商业智能(BI)工具可以获取大量数据并将其解析为可消化的数据点,而数据可视化则是该等式的表示部分。你可以把它想象成你最喜欢的电子表格的饼图功能,只是功能强大得多。这种图像的目的是将信息从机器快速传输到人脑,不仅有效,而且尽可能以最有意义的方式。因此,重要的不是可视化的美学价值,而是它所传达的信息的清晰度。
然而,为清晰所必需的简洁性并不排除消息的复杂性。由于人类必须消费的大部分信息是复杂和微妙的,因此数据可视化单独配置和分组配置,以通过图像讲述更大的故事。单个配置的一个例子是,当查看者单击或在插图的某个部分上执行鼠标悬停时,显示更细粒度或相关信息的任何可视化。组可视化的例子包括几乎所有BI应用程序仪表板。
事实上,数据可视化是自助式BI工具中不可或缺的一部分,制作和发布这些工具的工具在很大程度上共享公共特性集。正如预期的那样,在我们最近对最佳自助服务BI产品的回顾中,我们发现绝大多数产品都能够进行数据可视化操作。
更多关于我们的选择
Microsoft Power BI
底线:
Microsoft Power BI凭借其令人印象深刻的可用性、一流的数据可视化功能以及与其他Microsoft Office产品的卓越兼容性赢得了我们的编辑选择荣誉。
优点
- 具有丰富数据源连接器的极其强大的平台。
- 非常友好的。
- 出色的数据可视化能力。
缺点
- 桌面版和网页版划分了数据准备工具。
- 免费版本的刷新周期有限。
场景桌面
底线:
Tableau Desktop是市场上最成熟的产品之一,这体现在它的功能集上。虽然它的学习曲线比其他平台更陡峭,但它很容易成为该领域最好的工具之一。
优点
- 大量的数据连接器和可视化集合。
- 用户友好的设计。
- 令人印象深刻的处理引擎。
- 产品成熟,拥有庞大的用户群体。
缺点
- 完全掌握这个平台需要大量的训练。
Sisense
底线:
Sisense以其全面的功能很容易吸引经验丰富的BI用户,但它可能会让新手用户失望。
优点
- 第三方应用中可靠的自然语言查询。
- 芯片内处理解决了瓶颈。
缺点
- 对于自助服务业务智能(BI)工具来说可能有点复杂。
- 分析过程需要工作。
- 自然语言特性有局限性。
多摩君
底线:
Domo并不适合新人,而是适合在组织中已经拥有商业智能(BI)经验的公司。Domo是一个功能强大的BI工具,具有许多数据连接器和可靠的数据可视化功能。
优点
- 广泛的连接器。
- 令人印象深刻的共享功能。
- 无限的数据存储。
缺点
- 用户界面不够直观。
- 陡峭的学习曲线。
- 不欢迎新分析师。
谷歌分析
底线:
由于其品牌知名度和免费的事实,谷歌Analytics是网站和移动应用程序智能领域最大的名字。它有一个陡峭的学习曲线,但它是一个了不起的商业智能工具。
优点
- 卓越的网站和移动应用程序分析平台。
缺点
- 客户支持有太多的自动化。
- 专注于市场营销和广告可能会让用户感到沮丧。
- 主要依靠第三方进行培训。
Salesforce爱因斯坦分析平台
底线:
Salesforce爱因斯坦分析平台是为客户、销售和营销分析而设计的,尽管它也可以满足其他需求。其强大的分析能力,坚实的自然语言查询功能和广泛的合作伙伴使其成为一个有吸引力的产品。
优点
- 设计时考虑到一般业务用户。
- 稳定的投资回报。
缺点
- 您可以使用的数据是有限的。
- 需要额外的平台连接。
Zoho的分析
底线:
Zoho Analytics对于不熟悉分析软件的一般业务用户来说是一个可靠的选择。而且价格也很诱人。
优点
- 不错的价格
- 快速,简单的自动报告生成
- 浅显易懂的界面
缺点
- 令人沮丧的报告功能
- 陡峭的学习曲线
SAP分析云
底线:
如果您的企业已经使用SAP的HANA数据库平台或其他一些后端业务平台,那么SAP Analytics Cloud是一个功能强大、价格合理的选择。但是需要注意的是,要实现完整的功能,学习曲线非常陡峭,而且明显依赖于其他SAP产品。
优点
- 物联网(IoT)和流数据功能的实时分析。
- 庞大的生态系统,丰富的扩展器。
- 响应式页面使移动发布变得简单。
- 令人印象深刻的故事模式。
- 具有统一分析的集中式视图。
缺点
- 缺乏数据准备功能。
- 令人困惑的工具栏设计。
- 对初学者不友好。
Chartio
底线:
Chartio擅长构建一个强大的分析平台,经验丰富的商业智能(BI)用户将会欣赏。然而,那些刚接触BI的人会发现它很难使用。
优点
- 令人印象深刻的处理引擎。
- 强大的SQL查询优化。
- 完全基于web的。
- 复杂的查询处理得非常好。
缺点
- 糟糕的用户界面设计。
- 陡峭的学习曲线。
然而,希望真正利用数据可视化的客户应该在做出购买决定之前仔细地、专门地通过这个镜头来看待这些工具。毕竟,有时候用于解析数据的正确工具可能无法提供足够的可视化调色板来满足您的需求。例如,您可能希望能够构建自定义信息图或创建交互式可视化,但并非所有BI应用程序都提供这些选项。您可能需要投资于工具组合,以获得所需的分析和可视化工具。
什么是数据可视化?
