國內(nèi)外主流數(shù)據(jù)可視化分析工具對(duì)比

　 域名預(yù)訂/競(jìng)價(jià)，好“米”不錯(cuò)過

大數(shù)據(jù)能否真正的具備參考價(jià)值？這在某種程度上取決于企業(yè)是否部署了合適的數(shù)據(jù)可視化分析工具。在幾乎每個(gè)部門都充斥著關(guān)于客戶、流程和運(yùn)營的信息時(shí)代，有效的數(shù)據(jù)可視化分析工具能夠幫助企業(yè)機(jī)構(gòu)快速地建立競(jìng)爭(zhēng)優(yōu)勢(shì)。

數(shù)據(jù)可視化分析產(chǎn)品主要是通過在企業(yè)各類業(yè)務(wù)系統(tǒng)中提取數(shù)據(jù)，并提供整合、分析、可視化及協(xié)作等功能，來幫助企業(yè)完成數(shù)據(jù)價(jià)值的發(fā)現(xiàn)過程。通過將原始的業(yè)務(wù)數(shù)據(jù)轉(zhuǎn)換為可理解的圖表和故事版，企業(yè)可以獲得更加直觀和快捷的業(yè)務(wù)洞察，更好地做出商務(wù)決策等等。

目前，市面上有不少數(shù)據(jù)可視化分析產(chǎn)品可供企業(yè)選擇，相對(duì)主流的產(chǎn)品包括Tableau、Qlik、Power BI以及DataHunter數(shù)據(jù)可視化分析平臺(tái)。對(duì)于國內(nèi)企業(yè)而言，想要部署一款合適的可視化產(chǎn)品，需要考慮到方方面面的因素，包括企業(yè)服務(wù)能力、支持的數(shù)據(jù)源、分析能力、故事版、協(xié)作能力、定價(jià)等，本文，我們就將根據(jù)這些因素，對(duì)以上產(chǎn)品進(jìn)行一一比較，看看每款產(chǎn)品的不同之處。

數(shù)據(jù)源

豐富的數(shù)據(jù)源可以幫助企業(yè)在進(jìn)行可視化分析時(shí)方便的接入各種系統(tǒng)和數(shù)據(jù)文件，具體包括文本文件、數(shù)據(jù)庫及其他外部文件。

在文本文件方面，Tableau的支持最為豐富，支持類型包括了Excel、CSV、txt、JSON、PDF、空間文件以及統(tǒng)計(jì)文件等，相對(duì)而言，Qlik、Power BI以及DataHunter則主要以Excel、CSV文件為主。

在數(shù)據(jù)庫方面，目前四款產(chǎn)品對(duì)主流的數(shù)據(jù)庫都有很好的支持，包括MySQL、Postgre SQL、SQL Server、Hive、GreenPlum、Oracle等。

值得一提的是，DataHunter數(shù)據(jù)可視化分析平臺(tái)也可以無縫對(duì)接第三方公共數(shù)據(jù)源，包括人口統(tǒng)計(jì)、金融、天氣等公共數(shù)據(jù)，而Tableau、Qlik和Power BI需要單獨(dú)處理外部數(shù)據(jù)。此外，DataHunter還內(nèi)置了表單數(shù)據(jù)采集，方便用戶使用Excel文件創(chuàng)建表單。

數(shù)據(jù)處理

分析人員往往會(huì)在數(shù)據(jù)處理環(huán)節(jié)浪費(fèi)大量時(shí)間，因?yàn)樵诖蠖鄶?shù)情況下，采集到的數(shù)據(jù)都比較“臟”，例如行中可能缺字段，或者可能包含無意義的值。這個(gè)時(shí)候，高效、便捷的數(shù)據(jù)處理能力，可以幫助分析人員快速完成這一過程，從而提高工作效率。

