论文部分内容阅读
Domo vs. Power BI vs. Qlik Sense vs. QuickSight vs. Tableau：自助服务商业智能已经成为敏捷、流畅业务决策的首选工具。本文介绍怎样为您的业务选择合适的平台。
商业信息（BI）市场竞争非常激烈。历史上，Oracle和IBM这样的大企业都遇到了功能之争，试图证明由于功能而超出预算（而不是低于预算）的定价是合理的，这严重依赖于与客户密切接触进行推销。更糟糕的是，供应商希望您的IT部门与供应商自己的顾问合作，配置他们的产品，并将它们与您的每个记录系统集成起来，这往往需要额外的成本。
一旦安装并运行了传统商业智能系统后，管理人员就必须等待每周和每月的业务线报告，这意味着作出决策往往需要一个月的时间，还要加上一个月的执行时间。添加报告需要向工作堆积如山的IT部门提出申请，可能要数周甚至数月的时间进行设计和编码。
2004年自助服务商业智能的推出改变了所有这一切，我在本文中介绍并对比的五个平台充分展示了这种改变——Domo、Power BI、Qlik Sense、QuickSight和Tableau。之所以向自助服务商业智能转变，部分原因是能够在几天内而不是几个月内做出业务决策。近来，云计算和高速互联网接入成为自助服务商业智能的关键技术推动因素。
当然，传统的商业智能仍然存在——虽然有所减少。特别是财务报告要求100%的准确率，通常需要几周的时间才能生成报告。尽管一些较新的平台试图完全取代传统的商业智能系统，但报告却是一种比较特殊的应用情形，强调交互式视觉发现的自助服务商业智能产品并不能总是很好地为这类应用提供服务。
与此同时，传统的商业智能平台也在发展。有些增加了足够的自助服务、视觉发现和分析功能，以满足现有客户的需求。
自助服务商业智能平台的选取标准
在选择自助服务商业智能平台时，关键是自己进行评估，因为供应商兜售的很多功能对您的企业可能没有真正的用处。例如，如果您的公司已经拥有一个高性能的数据湖，那么您可能不愿意为了要求把所有数据导入到他们存储库的商业智能平台而修改自己的数据湖。类似地，您可能想把商业智能系统与已经在用的协作平台相集成，而不是使用专用的商业智能协作功能，因为不太可能要求员工同时使用两个协作系统。
如果您的大部分数据是在Azure上，则不会使用仅在Amazon Web Services上运行的商业智能系统，反之亦然。如果可能的话，出于性能的考虑，您希望将数据和分析合并在一起。
供应商倾向于引用对他们产品最有利的分析报告。不要相信供应商的略读摘要，也不要相信他们展示给您的图表：您应该要求阅读整个报告，其中会有警告和缺点，以及优点和特点。同时也要充分考虑到分析师报告中包含的事实：相对于不是他们客户的供应商而言，大多数大型分析公司对付款客户更感兴趣，尽管个别分析师真的是想做到公正和中立。
以下是评估自助服务商业智能平台的七个主要关注点。
数据源
您应确保商业智能平台可以读取所有数据源。其次，您應该知道这个平台在处理数据之前是否必须将数据导入到自己的存储库中，它是否能够随时处理数据查询。
如果必须导入数据，其分析速度是否足够快，能够满足导入时间要求？商业智能系统能自动更新原始数据源的数据吗？
如果在商业智能系统中数据存储需要付费，那么您应该尽可能的想好——5年内会有多少数据，将其乘以3，再想一想。储存的费用会影响你的预算吗？
另一个关键问题：商业智能系统能在数据所在的位置运行吗？如果不行，移动数据会有多困难？
数据转换
收集上来的数据总是有问题的。某一行可能会丢失字段，字段也可能包含无意义的值。某一行中的多个字段可能有相互不一致的值。文本字段可能含有拼写错误、拼写变体或者术语变体，使其不能自动组合在一起。有些字段，特别是自由格式的注释，可能很长，而且用处不大。