简而言之,数据可视化是对信息的可视化描述。它是专门用于传递信息或呈现信息的图像。数据可视化工具可以自动创建可视化,使您能够创建自己的可视化,或者同时提供这两种功能。
在较低的一端更简单和均匀免费的数据可视化工具致力于构建信息图,而不是执行复杂的数据分析。这些工具包括表画廊(在新窗口打开)甚至是Microsoft Power BI。2018年1月,Tableau推出了一款名为Hyper的新数据引擎,该公司声称,该引擎可以让用户的查询速度比以前的版本快5倍。与此同时,2018年7月,微软推出了Microsoft Power BI的新功能,例如将大数据直接集成到Power BI web服务中。
高端的工具可以动态地改变可视化,同样,复杂算法的输出在重复直接查询实时数据(即流数据)和跨多个数据源后也会发生变化。处于中间位置的工具并不代表实时数据,但仍然可以从高级分析输出中产生可视化。
我们回顾的自助BI应用程序包含一般到高端的可视化工具。其中一些工具包含强大的自然语言查询功能,如Sisense,其他工具则为物联网(IoT)带来实时分析,如SAP analytics Cloud。简而言之,你不能通过其美术包的封面来判断底层分析引擎的质量。一些非常强大的分析附带了可怜的可视化功能。相反,一些令人遗憾的分析却带有一些令人印象深刻的可视化功能。
由于我们最初审查了这些BI工具,IBM已经停止提供IBM Watson Analytics的购买服务。相反,IBM引入了Cognos Analytics 11.1(在新窗口打开),提供引导数据发现、自动预测分析以及与数据对话交互的能力。
数据可视化工具可以创建各种各样的艺术描绘。有些描绘很简单,有些则很复杂。有些是美丽的,有些是粗糙的。还有一些是真正的个人创造。但大多数都来自与统计数据相关的传统形式的模板。
数据可视化最简单的例子是饼图和柱状图,多年来您一直可以通过Microsoft Excel访问。但是,随着BI作为一个平台的成熟,您也可以选择查看数据并将其展示给其他人。
我们在这里回顾的工具反映了BI的中高端;他们能够执行复杂的查询,而不需要理解结构化查询语言(SQL)编码。此外,它们还可以以各种各样的可视化格式呈现分析——远远超出了基本的条形图,包括地理地图、热图、火花线,甚至更专业的可视化,如下面的蜘蛛图。
数据可视化并不是一个新概念。饼图、条形图和折线图一直存在。改变的是可以以这种方式表示的数据的种类和大小,以及显示和共享数据的许多更复杂的方法。
仪表盘的重要性
最终,数据可视化功能被用于构建仪表板。有时,仪表板代表一个单一的、基于数据的故事,对许多观众来说很重要。或者,仪表板可能包含许多故事,以供单个用户使用。仪表板有时带有预设和固定的可视化效果。其他时候,仪表板的可视化带有各种可定制的显示选项或图像。共享通常也可以自定义,例如根据权限、每个业务线、每个工作角色的相关性,甚至根据个人偏好。在任何情况下,仪表板通常包含两个或多个数据可视化,用于通知(有时甚至提示)业务操作或决策。
在自助式BI工具出现之前,高管必须向数据库专业人员提出他们的问题,然后由数据库专业人员尽可能地理解问题,编写SQL查询,并根据数据库或数据仓库表示该问题。结果将被反馈给IT人员,然后由IT人员编写必要的代码,将其表示为高管团队网站上的仪表板、共享应用程序上的仪表板,甚至只是高管通过电子邮件收到的独立文档。如果需要多个数据源,则通常需要多个数据库专业人员编写单独的查询(然后必须离线合并)。