在數(shù)據(jù)整合方面，Tableau、Qlik、Power BI和DataHunter都可以對(duì)各種來源的數(shù)據(jù)進(jìn)行統(tǒng)一處理，所不同的是，DataHunter支持整合企業(yè)內(nèi)所有系統(tǒng)數(shù)據(jù)源，Tableau則可以通過Tableau Prep產(chǎn)品實(shí)現(xiàn)，而Qlik和Power BI則需要借助第三方工具。此外，DataHunter內(nèi)置了ETL清洗器，可將多種數(shù)據(jù)源、數(shù)據(jù)格式歸一化。

分析能力

分析能力是數(shù)據(jù)可視化產(chǎn)品的主要賣點(diǎn)之一，本文我們將從兩個(gè)維度進(jìn)行比較，即數(shù)據(jù)可視化和數(shù)據(jù)分析。數(shù)據(jù)可視化主要包括對(duì)圖表的支持及擴(kuò)展性；分析層面主要包括數(shù)據(jù)鉆取、交互性和高級(jí)分析等。

在基礎(chǔ)圖表方面，Tableau、Qlik、Power BI和DataHunter四款產(chǎn)品大同小異，基本上對(duì)常用的數(shù)據(jù)圖表，如柱狀圖、堆積柱圖、條圖、堆積條圖、折線圖、面積圖等都有很好的支持。同時(shí)，用戶在進(jìn)行可視化分析過程中，這四款產(chǎn)品也都會(huì)進(jìn)行智能化的圖表推薦。

對(duì)于高級(jí)圖表，四款產(chǎn)品的支持種類則有所不同，Tableau支持樹狀圖、箱線圖、標(biāo)靶圖、圓視圖等；Qlik支持散點(diǎn)矩陣、關(guān)聯(lián)分析應(yīng)用圖等；Power BI支持瀑布圖、樹狀圖等；而DataHunter支持包括雷達(dá)圖、箱線圖、熱力圖、樹狀圖、關(guān)系圖、?；鶊D等。

在圖表擴(kuò)展性方面，Tableau、Power BI兩款產(chǎn)品的難度最大，需要專業(yè)技術(shù)人員的開發(fā)；Qlik難度較小，但也需要使用JavaScript開發(fā)；DataHunter在這方面較為靈活，自身就可接入Echars等第三方圖表以及企業(yè)自帶圖表類型。

在性能上，我們知道Tableau使用的是內(nèi)存和內(nèi)存數(shù)據(jù)庫分析體系結(jié)構(gòu)組成的混合模型，其分析功能包括數(shù)據(jù)發(fā)現(xiàn)，數(shù)據(jù)可視化，地理編碼，調(diào)查分析，時(shí)間序列分析，社交分析等，同時(shí)Tableau可與R語言集成，并提供了移動(dòng)端的支持。

值得一提的是，Tableau的數(shù)據(jù)準(zhǔn)備功能較為強(qiáng)大，可以幫助分析人員快速整理數(shù)據(jù)，并在同步時(shí)修復(fù)/配置數(shù)據(jù)，也可將交叉表數(shù)據(jù)重新轉(zhuǎn)換為標(biāo)準(zhǔn)化列，刪除無關(guān)的標(biāo)題、文本和圖像，協(xié)調(diào)元數(shù)據(jù)字段等。

DataHunter和Qlik使用是內(nèi)存分析引擎，其優(yōu)勢(shì)在于可以處理海量的業(yè)務(wù)數(shù)據(jù)，DataHunter簡(jiǎn)化了ETL的處理流程，因此即便分析人員沒有任何編程經(jīng)驗(yàn)，也可以快速處理并分析數(shù)據(jù)。同時(shí)，DataHunter也支持SaaS版部署模式，這使得企業(yè)可以大大減少自身服務(wù)器的負(fù)載。

如今，數(shù)據(jù)鉆取、關(guān)聯(lián)分析已經(jīng)成為數(shù)據(jù)可視化工具的必備功能，這四款產(chǎn)品對(duì)此也都有很好的支持，而對(duì)于趨勢(shì)、聚類等常用分析，特別是對(duì)R和Python的支持也同樣如此。在差異性上，DataHunter在嵌入式分析方面更為靈活，其支持企業(yè)與用戶原有系統(tǒng)集成嵌入。

