引言： 2017年6月17日，广州思迈特公司在北京举行Smartbi大数据分析技术年度峰会。思迈特公司CEO吴华夫先生亲临现场，携最新的Smartbi Insight V7版本分享数据分析新四化的最新成果，并演示人工智能和数据分析的”首次融合”。

Smartbi智能语音助手数据分析演示

下面分享具体演讲内容：

很感谢大家在周末休息的时候来参加Smartbi V7产品的发布会。

下面，我会介绍一下关于思迈特公司的情况、Smartbi Insight V7版本的新特性和功能。

公司简介

思迈特公司定位成一家大数据分析可视化和商业智能的产品提供商。我们知道数据是企业最重要的资产，要发挥它的价值，就需要使用数据分析，数据分析是企业的重要武器。思迈特软件Smartbi insight就是一个利器，能够有助于发掘企业数据资产的价值。

思迈特公司成立于2011年底，通过这几年的发展，我们在北上广、成都、西安、武汉都有技术支持和销售，希望为各个地方的用户提供更好的体验和服务。

客户介绍

下面介绍我们的客户，我们在金融、政府、企业、高校等领域都有很多的应用。

金融行业。我们的银行客户并不仅仅是项目级别的应用，而是总行、全行、全业务线级别的应用。比如中国银行，我们的产品应用在20多家分行。股份制银行比如说民生银行、光大银行也是我们的老客户。

保险有泰康人寿，PICC、太保、中英人寿、幸福人寿等；证券有中信证券、银河证券、中投证券等客户；另外还有基金、投资公司、金融公司、财务公司等。

政府领域。我们在卫生、税务、财政、工商、公安等政府领域都有比较广泛的应用。

企业客户。比如海航集团、中国电信、石化、南方电网等。

教育行业。我们做了部级、省厅级、以及一百多个大学的大数据分析系统。

Smartbi Insight V7产品重要特性

刚刚介绍了公司和客户的情况，现在我们介绍Smartbi Insight V7的重要特性。

技术架构

Smartbi Insight 是一个大数据中间件产品，定位为数据分析和数据可视化软件产品。

第一层是数据层。包含RDBMS、OLAP Server、MPP、 Hadoop数据库。

第二层是引擎层。目前包含四个引擎：

元数据引擎。它是把技术的数据转换成业务数据，基于它实现我们的自助多维分析。

数据查询分析引擎。包含多维数据库、关系数据库、以及其他扩展的查询。

分布式内存计算。主要功能有ETL数据处理、机器学习、跨数据库计算。

人工智能引擎。这个是我们新增的，在目前所有的国内大数据分析产品中人工智能引擎是我们首创并最先提出来的。

第三层是功能层。主要包含报表报告、数据可视化、数据探查和分析、移动协同决策和人工智能深度学习这五个方面，后面我们会详细介绍。的

第四层是行业产品。除了平台产品，我们还根据行业的应用提供大数据分析解决方案产品。主要包括银行自助分析云平台和高校大数据分析系统。

报表报告

企业报表

Spreadsheet（电子表格）是企业报表平台的解决方案专家，创新的基于Office Excel实现报表设计，满足各种格式的行业监管报表、内部管理报表的需求。包括：清单报表、交叉报表、分组报表、多源分片报表、分块报表、表单报表、图形报表、回写报表、假设分析报表、二次计算报表、套打报表、段落式报表、预警报表（Excel条件格式）、组合报表（智能评语）。

它包括三个特点：

1、 简单易用。电子表格使用Excel、WPS作为报表设计器，可以帮助用户在最熟悉的环境中很容易的获取广泛和丰富的资源去实现需求。

2、 功能强大。不仅支持一般业内的负责报表如交叉报表等，还支持市场上其他报表不具备的统计预测和规划求解，如支持使用Excel函数，包括财务函数、统计函数等。

3、 图表丰富。Excel报表、图形模板资源丰富，本身作图能力也非常强大，日本画家可以基于Excel可以做很多水墨画，甚至美女图。只要有想象力，就可以创造出非常丰富的图形出来。

在V7版本继续增强了报表的功能，主要体现在：

1、 照相机功能。通过照相机拍照功能可以把多个报表合并组合成新的页面，类似黑板报，从而使页面布局灵活、数据格式动态同步，并易于维护更新。

2、 功能增强。包括大清单表的性能优化和对填报审核流程的改进。

3、 增加动态图形。不仅支持Excel静态图形，还支持Echarts动态图形，使图形效果更佳动感，交互性更强。

分析报告

Office Word/PPT也可作为报告的开发工具，基于报表体系制作可刷新数据的报告模板，将数据从IT环节贯通到办公系统，提高报告的制作效率，使业务的工作重心回归问题的原因分析和解决方案设计上。

Smartbi支持使用Word和PowerPoint来开发报告，在开发过程完全可视化，无程序编码，开发的工具Office插件还支持检测更新，自动提醒升级；开发的报告不仅支持在浏览器、移动端上直接查看和一键刷新，还支持后台定时任务，发布报表到个人邮箱。

数据可视化

数据可视化是目前一个炙手可热的话题，我们产品也有自己的可视化特色。主要包括：

交互仪表盘

我们的交互仪表盘就是基于Web上实现的H5版本的水晶易表，和市面上其他的可视化工具不一样，我们是基于Excel的数据模型，利用Excel的计算能力，并通过绑定关系多维数据源来实现交互性强的页面出来。

交互仪表盘的设计更简单、交互性更强、计算能力更强。如下示例：

图一：参数控件、图表联动，在Excel中配置，几分钟即可实现。

图二：what-if分析的示例。它是基于数据模型，通过简单点击交互操作的方式来挖据数据之前的关联影响，从而找到经营指标之间的关系，让领导更容易做出决策。

对公司来说，增加研发费用投入，成本增加了，利润是会增加还是会减少呢？若研发的投入会使产品的竞争力更强，则会有更多的收入。对于这样一个测算的过程，我们只需要通过简单的点击，基于底层的数据模型，就会很容易看出增加的经费对净利润、产品销售量、成本、收入等指标的关联关系的影响。

数据大屏幕

数据大屏幕适用于大型的管理机构，信息量高度集中，相比仪表盘来说弱化交互性，强化炫酷的展示效果。 Smartbi Insight支持非常灵活的布局、样式和图形效果，并且设计、上线速度极快，远超各种开发技术实现的大屏幕！

图形可视化

我们现在有两套图形引擎：静态图形引擎和动态图形引擎。除了内置的两套图形引擎，还支持扩展接口，第三方图形引擎很容易接到我们产品中来。

*动态图形。Smartbi Insight提供丰富的ECharts图形可视化选择，包括散点图、、南丁格尔玫瑰图、油量图、散点图、气泡图、雷达图、关系图、热力图、词云图等等。

*静态图形。通过电子表格（Excel）作图时可使用Excel完成更为复杂的图形设计，如：甘特图、山形图、手风琴图、子弹图、小又多图等等。以及对表格设置条件格式（数据条、色阶、图标集）。

地图分析

地图分析将企业经营数据在地图上进行可视化呈现，形成企业经营的地理导航仪，通过点击、下钻以及图表联动等方式，进行数据分析和展示。

直接支持迁徙地图、航线图、百度地图、热力地图、散点地图、地产密度图等等。地产密度图是和ArcGIS更专业的GIS系统结合，我们产品本身也内置GIS引擎，可以支持各种各样的地图分析。

数据探索和分析

我们在数据自助分析包含两个方面：查询数据和分析数据。这个功能尤其应用在金融电信行业。目前，我们有专门的自助分析云平台的解决方案。

自助查询

自助查询是指用户通过鼠标简单的勾选拖拽就可以找到关心的指标和字段，很轻松在上亿的数据中进行明细查询。这个功能的应用经验是从银行中积累的，因此我们在大数据支撑方面做过很多优化，是经过实践检验的，性能上相对于其他产品是有优势的。

多维分析

企业用户都希望对业务、管理数据进行多维度分析，Smartbi Insight充分满足此类OLAP需求，无论客户的数据环境为多维数据库还是关系数据库，都可以提供相应的功能。

*若使用关系数据库，则无须建模。支持自由钻取、切片、同环比、分组、计算字段、预警、图表联动等。

*若使用多维数据库，可使用Analysis功能，同样可以完成切片、钻取、同环比等功能。

移动协同

移动应用

移动应用让企业员工可以随时随地通过手机、平板查看和分析数据。丰富的图形让数据展现栩栩如生，离线下载随身携带数据，手写批注让信息分享、决策讨论更加轻松。

我们的移动应用开发简单、功能强大，特点如下：

android、iOS的手机、平板都支持

一键发布、支持批注与分享（到社交软件）

集成能力：企业微信、OA及其它移动应用整合

安全性：设备安全管理，通讯加密，离线安全

协同决策

Smartbi产品的协同决策功能就类似一个私有的微信平台，把领导线下决策执行的过程转到线上。在这个平台上，你不仅可以随时发送报表报告、进行实时评论、分享工作，还可以交流讨论、组织在线会议等，让用户可以在Smartbi Insight中进行多人多团队决策、提高决策精准度。

数据源

Smartbi兼容支持各种数据源。我们支持关系数据库（包括Vertica等MPP数据库），多维数据库、大数据库。在V7版本上新增了华为、星环和Kylin等的支持。

