國(guó)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(guò)

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(mén)都充斥著關(guān)于客戶(hù)、流程和運(yùn)營(yíng)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(guò)在企業(yè)各類(lèi)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(lái)幫助企業(yè)完成數(shù)據(jù)價(jià)值的發(fā)現(xiàn)過(guò)程。通過(guò)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(guó)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(kù)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(lèi)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(kù)方面，目前四款產(chǎn)品對(duì)主流的數(shù)據(jù)庫(kù)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(wú)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(hù)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(wú)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(guò)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(lái)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(guò)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(mài)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(hù)在進(jìn)行可視化分析過(guò)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(lèi)則有所不同，Tableau支持樹(shù)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(shù)狀圖等；而DataHunter支持包括雷達(dá)圖、箱線圖、熱力圖、樹(shù)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(zhuān)業(yè)技術(shù)人員的開(kāi)發(fā)；Qlik難度較小，但也需要使用JavaScript開(kāi)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(lèi)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(kù)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(yǔ)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(wú)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(méi)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(lèi)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(hù)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(mén)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(wèn)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(hù)進(jìn)行數(shù)據(jù)協(xié)作，Tableau支持用戶(hù)通過(guò)Server端或Online端共享數(shù)據(jù)看板，用戶(hù)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?xún)r(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(hù)，共享和協(xié)作功能，每位用戶(hù)每月9.99美金）

•Power BI Premium（企業(yè)部署版，無(wú)限制功能）

DataHunter版本：

•SaaS版（無(wú)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(guó)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(wú)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！