自助式BI为何能取代传统BI,逐渐占据商业智能市场?

前言:未来的时代将由数据勾画,未来的BI将是自助BI的时代

随着数据爆发式增长,像ERP、OA、CRM等系统在企业运用的越来越多。这些系统的使用必然会产生很多的数据,比如在产品加工设计测试维护过程中产生的主数据;在生产采购库存以及电子商务运营过程中产生数据;通过互联网等渠道获得行业、市场以及竞争对手的数据。随着大数据的到来,企业在数据分析展现层面,面临着四大重要问题。

第一、运用什么工具来分析数据、提取信息。

第二、怎样改变技术不懂业务、业务不懂数据的“困境”。

第三、如何解决大数据量的运算、处理、展现。

第四、工具应当如何响应市场需求、提升企业价值。

 

自助式BI的使用将为业务分析带来技术上的变革

从BI1.0报表时代,到注重可视化的BI2.0时代,BI的发展始终没能解决业务与数据的供需矛盾,关键原因是缺乏既懂得业务又擅长分析的人才。

传统BI的使用对象是IT技术人员,自助式BI的适用对象是最终用户——业务分析师、领导层。随着数据越来越多,分析时间越来越长,企业和用户需要通过自助式BI工具降低数据分析的门槛。

面对这样的应用困境,以国内外tableau、帆软FineBI为代表的自助式BI,开创了该领域的3.0 时代,正成为市场中大红大紫的明星。以FineBI为例。

 

优势1:一站式方案

无论是从数据连接、数据清洗、多维数据库表对大数据的支撑,再到前端的多维分析都是一体化的服务。用户可以将多种数据源的数据拿到数据库中,然后提取到业务数据包中就可以对数据进行ETL处理和转义。FineBI可以自动关联数据表之间的联系,并形成一个可视化的界面,用户可以通过轻松的点击来进行数据的分析。

finebi-一站式数据分析

优势2:对大数据良好的支持

3000万的数据如果使用一般的SQL查询要3到5分钟甚至更长的时间

FineBI采用分布式部署和集群部署,在Linux系统下可以提升最大并发数,实现3000万数据秒出。

finebi大数据性能

 

优势3:支持OLAP多维度自定义分析自动建模

在数据分析时,前端用户可以自由地对元数据进行ETL处理,处理后的结果不但可以直接用于多维分析,也可基于分析结果继续进行处理。用户可以随意切换维度,进行无线层次的透视分析。更为难得的是,这些操作也都是完全可视化的,无须编辑代码和脚本,即使不懂任何代码也可轻松上手。

finebi-ETL工具

 

优势4:自助前端分析

自主开发的图表避免了使用第三方插件的兼容性、稳定性问题。从数据连接、ETL处理、建模、前端图表展示,有如“植物大战僵尸”感的拖拽操作。

finebi可视化数据分析

中国主流的大数据分析厂商

随着互联网和IT技术的推进,大数据的应用逐渐渗透到各行各业。尤其是数据体量大的互联网、金融、银行、制造行业。大数据正逐渐改变企业的运营模式,市场导向,进而惠及人们的生活。

“大数据”这一概念最早在国外被提及。之后国内外兴起了一系列大数据技术,包括大数据硬件类、大数据分析类、大数据数据处理类等等,也因此诞生了一批大数据厂商。

其中最为热门的是大数据分析技术,可以直接应用到企业生产经营,来带直接有效的帮助。

本文将对国内大数据分析厂商做一盘点。(排名不分先后)

 

分析解决方案类

平台解决方案厂商除去IBM、SAP、Oracle、微软、惠普国外代表厂商,在国内有星环科技、帆软软件、用友、永洪等等。

星环科技

星环信息科技主要从事大数据时代核心平台数据库软件的研发与服务,被Gartner列为国际主流Hadoop发行版厂商。其产品Transwarp Data Hub提供高速SQL引擎Transwarp Inceptor, NoSQL搜索引擎Transwarp Hyperbase、流处理引擎Transwarp Stream和数据挖掘组件Transwarp Discover。

帆软软件

帆软软件由报表软件FineReport起家,目前已成为报表领域的领航者,拥有10年企业数据分析的行业经验。后发布的商业智能自助式BI工具FineBI,提供包括Hadoop、分布式数据库、多维数据库的大数据可视化分析,提供PC端、移动端、大屏的可视化方案,广泛应用于银行、电商、地产、医药、制造、电信、制造、化工等行业。

 

