帆软荣获2016 CEIA最佳BI方案提供商大奖

近期,CEIA中国企业IT大奖公布,企业网D1net向帆软颁发了2016 CEIA最佳BI方案提供商大奖,以表彰帆软2016年在IT数据领域所取得的卓越成绩。

据悉,此次大奖的评选围绕企业影响力、产品创新力、技术方案落地性、技术服务能力、行业口碑等几个方面进行评选。帆软凭借其深厚的技术实力、卓越的用户体验及在BI市场丰富的实战经验,赢得众多政企IT信息主管的好评,最终摘得2016 CEIA最佳BI方案提供商大奖。

帆软旗下产品FinerReport已是中国企业级报表软件的领导品牌,十年磨一剑,提供包含数据分析,数据查询,数据填报在内的整套中国式复杂报表的解决方案。帆软旗下自助式BI产品FineBI自2013年正式推出以来,今年已迭代至V4.0版本,经过多年的市场打磨,已经成为国内新一代自助式敏捷BI工具的领头羊。

在过去的2016年,帆软以实力打造了行业品牌势力。不仅举办了地产、银行、化工、医药4场行业高峰论坛,邀请各行业的领头企业代表探讨数据化运营建设,还在16年中启动百城标杆案例巡展,走过北京、上海、广州、深圳、杭州、台北等22个城市,实现超万人的现场大数据狂欢,辐射线上线下近30W业内人士。为加速用户对产品的上手能力,帆软每月定期在各线下举办免费培的训活动,涉及35个城市,半年累计参加培训达5500人次。目前,帆软的企业客户已超过6000家,用户开发者超30万,每天有超过200万人使用帆软产品。

作为国内领先的商业智能和数据分析平台提供商,2016年是帆软高速发展的一年,保持了业内销售额第一、客户数量第一、业内组织规模第一。但前进的步伐从未停止,创新是帆软保持卓越的源泉。

未来,企业会越加重视数据资产的利用,数据化运营将成为企业管理的重要支撑。面对今后的发展,帆软已做好准备,致力为企业架设一条通往数据化决策的高速公路,为各行业领域提供一条让人振奋的跨时代发展新路!

原文转自:最佳BI方案提供商:FineBI

在Tableau的光环下,国内BI工具如何突围?

如今,百度一下商业智能或BI工具,总能看到Tableau的身影。并不是Tableau的营销做得好,而是国内对于商业智能工具的认知和选择似乎都落在了Tableau身上。导致不管业内业外都对商业智能的概念有了偏颇之见,认为就是一个前端展示工具,就是一个做图表的。

6c11f6e60b6848e

这里并不是在否认Tableau。确实,Tableau的可视化,图表制作能力能被众人称赞,这点值得国内BI厂商借鉴。但就从商业智能概念已经产品定位上来讲,BI的作用除了数据可视化展现,更多的还有背后的数据整合处理以及前端分析。这点国内BI厂商还有很多值得借鉴和逆袭的地方。

回到问题,国内BI工具应该如何突围?

先来谈谈商业智能,商业智能起初的定义是,指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。商业智能作为一个工具,是用来处理企业中现有数据,并将其转换成知识、分析和结论,辅助业务或者决策者做出正确且明智的决定,帮助企业更好地利用数据提高决策质量的技术,包含了从数据仓库到分析系统等。所以商业智能严格来讲是一套解决方案,是基于企业现有IT技术架构,提供快速准确数据分析的解决方案。

从大多数企业对于数据分析的需求来分析,国内BI工具应该如何发展?

1、  对于企业的数据分析需求要贴地气

每个企业的IT建设各种各样,数据库多种多样,数据的规范性,系统的开发集成需求也不同。BI除了需要支持各种类型的数据库和数据源,还要支持Hadoop、GreenPlumn一类的大数据平台以及各种数据仓库。对于有些企业有数据仓库,而有些企业只有简单的数据库,有些企业数据量大,有些企业数据一般的差异性需求,BI工具是否能针对企业不同的软硬件设施提供不同的而解决方案。比如FineBI提供的两种方式访问企业大数据量:FineDirect(直连)与FineIndex(建cube)。FineIndex可通过对数据进行抽取预处理,对数据增量更新,实现快速数据分析。FineDirect提供基于SQL的数据库直连引擎,支持大数据平台的10亿至百亿的数据访问,实时数据分析。

2、  产品的目标不要仅局限于展现,更多在于探索

探索这里可以理解为两个方面,一是前端数据展示具有“探索导向性”,如何理解?目前的数据展示,都是基于历史数据的归纳和重整,缺乏对决策制定的引导。领导拿到报告,了解到某某地区销售额上涨、下降,某时段产品市场热度较低,这些情况可以说看完就算了,领导还是不知道该做什么决定,他想看与往年的对比,报告又得pass重来。这要求图表之间要有极强的交互性,用户可以深层次多角度进行查看。比如FineBI的数据钻取,数据切片和数据旋转等多维分析操作,还有SPA螺旋式聚合分析可针对前端数据做简单处理。二是“深度分析”。目前的商业智能BI缺乏数据挖掘的功能,BI工具的发展可以更加倾向于对数据的挖掘和预测分析,比如和R语言的集成,包括分类预测、聚类分析、关联规则、时序模式等等。

3、尽量保持“轻量化”属性

目前BI的使用逐渐偏向业务分析人员,工具需要轻量化,减少技术问题的牵绊。国内BI工具对于本土化企业需求应该更具优势,对于用户分析习惯和业务逻辑思维有更加准确的理解,所以这种优势应保持并深入发展。

就目前国内市场来看,BI发展还处于慢热阶段,未来,应该潜力无限。

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。

介绍一款自助式BI工具

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

3

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。




4

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。

2

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。

1

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。