商業(yè)信息(BI)市場的競爭很激烈且環(huán)境很擁擠。歷史上，大型企業(yè)，如甲骨文和IBM，它們參與了功能大戰(zhàn)，以圖證明精打細(xì)算(如果不是超出預(yù)算的話)的定價(jià)的合理性，并且嚴(yán)重依賴于高接觸的推銷手段。更糟糕的是，供應(yīng)商希望你的IT部門與供應(yīng)商自己的顧問合作來配置他們的產(chǎn)品，并將其與你的每個(gè)記錄型系統(tǒng)集成在一起，這往往需要額外的成本。
一旦安裝并運(yùn)行傳統(tǒng)的商業(yè)智能系統(tǒng)，管理人員必須等待每周或每月的行業(yè)報(bào)告，這意味著要一個(gè)月的時(shí)間來做決策，外加一個(gè)月的實(shí)施時(shí)間。添加一個(gè)報(bào)告需要向進(jìn)度嚴(yán)重落后的IT提出請(qǐng)求，而這可能需要數(shù)周或數(shù)月的時(shí)間來進(jìn)行設(shè)計(jì)和編碼。
這一切都隨著2004年推出的自助式商業(yè)智能而改變，例如我將在這個(gè)比較中介紹的五個(gè)平臺(tái)—Domo、Power BI、Qlik Sense、QuickSight和Tableau。自助式商務(wù)智能的過渡部分得益于在幾天而不是幾個(gè)月內(nèi)做出商業(yè)決策的能力。最近，云計(jì)算和高速互聯(lián)網(wǎng)接入已成為自助式商業(yè)智能的關(guān)鍵技術(shù)驅(qū)動(dòng)力。
當(dāng)然，傳統(tǒng)的商業(yè)智能雖然有所衰退，但依然活蹦亂跳。財(cái)報(bào)尤其要求100%的準(zhǔn)確性，這通常需要數(shù)周才能生成報(bào)告。報(bào)告可能是一個(gè)單獨(dú)的用例，它也許并不能一直得到自助式服務(wù)的商業(yè)智能產(chǎn)品的良好服務(wù)，后者強(qiáng)調(diào)交互式視覺發(fā)現(xiàn)，盡管一些較新的平臺(tái)試圖完全取代傳統(tǒng)的商業(yè)智能系統(tǒng)。
同時(shí)，傳統(tǒng)的商業(yè)智能平臺(tái)也在不斷發(fā)展。有些已經(jīng)增加了足夠的自助式服務(wù)、可視化發(fā)現(xiàn)和分析，以滿足現(xiàn)有客戶的需求。
挑選自助式商業(yè)智能平臺(tái)的標(biāo)準(zhǔn)
在你選擇自助式商業(yè)智能平臺(tái)時(shí)進(jìn)行自己的評(píng)估是很關(guān)鍵的，因?yàn)楹芏喙?yīng)商推出的功能可能沒有為你的企業(yè)帶來真正的好處。例如，如果貴公司已經(jīng)擁有高性能的數(shù)據(jù)湖(data lake)，那么你可能不希望支付將所有數(shù)據(jù)導(dǎo)入自己的商店的商業(yè)智能平臺(tái)的差價(jià)。同樣，你可能更傾向于將商業(yè)智能系統(tǒng)集成到現(xiàn)有的協(xié)作平臺(tái)，而不是使用專用的商業(yè)智能協(xié)作功能，因?yàn)橐髥T工使用兩個(gè)協(xié)作系統(tǒng)的做法通常是不會(huì)成功的。