数据可视化类

数字冰雹

数字冰雹主营大数据可视化业务,提供集设计、程序开发、硬件集成为一体的解决方案,广泛应用于航天战场、智慧城市、网络安全、企业管理、工业监控等领域。

海云数据

海云数据的产品——图易能够集成用户内部系统大量结构化、非结构化数据,在真实的数据源上,将行业大数据进行多维度的可视分析。目前主要应用于公安、航空、快消、制造、金融、医疗、信息安全等领域。

星图数据

星图数据是互联网大数据服务公司,涉及线上零售、线上娱乐、线上教育等领域。基于分布式大数据获取与存储系统进行大数据处理及分析,具有自有的大数据分析体系和云计算处理技术。

 

用户行为/精准营销分析类

大数据技术使得用户在互联网的行为,得到精准定位,从而细化营销方案、快速迭代产品。这方面的厂商有GrowingIO、神策数据等。

GrowingIO

GrowingIO是基于互联网的用户行为数据分析产品,具有无埋点的数据采集技术,可以通过网页或APP的浏览轨迹、点击记录和鼠标滑动轨迹等行为数据,进行实时的用户行为数据分析,用于优化产品体验,实现精益化运营。

神策数据

与GrowingIO类似,也是基于用户网络行为,采集数据进行分析。技术上提供开放的查询 API 和完整的 SQL 接口,同时与 MapReduce 和 Spark 等计算引擎无缝融合,随时以最高效的方式来访问干净、规范的数据。

 

分析服务类

提供舆情分析的有百度统计、品友互动、Talking data、友盟、中科数据等等。

百度统计

百度统计是专业的网站流量分析工具,和GA类似,提供免费的流量分析、来源分析、网站分析等多种统计分析服务,能够告诉用户访客是如何找到并浏览用户的网站,在网站上做了些什么,以此来改善访客在用户的网站上的使用体验。

Talking Data

TalkingData是独立的第三方移动数据服务品牌。其产品及服务涵盖移动应用数据统计、移动广告监测、移动游戏运营、公共数据查询、综合数据管理等多款极具针对性的产品及服务。在银行、互联网、电商行业有广泛的数据服务应用。

国内外主流BI工具介绍和点评

商业智能的应用在国外已广为普及,并且开始不断探索大数据和云技术。而国内,商业智能BI工具在这几年才开始慢慢被接受,企业开始有意识地建立一体化数据分析平台,为经营决策提供分析。

从国内企业使用情况来看,BI工具的应用以国外产品为主,包括SAP BO、Oracle BIEE、Cognos、MSTR、Qlikview、Tableau等等,国内工具以FineBI、亿信华辰、永洪BI为主。

这几类产品各有何优劣势呢?

 

国外

SAP BO: SAP公司收购的一款BI工具,产品运作模式是结合SAP的ERP系统,所以整合其他数据库或系统并不占优势,属于重型BI,使用要求较高,升级困难。

Oracle BIEE无功无过,在BI产品不具特色,同SAP一样,与Oracle的产品线紧密绑在一起。貌似国外厂商都是捆绑型卖整体方案。

Cognos传统BI工具中最被广泛使用的,已被IBM收购。拥有强大的数据库平台、在数据管理、数据整合以及中间件领域专业功底深厚。偏操作型,手工建模,一旦需求变化需要 重新建模,学习要求较高。

MSTR很低调的BI产品,多年来在BI市场中一直没站住脚,和excel有一定关系。二次开发环境好,但对服务器环境要求较高。

Qlikview:最大的竞争者是Tableau,同Tableau和国内众多BI一样,是属于新一代的轻量化BI产品,体现在建模、部署和使用上。只能运行在windows系统,C/S的产品架构。采用内存动态计算,数据量小时,速度很快;数据量大时,吃内存很厉害性能偏慢。

Tableau自身定位是一款可视化工具,与Qlikview的定位差不多,可视化功能很强大,对计算机的硬件要求较高,部署较复杂。目前移动端只支持IOS系统。

 

国内

FineBI:帆软旗下的自助性BI产品,轻量化的BI工具,部署方便,走多维分析方向。后期采用jar包升级换代,维护方便,最具性价比。

亿信华辰:只支持数据库中取数,文件数据需导入服务器。发展时间不长,整体还比较粗糙,需要继续磨练和完善。

永洪BI:敏捷BI软件,产品稳定性较高。利用sql处理数据,不支持程序接口,实施交由第三方外包。

 

优劣势分析

111

 

 

目前国内市场大部分企业部署的都是很还很老旧,大多都是针对行业的应用系统,物流管理系统、财务管理系统之类,企业内部管理用的大多也是报表工具和Excel。BO、cognos在国内使用也有一定规模,但由于使用难度大、学习成本高等原因,导致国内整体BI使用形势并未见长。