系统集成

为了ISV能基于Smartbi平台产品更加方便的打造自己的大数据解决方案，我们对界面可视化配置、权限体系、集成等方面又做了更大的完善和改进，主要包括：

界面风格（LOGO）随意更换，不用重启服务器

J2EE架构、纯WEB方式、无需安装其他插件

用户集成（权限自主管理：资源权限、数据权限、操作权限）

报表集成支持外部链接或内嵌到其它系统中

运维可视化

作为一个大型系统，若有万以上级别的报表该如何管理呢？可以使用我们的运维可视化功能。界面操作，非常易用。

通过界面可视化的运维管理，使得：

运维管理能力更强。可以通过元数据引擎查看报表的关联关系，可以查看报表的访问情况。如看一张报表的访问次数，若少则可下线。

解决问题能力更强。当慢、卡各种情况发生，通过CPU监控、内存监控、网络监控等功能快速定位问题。

自动检测能力更强。系统支持定时提醒，支持自动检测优化，支持调整系统参数，能最好的满足用户的需求。

人工智能

随着大数据作为企业的资产，它的重要性毋庸置疑。我们提供很多方法让用户去查询分析数据，比如通过报表报告发给领导查看，通过大屏幕查看关键KPI指标，通过自助分析使业务人员简单的操作就能自助查询分析数据。的

但是，若是能通过语音语义来表达诉求，通过一个工具接受指令，直接把需要的数据传递给你，会对大数据分析方式产生很大的变革，会使更多的人受益于大数据，会更方便的挖掘大数据的价值。

因此，V7版本上我们发布了人工智能小麦的功能。她基于语音语义模型，通过深度学习的引擎，实现自然语言的理解，并支持用户使用偏好，从而实现数据查询和分析。目前，我们支持打开已有资源，切换参数；还支持自助探索分析。

这种人机交互的方式体现了AI和BI的结合。当然这只是迈开的第一步，我们未来的目标是通过自然语言，用户能轻松自由的利用大数据，不仅能了解现状、挖掘规律，更是预测未来。

这里不再阐述商业智能的概念了，关于BI，就从过往的了解，搜索以及知乎的一些问答，大家困惑的点主要集中于大数据与BI的关系，BI的一些技术问题，以及BI行业和个人职业前景的发展。这里归纳成8个问题点，每个问题都做了精心的解答，希望能给大家带来帮助。

问题1：商业智能BI和大数据是什么关系，如何选择？

BI(BusinessIntelligence)即商业智能，它是一套完整的解决方案，用来将企业中现有的数据进行有效的整合，快速准确的提供报表并提出决策依据，帮助企业做出明智的业务经营决策。

大数据(Big Data)是指在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。

两者是不一样的概念，BI相对于大数据更倾向于决策，适合支持经营指标支撑类的问题，大数据则内涵更广，倾向于刻画个体，更多的在于个性化的决策。

现今，大型互联网企业采用hadoop一类的大数据架构——数据仓库——自己研发的报表、OLAP分析等，或者前端选用成熟的商业智能报表和BI分析软件，像FineBI之类的大数据BI都能对接大数据平台。传统企业，小型的公司没有那么多的业务分析的需求，大多寻求excel、业务系统的简单报表功能或者专业的报表工具来解决问题；一般中大型企业数据量大时会构建数据仓库，用BI在前端分析展现。当然很多传统企业针对特定业务（比如用户画像、风控分析）采用大数据技术。

整体来讲，选择大数据还是BI依据需求来定，大数据组件大多开源，需要大量的人力开发。BI大多商用，需要一定资金和一定时间的项目实施。

问题2：什么是大数据BI？什么是自助式BI？和传统BI有何区别？

大数据BI

大数据BI有这样几类特性：能对接hadoop一类的大数据平台，做数据分析；能处理大数据量（亿级以上），响应速度快，比较考验的是BI的数据处理计算性能和数据库性能。

传统BI &自助式BI

传统BI重在于数据平台搭建，提供报表服务，以IT为主导；自助式BI重在于数据分析，以业务分析为主导。两者的数据处理流程相通。

传统BI：通常指企业内部大而全的统一报表或分析平台，代表性的老牌BI工具厂商如 IBM的cognos，Oracle的OBIEE，SAP的BO等均包含丰富的功能模块，比较适合于打造一体化的大而全的统一平台。传统BI一般面向IT研发人员，他们多集中在企业的技术部门，传统BI的打造方式基本如下：

自助BI：面向的是不具备IT背景的业务分析人员，与传统BI相比更灵活且易于使用，而且一定程度上摆脱对IT部门的大幅度依赖。不同于以往“IT主导的报表模式”，转而向“业务主导的自助分析模式”发展。自助BI通常的应用场景：

问题3：BI的多维数据模型和OLAP是什么，实用价值在哪？

试想一下分析业务数据时场景，经常会从不同的角度来审视业务的衡量指标。例如分析销售数据，可能会综合时间周期、产品类别、分销渠道、地理分布、客户群类等多种因素来考量。这些分析角度虽然可以通过报表来反映，但每一个分析的角度生成一张报表，各个分析角度的不同组合又生成不同的报表，每尝试分析一次，就得抽一次数，这会使得IT人员的工作量相当大。

而OLAP的作用就是尽可能将所有的维度条件及聚合值都准备好，供使用者在分析时可以按照任意维度来分析。

以BI的实际应用来讲，拿到数据，可能需要下钻到比较粗的粒度观察数据，比如从日期时间维度、从地域品类维度来分析数据，对应到BI的操作上，就是拖拽维度、过滤排序、维度切换，钻取等操作，cube或者数据仓库就要响应这种操作，这就使用到了下钻、切边、切块、转轴等功能。

问题4：商业智能BI在数据分析工作中的作用，是必要的吗？

在数据分析过程中，BI也算是一个工具，能自助取数，用于快速分析，制作分析报表。很多互联网、零售、金融企业会有自己的数据分析团队会专业的分析人员，使用的工具可能从SPSS、SAS、R、Python不等，这些工具能对准备好的数据做数理统计分析，取数的工作大多还是要交给IT人员去做。像目前的自助式BI因为上手很简单，对于多维度的数据可以从各方面来展示，而且能及时生成数据报告，可在平台上管理报表和分析表单。所以是否有必要，因需求而异。

问题5：BI如何选型，需要考虑哪些点？

BI工具可分为传统型BI以及自助型BI。传统型BI，国外以SAP BO、cognos、Oracle BIEE等为主；自助型BI，比如国外的Tableau、Qlikview，国内的FineBI、永洪bi等等。

站在产品的企业的角度，可以从领先能力、产品能力、服务能力以及价格能力去着手衡量。可通过海比研究给出的一套《BI选型指标体系》来判断。

1、领先能力=行业地位+领先性

比如公司在行业中的低位、市场占有率、公司在该领域的专注性以及技术的领先性。商业智能目前的市场格局不算大，可扩展到报表领域去衡量。

2、产品能力=公司产品线+核心产品功能+解决方案

一般来讲，公司的产品线越完整，相关产品的整合能力越强，越好。但是，最重要的还是产品的功能是否实能解决企业最关注的的问题，是否能覆盖更多行业，BI解决的是行业通用性的问题，解决能力越强，产品越优秀。

3、服务能力=服务专业能力+维护能力

BI的实施很考察人员的专业性，过去由于国外IT巨头的称霸，很多产品的项目都承包给第三方实施，造成服务脱节。现在很多涌现的国内软件公司一般都会有专业的实施团队，本地化服务很占优势，所以这一点不妨考虑本土产品。

4、价值能力=成功案例+性价比

选型前可看看同行业的企业伙伴们用的是什么类的BI工具，使用情况如何。包括从功能费用、项目实施费用综合考虑来看的性价比。

问题6：如何实施BI？

实施BI的前提，最重要的是基础数据的统一。比如货品信息，客户信息，公司内部信息。缺少的数据虽然可以临时补，但是随着公司业务的扩展，这种数据化运营的方式需要不断精细，数据管理的规范任务要落实到业务员的考察，如果得到领导的支持会更容易推动。有了这些齐全的数据，BI的实施才有保障。

然后是业务的统一。比如销售模式，采购模式，结算方法，质量管理的统一。比如销售模式不统一，有的分公司先结算后配送，有的公司先配送后结算，业务形式不统一，口径不统一，就会造成数据的时间差。

其次是业务部署。每个公司的业务部署不同，有的是集中部署有的是分销部署，如果BI是放在总部实施，需要将各地分散的数据统一起来，建立数据仓库，保持基础数据的统一，但其中，如何提高速度，如何优化配合方式，这点需要研究。

BI人才储备是否足够，需要业务人员和信息人员的积极配合，这个效果才能够比较良好的推动，而且还能够持续的发展。为了让技术和业务人员更好地贴合，要将技术和业务有效结合，最大效率的把报表和BI系统的功能发挥出来。

对于上BI，还有其他考虑，比如价格预算，比如是否用开源，比如后续开发和维护，这里做个统一的解释。

明确业务需求：强烈的业务需求，明晰的业务目标，能否抓住核心是一个项目成败的关键。

“产品+定制+服务”的建设思路：是否要选择开源的产品？如果你有很强的开发能力，可以考虑。但建议专业的事情还是交给专业的工具来做，传统企业不比互联网企业，互联网企业是以数据来驱动的，与传统企业的模式不一样，再说，后续维护也是成本啊。业务项目建设如果不借助比较成熟的产品工具，从技术代码进行创新式的开发，不经过迭代以及检验很难规避风险，很难形成一个成熟的产品。如果觉得国外BI产品“庞大”，完全可以选择FineBI这一类轻量化的工具。

