如今,企业正被来自四面八方的新数据所淹没,高管们有望利用这些信息做出更明智的决策。虽然中小型企业(SMBs)在早期可能会发现使用Microsoft Excel是一个方便的数据容器,但他们很快就会意识到电子表格是钝的,不足以处理这种大量的数据。现在有一批新的商业智能(BI)工具来填补这一空白。这些工具将后端所有复杂的数据挂钩与一种新的前端风格结合在一起,这种前端风格将易用性与自然语言查询等功能结合在一起,使任何人都可以使用BI。这些工具还提供了新的数据可视化能够让您将见解转换为清晰且易于解析的图形,以帮助同事理解您的发现。
当数据结构不佳或不能以整齐的行和列进行分类时,电子表格也会崩溃。而且,如果你有数百万行或非常稀疏的矩阵,那么在电子表格中输入数据可能会很痛苦,而且很难可视化你的数据。如果您试图创建一个跨越多个数据表的报表,或者混合了基于结构化查询语言(SQL)的数据库,或者当多个用户试图在同一个电子表格上维护和协作时,电子表格也会出现问题。
包含最新数据的电子表格也可能是一个问题,特别是如果导出的图形在数据更改时需要刷新。最后,电子表格并不适合数据探索;当你要寻找的东西往往隐藏在一长串数字中时,想要发现趋势、外围数据点或违反直觉的结果是很困难的。
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。
虽然电子表格和自助式BI工具都使用数字表,但它们实际上是在不同的领域发挥作用,目的不同。电子表格首先是一种存储和显示计算的方法。虽然一些电子表格可以创建非常复杂的数学模型,但其核心是关于数学而不是模型本身。
这是一种冗长的说法,说明当企业使用电子表格时,他们正在积极地破坏自己以及他们从数据中持续获得有价值见解的能力。BI工具是专门为帮助企业更好地理解他们的数据而设计的,并且可以证明对那些从有限的电子表格中升级的人来说是一个巨大的好处。
什么是商业智能?
BI包含了相当数量的工具和流程,这些工具和流程可能不是标准化的,或者可能是模糊的。各种类型的软件现在提供某种形式的分析,可以满足企业的特定需求。无论是用户指标、定义和预测趋势,还是预测结果,都属于商业智能的范畴。简而言之,帮助企业将原始信息转化为可操作的知识的活动可以标记为BI。现在,企业产生的数据比以往任何时候都多,如何将这些数据转化为可操作的BI来增加利润并保持竞争优势变得越来越具有挑战性。
从这种角度来看,BI作为一个概念的存在时间和商业活动一样长。但这个概念是从早期的基本概念演变而来的应付账款(AP)和应收账款(AR)报告和客户联系合同信息到更复杂、更微妙的信息。这些信息从客户行为到IT基础设施监控,甚至是长期固定资产性能,无所不包。不管使用什么工具,大多数企业都可以单独跟踪这些指标。将它们组合在一起,尤其是来自通常彼此不相关的指标的不同结果,成为可理解和可操作的信息,这就是BI的艺术。BI的未来正在形成,同时扩大所使用数据的范围和种类,并将微观焦点锐化到更细、更细的级别。
BI软件在这一稳步发展过程中发挥了重要作用,我们可以更深入地了解业务、竞争对手、客户、行业、市场和供应商,这里仅举几个可能的度量目标。但是,随着业务的发展和信息存储的膨胀,信息的捕获、存储和组织变得太大、太复杂,无法完全由人类来处理。早期通过软件来完成这些任务,例如客户关系管理(CRM)和企业资源规划(ERP)导致了“数据竖井”的形成,其中数据被困住,仅在某些操作或软件桶的范围内有用。除非IT承担了集成各种筒仓的任务,通常是通过艰苦的和高度手工的过程,否则情况就是这样。
虽然BI软件仍然涵盖了用于分析原始数据的各种软件应用程序,但今天它通常指的是用于数据挖掘、分析处理、查询、报告,特别是可视化的分析。今天的BI软件和大数据分析之间的主要区别主要是规模。BI软件处理大多数组织从小到大的典型数据大小。大数据分析和应用程序处理非常大的数据集的数据分析,比如以pb (PBs)为单位测量的竖井。
自助式BI和数据民主化
5年或更早前流行的BI工具需要专家,不仅要使用,还要解释结果数据和结论。这导致了真正需要了解和理解业务的人(公司决策者)和收集、处理和解释数据的人(通常是数据分析师和数据库管理员)之间的不方便和容易出错的过滤。由于数据专家是一项要求很高的工作,许多人对他们所分析的数据的业务实际工作不太熟悉。这导致了对公司不需要的数据的关注,对结果的误解,以及分析师通常会在预定的基础上发布一系列“标准”报告,而不是更特别的情报收集和解释,这在快速变化的情况下可能非常有价值。
这个问题导致了当今市场上新BI工具的新趋势:自助式BI和数据民主化。今天大多数BI软件的目标是让组织中的任何人都可以使用。与通过IT或数据库部门请求报告或查询不同,执行人员和决策者可以通过自助服务模型创建他们自己的查询、报告和数据可视化,并通过预先构建的连接器连接到组织内外的不同数据。IT通过这些连接器及其管理工具库对谁可以访问哪些工具和数据进行了全面控制,但IT不再充当每个查询和报告请求的瓶颈。
因此,用户可以利用这种分布式BI模型。关键工具和关键数据已经从集中式和难以访问的架构转移到分散的模型,只需要访问凭证和熟悉新的BI软件。这导致组织可以获得额外的分析,有经验的一线业务人员可以推断并很好地使用这些分析。
新兴的BI工具都致力于开发比老一代更直观、更容易使用的前端工具,并取得了不同程度的成功。然而,这意味着任何BI工具购买决策的关键标准将是评估组织中的谁应该访问这些工具,以及该工具是否适合该受众。大多数BI供应商表示,他们希望自己的工具套件能够像典型的商业用户一样无处不在,易于使用商业合作工具或生产力套件,例如微软办公软件.据我估计,目前还没有一家公司走得那么远,但有些公司比其他公司更接近。为此,这些BI工具套件倾向于专注于三种核心类型的分析:描述性(发生了什么)、说明性(现在应该发生什么)和预测(后面会发生什么)。
什么是数据可视化?