最后对这种低效的多步骤工艺进行了分析。你得到了历史分析(即事后而不是实时的信息)。这些报告通常来得太晚,企业无法改变或影响其所描述的活动的结果。因此,业务分析师、部门主管和高管们收到的报告通常带有延迟的、过于简单的和模糊的信息。有时,当这些信息最终传到业务分析师或高管那里时,已经无关紧要了,因为公司已经改变了方向,或者在此期间出现了其他因素。即便如此,以这种方式制作的仪表盘和报告也很少改变。事情一如既往地进行着:提出同样的问题,查询同样的数据,生成同样的报告和仪表盘——日复一日,周复一周。
相比之下,如今的自助式BI应用程序让业务分析师绕过中间商,解决了许多IT瓶颈。这种自助服务软件还可以使用公司内外的数据,如社交媒体、云、公共数据集和物联网数据。一些自助BI应用程序可以使用实时数据,但许多应用程序仅限于近时间数据(频繁刷新)。但是,近时间数据通常不是业务限制。实际上,只有少数用例需要实时数据分析来保证额外的工作和费用。毕竟,近时间刷新的频率可以是每分钟或更少。
关于自助BI仪表板,键值通常有三个方面:
首先,使用它们不需要数据库专业知识。您可能(虽然不总是)需要数据库专业人员的帮助来设置它们并将它们连接到所需的所有数据源。毕竟,合规和安全问题仍然存在。IT部门通常至少会参与到解决这些问题,确定谁可以获得凭据访问权,以及他们可以看到多少数据。
完成这些工作后,这些工具在编写自己的查询时提供了不同程度的简单性。如果您了解一些SQL,其中一些仍然可以工作得最好,但另一些则完全使用自然语言语法,使SQL知识变得不必要。然而,大多数都需要对统计学有很好的理解。这种必要性并非严格地从操作的角度出发,而是因为如果使用者缺乏对统计的基本理解,就可能在解释输出时犯错误。仅仅因为软件让你对机器的答案有了一个很好的可视化,并不意味着你问了正确的问题。
其次,它们几乎都可以作为多个数据库和数据类型的统一前端。这主要是由于大数据的日益流行,大数据通常是关系数据(通常基于sql)和非结构化数据的组合,这些数据来自公司内部和外部的不同来源。通过为各种数据提供支持,这些工具允许没有数据库专业知识(但具有直接的一线工作经验)的人员直接针对组织的数据提出问题。
这可以为快速增长的大数据存储提供立竿见影的回报。它还实现了新的见解和利用数据的方法,否则当这些问题通过数据科学家和It专业人员的过滤器渗透时,这些方法可能会丢失。
单个查询可以以创纪录的速度跨越多个数据库和数据类型,而且该工具还将负责构建可视化表示。简而言之,不需要一个数据科学家团队。这不仅更快,而且简单了几个数量级。
第三,这些工具还可以构建实时数据可视化和仪表板本身,而不是强迫公司的程序员或IT人员进行单独的操作。这些可视化可以导出为平面图形文件或代码片段,您可以复制并粘贴到网页或团队网站上。仪表板也可以直接共享,有时甚至可以与不使用BI应用程序的用户共享。
通过连接器将它们与其他应用程序集成通常很容易,这取决于您正在使用的自助BI应用程序是否具有与您想要共享仪表板的应用程序的连接器。有些仍然需要一些IT协助,但即使这样,执行集成所需的时间也比从头开始使用一系列SQL查询要少。这些代码片段也将不仅仅是呈现一个可视化;它们还可以维护与查询中引用的活动数据源的连接。这使得它们可以随着源数据的变化而动态更改——这是任何仪表板的主要功能。
这当然远远超出了你通过传统电子表格所能得到的。好消息是,即使是一些电子表格软件,如微软Excel,现在也包含数据可视化功能。这些工具可以快速轻松地为任何规模的企业带来全新的数据视角。考虑到大多数企业都被来自四面八方的新数据所淹没,快速获得投资回报(ROI)通常足以证明自助BI或数据可视化软件的购买是合理的。
