自行车共享数据上引人注目的 Canvas 仪表板

Aginic 是澳大利亚领先的数据分析咨询机构之一。作为 Elastic 的合作伙伴，我们帮助我们的共同客户提供有意义的“变革洞察力”，我们的分析师、工程师、开发人员、设计师和实施辅导专家负责医疗、教育、能源、娱乐、国防和金融等领域的重大项目。

在最近的 Elastic 布里斯班会议上，我们的团队展示了 Elastic Stack 的一些激动人心的新 Canvas 和 SQ L功能，我们假定选择开发一套仪表板来帮助重塑新南威尔士的自行车共享。

我们的团队开始挖掘一些开放数据源和过去的用例，迅速登陆 Kibana 的新应用程序 Canvas ，这使我们能够将来自纽约 CitiBike 系统¹ 的现有通勤场景数据合并成一个优雅的可视化。接下来，我们开始寻找各种方法来帮助新南威尔士州提高自行车租赁率、租赁库存监测、整体通勤满意度和整体自行车可用性。 

我们是这样实现的...

我们的 Canvas 仪表板描绘了纽约 CitiBike 系统的一些数据。具体来说，我们之所以选择这个数据集，是因为我们可以利用其中的交易行程数据以及车站的时间点状态指标。我们认为这两种不同类型的数据将使我们能够最好地展示新的 Canvas 功能。

第一个是行程数据源，它利用了 S3 上托管的历史数据。在演示时，我们使用了一个简单的批量 Logstash CSV 导入管道。这可以很容易地扩展到按计划自动下载结果，以确保 Elasticsearch 的数据保持最新。

第二个是车站数据 Feed，由一个经常更新的 JSON 网址组成，该网址包含一系列指标，包括每个站点可用的自行车数量。请求此网址的结果是表单的顶级 JSON 对象

{"last_updated":1549188861,"ttl":10,"data":{"stations":[]}}

我们实时提要的关键是 last_updated 和 ttl（存留时间） 字段。ttl 字段表示此 Feed 下次更新前等待的时长；因此，通过将 last_updated 和 ttl 字段的值相加，即可得到 Feed 下次更新的时间。通过编写一个定制的 Python 应用程序，使其处于提取-睡眠循环中，我们能够确保我们的数据尽可能保持最新。

现在数据在 Elasticsearch 了，我们可以搬到 Kibana ，开始进行可视化。传统上，仪表板有许多用途，具体取决于它们的用例：

• 高效地交流信息
• 通过深入查看和过滤功能实现自助发现 
• 自动生成特定业务部门报告

交互式、过滤和自助发现工作负载非常适合 Kibana 内置的仪表板功能，因为它允许用户快速轻松地处理呈现的数据。传统上，我们已经看到，为了满足非交互式用例，已经构建了定制应用程序（基于例如 d3）。这些定制应用程序需要在开发时间和持续支持方面进行投资，而内置仪表板不会受到影响。

Canvas 通过从传统的网格布局仪表板风格转向无缝的以对象为中心的布局消除了这一障碍。这允许自由形式的可视化样式的创建，允许更高的创作自由度。但更重要的是，由于设计者现在可以对每个对象/图形进行大量的控制，数据可视化结果和数据之间的交互通过将它们与图形对象进行配对，可以比以往任何时候都更加直观地表示意义。 

这里最需要注意的是，数据呈现工具只有在您理解您的受众时才起作用。将含义（定义）和数据（以易于理解的形式）配对的能力是关键。Canvas 的易开发性抵消了这一点，允许用户快速迭代版本以满足他们的需求，并检查可视化作为一个整体是否提供了足够的上下文来快速向观众传递信息。作为一个平台，它允许我们真正实现商业智能环境中设计思维和敏捷迭代的潜力。

最初的 Canvas Workpad 是在将品牌整合到仪表板本身的前提下构建的，而不是简单地在页面的角落添加一个徽标。正是这种方法打开了某些可能性，例如以低开发成本创建动画、实时信息图形的能力。 

虽然这个仪表板只不过是 Canvas 技术的展示，但它可以很容易地扩展为系统维护者的总览仪表板，或者兼作面向公众的屏幕，让潜在的骑行者一眼就知道他们的站是否有可用自行车。在这两种情况下，引人注目的仪表板的使用允许消费者快速识别他们可能感兴趣的关键指标或信息。

总的来说，我们已经注意到 Canvas 仪表板在我们的工作中有很大的应用潜力。这样的解决方案可以提高现有仪表板用例的易用性，从而增加使用率和用户交互。虽然 Canvas 是一种较新的产品，但它填补了传统仪表板/商务智能软件留下的空白。我们很高兴能继续与客户一起使用 Canvas 为他们的可视化问题提供独特的解决方案。

¹Aginic Pty Ltd 不附属于、批准、认可，也不由 Bikeshare 赞助。

Ruben Slabbert
Ruben 是一名云数据工程师和应用程序开发人员，专门研究亚马逊网络服务（AWS）、Microsoft Azure 和谷歌云的企业数据管道。在 Aginic 期间，他通常在流水线结构担任领导角色，并管理跨职能团队，从生产系统到云中的数据湖和仓库，提供可靠的批处理和实时处理。

Andrew Li
Andrew 是一名分析顾问，在数据科学和全文搜索领域拥有广泛的知识，他热衷于通过分析改善结果。 从获得机械（生物医学）工程学位开始他的职业生涯，他为各行各业的公共和私营部门客户提供了咨询服务，包括卫生、政府和 ASX 顶尖企业。