在BI软件环境中,数据可视化是将信息从机器传输到人脑的一种快速有效的方法。其理念是将数字信息置于视觉环境中,以便分析输出可以被人类快速消化,通常是一眼就能消化。如果这听起来像你在微软Excel中看到的饼状图和柱状图,那么你是对的。这些都是早期数据可视化的例子。
但是今天的可视化形式正在迅速地从传统的饼状图向程式化、艺术化甚至交互式发展。交互式可视化带有分层的“下钻”,这意味着观看者可以与可视化进行交互,以获得更大图像中包含的一个或多个方面的更细粒度信息。例如,可以添加新的值来动态地更改可视化,或者可视化实际上是建立在快速变化的数据之上的,这些数据可以将静态可视化转换为动画或仪表板。
最好的可视化不寻求艺术奖项,而是在设计时考虑到功能,通常是快速和直观的信息传递。换句话说,最好的可视化是简单而强大的,可以清晰直接地传递信息。高端的视觉效果乍一看可能令人印象深刻,但如果你的观众需要帮助来理解你所传达的内容,那么他们最终就失败了。
大多数BI软件,包括本文介绍的那些,都带有可视化功能。然而,有些产品提供了比其他产品更多的选择,因此,如果高级视觉效果是您的BI流程的关键,那么您将需要仔细检查这些工具。也有第三方甚至免费的数据可视化工具它可以在您的BI软件之上使用,以获得更多选项。
产品及测试
在这篇综述中,我从业务分析师的角度测试了每个产品。但我也牢记那些可能不熟悉数据处理或分析的用户的观点。我装载和使用了相同的数据集,提出了相同的查询,评估了结果和涉及的过程。
我的目标是单独评估云版本,就像我经常在运行中或至少在各种机器上进行分析一样,其他分析师也是如此。但是,在某些情况下,也有必要评估桌面版本,或者代替云版本。Tableau Desktop就是一个例子,它是Microsoft Excel仅仅是对桌面工具有好感的用户(以及为了共享和协作而迁移到云端足够长的时间的用户)。
最后,在一位微软代表的建议下,我也测试了Microsoft Power BI桌面版,因为正如这位代表所说,“那里有更强大的数据准备工具。”此外,该代表表示,“无论如何,大多数用户更喜欢桌面工具而不是网络工具。”再说一次,我不怀疑微软的说法,但这对我来说确实很奇怪。我听说,当数据是本地的时候,桌面工具是首选,因为这个过程感觉更快更简单。但说真的,还有多少数据是真正的本地数据呢?我怀疑这种奇怪的桌面工具偏好更偏向于个人,而不是基于事实,但每个人都有自己的偏好。
还有谷歌Analytics,一家纯云服务提供商。该工具旨在分析网站和移动应用程序数据,因此它是BI应用程序动物园中不同的动物。在这种情况下,我不得不放弃使用我的测试数据集和查询,而是在网站数据的自然栖息地进行测试。尽管如此,本文评估的是过程,而不是数据。
虽然我没有以数据科学家的身份测试这些工具,但当我找到它们时,我确实提到了它们的高级功能,只是为了让买家知道它们的存在。例如,Microsoft Power BI功能强大,同时也为数百万微软商业用户所熟悉。然而,在这个系列中还有其他几个功能强大且直观的应用可供选择;它们都有各自的优点和缺点。我们将在未来几个月添加更多。
在评估这些产品时要注意的一点是,许多产品还不能处理流数据。对于许多用户来说,这在不久的将来都不是问题。然而,对于那些参与分析业务流程的人来说,比如网站性能指标或客户行为模式,流数据是非常宝贵的。此外,物联网(IoT)将在不久的将来推动这一问题,并使流数据和流分析成为必备功能。许多这些工具将不得不相应地升级他们的游戏,所以,除非你想在一两年内跳槽,否则在考虑BI和物联网时最好提前考虑。
BI与大数据
自助商业智能兴起的另一个领域是大数据分析。这是数据库领域的一个较新的发展,但它正在推动巨大的增长和创新。这个名字是一个恰当的描述,因为大数据通常指的是庞大的数据集,这些数据集太大了,无法用传统的数据科学工具来管理或查询。创造这些庞大数据集合的是数据生成、跟踪、监控交易和社交媒体工具(仅举几例),这些工具在过去几年里变得非常流行。