如果你的大部分?jǐn)?shù)據(jù)都在Azure上，那么你可能需要排除僅在Amazon Web Services上運(yùn)行的商業(yè)智能系統(tǒng)，反之亦然。如果可能的話，出于性能上的理由，你希望將數(shù)據(jù)和分析合并在一起。
供應(yīng)商傾向于引用對(duì)他們的產(chǎn)品最有利的分析報(bào)告。不要信任供應(yīng)商的一帶而過的摘要，或者輕信他們向你展示的圖表：向他們索取并閱讀整個(gè)報(bào)告，這個(gè)報(bào)告會(huì)提及注意事項(xiàng)、劣勢、優(yōu)勢和特性。還要以懷疑的態(tài)度來對(duì)待分析師的報(bào)告中夾帶的私貨：大多數(shù)大型分析公司對(duì)付費(fèi)的客戶更感興趣，而不是非它們的客戶的供應(yīng)商，盡管個(gè)別分析師的真誠嘗試是公正且中立的。
以下是評(píng)估自助式商業(yè)智能平臺(tái)時(shí)的七個(gè)關(guān)鍵領(lǐng)域的問題。
數(shù)據(jù)源
你要確保商業(yè)智能平臺(tái)可以讀取所有數(shù)據(jù)源。其次，你要知道平臺(tái)在處理數(shù)據(jù)前是否必須將數(shù)據(jù)導(dǎo)入到自己的工場中，或者是否可以即時(shí)處理數(shù)據(jù)查詢。
如果必須導(dǎo)入數(shù)據(jù)，分析速度是否足夠快，以證明花時(shí)間導(dǎo)入是合理的?商業(yè)智能系統(tǒng)能否自動(dòng)更新原始數(shù)據(jù)源的數(shù)據(jù)?
如果商業(yè)智能系統(tǒng)中的數(shù)據(jù)存儲(chǔ)要收費(fèi)，請(qǐng)盡情猜測5年內(nèi)你將擁有多少數(shù)據(jù)，并將其數(shù)量增加三倍。存儲(chǔ)該金額的成本是否會(huì)影響你的預(yù)算?
另一個(gè)關(guān)鍵問題是：商業(yè)智能系統(tǒng)是否可以在你存儲(chǔ)數(shù)據(jù)的地方運(yùn)行呢?如果不可以，遷移數(shù)據(jù)的難度有多大?
數(shù)據(jù)轉(zhuǎn)換
當(dāng)你要收集數(shù)據(jù)時(shí)，數(shù)據(jù)往往是很“臟”的。行中可能缺字段，或者可能包含無意義的值。行中的多個(gè)字段可能具有相互不一致的值。文本字段可能包含拼寫錯(cuò)誤、拼寫變體或術(shù)語變體，使其不能自動(dòng)組合在一起。有些字段，特別是自由形式的評(píng)論可能會(huì)很長，而且用處不大。
此外，字段可能是非參數(shù)化的(如文本)，為了分析的目的，需要將其編碼為數(shù)字，盡管有些商業(yè)智能系統(tǒng)在內(nèi)部實(shí)現(xiàn)了自動(dòng)化。字段的數(shù)字范圍可能有數(shù)量級(jí)的差異，需要將它們歸一化?？赡芤恍┲狄獜牧硪恍┲低茢喑鰜?，例如，如果源數(shù)據(jù)中不存在性別，可能需要從名字和/或標(biāo)題中推斷出性別。
你可能要給商業(yè)智能系統(tǒng)編寫SQL SELECT語句，或者它可能自動(dòng)導(dǎo)入自身。如果要編寫數(shù)據(jù)庫查詢，它是否可以幫助你選擇字段并創(chuàng)建連接(join)呢?
