data labels (подписи данных) и при необходимости Force display (принудительное отображение). Диаграмма показывает миграцию энергетических потоков. Можно выбрать, например, Nuclear (атомная электростанция), и увидеть, как из атомного сектора энергия идёт в Thermal generation (тепловую генерацию). Затем часть тепловой энергии уходит в Grid (электросеть), часть — в Losses (потери). Из электросети энергия распределяется в Industry (промышленность).

Так видна эволюция каждого источника: сначала общая энергия, создаваемая отраслями, затем её распределение внутри отраслей следующего уровня и далее. При наведении мыши можно увидеть отдельную связь. Диаграмма наглядно отображает взаимосвязи отраслей. Такой подход применим не только к энергетике: можно показывать миграцию сотрудников по департаментам, трудоустройство выпускников вузов и любые другие потоки ресурса из одной компоненты в другую.

Для фильтрации используем числовое поле Weight. Можно оставить значения «больше или равно» 100, затем 500. Тогда на диаграмме останутся только крупнейшие потоки. Это делает визуализацию более читаемой.

Анализ финансовых потоков между странами

Теперь рассмотрим другой набор данных. В нём есть перечень стран, финансовый год с 2006 по 2016 год и показатель Outflow (исходящий поток). Outflow показывает, какой объём в миллионах долларов ушёл из страны, то есть покинул государство. Это данные Всемирного банка. Например, из России вытекло около 12 млрд долларов, из Китая — 2 млрд, из США — 50 млрд. У Швейцарии и Саудовской Аравии также высокие показатели. В 2007 году у России было почти 20 млрд долларов исходящих потоков.

Загружаем Excel-файл, выбираем лист 2. В Power BI через Transform Data (Преобразование данных) удаляем лишние столбцы. Они появились потому, что в Excel остался объект таблицы, а Power BI воспринимает его как таблицу внутри листа. После удаления лишних столбцов загружаем данные.

Затем импортируем ещё одну компоненту — Chord chart (хордовая диаграмма). В настройках задаём:

• From — страна;
• To — год;
• Value — Outflow.

Если отобразить все страны сразу, диаграмма становится нечитаемой. Поэтому применяем фильтры. Берём последние три года: 2014, 2015, 2016. Затем фильтруем значение: больше 10 000. После этого диаграмма становится обозримой. Видно, что в 2014, 2015 и 2016 годах наибольший вклад у США. В принимающей стороне, то есть в годах, происходит автоматическая сортировка по убыванию объёма финансовых потоков. Толщина прямоугольника страны соответствует показателю. Россия за эти три года занимает четвёртое место в мире по исходящим финансовым потокам после США, Саудовской Аравии и Швейцарии.

Можно усилить фильтр и оставить значения больше 30 000. Тогда останутся только США, Саудовская Аравия и Россия. Так удобно анализировать крупнейшие потоки. Внешний вид диаграммы можно менять: настроить размер подписей, фон, границу, ширину и высоту. Хордовая диаграмма решает задачу отображения сложных взаимосвязей между данными. Она подходит для любых предметных областей, где есть миграция ресурса из одной компоненты в другую.

Краткие итоги

В основе рассмотренного подхода лежит модель потока «источник — цель — вес». Сначала данные приводятся к виду, где каждая связь имеет отправителя, получателя и количественную меру. Затем в Power BI создаются справочники узлов и таблица связей. Ключевым оказывается не название, а идентификатор: именно по нему соединяются таблицы, а человекочитаемые подписи подтягиваются отдельно. Такой порядок снижает риск ошибок и делает модель пригодной для повторного использования.

Диаграмма Санкей хорошо работает там, где важно увидеть не просто сумму, а маршрут движения ресурса. Она позволяет проследить, как поток проходит через несколько уровней и где он теряется или перераспределяется. Фильтрация по весу превращает сложную картину в управляемый анализ: сначала можно оценить всю систему, затем оставить только значимые связи. Это особенно полезно, когда узлов много и полная визуализация становится перегруженной.

Хордовая диаграмма решает другую задачу: она показывает взаимосвязи между двумя категориями, например странами и годами. Здесь также важны фильтры. Без ограничения по периоду и величине потока диаграмма теряет читаемость. Толщина элементов и автоматическая сортировка помогают быстро выделить лидеров и сравнить их вклад. Настройка подписей и внешнего вида не меняет смысл данных, но влияет на качество восприятия.

Практическая ценность обеих визуализаций в том, что они переводят таблицы связей в наглядную картину движения. Такой приём применим в энергетике, финансах, управлении персоналом, образовании и других областях. Главные условия корректности — понятная модель данных, правильные связи по идентификаторам, разумные фильтры и аккуратные подписи. Тогда диаграммы становятся не украшением отчёта, а инструментом анализа.