Cách tạo Sơ đồ Sankey trong Excel, Python và R

Điểm đặc sắc của sơ đồ Sankey nằm ở khả năng đơn giản hóa các hệ thống nhiều giai đoạn. Thay vì phải lục tìm qua các hàng dữ liệu để xác định nơi thất thoát năng lượng lớn nhất hay các khoản phân bổ ngân sách, bạn có thể nhận ra ngay bằng cách nhìn vào các dòng chảy dày nhất. Điều này khiến chúng hữu ích cho quản lý năng lượng, phân tích tài chính, tối ưu phễu marketing và mọi kịch bản mà ở đó việc hiểu dòng chảy và quá trình chuyển hóa nguồn lực quan trọng hơn so với so sánh số liệu một cách chính xác.

Nếu bạn muốn mở rộng năng lực phân tích vượt ra ngoài trực quan hóa dòng chảy, các khóa học Trực quan hóa dữ liệu trong Power BI và Trực quan hóa dữ liệu trong Tableau sẽ hướng dẫn bạn tạo dashboard chuyên nghiệp và báo cáo tương tác bằng những nền tảng business intelligence hàng đầu.

Sơ đồ Sankey là gì?

Sơ đồ Sankey là một dạng trực quan hóa dòng chảy chuyên biệt, trong đó bề rộng của các mũi tên nối thể hiện độ lớn của dòng chảy giữa các giai đoạn, danh mục hoặc thực thể khác nhau. Khác với lưu đồ truyền thống thể hiện các bước quy trình hay biểu đồ cột so sánh các giá trị rời rạc, sơ đồ Sankey vượt trội trong việc cho thấy các đại lượng di chuyển, chuyển hóa hoặc được phân bổ qua một hệ thống như thế nào.

Các thành phần của sơ đồ Sankey. Hình do Tác giả thực hiện.

Sơ đồ trên minh họa cách một ngân sách thường niên 100.000 đô la chảy qua các danh mục khác nhau. Lưu ý cách khoản phân bổ cho Marketing (40.000 đô la) hiện lên như một dòng chảy dày hơn rõ rệt so với R&D (25.000 đô la), giúp sự khác biệt tỷ lệ trở nên hiển nhiên ngay lập tức.

Lịch sử và quá trình phát triển của sơ đồ Sankey

Sơ đồ Sankey đầu tiên xuất hiện vào năm 1898 khi Đại úy Matthew Henry Phineas Riall Sankey dùng nó để thể hiện hiệu suất năng lượng của động cơ hơi nước. Sơ đồ của ông cho thấy chỉ một phần nhỏ năng lượng của nhiên liệu thực sự đóng góp vào công việc hữu ích, trong khi phần lớn bị thất thoát dưới dạng nhiệt thải.

Tuy nhiên, khái niệm trực quan hóa dòng chảy theo tỷ lệ có từ trước Đại úy Sankey. Năm 1869, Charles Joseph Minard đã tạo ra thứ mà nhiều người coi là sơ đồ dòng chảy nổi tiếng nhất, mô tả chiến dịch nước Nga năm 1812 đầy thảm họa của Napoleon. Sơ đồ của Minard cho thấy quy mô quân đội giảm dần khi tiến vào Nga rồi rút lui, với độ dày của đường thể hiện số binh sĩ còn sống sót.

Các thành phần của sơ đồ Sankey

Hiểu các yếu tố chính của sơ đồ Sankey sẽ giúp bạn vừa diễn giải các sơ đồ sẵn có, vừa tự tạo ra những sơ đồ hiệu quả.