凡此種種的問題意味著你應(yīng)該在你的一些數(shù)據(jù)上測試一個(gè)商業(yè)智能系統(tǒng)。構(gòu)建一個(gè)提取/轉(zhuǎn)換/加載鏈，同時(shí)查看和繪制數(shù)據(jù)。看看它們顯現(xiàn)的難易程度。將其與其它商業(yè)智能系統(tǒng)進(jìn)行比較。不要低估數(shù)據(jù)清理要花掉的時(shí)間，這多半會(huì)占用總分析時(shí)間的80%。
分析能力
你要以幾種方式分析已清理的數(shù)據(jù)。在最簡單的層面上，你將以各種格式繪制數(shù)據(jù)，并對(duì)歷史數(shù)據(jù)和趨勢進(jìn)行直接的統(tǒng)計(jì)分析。除此之外，你要探究數(shù)據(jù)以了解特定的功能，并構(gòu)建模型以測試你對(duì)原因的看法。最后，你可能需要根據(jù)統(tǒng)計(jì)模型甚至機(jī)器學(xué)習(xí)模型來預(yù)測未來的績效指標(biāo)(例如銷售和庫存需求)。
你將遇到的一個(gè)功能大戰(zhàn)體現(xiàn)在所提供的圖表類型的數(shù)量。當(dāng)吹的天花亂墜的圖表類型不適用于你的數(shù)據(jù)時(shí)，這通常是毫無意義的。另一方面，有些圖表類型非常重要：例如，我不愿意使用沒有地理顯示支持的系統(tǒng)，因?yàn)椴榭次恢帽碇械脑紨?shù)據(jù)與查看地圖上不同的顏色或不同的氣泡大小的視覺和直觀影響是不同的。
另一個(gè)功能大戰(zhàn)是對(duì)分析的支持。是的，你確實(shí)應(yīng)該具備在商業(yè)智能平臺(tái)內(nèi)執(zhí)行簡單的統(tǒng)計(jì)的能力，至少要懂回歸模型。更深入的話可能會(huì)與用戶產(chǎn)生“阻抗失配”。
例如，將機(jī)器學(xué)習(xí)和深度學(xué)習(xí)支持添加到探索性商務(wù)智能分析的選項(xiàng)中，這對(duì)管理者和業(yè)務(wù)分析師而言可能是一個(gè)難以企及的目標(biāo)。數(shù)據(jù)科學(xué)家則是另一回事，但他們通常具有專門的專業(yè)工作空間來創(chuàng)建機(jī)器學(xué)習(xí)(ML)模型和深層神經(jīng)網(wǎng)絡(luò)，他們使用的工作流程通常需要統(tǒng)計(jì)知識(shí)和編程技能，而這些流程對(duì)他們在這方面的要求遠(yuǎn)高于典型的商業(yè)智能用戶。
另一方面，自然語言支持和分析常見數(shù)據(jù)模式的內(nèi)置智能使生疏的用戶更容易使用平臺(tái)。將機(jī)器學(xué)習(xí)應(yīng)用于用戶體驗(yàn)往往是好事，即便要求業(yè)務(wù)分析師訓(xùn)練深度學(xué)習(xí)模型也許是徒勞的。
現(xiàn)在有些商業(yè)智能平臺(tái)使用內(nèi)存數(shù)據(jù)庫和并行性來加速查詢。未來，你可能會(huì)看到更多高度并行化的基于GPU的數(shù)據(jù)庫被內(nèi)置到商務(wù)智能服務(wù)——第三方正在建設(shè)這些展示了驚人的速度提升的數(shù)據(jù)庫。
你經(jīng)常需要在分析過程中修改或增加數(shù)據(jù)轉(zhuǎn)換，例如通過添加反映其它列之間的差異或比率的列，就像財(cái)務(wù)分析中經(jīng)常進(jìn)行的操作一樣(如債務(wù)/權(quán)益)。這樣的修改有時(shí)可以改變ETL(提取，轉(zhuǎn)換和加載)管道到ELT(提取，加載和轉(zhuǎn)換)的導(dǎo)入過程。某些供應(yīng)商僅支持ETL或ELT之中的一個(gè)，但大多數(shù)使用ETL的商業(yè)智能系統(tǒng)在分析步驟中都提供了額外的轉(zhuǎn)換。
易學(xué)易用性
