精华内容
下载资源
问答
  • 商业智能BI智能分析平台建设方案
  • 商业智能BI
  • 服装企业商业智能BI整体解决方案
  • 商业智能BI数据分析平台整体解决方案
  • 商业智能BI数据分 析平台解决方案 数据分析平台 解决方案 成都四方伟业软件股份有限公司 目录 背景概述 错误!未定义书签 现状分析 错误!未定义书签 主流BI模式 错误!未定义书签 传统BI模式 错误!未定义书签 敏捷BI...
  • 企业级商业智能BI解决方案 .docx
  • 数据仓库数据挖掘与商业智能BI;数据仓库DW和数据挖掘DM讲座内容简介 数据仓库和数据挖掘技术是近十年来世界上广泛应用的信息技术之一其主要作用是帮助企业有效地使用企业积累的大量数据辅助管理层和决策层提高管理和...
  • 如何从企业中的大数据中挖掘更多的商业价值,通过BI整合分析数据,将数据转化为有价值的信息,为企业管理和决策提供支持,成为企业迎接变革和商业创新的决胜因素之一。帆软基于从业十余年来积累了大量一线的BI项目...
  • 数据分析平台 解决方案 成都四方伟业软件股份有限公司 2017年1月 目录 TOC \o "1-5" \h \z \o "Current Document" \h 背景概述 5 \o "Current Document" \h 现状分析 5 主流 BI 模式 5 传统BI模式 6 敏捷BI模式 6 ...
  • "支持大多数源系统,只对数据进行抽取和呈现,不对数据进行任何操作。支持结构化、非结构化、API 接口的方式作为数据源进行数据管理,结构化数据库支持关系型数据库,非结构化数据支持 nosql 相关数据库,API 接口...
  • 智慧方案
  • 阿里云研究中心 白皮书 系列智能时代的传媒变革与发展;智能时代的传媒变革与发展 —— AI时代传媒行业数字化转型白皮书
  • 商业智能 BI 要解决的问题 商业智能 BI ( Business Intelligence) 简单来说就是一套由数据仓库、查询报表、数据分析等组成的数据类技术解决方案,将企业中不同业务系统( ERP、CRM、OA、BPM 等,包括自己开发的业务...

    商业智能 BI 要解决的问题

    商业智能 BI ( Business Intelligence) 简单来说就是一套由数据仓库、查询报表、数据分析等组成的数据类技术解决方案,将企业中不同业务系统( ERP、CRM、OA、BPM 等,包括自己开发的业务系统软件)中的数据进行有效的整合,并利用合适的查询和分析工具快速并且准确的为企业提供报表展现与分析,为企业提供决策支持。

    商业智能概述

    商业智能 BI 的核心主线是什么? 主线就是通过构建数据仓库平台,有效的整合数据并组织起来为分析决策提供支持并实现其价值。还有一种解释就是:将数据转变为信息,信息支撑决策,决策产生价值。

    对于商业智能 BI 大家在质疑什么?

    接触过很多的客户,对于商业智能 BI 他们有这样的一种普遍看法:商业智能 BI 是如何产生价值的,价值在哪里,我并没有看到? 为什么在我的企业中我们 IT 部门或者业务部门完全沦为了做做报表,能体现的价值只是节省了我们做报表的工作量,仅此而已。

    派可数据可视化分析报表

    这种质疑带有很大的普遍性,就如同之前有参加各种企业沙龙活动,有现场听众直接问到:你不用讲那么多,你直接告诉我这个东西有什么用,能解决我们什么问题,能不能帮我们企业赚钱....。有来自业务线的、技术线的、管理层的不同的听众,每一层他们关注的点实际上都各不相同。包括每个人、每家企业对数据的认知程度也决定了他们对商业智能 BI 的理解和认可程度。但这样的问题也不是不能解决,比如我们就不聊技术,我们就聊聊一些业务场景,最后发现效果就会好很多。