協(xié)作能力

協(xié)作正在成為數(shù)據(jù)可視化分析工具的必備功能。在愈發(fā)強(qiáng)調(diào)團(tuán)隊(duì)協(xié)作的今天，企業(yè)不僅需要簡(jiǎn)單、易用、靈活的可視化工具，更需要一個(gè)可以讓各部門共享數(shù)據(jù)，協(xié)同完成業(yè)務(wù)分析流程的平臺(tái)，同時(shí)，企業(yè)管理者也可以基于該平臺(tái)溝通問題并做出決策。

不管是數(shù)據(jù)共享還是團(tuán)隊(duì)討論，DataHunter產(chǎn)品在這方面都有很好的功能體驗(yàn)，包括支持一鍵共享給團(tuán)隊(duì)內(nèi)、跨團(tuán)隊(duì)和系統(tǒng)外人員；團(tuán)隊(duì)內(nèi)成員可針對(duì)可視化看板進(jìn)行討論溝通，同時(shí)也可在系統(tǒng)內(nèi)做故事板進(jìn)行匯報(bào)，此功能支持添加快照、實(shí)時(shí)圖表、形狀組件等元素。

同時(shí)，Tableau和Qlik也支持用戶進(jìn)行數(shù)據(jù)協(xié)作，Tableau支持用戶通過Server端或Online端共享數(shù)據(jù)看板，用戶可在系統(tǒng)內(nèi)做故事板進(jìn)行匯報(bào)，并支持添加實(shí)時(shí)圖表和文本組件。相比而言，Power BI在數(shù)據(jù)協(xié)作方面的支持并不是很好。

版本區(qū)別

在很多情況下，產(chǎn)品支持的部署方式和定價(jià)也決定著企業(yè)是否會(huì)考慮該產(chǎn)品，這也是四款產(chǎn)品最大的差異點(diǎn)之一?？傮w而言，Tableau和Power BI提供的版本較為豐富，而DataHunter產(chǎn)品的性價(jià)比更高。

Tableau版本：

•Tableau Desktop（用于可視化和分析數(shù)據(jù)，創(chuàng)建工作簿，可視化文件和儀表板）

•Tableau Server（用于編輯和分發(fā)BI資產(chǎn)）

•Tableau Online（Tableau Server的托管版本）

Qlik版本：

•Qlik Sense Desktop （桌面版）

•Qlik Sense Enterprise（企業(yè)版）

•Qlik Sense Cloud（SaaS版）

•QlikView（個(gè)人版）

Power BI版本：

•Power BI Desktop（個(gè)人桌面版，免費(fèi)下載）

•Power BI Pro（增強(qiáng)版的用戶，共享和協(xié)作功能，每位用戶每月9.99美金）

•Power BI Premium（企業(yè)部署版，無限制功能）

DataHunter版本：

•SaaS版（無限制功能，可免費(fèi)試用）

•企業(yè)部署版（可定制化部署）

如何選擇？

這四款數(shù)據(jù)可視化分析產(chǎn)品都可以幫助企業(yè)挖掘數(shù)據(jù)、可視化數(shù)據(jù)，并輔助管理者做出更好的商業(yè)決策。同時(shí)，也都具備優(yōu)秀的擴(kuò)展性和易用性，在移動(dòng)設(shè)備支持方面也都很出色。但是，對(duì)于國內(nèi)企業(yè)而言，如果考慮到定制化的部署和價(jià)格等因素，DataHunter數(shù)據(jù)可視化分析平臺(tái)無疑是更好的選擇，而且，DataHunter在數(shù)據(jù)協(xié)作方面也表現(xiàn)出色。

申請(qǐng)創(chuàng)業(yè)報(bào)道，分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！