最后，就是认清技术力量的现状，不妨建议敏捷开发、迭代开发和重构，注重技术和管理的配合。

问题7：做BI人的前景在哪里？

刚入门BI这一领域的人，未来的职业发展可以走技术、走管理、走开发。

1、走技术方向：（按照技术路线进行划分）

ETL，这块是BI永恒的重点之一，需求也是一直持续，只是相对来说，ETL会比较枯燥。在这一块，掌握一两款顺应潮流的大工具，拥有相应年限的工作经历，行业性要求不太高，可以找到一个不错的岗位。DS、INFA、SSIS这些都是蛮有需求的。

数据仓库，主要指的数据仓库设计，架构设计等，一般来说LEVEL会比较高，薪水待遇也还行，属于偏高端人才了，一般都会要有5年、7年或更多年限的经验，对行业性经验要求比较高。

前端应用，SAP BO、COGNOS、BIEE等工具的熟练应用，可以做甲方内部顾问也可以做乙方项目顾问。从前端切入去接触到更多业务和需求，对提高自己的业务水平有好处。

数据挖掘数据分析方面，这块个人认为是最有前景的，数据分析师的需求一直在增加，但和BI的背景不是非常贴合，要学数据统计学知识，R、Python语言等，学的东西很多。

2、走管理路线

管团队管某块业务，做项目总监，而后上升到CIO之类的，偏向管理属性，对人的沟通交流尤其是与高层交流的水平较高，比较IT在企业大多属于业务支撑部门，很多事情很难推动，同时还要思考如何提升IT在企业的地位，这个你只要观察自己的部门领导怎么做的，慢慢摸索了。

3、走开发

第三方软件开发公司了，比如SAP之类的公司（有点难度），或者国内帆软、永洪等其他BI公司的软件开发了，难度是要有一定的程序开发基础，但是对业务的理解也能带来一些帮助。再或者是去一些创业公司带团队做BI产品，现在做前端可视化分析的公司有很多，虽然不完全类同于BI，但有很多共通之处。

问题8：如何系统的学习BI知识？

这里给出一个学习框架

1、学习数据库知识， 掌握基础技能SQL

2、技术选择：数据仓库 / ETL / 前端开发等等

3、 选择技术工具：

数据仓库-Oracle、SAP HANA、Hadoop都是主流；

ETL- informatica 、kettle；

自助式BI工具-Taleau、帆软FineBI、Power BI

4、学习业务知识

5、实操数据分析工作

来源：数据猿 作者：abby

随着大数据研究热潮的兴起，各种数据可视化图表层出不穷，大数据生动呈现就成为了具有挑战性的工作，随之出现了大量的可视化软件。

今天小编为大家推荐的《Microsoft Power BI 数据可视化与数据分析》就是基于行业占有率比较高的Microsoft Power BI最新版本所编写的，本书详细介绍了Microsoft Power BI的数据可视化功能，包括数据类型和运算符、软件的安装、连接数据源、数据基础操作、可视化设计原则、可视化图表、自定义可视化效果、报表、仪表板、查询编辑器、运行R脚本、数据高级操作、数据分析表达式、网页流量数据分析、超市运营数据分析、Power BI移动应用和Power BI应用开发等内容。

数据可视化是数据视觉表现形式的技术，这种数据视觉表现形式被定义为以某种概要形式抽取出来的信息，目的是直观地展现数据，使用户花费数小时甚至更久才能归纳的规律转换成一眼就能读懂的可视化图表。

本书基于Power BI编写，详细介绍Power BI的数据可视化功能，包括数据类型和运算符、软件的安装、连接数据源、数据基础操作、可视化设计原则、可视化图表、自定义可视化效果、报表、仪表板、查询编辑器、运行R脚本、数据高级操作、数据分析表达式、网页流量数据分析、超市运营数据分析、Power BI移动应用和Power BI应用开发等内容。

从内容方面本书共分为16个章节：

第1章：介绍Power BI概况，包括报表视图、数据视图和关系视图，以及报表编辑器、数据类型和软件的安装等。

第2章：介绍连接数据源，包括连接到文件和数据库。

第3章：介绍数据基础操作，包括属性的操作和图表的操作。

第4章：介绍可视化设计，包括选择合适的视觉对象、选择合适的度量值和可视化对象元素。

第5章：介绍常用可视化图表，包括堆积条形图、堆积柱形图、簇状条形图、簇状柱形图、折线图、分区图、瀑布图和漏斗图等25种效果。

第6章：介绍自定义可视化效果，包括子弹图、词云、桑基图、龙卷风图、阿斯特图、阳光图、流线图、和弦图和雷达图等20种效果。

第7章：介绍报表，包括向报表添加页面和报表设计原则等。

第8章：介绍仪表板，包括创建Power BI仪表板、Power BI中的磁贴和编辑仪表板磁贴等。

第9章：介绍查询编辑器，包括连接到数据、调整数据、追加数据、合并数据和对行进行分组等。

第10章：介绍运行R脚本，包括在查询编辑器中使用R、编辑器查询的限制和R与Power BI的协同使用。

第11章：介绍数据高级操作，包括自动和手动创建关系、手动编辑和删除关系，以及数据按列排序等。

第12章：介绍数据分析表达式，包括函数、计算列和计算表。

第13章：介绍网页流量数据案例分析，包括连接到Web数据源、调整和清理数据表，以及创建可视化效果。

第14章：介绍超市运营数据案例分析，包括从Excel获取数据、创建自定义新列和创建可视化效果等。

第15章：介绍Power BI移动应用，包括在iPhone、iPad、Android手机和Android平板电脑上查看仪表板。

第16章：介绍Power BI应用开发，包括将仪表板集成到应用和将磁贴集成到应用。

适读人群：

本书的内容和案例适用于互联网、咨询、快消品、能源等行业的数据可视化分析用户，可供高等院校相关专业学生及从事数据分析的研究者参考使用，也可作为Power BI软件培训和自学的教材。

作者介绍：

王国平，硕士研究生，主要研究领域为数据可视化、数据挖掘和机器学习，致力于交互式数据可视化技术在企业中的应用，现已出版《IBM SPSS Modeler数据与文本挖掘实战》、《Tableau数据可视化从入门到精通》和《数据可视化与数据挖掘——基于Tableau和SPSS Modeler图形界面》三本专著。

同比和环比是最常见的数据分析方式，但是在进行同比环比分析时，往往需要编写公式，这就对那些不懂技术的业务人员很不友好了。

如果使用 Bingo BI 数据分析平台，那么就不会出现以上问题了。Bingo BI 提供了独有的‘指标模板’功能，只需拖拽两三下鼠标便可在几秒钟之内创建出一个新的指标，效率较其他数据分析平台提高了不止百倍。

第一步，创建一个简单的查询，将产品和日期分别拖拽到表格的行和列位置，查询结果会立即生成，此表格每一行表示特定产品在各个月份的销量，每一列表示某个月份中每种产品的销量。

第二步，使用‘指标模板’功能创建新指标。选定一个模板（此例中选择‘同比’），将度量相关信息拖放到指定的位置（此例中将要创建‘销售额’的同比值），然后填写新建指标的名称并保存即可。

第三步，回到最初创建的查询界面，只需将新指标拖拽到列位置，便可立即显示。

第四步，创建新指标并查询后要做的当然是数据可视化喽，进行数据可视化同样是用鼠标随意拖放便可完成。

（提示：可以将任何维度拖放到行位置并以其为业务角度查看同比值。）

之前小编分享过一篇“bi数据分析平台运营要注意这4个要点”的文章，里面就提到，运营bi数据分析平台，策略很重要，要认真做好部署，协调好业务和工作人员与大数据分析平台的关系，这样才能充分调动bi数据分析平台的作用。

　　要充分洞察数据挖掘数据，除了需要IT人员熟悉bi数据分析平台，还需要业务人员关注bi数据分析平台，并以业务优先的方式从数据中获得洞察

　　1.确定优先级并建立改进过程

　　那么，企业在运营大数据分析平台时，首先该怎么做？

　　首先，组织应该知道他们想要什么样的业务洞察，哪些是最重要的，因此IT可以首先提供对业务用户来说最为关键的事情，并通过优先级列表来实现。

　　此外，商业智能计划应该能够随着优先级的改变而变革。

　　同样，商业智能战略应该建立在进步和改进系统运作方式的过程中。Evelson建议采用迭代的方法，以便商业智能工具可以随着业务部门的使用而扩展和改进，并确定哪些地方满足其需求，哪些地方不能。

　　2.提高公民数据科学家的技能

　　研究公司Gartner在2017年的“商业智能和分析平台的魔力象限”报告中说“未来几年公民数据科学家的数量的增长速度将比数据科学家快五倍”。

　　Gartner的研究副总裁CindiHowson表示，高管们已经认识到数据科学家的不足难以满足需求;他们也在努力从现有的成员中雇用或发现他们所需的公民数据科学家。

　　她说：“我们在谈论居于期间的信息分析师。他们了解业务领域和要问的问题，她补充说，人们需要更容易使用的软件，以便组织能够更好地支持这些工作人员。

　　Howson预计，软件的改进最终将允许商人在未建模的数据集上提出并回答自己的问题。一旦这种情况发生，组织就需要合适的人来担当公民数据科学家的角色。他们就需要具备分析技能、喜欢提问的充满好奇心的工作人员，他们知道怎么解读取回来的信息，并且很乐意使用软件来改善业务成果。

　　3.授予员工用数据讲故事的权利

　　CBIGConsulting是一家帮助客户利用数据资产的专业服务公司，它的总裁兼负责人ToddNash表示，还有个案例，他曾与这样的组织合作，这些组织里的工作人员明白如何使用商业智能工具提供的洞察来讲述有助于他人理解“数据正在试图表达什么”的故事。