• Nút (node) đại diện cho các danh mục, giai đoạn hoặc thực thể trong hệ thống của bạn. Trong ví dụ ngân sách, "Annual Budget" (Ngân sách thường niên), "Marketing" và "Digital Ads" đều là các nút. Nút nguồn (như "Annual Budget") thường nằm bên trái, trong khi nút đích (như "Digital Ads") nằm bên phải, dù bố cục có thể thay đổi theo sở thích của bạn.
• Dòng chảy hoặc liên kết (flow/link) là các kết nối có hướng giữa các nút, với bề rộng tỷ lệ thuận với giá trị chúng biểu thị. Dòng màu cam dày từ Annual Budget đến Marketing biểu thị 40.000 đô la, trong khi dòng mảnh hơn nhiều đến Content chỉ là 5.000 đô la. Bề rộng tỷ lệ này là đặc trưng cốt lõi khiến sơ đồ Sankey hiệu quả trong việc làm nổi bật sự khác biệt về độ lớn.
• Giá trị là dữ liệu số quyết định bề rộng của mỗi dòng chảy. Chúng có thể là tiền, năng lượng, vật liệu, con người hoặc bất kỳ nguồn lực định lượng nào di chuyển qua hệ thống của bạn. Sơ đồ sẽ tự động tính toán bề rộng phù hợp dựa trên các giá trị này, đảm bảo tính chính xác về mặt trực quan.
• Rơi rụng (drop-off) là các dòng chảy đặc biệt đại diện cho thất thoát, lãng phí hoặc nguồn lực rời khỏi hệ thống mà không đến được một nút đích. Dù ví dụ ngân sách của chúng ta không có rơi rụng, bạn có thể thấy chúng trong sơ đồ năng lượng thể hiện thất thoát nhiệt hoặc trong phễu marketing thể hiện khách hàng rời bỏ quy trình.

Cách tạo sơ đồ Sankey

Tạo sơ đồ Sankey đòi hỏi những cách tiếp cận khác nhau tùy công cụ và mức độ thoải mái kỹ thuật của bạn. Chúng tôi sẽ trình bày cùng một ví dụ phân bổ ngân sách bằng Excel, Python và R để bạn chọn phương pháp phù hợp nhất với quy trình làm việc và chuyên môn của mình.

Sơ đồ Sankey trong Excel

Excel không có sẵn loại biểu đồ Sankey, nghĩa là bạn sẽ cần dùng một tiện ích bổ sung của bên thứ ba để tạo các trực quan hóa này. Theo kinh nghiệm của tôi, ChartExpo là một trong những lựa chọn phổ biến và thân thiện với người dùng nhất.

Giao diện ChartExpo và bản xem trước sơ đồ Sankey. Hình do Tác giả thực hiện.

Trước khi tạo sơ đồ, bạn cần cấu trúc dữ liệu theo định dạng nguồn–đích–giá trị, trong đó mỗi hàng đại diện cho một kết nối dòng chảy. Với ví dụ ngân sách, điều này có nghĩa là liệt kê mỗi khoản phân bổ ngân sách thành một hàng riêng với danh mục nguồn, danh mục đích và số tiền đô la.

Quy trình sẽ khá đơn giản sau khi bạn cài ChartExpo. Trước hết, cài tiện ích bổ sung từ Microsoft AppSource hoặc qua chợ tiện ích của Excel. Sau đó, chọn phạm vi dữ liệu của bạn bao gồm cả tiêu đề và chọn Sankey Chart trong các tùy chọn trực quan hóa của ChartExpo.

Tiện ích sẽ tự động nhận diện các cột nguồn, đích và giá trị dựa trên cấu trúc dữ liệu của bạn. Như thể hiện trong giao diện ở trên, ChartExpo cung cấp bản xem trước sơ đồ cùng với các tùy chọn Create Chart From Selection, tùy chỉnh trực quan hóa hoặc xuất biểu đồ đã hoàn thiện để sử dụng trong thuyết trình hoặc báo cáo.

Sơ đồ Sankey trong Python

Python cung cấp các lựa chọn tuyệt vời để tạo sơ đồ Sankey, trong đó Plotly là thư viện được khuyến nghị nhất nhờ khả năng tương tác và chất lượng đầu ra chuyên nghiệp. Sử dụng lại ví dụ phân bổ ngân sách ban đầu, chúng ta sẽ tái tạo trực quan hóa y hệt đó bằng mã.

Bước 1: Chuẩn bị dữ liệu

Bắt đầu bằng cách sắp xếp dữ liệu theo định dạng Plotly yêu cầu. Bạn sẽ cần ba thành phần chính: danh sách tên nút và các mảng chỉ định chỉ số nguồn, chỉ số đích và giá trị cho mỗi dòng chảy.

import plotly.graph_objects as go

# Define all nodes in your diagram
nodes = ["Annual Budget", "Marketing", "Operations", "R&D", 
         "Digital Ads", "Events", "Content", "Salaries", 
         "Office", "Utilities", "Software", "Equipment"]

# Define the connections (using node indices)
source_indices = [0, 0, 0, 1, 1, 1, 2, 2, 2, 3, 3]
target_indices = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]
values = [40, 35, 25, 25, 10, 5, 20, 10, 5, 15, 10]

Các chỉ số tương ứng với vị trí trong danh sách nút của bạn, vì vậy source_indices = [0, 0, 0] nghĩa là ba dòng chảy đầu tiên bắt đầu từ "Annual Budget" (vị trí 0).