这些工具不仅生成大量的新数据,还经常生成一种新的数据,即“非结构化”数据。一般来说,这只是没有以预定义的方式组织的数据。与更传统的结构化数据不同,这类数据包含大量文本(甚至是自由格式的文本),同时还包含更容易定义的数据,如日期或信用卡号码。生成这类数据的应用程序示例包括用于查看客户在电子商务网站上做什么的客户行为跟踪工具,由一些智能设备(如警报和智能传感器)生成的大量日志和事件文件,以及宽带社交媒体追踪工具。
部署这些工具的组织不仅面临着突然泛滥的非结构化数据的挑战,这些数据会迅速耗尽存储资源(从TB到PB甚至EB范围),更重要的是,他们发现很难查询这些新信息。传统的数据仓库工具通常不是为管理或查询非结构化数据而设计的。新的数据存储创新,如数据的湖泊正在出现解决这一需求的方法,但在部署生成非结构化数据的一线应用程序时,组织仍然完全依赖传统工具,经常发现自己坐在堆积如山的数据上,不知道如何利用。
进入大数据分析标准。这里的黄金标准是Hadoop,这是一个开源软件框架,Apache专门设计用于查询以分布式方式存储的大型数据集(也就是说,在您的数据中心、云或两者中)。Hadoop不仅允许您查询大数据,还允许您同时查询非结构化数据和传统结构化数据。换句话说,如果您希望查询所有业务数据以获得最大的洞察力,那么Hadoop就是您所需要的。
您可以下载并实现Hadoop本身来执行查询,但是使用商业查询工具通常更容易、更有效,这些工具将Hadoop作为更直观、功能更全的分析包的基础。值得注意的是,这里介绍的大多数工具包括Chartio、Microsoft Power BI等场景桌面,都支持这一点。然而,每一种都需要不同级别的配置,甚至是附加工具来实现——微软和Tableau提供了特别深入的功能。然而,微软仍然希望客户在一些方面利用额外的工具,比如数据治理确保最佳性能。
找到正确的BI工具
考虑到电子表格在用作临时BI工具时可能存在的问题,以及它们在我们心中的根深蒂固程度,找到合适的BI工具并不是一个简单的过程。与电子表格不同,BI工具在如何使用数据输入和输出以及如何操作它们的表方面有很大的不同。有些工具更擅长探索而不是分析,有些工具需要相当陡峭的学习曲线才能真正利用它们的功能。最后,更糟糕的是,如今市场上有几十个(如果不是数百个的话)这样的工具,许多供应商愿意声称自助BI标签,即使它并不完全适合。
使用这些工具完成整个工作流程需要与您指定的用户进行一些研究和讨论。例如,Tableau Desktop和Microsoft Power BI将让用户从桌面版本开始构建可视化,并连接到各种数据源。一旦你有了这些,你就可以开始在网上或在你组织的网络上分享这些结果。而Chartio或谷歌Analytics等其他公司则从云端开始,并一直停留在云端。
近年来,公司一直在利用广泛的选择在线学习平台培训他们的员工使用这些平台。尽管这些平台可能很直观,但确保您的员工真正知道如何使用这些BI平台是很重要的,这样您就可以确保您的投资是值得的。有很多方法可以达到这个目的,但是使用正确的在线学习平台可能是一个很好的开始。
考虑到这些产品的广泛价格范围,你应该在做出任何购买决定之前细分你的分析需求。如果你想慢慢地、低成本地开始,那么最好的方法是尝试一些免费提供重要功能的东西,比如Microsoft Power BI。这样的工具非常便宜,而且很容易上手。此外,他们往往拥有庞大的附加组件和合作伙伴生态系统,可以作为在电子表格中进行BI的成本效益替代。Tableau Desktop仍然拥有最大的图表和可视化集合以及最大的合作伙伴网络,尽管Microsoft Power BI正在迅速追赶。
Microsoft Power BI和Tableau Desktop在我们的综合调查中得分最高,这两款产品都获得了我们的编辑选择奖。Tableau Desktop可能会有一个很大的价格标签,这取决于你选择的版本,但正如前面提到的,它有一个非常大的可视化集合,而且还在不断增长,加上一个易于管理的学习曲线,如果你愿意投入一些努力的话。Microsoft Power BI和Tableau Desktop也有大量且不断增长的数据连接器集合,Microsoft和Tableau都有自己的相当大的用户社区,他们直言不讳地表达自己的需求。这可能会对供应商的开发团队产生很大的影响,所以花一些时间浏览这些社区论坛,以了解这些公司的发展方向是一个好主意。