　　他说这些人使用商业智能技术内置的报告和可视化功能来开发有助于最大限度地发挥分析的价值的叙事。

　　这种做法不单单是为了让人生成光鲜亮丽的报告；这些用户能够与其他人看不到的数据建立联系，从而提供企业可让企业获利的新洞察。高管们需要提供支持并授予他们这么做的权利。

　　例如，他说，分析店铺销售数据的员工可能会看到细微的天气趋势(不仅仅是大风暴)对销售的微妙影响。他们可能想要通过bi数据分析平台引入外部的天气数据，以进一步分析趋势，更好地了解商店如何通过新的洞察优化销售。

　　Nash说：“可以利用各种内部和外部数据来获得更好的洞察”。他补充说成功的bi数据分析平台运营允许分析师做的事远远不止衡量标准的关键绩效指标那么简单。

如今，有大量功能强大的可视化工具和BI工具能快速的实现数据可视化，帮助业务分析推动决策。

在本文中，笔者将比较近两年国内外市场份额较高，也是相对成熟的BI分析平台，对比其主要功能，为个人使用或企业IT工具选型提供一个参考。

在百度搜索商业智能（BI）工具时，可能每个BI供应商都将其产品称为唯一的“最佳”解决方案进行宣传，晕乎转向。笔者身边有很多在数据中心工作的朋友，也有各种IT信息部的大佬，也见惯了各家上门兜售产品的厂商。所以对BI产品的好坏，各中优劣有所了解。也恰逢前阵子在整理一些产品资料，便有了下文。如果你想了解功能性产品的真实价值，避免被大肆宣传的广告和评论误导，那你来对地方了。

我这边主要列出了5类BI可视化工具（QlikView、Tableau、Power BI、帆软FineBI和Google Data Studio）的特性、优点和缺点。主要比较它们的关键参数，包括可用性、设置、价格、支持、维护、自助服务功能、不同数据类型的支持等。

QlikView

QlikView是一种将用户作为数据接收者的解决方案。它允许用户在工作流程中探索和发现数据，这与开发人员在处理数据时的工作方式类似。为了保持数据探索和可视化方法的灵活性，该软件致力于维护数据之间的关联。这可以帮助最终用户发现您的数据，即使这些搜索项目的来源是令人难以置信的，这些数据也会提醒您检索相关项目。

QlikView比较灵活，展示样式多样。它允许设置和调整每个对象的每个小方面，并自定义可视化和仪表板的外观。QlikView数据文件(QVD文件)概念的引入，一定程度上取代了ETL工具的功能，拥有可集成的ETL（提取，转换，加载）引擎，能够执行普通的数据清理操作，但是这可能会很昂贵。

产品差异化

Qlikview的设计是在avant-garde预构建的仪表板应用程序和联想仪表板的基础上开发的，这些应用程序既创新又直观易用。由于具有先进的搜索功能，它还提供了避免使用数据仓库和使用关联仪表板在内存中提取数据的功能。

特征

Qlikview的独特性和灵活性的完美结合使其在其他BI供应商中占有一席之地，并为各行各业处理了大量不同规模的业务提供各种有用的应用程序。

其中一个特点是QlikView能够自动关联数据：识别集合中各种数据项之间的关系，无需手动建模。

另一个特性，Qlikview处理数据输入，是将其保存在多个用户的内存中，即保存在服务器的RAM中。这样可以加快查询速度，从而加快数据探索速度，并改善用户在运行中计算的聚合体验，而不是基于存储的计算。由于Qlikview保留了内存中的数据，因此根据需要计算聚合要快得多，而不是查询预先计算的聚合值。又有点也有缺点，内存型的BI工具，数据处理速度很大程度上依赖内存大小，对硬件要求较高，一般企业的配置，数据处理起来较慢，而且Qlikview对于复杂业务需求，必须写qlikview的脚本。

可用性

QlikView的仪表板和报告很容易浏览，但是对于构建报表可能有点挑战，因为它需要高水平的开发人员技能，熟悉默认SQL以及使用Qlikview的专有查询语言（qlikview脚本）进行训练以构建数据库交互。

定价

QlikView被评为BI领域最昂贵的平台之一，完整的价格政策可在官网上找到，定价方案比较复杂。许多新用户通过其“文档许可证”陷入了代价高昂的陷阱，该文档许可证以某种模糊的方式表达了工作条件。最初的定价计划实际上可能会让您费用增加一倍，因为速率仅适用于一个“文档”（.tde文件）。许多客户后来发现这是令人不愉快的惊喜，并且它还可以刺激用户的价格近两倍。与Qlikview相比，其他竞争对手的定价政策更直接。

总是QlikView更像是是一个BI可视化展现的工具，相比其他可视化工具（非BI类）图形展现方便，性能也还可以。但如果是探索性的数据分析，比如你想拖一些数据看看结论与猜想是否正确，有时候可能要做20多个仪表盘才能验证自己的猜想，qlikview可能就不太合适了，它比较适合一开始就知道怎么分析展现。

总而言之，如果您有正确的思维方式来应用程序化界面，并且能够从一开始就整合正确的问题，以便您的数据以不同形式派生，那么Qlikview可能是适合您的解决方案。当然，您还需要准备投入额外的努力来维护正确的报告。

Tableau

可视化BI神器Tableau。与大多数其他商务智能工具一样，它通过可视化方式进行数据分析。它旨在轻松创建和分发交互式数据仪表板，通过简单而有效的视觉效果提供对动态，变化趋势和数据密度分布的深入描述。

与许多其他服务一样，Tableau提供了连接多种系统类型的数据源的工具，如以文件格式（CSV，JSON，XML，MS Excel等）组织的数据系统，关系数据系统和非关系数据系统（PostgreSQL ，MySQL，SQL Server，MongoDB等），云系统（AWS，Oracle Cloud，Google BigQuery，Microsoft Azure）。

比较特别的是Tableau有几种方法可以共享数据报告，具有一定的协作性。将它们发布到Tableau服务器;通过电子邮件Tableau Reader功能;通过公开发布Tableau工作簿并授予访问任何有链接的人员的权限。这种选择的大小可以带来很大的灵活性并消除许多限制。缺点就是，这种方式起码对于笔者坐在公司的办公习惯不太适应，反而更习惯登录门户去查看下载或者邮件推送（有点老掉渣），本土化有些水土不服。

产品差异化

Tableau提供了多种具有鲜明特征的可视化功能，实现了数据发现和深入洞察的智能方式。丰富的可视化类型库包括“文字云”和“气泡图”，可为Tableau提供独特的高级别理解。树图和树形图为视觉效果提供上下文信息。后者通常用于描述零件分类数据，重点关注最相关的信息。

Tableau仪表板非常灵活。它的中心特征允许以期望的方式用任何“重叠”来布置仪表板，这在屏幕空间人体工程学中非常方便。

Tableau很容易理解为工作工具，其学习曲线非常温和，因为它努力为任何类型的用户提供其所有权力，甚至是那些以前从未接触过可视化工作流技术细节的用户。

从开发人员的角度来看，Tableau不仅简单易用，而且在目的地方面也非常整洁，因为它提供了通过附加自定义参数的附加过滤来控制结果的能力。所有的数据都以清晰、有吸引力和互动的方式进行交流。Tableau提供了对数据的深刻见解，并允许有效地压缩复杂的决策过程。

特性

免费共享能力(有一定的限制)支持连接到30多个数据源类型混合数据源支持多维数据集与R的集成，为许多数据库映射现成的驱动程序领导社区建设工作(各种培训视频、博客、论坛、社交网络参与)

功能上Tableau和Qlikview产品的功能重合度非常高。不过Tableau相比qlikview可视化更美观，分析也更方便，可以做探索性的分析，数据量少时非常快。两个工具都有强悍的分析功能，但是数据抓取功能都非常弱。比如增量很麻烦，假如数据源删数据，两种工具都要重新导数据。这两种工具的侧重点都是在获取一堆历史数据，然后进行分析，想分析实时数据还很欠缺。尤其像Tableau，ETL功能并没有集成，得有个非常好的数据仓库作为基础。

可用性

非常容易使用，从这个列表看，它被认为是最好的易于使用的工具。考虑到这些广泛的Tableau特性，它最方便的用例是通过图表、图形和其他可视化类型发现结构化数据。对于一个普通的业务用户来说，这很容易，而且与开发工具一样强大。导入数据、构建有吸引力的可视化，共享并以简单明了的形式发布它们。

定价

Tableau有不同的许可计划，类似于其他BI解决方案。Tableau提供了三种截然不同的产品，价格截然不同。

这三种产品分别是Tableau桌面、Tableau和Tableau服务器，它们的价格不同。详细的价格信息可以在官方网站上找到。

Tableau桌面是为大多数的个人用户设计的，每年为个人用户提供$999，企业使用$1,999，覆盖支持。个人使用意味着它是针对单个开发人员的，并且支持6个数据源。企业使用意味着它是为业务需求而设计的，并允许多达44个数据源。

Tableau是一个基于云的BI平台，由Tableau供应商提供web界面。Tableau可以免费使用它的公共选项，但重要的是要记住，这个解决方案是托管在公共服务器上的，所有的报告都是公开共享的，这个私人在线版本的售价为500用户/年。

Tableau服务器对于运营自己服务器的公司来说是一个成熟的业务工具，它希望对数据流进行完全控制，并保证后台主机的安全性。然而，它的价格是每10个用户$10000。客户的支持还提供额外的25%的年成本。