Bước 2: Tạo Sankey cơ bản

Tạo cấu trúc sơ đồ cốt lõi bằng đối tượng Sankey của Plotly. Các tham số thiết yếu là định nghĩa nút và đặc tả liên kết.

fig = go.Figure(data=[go.Sankey(
    node=dict(
        label=nodes,
        pad=15,
        thickness=20
    ),
    link=dict(
        source=source_indices,
        target=target_indices,
        value=values
    )
)])

Điều này tạo ra một sơ đồ Sankey hoạt động với kiểu mặc định. Tham số pad điều chỉnh khoảng cách giữa các nút, còn thickness quyết định bề rộng của hình chữ nhật nút.

Bước 3: Tùy chỉnh và tạo kiểu

Nâng cấp sơ đồ với màu sắc, bố cục cải tiến và định dạng chuyên nghiệp.

# Add colors and transparency
fig.update_traces(
    node_color=["#1f77b4", "#ff7f0e", "#2ca02c", "#d62728",
                "#ff9999", "#ff9999", "#ff9999", "#90ee90",
                "#90ee90", "#90ee90", "#ffcccb", "#ffcccb"],
    link_color=["rgba(255, 127, 14, 0.4)", "rgba(44, 160, 44, 0.4)",
                "rgba(214, 39, 40, 0.4)", "rgba(255, 127, 14, 0.6)",
                "rgba(255, 127, 14, 0.6)", "rgba(255, 127, 14, 0.6)",
                "rgba(44, 160, 44, 0.6)", "rgba(44, 160, 44, 0.6)",
                "rgba(44, 160, 44, 0.6)", "rgba(214, 39, 40, 0.6)",
                "rgba(214, 39, 40, 0.6)"]
)

# Update layout for better presentation
fig.update_layout(
    title="Annual Budget Allocation",
    font=dict(size=16, family="Arial Black", color="black"),
    width=900,
    height=600
)

Bước 4: Hiển thị và xuất

Hiển thị sơ đồ và lưu lại ở nhiều định dạng cho các mục đích khác nhau.

fig.show()  # Display in Jupyter notebook or browser

# Export options
fig.write_html("budget_sankey.html")  # Interactive web version
fig.write_image("budget_sankey.png")  # Static image

Đối với ứng dụng web, bạn có thể tích hợp trực tiếp vào các ứng dụng Dash, đưa sơ đồ Sankey của mình vào các dashboard tương tác. Trực quan hóa thu được trùng khớp chính xác với hình ở phần mở đầu. Chúng tôi có một video code-along hướng dẫn bạn Xây dựng Dashboard với Plotly và Dash để bạn có thể tự thử nghiệm ý tưởng này.

Sơ đồ Sankey trong R

R cung cấp khả năng tuyệt vời để tạo sơ đồ Sankey thông qua gói networkD3, tạo ra các trực quan hóa tương tác, sẵn sàng cho web. Với dữ liệu phân bổ ngân sách quen thuộc, chúng ta sẽ minh họa cách R có thể tạo ra kết quả chuyên nghiệp tương tự với các tính năng tương tác tích hợp.

Gói networkD3 được thiết kế riêng để tạo các trực quan hóa mạng dùng D3.js trong R, bao gồm sơ đồ Sankey. Cách tiếp cận này mang lại một số lợi thế: tương tác tự động (hiệu ứng hover, phóng to), dễ tích hợp với báo cáo R Markdown và tùy chọn xuất mượt mà để triển khai trên web.

Bước 1: Thiết lập và chuẩn bị dữ liệu

Trước hết, cài đặt và nạp các gói cần thiết, sau đó cấu trúc dữ liệu theo định dạng mà networkD3 yêu cầu.

