如今，企業(yè)在日常運(yùn)營中越來越需要數(shù)據(jù)的支撐，商業(yè)智能產(chǎn)品也因此得到了更多的關(guān)注。而隨著企業(yè)內(nèi)部IT環(huán)境愈發(fā)復(fù)雜以及業(yè)務(wù)更加多變，傳統(tǒng)BI產(chǎn)品已無法滿足企業(yè)對于數(shù)據(jù)分析的需求。與此同時(shí)，以業(yè)務(wù)部門為主導(dǎo)的自助式BI工具逐漸成為企業(yè)的首選。

所謂工欲善其事，必先利其器。在國外，如Tableau、Qlik等自助式BI工具已經(jīng)獲得了眾多企業(yè)的認(rèn)可，而在國內(nèi)，也有像DataHunter這樣的輕量級自助式BI服務(wù)商涌現(xiàn)。那么，在數(shù)據(jù)分析層面，以DataHunter為代表的BI產(chǎn)品與傳統(tǒng)BI相比到底有何優(yōu)勢呢?

數(shù)據(jù)建模

通常，使用傳統(tǒng)BI進(jìn)行數(shù)據(jù)分析，IT人員需要先根據(jù)分析需求進(jìn)行數(shù)據(jù)建模，這其中涉及到很多復(fù)雜流程，包括確認(rèn)客戶需求、匯總數(shù)據(jù)、對數(shù)據(jù)進(jìn)行ETL處理、定義數(shù)據(jù)間的關(guān)聯(lián)模型等，之后業(yè)務(wù)人員會(huì)根據(jù)輸出的數(shù)據(jù)報(bào)表進(jìn)行查看。

這種方式帶來的直接問題就是，一旦客戶的分析需求發(fā)生變化，那么業(yè)務(wù)或分析人員無法自行修改數(shù)據(jù)報(bào)表，只能依靠IT部門。此時(shí)，IT人員需要重新建?；蛐薷囊延械姆治瞿Ｐ停龠M(jìn)行報(bào)表輸出。毫無疑問，這種方式效率低下，而且耗時(shí)很久。

另外，靜態(tài)的數(shù)據(jù)報(bào)表也讓業(yè)務(wù)人員無法進(jìn)行有效的數(shù)據(jù)分析。因?yàn)樗械木S度和度量都是已經(jīng)預(yù)設(shè)好的，輸出的可視化圖表也是固定且無法修改的，例如，想要對已經(jīng)設(shè)定好求和的數(shù)值進(jìn)行求平均值，那需要重新進(jìn)行建模。

使用自助式BI產(chǎn)品進(jìn)行數(shù)據(jù)分析，則無需進(jìn)行復(fù)雜的數(shù)據(jù)建模。通過DataHunter自主研發(fā)的輕量級BI產(chǎn)品，數(shù)據(jù)建模過程相當(dāng)簡單。業(yè)務(wù)人員只需要將長傳后的數(shù)據(jù)表進(jìn)行拖動(dòng)關(guān)聯(lián)，就可以完成建模過程。并且，DataHunter支持實(shí)時(shí)調(diào)整數(shù)據(jù)表中維度和度量的計(jì)算方式，極大增強(qiáng)了數(shù)據(jù)分析的靈活性。此外，DataHunter也支持對上傳后的數(shù)據(jù)進(jìn)行一系列的操作和編輯，包括自由更改表格文件名稱、表格分組、字段類型等。

實(shí)時(shí)交互分析

由于傳統(tǒng)BI基本以提供報(bào)表服務(wù)為主，雖然功能比較全面，但受限于產(chǎn)品技術(shù)架構(gòu)和復(fù)雜且固定的分析流程，一方面，傳統(tǒng)BI無法實(shí)現(xiàn)實(shí)時(shí)的數(shù)據(jù)采集、處理和分析，另一方面，業(yè)務(wù)人員也無法隨時(shí)調(diào)整數(shù)據(jù)報(bào)表，更多則是以固定時(shí)間為周期輸出監(jiān)控類或固定格式報(bào)表。