盡管自助式商務(wù)智能系統(tǒng)是針對(duì)管理者和業(yè)務(wù)分析人員，但它是很復(fù)雜的，它有很多移動(dòng)部件。在我嘗試過的商業(yè)智能平臺(tái)中，用戶體驗(yàn)和學(xué)習(xí)資料的平臺(tái)間質(zhì)量差別很大。在評(píng)估中試著讓技能水平參差不齊的用戶參與進(jìn)來，以了解他們的反應(yīng)。另外一定要測試文檔本身。最好的文檔搜索、索引和組織以及最差的文件之間存在巨大差異。有時(shí)候，我常常不得不要求銷售工程師在經(jīng)歷重要但失敗的個(gè)人努力之后為我找一個(gè)教程。
演示的靈活性
有些商業(yè)智能系統(tǒng)幾乎對(duì)任何變量的選擇都顯示出算得上有見地的圖表。另一些商務(wù)智能系統(tǒng)等待你點(diǎn)擊你想要查看的圖表類型。如果你知道你的需求，那么用哪一種方法都可以，如果你不知道的話，最好是讓系統(tǒng)根據(jù)你選擇的變量的數(shù)量和種類提供幫助。
商業(yè)智能系統(tǒng)往往區(qū)分始終是數(shù)字的度量和可能是非參數(shù)化的維度。有些維度，例如城市、州和國家可以轉(zhuǎn)化為經(jīng)度和緯度等度量。有時(shí)候，你想看到符合維度標(biāo)準(zhǔn)的度量，例如“按產(chǎn)品展示我們的利潤率”或“按店鋪顯示我們的同比銷售額”，以及另一些時(shí)候你希望看到符合其它度量標(biāo)準(zhǔn)的度量，例如，“向我展示利潤與中西部地區(qū)所有商店的銷售額”。
一旦你看到了一個(gè)有意義的圖表，你往往想放大特定的功能、調(diào)整顯示，并添加注釋。商業(yè)智能系統(tǒng)在這個(gè)領(lǐng)域的差異很大，所以做這個(gè)練習(xí)是值得的。
協(xié)作的選擇
你可以共享的具體內(nèi)容因系統(tǒng)而異，或者按照你是否想要完全與授權(quán)用戶、只讀注冊用戶或未注冊用戶共享。在某些情況下，只讀用戶可以從你提供的圖表中對(duì)數(shù)據(jù)進(jìn)行排序和篩選;在其它情況下，他們只能看到你的分析的幻燈片。
這個(gè)區(qū)別通常會(huì)影響你是否能夠?yàn)檎麄€(gè)公司或只為特定的受眾提供商業(yè)智能產(chǎn)品，當(dāng)然還有定價(jià)。
成本和收益
我所指的成本不僅僅是供應(yīng)商的年費(fèi)，還包括存儲(chǔ)數(shù)據(jù)的成本，將平臺(tái)托管在本地或云端的成本，還有人員培訓(xùn)的成本。這樣做的好處包括減少勞動(dòng)力和決策時(shí)間，做出更好的決策，并最終提高利潤并加快發(fā)展速度。
當(dāng)今可用的最好的自助式商務(wù)智能工具
考慮到這些因素，讓我們來看一下五個(gè)引領(lǐng)市場的商業(yè)智能平臺(tái)(按字母順序排列)。
Domo
Domo是一個(gè)在線商業(yè)智能工具，它結(jié)合了大量數(shù)據(jù)連接器(data connector)、ETL系統(tǒng)和統(tǒng)一的數(shù)據(jù)存儲(chǔ)、大量可視化、集成社交媒體和報(bào)告功能。Domo自稱它不僅僅是一個(gè)商業(yè)智能工具，因?yàn)樗纳缃幻襟w工具可以產(chǎn)生“可行動(dòng)的洞察”，但實(shí)際上每個(gè)商業(yè)智能工具都會(huì)產(chǎn)生有利于業(yè)務(wù)的行動(dòng)，或最終被丟棄在垃圾堆的行動(dòng)。
Domo是一個(gè)非常優(yōu)秀且功能強(qiáng)大的商業(yè)智能系統(tǒng)。它支持大量的數(shù)據(jù)源和大量的圖表類型，而且集成的社交媒體功能很棒(如果夸大其辭的話)。但是，Domo比Tableau、Qlik Sense、QuickSight和Power BI更難以學(xué)習(xí)和使用，專業(yè)版每年的費(fèi)用為每用戶1920美元，企業(yè)版每年的費(fèi)用為每用戶2280美元，它的成本高出好幾倍。