但随着近几年大数据、数据分析技术的风靡,tableau、Qlikview包括国内的FineBI等一些轻型BI,由于简单易用,可视化程度高、使用门槛低的优势,逐渐被企业认可。站在企业角度,一款工具的选型,稳定性、价格、学习维护成本使其考虑的重要因素,而轻型BI的出现,正好切入了企业的痛点。

自助式BI对比评测:Tableau和FineBI

1、部署使用

Tableau 为C/S架构,需要在用户终端安装desktop进行分析的设计,在服务器端安装server,将模块数据与分析发布在server上,使用reader查看客户端生成的分析,可以在web断和移动端查看在server上发布的分析。体量较大,布署稍复杂,使用时需要客户端配合。

FineBI为B/S构架的web端工程。将需要分析的数据抽出保存在索引中,使用不同分析组件进行不同dashboard的设计,体量小,布署简单方便,极速,可直接使用,也可以集成到自己的项目中使用。

2、平台界面

Tableau是服器与客户端分离的,平台管理与设计分开进行,产品的逻辑清晰,易于理解、便于用户的操作,但不利于IT部门管控和配合。

FineBI是面是将平台管理与设计放到了一个界面中,通过权限来控制显示情况,实施企业级管控比较方便,逻辑分类不是十分明显。

3、工作流程

FineBI的工作流程是管理员进行数据配置并且创建相应业务包,业务包中有业务员需要用到的相关数据;之后业务员进行相关分析,然后决策者查看分析。

 1

Tableau的工作流程是分析人员完成从数据连接到新建分析的全部过程,决策者直接查看分析。

 2

根据FineBI与tableau的工作流程可以看到,FineBI的使用中多出一个管理员进行数据配置并且创建业务包的工作流程。在tableau中进行分析的数据是直接处理好的数据。FineBI可以完成数据处理到分析的所有功能,而tableau只能完成数据分析的功能。FineBI在这里包含了ETL工具的功能,而tableau只是一个纯粹的分析工具。

4、数据支持和管理

FineBI支持Hadoop、GreenPlumn、Kylin等大数据平台,支持SAP HANA、SAP BW、SSAS、EssBase等多位数据库,支持MongoDB、SQLite、Cassandra等NO SQL数据库,也支持传统的关系型数据库、程序数据源等,但较Tableau更少,如亚马逊云数据。FineBI可以实现连接到某一数据库,之后将其作为实例保存下来,并可以以此为数据源。而Tableau连接到数据库并且取其中表作为数据源,无法保留该连接为数据源,也就意味着每次进行数据分析都要编辑一次数据连接,这就使数据表添加变得麻烦。

5、数据处理

在数据处理方面,Tableau的功能对比于FineBI比较弱,Tableau的理念更加倾向于将处理好的数据直接使用,更加偏业务性质。而FineBI则增加了更多对数据预处理的功能,实现的功能更多。

Tableau在选择怎样的数据方面更加具有灵活性,可以任意选择部分数据,fineBI的灵活性则没有那么强。

6、数据分析

Tableau的数据分析更加注重数据的分析,在图表的式样上没有FineBI的丰富,然而做分析上的功能十分强大专业。而FineBI注重的是快速展示数据,是通过图表来展示分析效果的。

Tableau的分析里面存在离散与连续的概念,而在FineBI中没有离散与连续之分。对于时间这种既可以离散(单个的时间点)也可以连续(时间本来就连续)的数据而言,对其做分析可以按照需要选择数据是否为离散。

在样式的设置上,Tableau的设置整齐统一,并且确切到了每个行列的每个字段中。设置起来十分方便易懂,并且统一的格式设置使得用户理解起来也更方便。

在进行联动的设置上,Tableau没有设置表与表之间有无联动的限制,是全局性的。而FineBI是可以设置不同表之间关联的。

在分析功能上,FineBI在添加计算指标上有同期、环期、累计值等,是Tableau所没有的,而tableau具有的强大的分析线的功能是FineBI所没有的。

在控件类型上, FineBI的控件类型更为多样,更加简单方便易用,而Tableau的共享式设置或多控件的情况下,容易出现烦琐的操作(多个仪表板的情况下,控件共享模式与仅在此工作表上)。

7、用户管理

在用户管理上,FineBI较明显的优于Tableau。首先可以添加的方式更加多样,Tableau只能导入用户名与密码,且用户组上需要自己手动添加;其次对于用户管理上,FineBI包括部门角色,更加贴近企业实际情况,而Tableau只有组。

8、权限管理

FineBI的权限设置更倾向于根据企业结构、数据源等方式来进行分配,需要对应的权限表(如业务包设置过滤条件的分配)。而Tableau则是自行设置相应的规则。从自由度上来看,Tableau更自由,从操作上来看,FineBI更快捷简单。