此外，字段可能是非参数的（文本），需要被编码为用于分析目的的数值，尽管一些商业智能系统能够在内部自动完成这一操作。字段的数值范围可能有数量级的差异，需要规范化。数值可能需要从其他数值中推断出来，例如，如果源数据中没有性别，则可能需要从名字和/或称呼中推断出性别。
商业智能系统可能要求您编写SQL SELECT语句，或者它自己执行导入操作。如果它要求您编写数据库查询，它能否帮助您选择字段并创建连接？
这些以及其他问题意味着您应该先在您的一些数据上试用商业智能系统。在查看和绘制数据时，构建一个提取/转换/加载链。看看它有多容易，或者多难。将其与其他商业智能系统进行对比。不要低估在清理分析数据上花的时间，这很容易占到总分析时间的80%。
分析能力
您需要以几种方式来分析清理后的数据。在最简单的层面上，您以各种格式绘制数据，并对历史数据和趋势进行简单的统计分析。除此之外，您还需要深入挖掘数据以了解具体的特性，并构建模型来测试您对原因的猜测。最后，您可能希望根据统计模型，甚至机器学习模型来预测未来绩效指标（销售和库存需求）。
您将遇到的一个功能难题是关于所提供的图表类型的数量。当所宣传的图表类型不适用于您的数据时，通常是毫无意义的。另一方面，一些图表类型很重要：例如，我不愿意使用没有地理显示支持的系统，因为查看位置表中的原始数据并不像在地图上看到不同颜色或者不同标识那样有视觉和直观的感觉。
对分析的支持是另一个功能难题。是的，您绝对应该能在商业智能平台上进行简单的统计操作，至少可以包括回归模型。还有就是可能是与用户的需求不匹配。
例如，为研究商业智能分析选项添加机器学习和深度学习支持，这对于管理人员和业务分析师来说可能根本用不着。再有就是数据科学家，他们通常有专门的专用工作空间来创建机器学习模型和深度神经网络，使用的工作流程通常要求比典型的商业智能用户流程有更多的统计知识和编程技能。
商业信息（BI）市场竞争非常激烈。历史上，Oracle和IBM这样的大企业都遇到了功能之争，试图证明由于功能而超出预算（而不是低于预算）的定价是合理的，这严重依赖于与客户密切接触进行推销。更糟糕的是，供应商希望您的IT部门与供应商自己的顾问合作，配置他们的产品，并将它们与您的每个记录系统集成起来，这往往需要额外的成本。
一旦安装并运行了传统商业智能系统后，管理人员就必须等待每周和每月的业务线报告，这意味着作出决策往往需要一个月的时间，还要加上一个月的执行时间。添加报告需要向工作堆积如山的IT部门提出申请，可能要数周甚至数月的时间进行设计和编码。
2004年自助服务商业智能的推出改变了所有这一切，我在本文中介绍并对比的五个平台充分展示了这种改变——Domo、Power BI、Qlik Sense、QuickSight和Tableau。之所以向自助服务商业智能转变，部分原因是能够在几天内而不是几个月内做出业务决策。近来，云计算和高速互联网接入成为自助服务商业智能的关键技术推动因素。
当然，传统的商业智能仍然存在——虽然有所减少。特别是财务报告要求100%的准确率，通常需要几周的时间才能生成报告。尽管一些较新的平台试图完全取代传统的商业智能系统，但报告却是一种比较特殊的应用情形，强调交互式视觉发现的自助服务商业智能产品并不能总是很好地为这类应用提供服务。
与此同时，传统的商业智能平台也在发展。有些增加了足够的自助服务、视觉发现和分析功能，以满足现有客户的需求。
自助服务商业智能平台的选取标准