注意什么
一旦你做出了投资的决定,你很快就会意识到不是所有的数据可视化工具都是一样的。您将意识到它们还倾向于关注数据交互的不同方面。因此,为了找到完全满足您需求的解决方案,您需要根据特性和功能仔细评估您的选择。
首先,仔细检查工具支持的可视化类型。不仅要与您的组织收集的数据类型进行比较,还要与您的公司喜欢使用这些数据的方式进行比较。抓住一个免费的试用,尝试新的可视化。许多公司已经标准化了查看关键数据的特定方法。确保任何新工具都能以这种方式呈现数据,并借此机会尝试一些新的可视化方法。你可能会发现,一个新的观点会开启新的见解。
其次,找出查询工具支持的数据格式。应该有一个很长的列表,不仅包括基本的数据格式,如SQL和NoSQL数据库,还包括特定的应用程序,如Oracle或SAP Financials,销售工具,如电子邮件营销平台和客户关系管理(CRM)应用程序,以及类似的业务平台(特别是您的公司目前正在使用的平台)。而且,如果您正在考虑转向大数据处理,那么对Hadoop的支持是至关重要的。Hadoop是Apache软件基金会的开源大数据框架,可以在服务器集群上处理大量数据。
第三,检查一个工具可以向下钻取所有源数据的程度。在第一层查询之外向下钻取数据需要什么?该工具能否深入到实时数据可视化中?对于一些组织来说,这可能是一种非常宝贵的能力,因为它可以让团队立即有效地改变给定可视化所讲述的故事,而无需从头开始。这种“重新查询”是否需要SQL,还是使用与第一层查询相同的自然语言语法?请记住,您使用这些工具构建的图形不仅仅是图片,它们旨在成为您业务的实时可视窗口。因此,能够快速轻松地调整视图对于实现工具的全部价值是至关重要的。
对于许多行业来说,对于谁负责可视化描述的数据和/或分析的遵从性原因,拥有各种审计跟踪是很重要的。对于没有这种监管要求的组织来说,这也是同样重要的信息,因为它在组织内部提供了更多的透明度和问责制。更不用说,如果你有更多的问题,你可以联系他。在可视化工具的发布或协作特性中寻找这些功能。
接下来,检查它的导出功能。一旦您在BI工具中构建了查询和可视化,您有哪些选项可以将其导出到其他人可以使用的地方?这里的关键选项不仅包括各种平面图形格式(即CVS、JPEG、PDF),还包括可以直接放到网页上的代码片段,通过开放应用程序编程接口(api)整合到其他应用程序中,并在桌面和移动设备上以尽可能好的方式呈现。
最后,如果你的企业正在收集大数据或即将进入这样的风险投资(例如,开始提供物联网产品),那么要考虑产品的高级处理能力。有些工具主要用于查询前端的后端数据仓库,目的是执行查询所需的大部分处理。如果数据仓库已经处于恒定的查询负载下,这可能会很困难,如果查询将跨越数据仓库之外的数据源,则完全不可能做到这一点。在这种情况下,BI工具将需要提供强大的性能来处理查询数据,这意味着支持高级数据处理功能(例如内存中处理)是至关重要的。同样,在使用免费试用版评估工具时,请确保通过运行尽可能多的复杂查询来测试其性能。
数据可视化绝对可以被认为是数据分析的漂亮面孔。它不会改变数字或问题,它只是给了你更多看待它们的方法。这对一些组织来说可能是无价的,但对另一些组织来说完全没有必要。如果您的组织需要高级分析,那么评估自助BI工具应该更多地基于其数字运算能力,而不是其可视化特性。但是,如果您试图将组织正在收集的所有数据更简单、更深入地展示给更广泛的员工,那么数据可视化就至关重要了。记住,不是所有人都能轻易理解所有的图像。人们以不同的方式学习和吸收信息。了解你的观众,选择最适合与观众交流的可视化方式。