# Install required packages (run once)
install.packages(c("networkD3", "dplyr"))

# Load libraries
library(networkD3)
library(dplyr)

# Create nodes dataframe
nodes <- data.frame(
  name = c("Annual Budget", "Marketing", "Operations", "R&D",
           "Digital Ads", "Events", "Content", "Salaries", 
           "Office", "Utilities", "Software", "Equipment")
)

# Create links dataframe (note: networkD3 uses 0-based indexing)
links <- data.frame(
  source = c(0, 0, 0, 1, 1, 1, 2, 2, 2, 3, 3),
  target = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11),
  value = c(40, 35, 25, 25, 10, 5, 20, 10, 5, 15, 10)
)

Điểm khác biệt chính so với Python là R yêu cầu các dataframe riêng cho nút và liên kết, trong đó dataframe liên kết sử dụng chỉ mục bắt đầu từ 0 để tham chiếu vị trí nút.

Bước 2: Tạo Sankey cơ bản

Tạo sơ đồ bằng hàm sankeyNetwork() với các tham số thiết yếu.

# Create basic Sankey diagram
sankey_plot <- sankeyNetwork(
  Links = links,
  Nodes = nodes,
  Source = "source",
  Target = "target", 
  Value = "value",
  NodeID = "name",
  units = "K USD"
)

# Display the plot
Sankey_plot

Điều này tạo ra một sơ đồ Sankey tương tác, nơi người dùng có thể di chuột để xem giá trị chính xác và kéo các nút để sắp xếp lại bố cục.

Bước 3: Tùy chỉnh và tạo kiểu

Nâng cấp sơ đồ với màu sắc, kích thước và các tùy chọn định dạng chuyên nghiệp.

# Advanced Sankey with customization
(sankey_advanced <- sankeyNetwork(
  Links = links,
  Nodes = nodes,
  Source = "source",
  Target = "target",
  Value = "value",
  NodeID = "name",
  units = "K USD",
  fontSize = 14,
  fontFamily = "Arial",
  nodeWidth = 30,
  nodePadding = 20,
  margin = list(top = 50, right = 50, bottom = 50, left = 50),
  height = 600,
  width = 900
))

Bước 4: Tùy chọn xuất và tích hợp

R giúp bạn dễ dàng lưu các sơ đồ tương tác ở nhiều định dạng và tích hợp vào báo cáo.

# Save as HTML file
library(htmlwidgets)
saveWidget(sankey_advanced, "budget_sankey.html", selfcontained = TRUE)

# For R Markdown integration, simply include the plot object
# The diagram will render as an interactive widget in your document

# For static image export (optional - requires webshot2 package)
install.packages("webshot2")
library(webshot2)

webshot("budget_sankey.html", "budget_sankey.png", vwidth = 900, vheight = 600)

Sơ đồ Sankey tương tác tạo bằng gói networkD3 của R. Hình do Tác giả thực hiện. 

Sơ đồ thu được cung cấp những insight trực quan giống như phiên bản Python và Excel của chúng ta, nhưng có sẵn tính tương tác giúp người dùng khám phá dữ liệu kỹ hơn.

Các lựa chọn thay thế và so sánh với sơ đồ Sankey

Sơ đồ Sankey hoạt động tốt nhất khi bạn có các mối quan hệ có hướng rõ ràng giữa các danh mục, nơi độ lớn của dòng chảy quan trọng hơn các so sánh chính xác. Tuy nhiên, có nhiều tình huống cần các cách trực quan hóa khác.

Khi nào không nên dùng sơ đồ Sankey

Tránh dùng sơ đồ Sankey khi không có dòng chảy có hướng giữa các danh mục của bạn. Nếu dữ liệu chỉ thể hiện các nhóm hay phân loại khác nhau mà không có sự di chuyển giữa chúng, biểu đồ cột hoặc biểu đồ tròn sẽ truyền tải thông điệp rõ ràng hơn. Ví dụ, so sánh thị phần giữa các công ty khác nhau không liên quan đến dòng chảy, do đó biểu đồ cột sẽ phù hợp hơn.

Hãy bỏ qua khi bạn cần so sánh số liệu chính xác. Dù sơ đồ Sankey thể hiện hiệu quả độ lớn tương đối, bề rộng biến thiên khiến người đọc khó rút ra giá trị chính xác hay thực hiện so sánh chi tiết. Nếu các bên liên quan cần so sánh chính xác tỷ lệ phần trăm hoặc con số, bảng hoặc biểu đồ cột sẽ phù hợp hơn.