DataHunter在研發(fā)之初，就考慮到大數(shù)據(jù)時(shí)代下用戶對于實(shí)時(shí)分析的強(qiáng)烈需求?；谧灾餮邪l(fā)的DH Data Connector Framework(數(shù)據(jù)連接器框架)，DataHunter支持用戶實(shí)時(shí)對接企業(yè)內(nèi)的各種業(yè)務(wù)系統(tǒng)數(shù)據(jù)，并通過內(nèi)存分析引擎進(jìn)行實(shí)時(shí)的處理和分析。

探索式分析

傳統(tǒng)BI產(chǎn)品基本是采用驗(yàn)證式分析模式，其是一種自上而下的模式。即企業(yè)決策者設(shè)定好業(yè)務(wù)指標(biāo)，提出分析需求，分析人員再根據(jù)相關(guān)需求進(jìn)行報(bào)表定制。這種模式必須先有想法，之后再通過業(yè)務(wù)數(shù)據(jù)進(jìn)行驗(yàn)證。所以驗(yàn)證式分析對數(shù)據(jù)質(zhì)量要求很高，如果數(shù)據(jù)本身出現(xiàn)問題，那么即便通過科學(xué)的數(shù)據(jù)建模進(jìn)行分析，結(jié)果也肯定是錯(cuò)誤的。

相比于驗(yàn)證式分析，探索式分析對數(shù)據(jù)質(zhì)量要求相對較低，同時(shí)也不需要復(fù)雜的數(shù)據(jù)建模，這也是Data Analytics的核心理念。探索式分析的意義在于，它允許分析人員或決策者在不清楚數(shù)據(jù)規(guī)律、不知道如何進(jìn)行數(shù)據(jù)建模的情況下，通過數(shù)據(jù)本身所呈現(xiàn)出的可視化圖表進(jìn)行查看和分析。

目前，基于探索式分析的數(shù)據(jù)可視化產(chǎn)品并不多見，國外產(chǎn)品包括Tableau、Qlik、Power BI等，而國內(nèi)最具代表性的則是DataHunter自主研發(fā)的自助式BI產(chǎn)品?；谔剿魇椒治?，DataHunter支持智能推薦圖形、圖表協(xié)同過濾、全維度數(shù)據(jù)鉆取，可以幫助用戶快速定位并發(fā)現(xiàn)問題。

操作簡單

傳統(tǒng)BI的設(shè)計(jì)理念在于幫助企業(yè)構(gòu)建大而全的報(bào)表平臺(tái)，功能雖多但非常復(fù)雜。一方面，傳統(tǒng)BI需要進(jìn)行手動(dòng)建模，操作復(fù)雜且學(xué)習(xí)難度極大;另一方面，在整個(gè)數(shù)據(jù)處理環(huán)節(jié)中，也需要大量的代碼指令，這是業(yè)務(wù)人員無法完成的。

相比于傳統(tǒng)BI，自助式BI產(chǎn)品更加輕量級，由于產(chǎn)品本身主要面向業(yè)務(wù)人員使用，所以自助式BI更加簡單易用，使用門檻也非常低，即便沒有任何操作經(jīng)驗(yàn)的小白用戶，也能輕松上手。

以DataHunter產(chǎn)品為例，不管是數(shù)據(jù)處理還是分析過程，全程通過拖拽操作即可完成。同時(shí)，從教學(xué)視頻到幫助文檔，DataHunter為用戶提供了完善的學(xué)習(xí)資料，用戶通過學(xué)習(xí)，幾分鐘就可以完成從數(shù)據(jù)整合、數(shù)據(jù)關(guān)聯(lián)、可視化分析、建立業(yè)務(wù)看板所有流程。

結(jié)語：由此看來，在大數(shù)據(jù)時(shí)代，面對海量的業(yè)務(wù)數(shù)據(jù)，企業(yè)應(yīng)盡早摒棄以傳統(tǒng)BI為代表的數(shù)據(jù)分析方式，轉(zhuǎn)而采用以DataHunter為代表的輕量級自助式BI產(chǎn)品。只有徹底解放IT部門，將數(shù)據(jù)分析能力交還給業(yè)務(wù)人員，才能真正釋放數(shù)據(jù)價(jià)值，洞察業(yè)務(wù)未來。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。