根據(jù)你的需要，Tableau、Qlik Sense或Power BI極有可能是比Domo更好的選擇。
Power BI
Power BI是微軟加入自助式商業(yè)智能戰(zhàn)場的產(chǎn)品，它包含了一個(gè)托管在Azure上的服務(wù)的Web界面和Windows桌面的Power BI Desktop應(yīng)用程序。它的價(jià)格比競爭對(duì)手要優(yōu)惠：標(biāo)準(zhǔn)賬戶是免費(fèi)的，專業(yè)賬戶每個(gè)月的費(fèi)用是每用戶9.99美元，而Power BI Desktop是免費(fèi)的。
網(wǎng)站和桌面應(yīng)用程序都會(huì)定期更新。Power BI Desktop每月更新一次;網(wǎng)站更新后很難看出區(qū)別。
對(duì)于某些數(shù)據(jù)源，Power BI具有預(yù)定義的圖表，儀表盤和報(bào)表。例如，默認(rèn)的Visual Studio Online儀表盤和報(bào)告提供了Git、拉取請(qǐng)求和版本控制活動(dòng)、在你為你的賬戶配置的項(xiàng)目之間的一目了然的視圖。對(duì)于其它來源，Power BI預(yù)計(jì)會(huì)看到其數(shù)據(jù)的某些標(biāo)記。例如，它支持Excel工作表命名表，Excel數(shù)據(jù)模型表和Power View工作表。如果在Excel工作表中只有原始數(shù)據(jù)，則需要返回并創(chuàng)建一個(gè)或多個(gè)命名表;如果你在導(dǎo)入前確保數(shù)據(jù)類型是正確的，它也會(huì)有所幫助。
對(duì)于使用Windows、Office和Azure生態(tài)系統(tǒng)的公司來說，Power BI是一個(gè)合理的選擇。對(duì)于那些希望為組織中的每個(gè)人提供商業(yè)智，對(duì)成本很敏感的公司來說，這也是一個(gè)不錯(cuò)的選擇。缺點(diǎn)是Power BI不像Qlik Sense或Tableau那樣具備很多的分析功能或?qū)D表的控制權(quán)。
Qlik Sense
Qlik有“模式1”或在QlikView中有傳統(tǒng)的商業(yè)智能產(chǎn)品，并在Qlik Sense擴(kuò)展了自助式商業(yè)智能。2014年問世的Qlik Sense是一款自助式商業(yè)智能和可視化產(chǎn)品，它基于與QlikView相同的內(nèi)存關(guān)聯(lián)的數(shù)據(jù)索引引擎。在2016年，Qlik將之前僅在QlikView可用的報(bào)告引擎添加到QlikSense中。
Qlik Sense 2.0是一個(gè)非常強(qiáng)大的數(shù)據(jù)發(fā)現(xiàn)和交互式分析工具。它幾乎可以連接到所有的SQL數(shù)據(jù)庫，并且可以對(duì)可視化進(jìn)行很好的控制。但是，它不像Tableau那樣易于學(xué)習(xí)、使用或靈活地呈現(xiàn)可視化效果。
商業(yè)智能的數(shù)據(jù)導(dǎo)入往往是一個(gè)混亂的過程。Qlik Sense 2.0會(huì)嘗試在不同的表中關(guān)聯(lián)相同的名稱的字段，還會(huì)比較數(shù)據(jù)并就類似字段提供推薦。這個(gè)新功能被稱為智能數(shù)據(jù)加載(Smart Data Load)。
Qlik Sense 2.0還引入了Qlik DataMarket，這是可用的公共和商業(yè)數(shù)據(jù)的來源，它可以分為六類：商業(yè)、貨幣、人口、社會(huì)、氣候和經(jīng)濟(jì)。當(dāng)你分析私人數(shù)據(jù)時(shí)，有公開數(shù)據(jù)的話會(huì)有很大的幫助。