FineBI

FineBI是列表中唯一上榜的国产BI工具，帆软公司出品。

FineBI是一套企业数据化管理和可视化BI的方案，意思是在具备可视化BI功能的同时，又侧重于帮助企业打造数据化管理的一个应用。从其使用流程中可以看出:分别为管理员创建业务包(准备数据)，业务人员新建仪表板（可视化和探索性分析），业务人员新建螺旋分析（前端再处理数据），领导查看分析（对外分享报告）。

创建业务包就是准备数据，这个工作一般让信息部去做，把数据转化成业务分析人员可理解的数据（一般会准备大而全的明细数据）。然后，业务人员拿着业务包里的明细数据，根据需求做分析，比如做一个销售dashboard，分析每个产品、每个地区、每个销售员的销售情况综合判断。在没有分析目标的情况下，可以尝试探索性分析：聚合、预测、帕累托等，都有现成的模型。

产品差异化

FineBI有两种抓取数据的方式，一种是FineIndex（原cube）的方式取数分析，也就是“数据库-FineIndex-前端分析”的方式，这个是tableau和qlikview没有的。这里的FineIndex相当于一个中间的多维数据库，用于存储数据表，对数据关联转义，这些都对之后的前端分析处理数据效率有很大的提升。因为直接sql取数，效率受数据库本身的限制，数据量大时，一般分析工具很容易就卡死甚至内存溢出导致系统无响应，这也是FineIndex方案的初衷。FineIndex存在有两个意义，一个是提升效率，一个是对数据进行二次整合处理。

另一种是FineDirect，通过FineDirect直连引擎，可以直接对接关系型数据库（Oracle，Sqlserver）以及hadoop、kylin、greenplum、vertica等大数据平台，支持10亿至百亿的数据访问，实时数据分析。FineBI已有FineIndex引擎（原cube）和新的FineDirect直连引擎，可以搭配使用满足不同的场景。企业可根据实际需求的不同准备两种类型的数据，通过FineIndex模式配置那些不经常更新，实时性要求不高的数据；通过FineDirect引擎来配置大数据量且有实时分析需求的数据。

特性

FineBI可以自动关联数据表之间的关系，通过键，自动建模。

再者与其他不同BI工具不同的是，FineBI有移动端、PAD端、以及大屏。

FineBI还有类似办公协同软件OA的一套数据协同管理，主要出于数据安全考虑。可以设置部门只能看部门内的数据，个人只能看个人权限范围内的数据，dashboard制作完分享给别人时，也可以指定分享给谁，被分享者收到通知后登录门户时，可以看到报表出现在桌面中，然后修改、批注。笔者觉得这一点好太多，尤其是出于数据安全的考虑，更能适应本土化的需求。

可用性

FineBI属于自助式BI，使用简单，具有丰富的可视化和前端分析操作。能可视化地进行数据钻取，数据切片和数据旋转等多维分析操作。SPA螺旋式聚合分析功能可对前端数据进行再次处理，类似于Tableau的新建数据字段。配合帮助文档和教学视频能轻松上手，无需付额外培训费用驻场培训。

定价

FineBI的定价不同于其他产品按年按人数付费，FineBI是按照功能模块买断，多维数据库引擎、决策门户、OLAP分析组件、管理驾驶舱等功能组件，类似于移动电信的自选套餐，一般企业的产品整体打包价格在几十万不等。

Power BI

Power BI是由微软开发和支持的软件解决方案，用于商业智能和分析需求。 Power BI的核心是一个提供多种交互选项的在线服务，还提供了多个连接第三方软件和服务提供的数据的网点。

Power BI提供了一个简单的基于Web的界面，具有丰富的实用功能，从定制的可视化到对数据源的有限控制。桌面应用程序通过添加数据清理和规范化工具，将可用功能扩展到更大程度。

在旅途中工作和制定数据驱动决策的另一种方式是通过移动应用程序，该应用程序可用于多个平台。通过将您的工作发布到Power BI服务，并通过组合报告形成生动的仪表板，使数据通信集中化并易于跟踪所有参与者，分享见解也非常简单。

Power BI简洁，但功能强大。但是，像其他软件一样，它也有其起伏，目前并不是非常成熟，商业选型必须仔细考虑。

产品差异化

Power BI与其他解决方案有何不同？

首先，由于它是微软产品，它遵循与其他主要微软产品相似的理念、原则和体系结构。它也为Windows用户提供了一个熟悉的界面。

Power BI的创建和设计旨在构建MS Excel的功能，将其升级到下一个级别，进一步扩展其可操作性以解锁新的用例，覆盖更多的平台并接触到云。

作为微软的产品，Power BI与微软工具带中的其他软件有联系，但远比利用一整套全新的业务分析工具更有效。因此，Power ...

　　很多公司在引入bi数据分析系统之后，常常会在运营的时候遇到很多问题。数据化运营是一项专门的工程，一般而言一家公司需要专业的IT人员专门来数据分析bi工具，但很多人没这个意识。部署bi数据分析系统确实有点难度，但不是所有人都是专家，所以小编在这里分享几招小策略，帮助大家更好地运营好商业智能BI工具。

　　那么，bi数据分析系统要运营好首先要做好策略，认真部署和进行。

　　（1）为商业智能提供业务所有权

　　埃夫森表示，将商业智能置于业务用户手中的组织比将商业智能置于IT内部的成功率更高，这可能意味着将商业智能嵌入业务线，或将商业智能业务报告提供给首席数字官或首席客户官。

　　虽然早期商业智能技术的复杂性使得IT部门负责许多商业智能程序，但是如今的工具更加直观，允许它们直接提供到业务用户的手中，这些用户可以运行对他们重要的查询。

　　同样，用户需要访问数据的速度以及从商业智能获得的见解近年来也急剧增加。今天的业务用户通常需要实时的操作信息，不愿等待IT部门生成报告。

　　（2）监控商业智能的使用并必要时调整

　　虽然企业应该拥有商业智能计划，但是IT部门仍然是必须保持监控和评估商业智能系统使用的积极合作伙伴。监控商业智能系统正在做什么，正在访问什么数据源，正在使用什么工具，以及业务部门A是否使用商业智能超过业务部门B。”

　　（3）验证，验证，验证

　　组织需要一个强大的验证过程，重点是访问所有需要回答查询的数据。它还应该防止有问题的数据进入商业智能系统，这样就不会产生错误的见解。此外，验证过程应该足够的敏捷性，以快速响应新的商业智能功能的请求。

　　哈根斯指出一个假设用例，其中商业智能工具生成有关净销售额的报告。如果该工具接收到销售数据，但没有计算返回的已售商品数量，那么最终信息是不好的。

　　（4）首先关注业务问题，然后再关注数据

　　太多的组织构建数据存储库，然而采用商业智能，期望业务用户能够更好地开展业务。

　　埃夫森阐述了这个例子：营销部门发现客户流失问题，并希望了解客户为什么要离开。组织应该着重提供回答营销业务问题的能力，首先要确定需要衡量哪些指标，访问计算这些指标所需的数据，然后使营销对数据进行详细的分析。

　　埃夫森说：“人们需要确定一个明确的业务问题，首先要分析什么指标，最后，谈论如何得到数据。”

　　其实，bi数据分析系统运营也没有那么难，但是一些整体上的规划和细节问题都需要企业领导注意，才能更好地部署和运营好一款数据分析bi工具。

【IT168 资讯】如今，有大量功能强大的可视化工具可以帮助您展示想法、可视化数据、进行谈话，与客户和全球社区分享您的重要分析。在本文中，我们将比较最常用的平台并分析其主要功能，以帮助您选择一个或多个平台，为您的工作交流提供不可或缺的帮助。

在评估各种商业智能(BI)工具时，很难将事实与虚构分离开来，因为每个BI供应商都将其产品作为唯一的“最佳”解决方案进行销售，这往往使得互联网充斥着偏见的评论。如果你想了解功能性产品的价值，避免大肆宣传和点击无尽的部分评论，那么你来对地方了。

我们将引导您了解所有主要工具(如QlikView，Klipfolio，Tableau，Geckoboard，Power BI和Google Data Studio)的特性、优点和缺点。我们还将比较它们的关键参数，包括可用性、设置、价格、支持、维护、自助服务功能、不同数据类型的支持等。让我们分别看看每个工具。

QlikView

QlikView是一种将用户作为数据接收者的解决方案。它允许用户在工作流程中探索和发现数据，这与开发人员在处理数据时的工作方式类似。为了保持数据探索和可视化方法的灵活性，该软件致力于维护数据之间的关联。这可以帮助最终用户发现您的数据，即使这些搜索项目的来源是令人难以置信的，这些数据也会提醒您检索相关项目。

QlikView非常灵活。它允许设置和调整每个对象的每个小方面，并自定义可视化和仪表板的外观和感觉。具有如此大的灵活性，还有一个集成的ETL(提取，转换，加载)引擎，使您能够执行普通的数据清理操作。但是，这可能会很昂贵。

产品差异化

许多Qlikview在商业智能领域的竞争对手认识到差异化商品的高价值，并试图重现其许多特征，但大多数情况下都失败了。 Qlikview的设计是在avant-garde预构建的仪表板应用程序和联想仪表板的基础上开发的，这些应用程序既创新又直观易用。由于具有先进的搜索功能，它还提供了避免使用数据仓库和使用关联仪表板在内存中提取数据的功能，如上所述。