Cân nhắc phương án khác khi dữ liệu của bạn trở nên quá phức tạp và làm rối sơ đồ. Với hơn 10–15 nút hoặc các dòng chảy liên kết chằng chịt, sơ đồ Sankey có thể trở nên quá tải về mặt thị giác. Các đường giao cắt và dòng chảy chồng lấn khiến việc theo dõi từng lộ trình qua hệ thống trở nên khó khăn.

Chọn trực quan hóa đơn giản hơn khi khán giả của bạn chưa quen với sơ đồ Sankey. Vì chúng ít phổ biến hơn biểu đồ cột hoặc đường, một số khán giả có thể tập trung vào việc hiểu định dạng hơn là diễn giải dữ liệu của bạn. Trong các bài thuyết trình cho công chúng, hãy bám vào các loại biểu đồ quen thuộc trừ khi mối quan hệ dòng chảy là thiết yếu với thông điệp của bạn.

Các lựa chọn thay thế phù hợp cho những bối cảnh cụ thể

Sơ đồ alluvial phù hợp hơn cho các dòng chảy theo phân loại hoặc theo thời gian, nơi bạn theo dõi thay đổi qua nhiều giai đoạn hoặc thời kỳ. Trong khi sơ đồ Sankey thể hiện các đại lượng chảy qua hệ thống tại một thời điểm, sơ đồ alluvial vượt trội trong việc cho thấy dữ liệu phân loại tiến hóa như thế nào. Ví dụ, theo dõi cách cử tri chuyển giữa các đảng qua nhiều cuộc bầu cử, hoặc cách sinh viên đổi chuyên ngành trong suốt thời gian học đại học sẽ phù hợp với sơ đồ alluvial hơn sơ đồ Sankey.

Biểu đồ tọa độ song song (parallel coordinates) phù hợp hơn để so sánh dữ liệu đa biến khi bạn muốn thấy các mẫu trên nhiều chiều cùng lúc. Chúng hoạt động tốt khi bạn có nhiều biến cho mỗi điểm dữ liệu và muốn xác định cụm hoặc ngoại lệ. Chẳng hạn, so sánh các mẫu xe theo giá, hiệu suất nhiên liệu, xếp hạng an toàn và chỉ số hiệu năng sẽ phù hợp với tọa độ song song hơn là cố gắng ép các mối quan hệ này vào định dạng dòng chảy.

Biểu đồ bump xử lý sự thay đổi thứ hạng theo thời gian hiệu quả hơn cả Sankey lẫn alluvial. Khi bạn muốn thể hiện cách các thực thể khác nhau tăng giảm thứ hạng qua các giai đoạn, biểu đồ bump thể hiện rõ quỹ đạo mà không có độ phức tạp thị giác của các dòng chảy. Hãy nghĩ đến việc theo dõi vị thế thị trường của các công ty qua từng quý, hoặc cách các đội thể thao thay đổi vị trí trên bảng xếp hạng qua các mùa giải.

Để tìm hiểu thêm, hãy đọc bài viết Top 5 Khóa học Business Intelligence nên học trên DataCamp, cung cấp định hướng xây dựng chuyên môn với các công cụ BI quan trọng.

Kết luận

Thành công trong trực quan hóa phụ thuộc vào việc chọn đúng công cụ cho tình huống cụ thể của bạn. Hãy dùng sơ đồ Sankey khi các mối quan hệ dòng chảy có hướng quan trọng hơn so với so sánh số liệu chính xác, và khi khán giả của bạn cần nhanh chóng xác định các dòng chảy quan trọng nhất trong một hệ thống.

Đối với độc giả muốn mở rộng hơn ngoài sơ đồ Sankey, bài viết 10 Ý tưởng Dự án Trực quan hóa Dữ liệu cho Mọi Cấp độ cung cấp các gợi ý dự án thực hành ở nhiều mức độ phức tạp để xây dựng hồ sơ trực quan hóa của bạn. Các dự án này giúp phát triển tư duy phản biện và tạo ra bằng chứng cụ thể về năng lực trực quan hóa dữ liệu của bạn.