目前，分析市面上有???不少數據可視化分析產(chǎn)品可供企業(yè)選擇，對比相對主流的產(chǎn)品包括Tableau、Qlik、Power BI以及Dataヽ(′ー｀)ノHunter數據可視化分析平臺。對??于國內企業(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、支持的數據源、分析ˉ\_(ツ)_/ˉ能力、故(′▽?zhuān)?)事版、協(xié)作能力、定價(jià)等，本文，我們就將(jiang)根據這些因素，對以上產(chǎn)品進(jìn)行一一比較，看看每款產(chǎn)品的不同之處ヽ(′ー｀)ノ。 一、數據源 豐富的數據源可(ke)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和數據文件，具體包括文本文件、數據庫及??其他外部文件。 在文本文件方面，Tableau的支持最為豐富，支持類(lèi)型包括了Excel、CSV、txt、JSON、PDF、空間文件以及統計文件等，??相對而言，ヽ(′?｀)ノQlik、Power BI以及Da??taHunter則主要以Excel、CSV文件為主。 在數據庫方面，目前四款產(chǎn)品對主流的數據庫都有很好的支持，包括MySQL、Postgre SQL、SQL Server、Hive、GreenPlum、Oracle等。 值得一提的是，DataHunter數據可視化分析平臺也可以無(wú)縫對接第三方公共數據源，包括人口統計、金融、天氣等公共數據，而Tableau、(′▽?zhuān)?Qlik和Power BI需要單獨處理外部數據。此外，DataHunter還內置了表單數(shu)據采集，方便用戶(hù)使用Excel文件創(chuàng )建表單。 二、數據( ?▽?)處理 分析人員往往會(huì )在數據處理環(huán)節浪費??大量時(shí)間，因為在大多數情況下，采集到的數據?都比較“臟”，例如行中可??能缺字段，(′?ω?`)或者可能包含無(wú)意義的值。這個(gè)時(shí)候，高效、便捷的數據處理能力，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(?????)。??? 在數據整合方面，Tableau、Qlik、ヽ(′ー｀)ノPower BI和DataHunter都可以對各種來(lái)源的數據進(jìn)行統一處理??，所不(bu)同的是，DataHunter支持整合企業(yè)內所有系統數據源，Tableau則可以通過(guò)Tableau Prep產(chǎn)品實(shí)現，而Qlik和Power BI則需要借助第三方工具。此外，DataHunter內置了ETL清ヽ(′ー｀)ノ洗器，可將多種數據源、數據格式歸一化。 三、分析能力 分析能力是數據可視化產(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，即數據可視化和ヽ(′▽?zhuān)?ノ數據分析。數據可視化主要包括對圖ヽ(′▽?zhuān)?ノ表的支持及擴展性；分析層面主要包括數據鉆取、交互性和高級分析等。 在基礎圖表方面，Tableau、Qlik、Power BI和Da??taHunter四款產(chǎn)品大同小異，基本上對常用的數據圖表，如柱狀圖、堆積柱圖、條圖、堆積條圖(°o°)、折線(xiàn)圖、面積圖等都有很(╬?益?)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??。 對于高級圖表，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(xiàn)圖、標靶圖、圓視圖等；Qlik支持散點(diǎn)矩陣、關(guān)聯(lián)分析應用圖等；Power BI支持瀑布圖、樹(shù)狀圖等；而DataHunte(???)r支持包括雷達圖、箱線(xiàn)圖、熱力圖、樹(shù)狀圖、關(guān)系圖、?；???-)?圖等。(O_O) 在圖表擴展性方面，??Tableau、Power BI兩款產(chǎn)品的難度最大，ヽ(′▽?zhuān)?ノ需要專(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使用的是內存和內存數據庫分析體系結構組(zu)成的混合模型，其分析功能包括數據發(fā)現，數據可視化，地理編碼，調查分析，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的數據準備功能較為強大，可以幫助分析人員快速整理數據，并在同步時(shí)修復/配置數據，也可將交叉表數據重新轉換為標準化列，刪除無(wú)關(guān)的標題、文本和圖像，協(xié)調元數據字段等。 DataHunter和Qlik使用是(shi)內存分析引擎，其優(yōu)勢在于可以處理海量的業(yè)務(wù)數據，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，也可以快速處理并分析數據。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)器的負載。 如今，數據鉆取、關(guān)聯(lián)??分析已經(jīng)成為數據可視化工具的必備功能，這四款產(chǎn)品對此也都有很好的支持，而對于趨勢、聚類(lèi)等常用分析，特別是對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??系統集成嵌入。 四、協(xié)作能力 協(xié)作正在成為(??-)?數據可視化分析工??具的必備功能。在愈發(fā)強調團隊協(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)共享數據，協(xié)同完成業(yè)務(wù)分析流程的平臺，同時(shí)，企業(yè)管理者也可以基于該平臺溝通問(wèn)題并做出決策。 不管是數據共享還是團隊討論??，DataHu??nter產(chǎn)品在這方面都有很好的功能體驗，包括支持一鍵共享給團隊內、跨團隊和系統外人員；團隊內成員可針對可視化看板進(jìn)行討論溝通，同時(shí)也可在系統內做故事板進(jìn)行匯報，此功能支持添加快照、實(shí)時(shí)圖表、形??狀組件等元ヾ(′▽?zhuān)??素。 同時(shí)，Tableau和Qlik也支持用戶(hù)進(jìn)行數據協(xié)作，Tableau支持用戶(hù)通過(guò)Server端或Online端共享數據看板，用戶(hù)可在系統??內做故事板進(jìn)行匯報，并支持添加實(shí)時(shí)圖表和文本組件。相比而言，Power BI在數據協(xié)作方面的支持(╯°□°）╯︵ ┻━┻并不是很好。小伙伴們要想獲得??更多數據可視化分析工具的內容，請關(guān)注新網(wǎng)。