特征

Qlikview的独特性和灵活性的完美结合使其在其他BI供应商中占有一席之地，并为各行各业处理了大量不同规模的业务提供各种有用的应用程序。

QlikView拥有众多的功能，使其对基于来自多个来源的数据创建高级仪表板非常有用。

其中一个特点是QlikView能够自动操作数据关联：它可以识别集合中各种数据项之间的关系，而无需用户进行任何明确的预配置工作。这项任务的自动化极大地加快了仪表板开发的进程。

Qlikview处理数据输入的另一个重要特性是将其保存在多个用户的内存中，即保存在服务器的RAM中。这样可以加快查询速度，从而加快数据探索速度，并改善用户在运行中计算的聚合体验，而不是基于存储的计算。由于Qlikview保留了内存中的数据，因此根据需要计算聚合要快得多，而不是查询预先计算的聚合值。另外，它更具有内存效率。

将数据保存在内存中肯定是一项艰巨的进步，因为它需要大量的内存来处理所有的数据。 QlikView通过令人难以置信的压缩级别将数据缩小至原始大小的10%来解决此问题。我们相信这是通过大量使用数据字典并仅使用分析所需的最重要的数据获得的最大的Qlikview功能之一。

可用性

即使对普通用户来说，QlikView的仪表板和报告也很容易浏览。但是，构建报表可能非常具有挑战性，因为它需要高水平的开发人员技能，熟悉默认SQL以及使用Qlikview的专有查询语言进行训练以构建数据库交互。

定价

QlikView被评为BI领域最昂贵的平台之一。完整的价格政策可在以下链接中找到：qlik。定价方案相当复杂，可能令人困惑。许多新用户通过其“文档许可证”陷入了代价高昂的陷阱，该文档许可证以某种模糊的方式表达了工作条件。最初的定价计划实际上可能会让您费用增加一倍，因为速率仅适用于一个“文档”(.tde文件)。许多客户后来发现这是令人不愉快的惊喜，并且它还可以刺激用户的价格近两倍。与Qlikview相比，其他竞争对手的定价政策更直接。

QlikView是关于目的地的，所以你需要确切地知道你要去的地方。如果有些问题仍然模糊，则可能花费大量时间尝试将多个表单放在一起，最终可能会丢弃多个表单，因为任何误解的数据都会影响最终结果。只要您不改变原始问题，QlikView就可以让您使用您的数据完成精彩的事情。

总而言之，如果您有正确的思维方式来应用程序化界面，并且能够从一开始就整合正确的问题，以便您的数据以不同形式派生，那么Qlikview可能是适合您的解决方案。当然，您还需要准备投入额外的努力来维护正确的报告。

　KLIPFOLIO

Klipfolio是一个BI解决方案，在云中占据100%(不需要桌面应用程序)，为数据可视化和仪表盘组成提供了一个真正具有洞察力的工具。这使得它能够最有效地处理数据、增强实时解决方案和优化，而不是依赖于周期性回归模型。

Klipfolio支持连接到各种数据源，包括在线和离线数据源。在线资源整合了一系列云托管存储，包括Google表格、关系数据库和其他以各种形式提供数据的服务。服务部门可以在这里找到连接服务的完整参考资料。使用RESTful API也可以连接到您自己的数据源。

Klipfolio支持多种离线服务类型：MS Excel、CSV、XML、JSON等。可以通过与上面提到的在线来源相同的链接找到完整的参考列表，但是仅在数据存储库部分。

所有这些数据源，无论是单独或组合，都可以有效地用于整合各种指标，以提取数据愿景，创建、转换和共享定制可视化，以揭示任何无用数字背后的实际含义。

Klipfolio采用响应原则，利用智能手机和平板电脑等各种技术平台，以及跨越会议室墙壁的台式计算机和智能电视，帮助发现仪表板。

产品差异化

Klipfolio代表了一个功能强大的数据仪表盘构建平台，可以访问真实世界，不断变化的生动数据源。当动态变化非常重要并且可能需要紧急决策时，它最适用于实时监视和控制连续数据流。实时数据连接是数据检索的一种方式，可以保持数据准确性和可靠性所需的时间一致性，而响应速度则可用于快速决策的时间因素。

特征

·将多个数据源整合到一个报告中

·无限连接尽可能多的用户

·管理重要信息的访问权限和限制

·移动辅助功能(iOS，Android，黑莓，Windows)

·灵活的REST连接器，用于设置自定义数据源

·安全连接到SQL数据库

·支持Excel、CSV、JSON、XML文件格式

·方便的注释到分享报告的用户看到的报告

·自助式KPI编辑平台

·易于使用的阈值指标。

可用性

Klipfolio包括大量的可视化类型，包括普通表、条形图、饼图、线和面积图，这些图表的组合以及散点图。此外，通过使用一些HTML和CSS，用户可以伪造自己独特的可视化效果。在WYSIWYG编辑器的帮助下，所有这些组件都在复合仪表板上进行布局。一些更复杂的可视化元素添加了各种公式和功能。

Klipfolio仪表板具有广泛的协作框架，可根据权限与其他用户共享信息，通过电子邮件启用通知和分发。使用Klipfolio时的显著差异出现在建筑图表和图表中。

用户不必简单地将数据表中的字段拖放到工作表中，而必须使用不同的函数和公式来实现所有计算。通过这种方式，您可以使用任何类型的可视化创建工作表，但是您需要考虑如何组合和更改数据。

定价

Klipfolio是BI行业中历史最悠久的企业之一，拥有丰富的经验和专业知识，通过开发可行的解决方案为其铺平了道路。 Klipfolio主要投注今天的云服务，同时也提供前提解决方案选项。 Klipfolio仪表板(作为SaaS)使用用户每月定价政策进行分配，根据数量和时间承诺有一些小的总变化。定价从每月19美元开始，提供多种选项和定制的付款方案。 Klipfolio还提供14天的免费试用期，用于测试和学习目的。

Tableau

今天的另一个重要角色就是Tableau。与大多数其他商务智能工具一样，它通过可视化方式进行零数据分析。它旨在轻松创建和分发交互式数据仪表板，通过简单而有效的视觉效果提供对动态，变化趋势和数据密度分布的深入描述。

与许多其他服务一样，Tableau提供了连接多种系统类型的数据源的工具，如以文件格式(CSV，JSON，XML，MS Excel等)组织的数据系统，关系数据系统和非关系数据系统(PostgreSQL ，MySQL，SQL Server，MongoDB等)，云系统(AWS，Oracle Cloud，Google BigQuery，Microsoft Azure)。

与竞争对手的核心区别在于Tableau具有数据混合的特点。另一个独特的特点是实时协作的能力，使其成为商业和非商业组织的宝贵投资。有几种方法可以在Tableau中共享这些报告：将它们发布到Tableau服务器;通过电子邮件Tableau Reader功能;通过公开发布Tableau工作簿并授予访问任何有链接的人员的权限。这种选择的大小可以带来很大的灵活性并消除许多限制

产品差异化

Tableau提供了多种具有鲜明特征的可视化功能，实现了数据发现和深入洞察的智能方式。丰富的可视化类型库包括“文字云”和“气泡图”，可为Tableau提供独特的高级别理解。树图和树形图为视觉效果提供上下文信息。后者通常用于描述零件分类数据，重点关注最相关的信息。

Tableau仪表板非常灵活。它的中心特征允许以期望的方式用任何“重叠”来布置仪表板，这在屏幕空间人体工程学中非常方便。

Tableau很容易理解为工作工具，其学习曲线非常温和，因为它努力为任何类型的用户提供其所有权力，甚至是那些以前从未接触过可视化工作流技术细节的用户。

从开发人员的角度来看，Tableau不仅简单易用，而且在目的地方面也非常整洁，因为它提供了通过附加自定义参数的附加过滤来控制结果的能力。所有的数据都以清晰、有吸引力和互动的方式进行交流。Tableau提供了对数据的深刻见解，并允许有效地压缩复杂的决策过程。

上面的共享系统以其巨大的灵活性和不同的数据共享选择而闻名。即使是最挑剔的用户也肯定会找到一个合适的解决方案来满足他们最多变的需求。

　特性

·免费共享能力(有一定的限制)

·支持连接到30多个数据源类型

·混合数据源

·支持多维数据集

·与R的集成，为许多数据库映射现成的驱动程序

·领导社区建设工作(各种培训视频、博客、论坛、社交网络参与)

可用性

非常容易使用，从这个列表看，它被认为是最好的易于使用的工具。考虑到这些广泛的Tableau特性，它最方便的用例是通过图表、图形和其他可视化类型发现结构化数据。没有其他的BI解决方案可以让它比Tableau更容易，给它的用户带来惊人的力量。对于一个普通的业务用户来说，这很容易，而且与开发工具一样强大。导入数据、构建有吸引力的可视化，共享并以简单明了的形式发布它们。此外，大量的教程视频、howto -tos、blogs和论坛将节省时间，避免寻找正确的解决方案的长期斗争。

定价

Tableau有不同的许可计划，类似于其他BI解决方案。Tableau提供了三种截然不同的产品，价格截然不同。

这三种产品分别是Tableau桌面、Tableau和Tableau服务器，它们的价格不同。详细的价格信息可以在官方网站上找到。

Tableau桌面是为大多数的个人用户设计的，每年为个人用户提供$999，企业使用$1,999，覆盖支持。个人使用意味着它是针对单个开发人员的，并且支持6个数据源。企业使用意味着它是为业务需求而设计的，并允许多达44个数据源。

Tableau是一个基于云的BI平台，由Tableau供应商提供web界面。Tableau可以免费使用它的公共选项，但重要的是要记住，这个解决方案是托管在公共服务器上的，所有的报告都是公开共享的。这个私人在线版本的售价为500用户/年。