在选择自助服务商业智能平台时，关键是自己进行评估，因为供应商兜售的很多功能对您的企业可能没有真正的用处。例如，如果您的公司已经拥有一个高性能的数据湖，那么您可能不愿意为了要求把所有数据导入到他们存储库的商业智能平台而修改自己的数据湖。类似地，您可能想把商业智能系统与已经在用的协作平台相集成，而不是使用专用的商业智能协作功能，因为不太可能要求员工同时使用两个协作系统。
如果您的大部分数据是在Azure上，则不会使用仅在Amazon Web Services上运行的商业智能系统，反之亦然。如果可能的话，出于性能的考虑，您希望将数据和分析合并在一起。
供应商倾向于引用对他们产品最有利的分析报告。不要相信供应商的略读摘要，也不要相信他们展示给您的图表：您应该要求阅读整个报告，其中会有警告和缺点，以及优点和特点。同时也要充分考虑到分析师报告中包含的事实：相对于不是他们客户的供应商而言，大多数大型分析公司对付款客户更感兴趣，尽管个别分析师真的是想做到公正和中立。
以下是评估自助服务商业智能平台的七个主要关注点。
数据源
您应确保商业智能平台可以读取所有数据源。其次，您應该知道这个平台在处理数据之前是否必须将数据导入到自己的存储库中，它是否能够随时处理数据查询。
如果必须导入数据，其分析速度是否足够快，能够满足导入时间要求？商业智能系统能自动更新原始数据源的数据吗？
如果在商业智能系统中数据存储需要付费，那么您应该尽可能的想好——5年内会有多少数据，将其乘以3，再想一想。储存的费用会影响你的预算吗？
另一个关键问题：商业智能系统能在数据所在的位置运行吗？如果不行，移动数据会有多困难？
数据转换
收集上来的数据总是有问题的。某一行可能会丢失字段，字段也可能包含无意义的值。某一行中的多个字段可能有相互不一致的值。文本字段可能含有拼写错误、拼写变体或者术语变体，使其不能自动组合在一起。有些字段，特别是自由格式的注释，可能很长，而且用处不大。
此外，字段可能是非参数的（文本），需要被编码为用于分析目的的数值，尽管一些商业智能系统能够在内部自动完成这一操作。字段的数值范围可能有数量级的差异，需要规范化。数值可能需要从其他数值中推断出来，例如，如果源数据中没有性别，则可能需要从名字和/或称呼中推断出性别。
商业智能系统可能要求您编写SQL SELECT语句，或者它自己执行导入操作。如果它要求您编写数据库查询，它能否帮助您选择字段并创建连接？
这些以及其他问题意味着您应该先在您的一些数据上试用商业智能系统。在查看和绘制数据时，构建一个提取/转换/加载链。看看它有多容易，或者多难。将其与其他商业智能系统进行对比。不要低估在清理分析数据上花的时间，这很容易占到总分析时间的80%。
分析能力
您需要以几种方式来分析清理后的数据。在最简单的层面上，您以各种格式绘制数据，并对历史数据和趋势进行简单的统计分析。除此之外，您还需要深入挖掘数据以了解具体的特性，并构建模型来测试您对原因的猜测。最后，您可能希望根据统计模型，甚至机器学习模型来预测未来绩效指标（销售和库存需求）。
您将遇到的一个功能难题是关于所提供的图表类型的数量。当所宣传的图表类型不适用于您的数据时，通常是毫无意义的。另一方面，一些图表类型很重要：例如，我不愿意使用没有地理显示支持的系统，因为查看位置表中的原始数据并不像在地图上看到不同颜色或者不同标识那样有视觉和直观的感觉。
对分析的支持是另一个功能难题。是的，您绝对应该能在商业智能平台上进行简单的统计操作，至少可以包括回归模型。还有就是可能是与用户的需求不匹配。
例如，为研究商业智能分析选项添加机器学习和深度学习支持，这对于管理人员和业务分析师来说可能根本用不着。再有就是数据科学家，他们通常有专门的专用工作空间来创建机器学习模型和深度神经网络，使用的工作流程通常要求比典型的商业智能用户流程有更多的统计知识和编程技能。