Qlik通常以壓縮格式的形式將數(shù)據(jù)保存在內(nèi)存中。然而，有時(shí)候你的數(shù)據(jù)多得無法存儲(chǔ)到可用內(nèi)存中，在這種情況下，Qlik Sense可以使用“直接發(fā)現(xiàn)”模式將內(nèi)存中的數(shù)據(jù)與數(shù)據(jù)庫中的數(shù)據(jù)相結(jié)合。在直接發(fā)現(xiàn)模式下，有些字段只能作為可在表達(dá)式中使用的元數(shù)據(jù)/符號(hào)表加載到內(nèi)存中。駐留在數(shù)據(jù)庫中的實(shí)際數(shù)據(jù)將根據(jù)需要進(jìn)行查詢。
使用Qlik Sense時(shí)，你可以將書簽保存到當(dāng)前工作表的當(dāng)前選擇狀態(tài)，并且可以將書簽合并到故事中，并添加文本和其它注釋以使故事不言自明。如果你正在使用故事進(jìn)行實(shí)況演示，你可以深入到任何可視化的源代碼來回答問題，然后在回答問題時(shí)返回到故事。
Qlik的關(guān)聯(lián)式綠白灰體驗(yàn)，在這里所顯示的值的顏色指示狀態(tài)(已選—可選—不可選)有助于你發(fā)現(xiàn)相關(guān)數(shù)據(jù)和無關(guān)數(shù)據(jù)，而無需挖掘，這是一個(gè)很高明的手段。我也喜歡Qlik定義表達(dá)式的方法，但我更喜歡Tableau的方法。Qlik Sense可以很好地控制可視化的外觀，這一點(diǎn)比微軟的Power BI做得好，但又不如Tableau做得好。
QuickSight
亞馬遜的QuickSight完全運(yùn)行在AWS云端，它對(duì)亞馬遜的數(shù)據(jù)源享有良好的訪問權(quán)限，能夠平等地訪問其它數(shù)據(jù)源，并以基礎(chǔ)價(jià)格提供基本的分析和數(shù)據(jù)處理。在這里討論的其它產(chǎn)品中，QuickSight與Power BI最像，只是前者沒有依賴桌面產(chǎn)品來創(chuàng)建數(shù)據(jù)集，或依賴Power BI Desktop / Service組合提供的分析能力水平。
QuickSight像Power BI、Qlik Sense和Tableau一樣連接到無數(shù)的數(shù)據(jù)源，并讓你準(zhǔn)備數(shù)據(jù)集。一旦擁有了數(shù)據(jù)集，你就可以創(chuàng)建具有一個(gè)或多個(gè)可視化分析，你可以將其組織到儀表盤和故事中。你可以共享組織中的數(shù)據(jù)集、儀表盤和故事。QuickSight使這個(gè)過程非常簡單直接，但是它缺少一些有用的可視化功能。
公司中的第一個(gè)用戶永遠(yuǎn)是免費(fèi)的，有四個(gè)用戶的團(tuán)隊(duì)可以免費(fèi)試用60天。除試用版外，對(duì)于額外增加的用戶，標(biāo)準(zhǔn)版每月的價(jià)格為每用戶9美元，企業(yè)版每月的價(jià)格為每用戶18美元。
第一個(gè)QuickSight用戶可以獲得1G的SPICE(超高速并行內(nèi)存優(yōu)化計(jì)算引擎，Superfast Parallel In-memory optimized Calculation Engine)存儲(chǔ)空間，而額外的用戶有10G的SPICE存儲(chǔ)空間。額外的SPICE存儲(chǔ)成本：標(biāo)準(zhǔn)版為每月每G要25美分，企業(yè)版每月每G要38美分。企業(yè)版增加了靜態(tài)安全數(shù)據(jù)加密，并連接到組織的AWS Active Directory。
SPICE是QuickSight的用于可視化的高性能內(nèi)存數(shù)據(jù)存儲(chǔ)，從文件導(dǎo)入的數(shù)據(jù)必須要用到SPICE，而SPICE對(duì)于SQL數(shù)據(jù)庫中的數(shù)據(jù)來說則是可選的。每個(gè)SPICE表格的容量限制為10G。