Tableau服务器对于运营自己服务器的公司来说是一个成熟的业务工具，它希望对数据流进行完全控制，并保证后台主机的安全性。然而，它的价格是每10个用户1万美元。客户的支持还提供了额外的25%的年成本。

它是又一个基于云的可视化解决方案。如果你需要使用基本预定义的小部件显示某些值，它可以成为适合您的工具。 Geckoboard提供了使用各种小部件来组合仪表板的功能。它具有丰富的与Facebook准备集成的库： twitter、Salesforce API，以便您可以即时查看您的社交媒体参与或业务数据。

它还提供了以两种方式与您自己的数据源创建自定义集成的能力：:Pull或Push。Pull意味着您的小部件每隔N秒就会提交一次数据请求(您可以设置N值)，该数据与提取数据的位置链接到特定的URL(您也可以设置)。Push意味着您可以通过向特殊小部件URL发送HTTP请求来手动为小部件提供数据。这会将您发送的数据与该小部件相关联，并将其显示在仪表板上。

Geckoboard为您提供了几个可能的小部件模板，如折线图或直方图，每个模板都有自己的可以显示的JSON格式的数据。拉式服务器或推送器以适当的格式发送数据很重要。否则，它不会在仪表板上显示任何内容。

您还可以更改窗口小部件的样式表，更改颜色模式，添加两个或更多仪表板或添加多个用户。 Geckoboard拥有一支可靠的支持团队，通常能够相对快速地做出响应，�...

前言

近年来，随着人们的数据意识和数据素养不断提升，商业智能和数据分析领域迎来了快速发展期，据Gartner商业智能报告统计，到2020年全球的商业智能市场容量预计将达到228亿美元。同时，大数据、人工智能、机器学习、深度学习等技术的快速发展，也促进了商业智能和数据分析产品的新一轮进化。Gartner分析师认为，到2020年，自然语言生成和人工智能将是90%的新BI平台的标准特征，50%的分析查询将使用搜索、自然语言处理，或语音生成，或将自动生成。但我们必须认识到，我国商业智能的市场特征、企业需求、关注点、发展阶段均与国外有所不同，以Gartner为代表的分析机构并不能准确描述我国商业智能行业的实际状况。针对这一问题，帆软数据应用研究院调研了规模不一的216家企事业单位，了解到他们的大数据BI应用状态、需求情况、对大数据BI产品功能的期待，同时基于帆软数据应用研究院对行业的长期观察和思考，形成了该篇报告。

主要预测：

2018年，中国大数据 BI 产品将主要在自助分析的可操作性和功能丰富度、平台的安全性、数据管理能力、分析的共享能力、数据挖掘能力、大数据处理能力六大功能模块进行提升。

一、2018年中国商业智能行业发展分析

(一) 行业总体形势向好

在当前经济环境下，企业盈利的压力和难度不断增加，越来越多的企业，尤其是一、二线稍具业务规模的企业，其高层都希望通过精细化运营提升市场竞争力，降低企业的运营成本。这些企业绝大多数都已经在2008年~2015年间上线了各种业务系统，存储了大量管理和运营数据，具备应用大数据BI进行数据分析和数据化管理的各种条件，这些需求将在2018年~2022年继续爆发。值得注意的是，艾瑞咨询在《2017年中国商业智能行业研究报告》中指出，我国已经进入商业智能领域第一方阵，成为发展最快的国家之一，但和美国还有比较大的差距。所以未来中国大数据BI行业总体将呈现加速度增长，市场容量将不断扩大。

(二) 大数据BI厂商马太效应显现

马太效应是指强者越强，弱者越弱的现象，国内BI行业的马太效应已经显现。据帆软品牌部调研数据显示，处于行业第一梯队的帆软、Tableau、微软PowerBI的品牌知名度和市场份额与其他厂商进一步拉大。帆软2017年全年营收2.77亿，远超其他国内厂商之和。同时帆软销售部反映，2017年度销售跟单中遇到的竞品种类和数量均较2016年有相当大幅度的下降。BI行业出现马太效应实属必然，综合实力强大的厂商更能投入资源做好产品、服务，解决更多用户的需求和问题。可以预见，2018年中国BI行业马太效应将进一步增强，逐步淘汰掉实力弱、规模小、产品差的企业。

(三) 新型自助式BI与传统型BI平分秋色

得益于敏捷、自助的特征，从2013年起新型自助式BI迎来了高速发展期，这一时期也是传统型BI的衰退期。

2017年，传统型BI与新型自助式BI在国内市场中平分秋色。受访企业中，约50.2%的企业仍然在使用传统型BI，其中最典型的需求是企业常规日报、月报等汇总分析报告。约49.8%的企业应用新型自助式BI，通过报表平台+自助式BI+大数据底层平台的解决方案，来解决企业综合的数据展示和分析需求，形成经营和战略决策。在调研中我们注意到，约有18%的企业引进了新型自助式BI，部分或全部替代了传统BI。虽然传统型BI尤其自身优势和应用场景，但随着新型自助式BI的不断发展，传统型BI必将逐渐退出历史舞台，从国际传统BI巨头积极调整产品结构可见一斑。

二、2017年中国商业智能用户状况分析

根据企业的IT人员和业务人员在数据分析中的工作量和投入程度占比，我们将BI用户（企业）划分为5大类型，即BI应用金字塔模型，以更好的统计、分析企业的BI应用状况。

(一) BI应用金字塔模型

1. IT完全主导型

其典型特征为，IT人员做底层数据仓库，以及BI工具层面的数据模型处理的所有相关工作，完成95%以上的BI分析页面（注：主要是指用于生产、经营、管理会议所需要的数据分析页面，下同）的开发。业务人员仅负责前端数据查看，完成查看报表时相关联动钻取操作。

调研中我们发现，处于“IT完全主导型”这一等级的企业，约有93.2%都在使用传统型BI工具，企业的业务人员基本没有能力，也没有需求去自主完成数据分析的工作。这些企业的业务变革并不剧烈，企业管理层认为当前的日常数据报告能够满足企业管理和决策的需要，相对缺少变革的动力。

2. IT强主导型

其典型特征为，IT人员做底层数据仓库，以及BI工具层面的数据模型处理的所有相关工作，完成80%~95%数量的BI分析页面。业务人员完成低于20%数量的BI分析页面。

从调研数据来看，这类企业中，67.5%的企业认为当前业务人员不具备数据分析的能力。而企业需要快速完成部分数据分析工作，所以选择让IT人员更多承担工作。这类企业中普遍认为，商业智能产品本身并非能够快速上手，且业务人员仍需要统计学基础，阻碍数据分析工作从IT人员向业务人员的转移。

3. 业务强主导型

其典型特征为，IT人员做底层数据仓库，以及BI工具层面的数据模型处理的所有相关工作，完成前期示例不超过20%数量的BI分析页面。业务人员完成超过80%数量的BI分析页面。

从调研数据来看，这类企业中，超过80.2%是曾经推行传统BI的企业，并且部分业务人员是有较高学历和能力的，能够学习和掌握商业智能工具和数据分析技能，并愿意在工作中积极使用；从帆软数据应用研究院的实地走访的部分企业来看，这些企业普遍行业排名靠前，公司从高层就重视数据分析工作。

4. 业务完全主导型

其典型特征为，IT人员做底层数据仓库，以及BI工具层面的数据模型处理的部分相关工作。业务人员完成95%以上数量的BI分析页面和相当部分BI工具层面的数据模型处理。

相比于第三类使用人群（业务强主导型），这类用户的一大特点是业务变革十分迅速，从事业务工作的人员学历普遍较高，业务经营和发展需要企业快速做出决策。而基于数据分析得出的业务判断相比个人历史经验准确度更高，是这类企业基本共识。比如在新兴的互联网企业，或者新零售领域，这个特点尤为突出。

5. 智能自助型

其典型特征为，IT人员只做底层数据仓库、数据连接、数据字典相关工作。业务人员处理所有BI工具层面的数据处理，以及所有BI分析页面。

IT人员搭建数据中心，业务人员完全自主处理和分析数据，这类企业有着明显的资源密集型的特点，业务人员更多的是偏向运营相关的工作。当然，因为此类受访企业占比较少，原因分析的可信度还有待进一步调研来核实。

(二) BI用户状况分布

基于BI应用金字塔模型，2017年企业分布如下；

从调研数据中，我们可以得出两大结论。

1、IT人员主导企业数据分析的模式仍占据主流，也就是IT驱动仍是2017年企业商业智能平台应用现状。从数据调研的受访企业来看，有高达60.5%的企业的数据分析工作仍是第二类型（IT强主导型），甚至有21.5%的企业的数据分析工作处在第一类型（IT完全主导型），这显然和业务人员自助数据分析的目标距离遥远。

2、新型自助BI正在成为商业智能市场的主流。17.5%的企业是在2017年上线了新型自助BI，实现了让少部分业务人员自助完成BI数据分析的目标。

三、2018年商业智能用户需求分析

(一) 企业多级部门数据分层次IT权限和平台管控，占受访企业97.6%

需求描述：BI工具支持企业的多级部门的数据/分析页面权限管控，使得不同层级的部门机构只能看到本部门机构和辖属部门机构的数据/分析页面。

需求产生的原因：有的信息中心为释放压力，放权给业务部门使用数据，一旦口子打开，数据缺口就会像洪水一样泛滥，就又会走向另外一个极端，导致放权下的数据管理混乱，数据口径不统一，部门之间的数据壁垒等等问题就会出现，同时这将给企业带来极大的数据安全隐患。

