Superset 雖然極為彈性，但不甚理想的使用方式還是沒能讓我滿意，
但 Metabase 總覺得還是少了些彈性，讓我不太能完全放心決定以他當成我們的系統。

在比較 Superset 與 Metabase 的時候，找到了此篇文章，
發現了一個新的服務 Redash，就也來體驗看看。

有別於 Metabase 、 Superset 都需要自行架設環境，
Redash 有提供線上的服務，可以先行免費體驗，決定是直接使用它們的付費方案或是自行架設管理環境。

先到 Redash 的官網 https://redash.io/ ，Get Started > 註冊自己的正式帳號
但是不像是 Metabase 或 Superset，新手上路有現成的 Dataset 讓你可以先行把玩，
需要自己新增相關的 Datasource。

如果想要查看相關 Example ，是要到 http://demo.redash.io/ ，
不過此處的 demo 帳號與 https://redash.io/ 註冊的正式帳號是不互通的，
因此需要你透過 Google 帳號登入註冊(也沒有其他的註冊方式)。

demo 站的好處是有現成 example 可以參考，
看各種圖表以 SQL 該怎麼寫或是一些進階功能，
但就無法像正式站有全部的權限可以新增自己的 Datasource 或是進階管理，
此外跑 query 的速度也異常緩慢，建議當成參考就好，而不要直接在裡面操作。

先串接NBA的MySQL Database來試試
https://relational.fit.cvut.cz/dataset/NBA

赫然發現Redahs支援的 Datasource 又默默增加了一些(詳細列表)
(自架的話有支援Python！)

在 Redash 之中，是以 Query 作為主軸，
與 Metabase 相近的是先透過 Query 以 SQL 語法撈取所想要的資料，再進行視覺化
但和 Metabase 不同之處是，一個 Query 可以對應很多個不同的 Visualization，
這點滿對我的胃口：不會有太多一樣的 Query 結果，只是為了對應不同的圖表。

同樣能 Download Dataset 或是以 HTML 方式嵌入

在資料的處理上面，也是以原本的資料型別為基礎，並沒有再進行加工
雖然不及 Superset 有極為豐富的圖表，但還是比 Metabase 多樣，
還有不少是我還沒使用過的類型：Cohort, Sankey, Sunburst Sequence，
後續系列也會去體驗看看。

在 Chart 圖表中，還可以針對Y軸不同資料給予不同的視覺化方式
eg. Line + Bar or Scatter

而 Visualization 中最令我驚豔的是 Pivot Table，
之前完全沒使用過樞紐分析表，也算是自己的初體驗：
不用先想好要檢視的角度在 SQL 下Group by 語法，
就可以直接針對所撈取的所有資料以此種視覺化互動方式來檢視，
也算是某種層面降低了技術需求。

Dashboard 比起 Superset、Metabase 就少了些彈性，
Redash 是直接每個 Visualization 相連，因此不能很細緻的去調整每個的位置。

總結

[優點]

• Visualization 是跟著 Query 的，
  因此在要重新調整 Query 的時候只需要調整一次，所有相關圖表都會自行更新
• 支援很多種類的 Datasource
• 有 Pivot-Table 可以讓非技術人員也能很容易以各種不同角度檢視資料
• 有支援 Python，如果是比較複雜的資料用 SQL 串起來可能會比較麻煩，
  有多一條路能用自己最上手的 Python 開發起來會順暢很多

[缺點]

• 非技術人員如果沒有 SQL 背景，只能透過已經撈好的資料進行操作
• Visualization 大多需要自行設定 X,Y 軸資料類別，幾乎無先行智慧型判斷
• 第一次使用沒有既有的 Sample 可供參考，需要去翻官網文件，
  但官網文件的詳細層度也不比 Metabase，多少還需要翻討論區或是另行 Google

ps. 文章同步發表於 Medium