對(duì)于在AWS上托管眾多數(shù)據(jù)源、分析需求和開發(fā)時(shí)間有限的工場，使用QuickSight似乎是一件想都不用想的事情。QuickSight增加了簡單的分析和可視化功能，但只是象征性收點(diǎn)錢。
Tableau
Tableau稱其產(chǎn)品能提供“以你的思維方式工作的分析”，并表示這些工具利用了“人們快速發(fā)現(xiàn)可視化模式，展現(xiàn)日常機(jī)會(huì)和靈感瞬間般的天生能力”。這有一定的道理，盡管這個(gè)道理在很多其它的商業(yè)智能工具上也說得通。
分析工作流程的可視化發(fā)現(xiàn)階段是最誘人的部分，但大多數(shù)人不該花大部分時(shí)間在這個(gè)地方。根據(jù)我的經(jīng)驗(yàn)，導(dǎo)入和調(diào)整數(shù)據(jù)可以輕易地消耗你花在一個(gè)商業(yè)智能產(chǎn)品上的80%的時(shí)間。
既然Tableau可以執(zhí)行跨數(shù)據(jù)庫連接，你可能會(huì)導(dǎo)入多個(gè)數(shù)據(jù)源并將其連接起來，如果貴公司大到(或者有錢到)需要Tableau，你可能會(huì)將大部分?jǐn)?shù)據(jù)源托管在數(shù)據(jù)倉庫中。
然后，你要逐行過濾和調(diào)整數(shù)據(jù)。最后，你將真正地達(dá)到可以開始創(chuàng)建可視化對(duì)象的程度，盡管你在摸索時(shí)不得不執(zhí)行額外的數(shù)據(jù)轉(zhuǎn)換。但是Tableau能輕而易舉地完成數(shù)據(jù)調(diào)整和轉(zhuǎn)換，就像在Excel中一樣簡單。沒有必要返回到導(dǎo)入階段來添加計(jì)算好的字段或過濾數(shù)據(jù)。
Tableau中的可視化發(fā)現(xiàn)功能很強(qiáng)大，Tableau為其易用的實(shí)現(xiàn)和圖表顯示的精細(xì)控制設(shè)立了標(biāo)準(zhǔn)。通過單擊或拖動(dòng)感興趣的尺寸(通常是離散類別或特性)和度量(數(shù)值)，并自己選擇一個(gè)標(biāo)記(顯示類型，如條形、線條和點(diǎn))，可以構(gòu)建Tableau可視化，或使用自動(dòng)標(biāo)記選擇，或使用“顯示給我看(show me)”的方法來選擇可視化。
要進(jìn)行更多控制的話，可以將維度和度量拖動(dòng)到特定的標(biāo)記特征或“擱架(shelf)”上。當(dāng)你了解分析中發(fā)生的情況時(shí)，你可以與其他人共享儀表板和故事。這很容易通過將它們發(fā)布到Tableau Server或Tableau Online來完成，無論你是否使用Tableau Desktop，是否需要上傳，還是你已經(jīng)在做在線分析。
Tableau的定價(jià)變得相當(dāng)有競爭力，至少與Qlik和Domo相比是這樣的。個(gè)人版：每位用戶每月35美元;專業(yè)版：每位用戶每月70美元; Tableau Server：每位用戶每月35美元; Tableau Online(完全托管)：每位用戶每月42美元。
不過，我必須指出，微軟的Power BI以Tableau的四分之一的價(jià)格提供了大約相當(dāng)于后者80%的功能。當(dāng)你考慮勞動(dòng)力成本和公司利益時(shí)，你必須根據(jù)自己的情況來決定這筆帳是否經(jīng)得起推敲。
版權(quán)聲明：本文為企業(yè)網(wǎng)D1Net編譯，轉(zhuǎn)載需注明出處為：企業(yè)網(wǎng)D1Net，如果不注明出處，企業(yè)網(wǎng)D1Net將保留追究其法律責(zé)任的權(quán)利。
京公網(wǎng)安備 11010502049343號(hào)