满足该需求对企业的价值和意义：在满足业务部门BI数据自助分析的同时，兼顾企业的数据权限管控，形成企业以IT部门集中管理下的良性数据分析风貌，杜绝企业数据安全隐患。

(二) 业务人员可通过BI工具进行自助数据分析，占受访企业94.5%。

需求描述：业务人员可以在浏览器前端，对自己权限范围内的数据进行多维拖拽探索和自助分析，发掘隐含在数据中的业务价值。

需求产生的原因：企业的传统信息化建设中，IT信息中心对公司数据进行高度集中的管控，来自企业各职能部门的数据处理以及报表就会全部由IT人员来输出，一旦业务部门需求集中扎堆，就会造成响应不足，业务部门怨声载道。信息中心自身成员熬夜加班做报表，成就感却很低。

满足该需求对企业的价值和意义：通过高效灵活的BI工具，业务人员对自己权限范围内感兴趣数据进行多维拖拽探索和自助分析，以工具简单易上手的低学习成本，让真正对分析业务价值最熟悉的业务人员实现自助数据分析探索，最大化业务数据的分析维度和分析效率，灵活发掘数据中可能潜在的业务价值，同时也解放了IT人员的劳动力，降低企业人力成本。

(三) 可快速搭建型自助BI业务数据模型，占受访企业87.5%。

需求描述：数据库表中的数据需要基于业务分析主题进行分类管理，相关数据表之间支持手动/自动构建关联模型，同时建立的关联模型支持灵活应用，无需反复编辑修改或创建新的模型，一次建立即可灵活满足多重业务场景进行数据分析使用。

需求产生的原因：传统BI工具创建的底层数据关联相互独立，无法重复利用，一旦遇到新的业务数据计算分析场景，数据关联就需要修改或重新创建，极为麻烦，非常不利于IT人员维护。

满足该需求对企业的价值和意义：通过BI工具快速构建的新型自助式BI业务数据模型，较传统BI工具针对不同业务分析场景需要多次、重复建模的应用痛点，极大地提高了BI工具的企业中业务数据分析应用的效率，解放了以往IT人员对数据维护的压力。

(四) OLAP多维分析：上卷、下钻、旋转、切片、联动、跳转等，占受访企业84.5%

需求描述：BI工具支持强大的页面OLAP多维分析功能，包括分析视角的上卷、下钻，维度的旋转切换，指标的切换，分析数据的切片过滤，组件之间的联动过滤、页面超级链接跳转等。

需求产生的原因：随着业务发展的复杂化，单一角度的数据分析往往难以再发掘出更多有价值的潜在业务信息，取而代之的是需要BI工具能够满足强大的页面OLAP多维分析功能。

满足该需求对企业的价值和意义：通过BI工具强大的OLAP多维分析功能，以实现多角度、多关联数据之间的数据无限层次探索分析，发掘出数据中潜在的业务价值。

(五) 大数据处理性能处理能力达到十亿数据秒级响应，占受访企业63.6%

需求描述：BI工具可支撑处理亿级以上大数据分析计算的秒级响应，提供多维加速引擎对传统关系型数据仓库（SQLServer、Oracle、Mysql等）进行数据提速处理，同时也支持实时对接企业大数据平台（Vertical、Kylin、Greenplum等）进行数据分析计算。

需求产生的原因：一方面，传统关系型数据库在面对上亿级别以上数据量时，容易出现性能瓶颈，长时间的查询等待往往会导致业务数据分析效率太低。另一方面，当今信息化水平飞速发展，越来越多的企业已经有了自己的高性能大数据平台，对于这部分企业来说，拥有一款能够直接对接大数据平台进行数据分析的工具尤为总要。

满足该需求对企业的价值和意义：BI工具提供的强大数据计算处理引擎，能够降低企业数据查询等待时间成本，提高业务数据分析效率。同时，通过直接对接企业大数据平台，还可满足企业实时数据分析的需求。

(六) 业务人员可完成工具层面的零代码数据加工处理工作，占受访企业57.5%。

需求描述：BI工具可通过快速易上手的交互方式，让业务人员也能完成工具层面的零代码数据加工处理工作，例如例如表合并、分组统计、结构数据分层、过滤、增加列、同比环比、累计值、所有值、公式运算等数据清洗和数据处理方法，实现对数据的无限层次多维透视分析统计。

需求产生的原因：当业务需求相对偏复杂时，简单的维度和指标统计往往无法直接计算出业务所需要的计算结果，以往的处理方式往往可能是业务部门提需求给IT，然后IT经过SQL或者代码对底层数据表加工处理，然后最终导出一张excel数据表给业务部门，期间的反复沟通和等待时间往往降低了企业的业务数据分析应用效率。

满足该需求对企业的价值和意义：通过BI工具，使得业务人员也能快速实现对数据的无限层次多维透视分和析加工统计，降低了传统模式下的沟通成本和等待时间，提高了企业业务数据分析的应用效率。

(七) 移动端数据分析查看支持，占受访企业44.9%

需求描述：BI工具支持移动端数据分析多维分析查看功能（兼容PC端的上卷、下钻、旋转、切片、联动、跳转等），对于BI工具的应用app支持便捷的扫码登陆、离线查看、批注、分享等...

数据分析的多数简单操作，就是把焦点聚焦于多分类维度的数据呈现，以表格、图表的形式将重点突出。

关于FineBI，可能很多小伙伴多多少少了解过这款商务智能工具，这是目前市面上应用最为广泛的自助式BI工具之一，与之同行的还有Tableau、PowerBI等。

你可以把它是做为是可视化工具，因为他里面自带几十种常用图表，以及动态效果；你也可以把它作为报表工具，因为他可视化报表展现，以表格状、以dashboard状；你也可以把它看作是数据分析工具，因为如果你有数据，你想分析，可以借助FineBI做一些探索性的分析，其内置等数据模型、图表。

但严格定义来讲，他其实一款自助式BI。常常被用作大数据前端展现的工具，对接hadoop、Spark等平台；用作业务部门的取数、业务数据分析（IT数据部准备好数据，业务查看分析）。

它的操作就像是Excel中的数据透视表，相信很多小伙伴儿特别是已经在职场已经混迹很多年的小伙伴儿，对Excel中的数据透视表非常熟悉，没错，FineBI的操作类似一个升级版的数据透视表。

它不仅仅可以将原始的一维表数据透视为二维表格，它还可以将原始数据直接透视成多维图表，流程跟用Excel做数据透视表几无二致。

接下来我从几个角度来做个演示, 以案例的形式来展示一下：

前提

再讲之前我觉得有必要明确维度和度量的概念，以及对于可视化的认知。

1、维度和度量的概念

BI里面有一个维度和度量的概念，BI的数据可视化其实就是在呈现一组由不同维度和度量组成的字段。

维度是dimension 是描述类别的，比如城市，来源等。

度量是metric，是描述可以进行运算的数量的，比如收入，新用户数等

一个维度可以对应多个度量，比如城市的收入，该城市的新用户数等等。

无论是一维、二维、三维甚至更高维的情况，所有的可视化形式都是建立在维度与度量等指标之上的。所以在导入数据源之后，就应该有意识的熟悉数据结构，认识到所有的指标的属性（是维度还是度量）以及度量之间的关系（粒度的粗细，层级的高低）。

2、可视化并不拘泥于excel图表

想强调的第二点是，数据可视化是一种表达，他的表现可以不同图表、不同颜色区分、多种图表组合、不同动效…并不仅仅是excel里面自带的十几种图表。可视化形式应该服务于业务分析与关系挖据的需求，或者说我们是按照自己的目的去定制可视化的呈现形式。

对比

1、FineBI表格与Excel数据透视表的操作界面，大致相当

FineBI的操作是：选择表格/图表——选择维度和度量指标——附加操作：指标计算（同比环比排名等）、指标筛选过滤操作等，还有一些自定义的条件选项。

Excel的数据透视表和FineBI的表格计算，操作体验和风格大致相当，都提供菜单式操作。

总的来说，FineBI，当数据准备好了之后，新建一个分析，选择需要的图表，然后就会出现左手边的这些字段，依据你想要呈现的结果，将字段分别拖拽到维度和度量框内。分类代表维度，只不过FineBI的筛选器直接放在了字段里，每个字段可做单独筛选，筛选掉不符合条件的数据，比如空值。

2、FineBI表格与Excel数据透视表，FineBI附加更多快速简单的指标计算和样式更改

说了这么久，干巴巴的总要来几个案例练习一下，同样的数据，同样的菜单，同样的字段布局。

针对Excel而言，多维表格数据的展现已经是极限了，因为Excel数据透视表透视的仅仅是表，没法再多给出除了数字之外的信息，这时候就是FineBI大展身手的时候啦。

FineBI可以直接对度量指标设置条件，比如让不同区间的数据变换成不同颜色，以示区分，避免写公式。

可以直接在现有数据基础上，计算排名、同比、环比等指标，简单高效。

3、FineBI-数据透视表=数据透视图

新版的excel里有数据透视图功能，可以图表的形式展现数据。

在finebi里面你可能一键切换图表，或者托转另外一个图表重新制作。

将各个数据图表汇总组合，它还可以制作数据大屏

FineBI我觉得高明之处在于，数据展现方便。通过拖拽数据字段，能立马展现可视化效果，加以联动钻取扥功能以及图标切换功能，动态效果立马显现，自助式BI的精髓表达的淋漓尽致。

据说之后发布的5.0版本，会增加很多数据分析功能，利内置数据分析模型，用维度透析的理念来按需完成可视化探索过程，将BI的功能维度又上升一层次。