    在这里我们尝试用一种可能大家都能够理解的、非技术与专业的方式让大家理解一下商业智能 BI 的价值到底如何体现的。我们在此探讨一下在我们眼中商业智能 BI 的三个分析层次,或许我们对商业智能 BI 的认知可能有所改观。 为了便于理解,文章中不提及任何专业的名词与解释。

    商业智能 BI 的三个分析层次

    第一个层次是报表的常规呈现。所谓常规呈现指的是使用柱状图、饼状图、折线图、二维表格等图形可视化的方式将企业日常的业务数据(财务、供应链、人力、运营等)全面呈现出来,再通过各种维度(看数据的角度)筛选、关联、跳转、钻透等方式查看各类分析指标,业务分析图表按照主题划分,图表之间存在一定的逻辑关系。

    派可数据 BI 可视化图表之间的钻取、联动等效果

     

    这些分析展现内容基本上是围绕各个业务部门日常工作展开,这里面有很多的业务分析内容可能需要复杂的计算规则,需要从不同的系统取数据,从业务系统软件中这些都是很难直观看到的。这个层次的报表分析就是一种呈现,让报表用户对日常的业务有一个清晰、直接、准确的认知,其次解放了他们自己手工通过 EXCEL 通过各种函数做汇总分析、制图的工作。

    比如,财务部门会关心今年的营业收入、目标完成率、营业毛利润率、净资产收益率等;销售部门会关心销售金额、订单数量、销售毛利、回款率等;采购部门会关心采购入库金额、退货情况、应付账款等等。

     

    派可数据汽车4S集团财务分析部分案例

    因此,达到第一个层次的目标就是:通过可视化分析报表直观、全面的呈现企业日常经营、业务的情况。可以从集团层次出发,也可以从业务线或者部门出发。

     

    实际上,很多企业在落地商业智能 BI 的过程中也就停留在这个阶段,或者还没有完全达到这个程度,比如上面所提到的 “全面的呈现企业日常经营、业务的情况”,有的企业可能只是做到了“部分呈现”。因此,商业智能 BI 的价值在这个阶段就显得非常有限,数据的作用仅仅是从另外的一个"可视化"的角度对业务做出了另一种形式的解读,用户仅仅是被动的接收来自可视化报表上传递的信息。

    第二个层次是数据的"异常"分析。我们通常所认为的 "异常" 就是指不好的东西,那么在这里我们对 “异常”的解释是:通过可视化报表呈现,我们发现了一些数据指标反映出来的情况超出了我们的日常经验判断。例如,正常情况下每个月的平均用户注册量是10万左右。但是通过报表我们发现在今年的 8 月份,会员注册量达到了 23 万,这就是一种 "异常",远远超过我们的经验判断和预期。再比如在今年的 1-9 月份,产品销售毛利率稳定在 30%-40% 之间,突然到了10月份,整体的毛利率下降到了 20% 不到,这也是一种 "异常"。这两种异常数据,一种是我们所追求的的正向"异常",一种是我们极力避免的负向“异常”。

    商业智能 BI 是先通过第一层的报表呈现,将很多业务运营情况直观的反映出来,让用户可以直观的看到在我们经验之外的数据表现情况。商业智能 BI 在这里体现的价值就是要对这些 "异常" 数据进行有目的的分析,通过相关联的维度、指标使用钻透、关联等分析方式探索出可能存在的原因。

    派可数据可视化分析案例

    比如会员注册的问题,有哪些因素可能导致会员注册的大幅度增加的可能?是不是最近采取了一系列的线上降价促销、开放式的注册、相关营销活动等,这些支撑分析的数据是否都存在,如果都存在,它们的报表呈现情况如何,促销投入的力度和用户增长的关系等等。

     

    在这个层次中,可视化报表的分析是带着问题找问题的,通过一次或者多次的维度和指标图表构建,逐步形成了一种比较可靠的、固化的分析模型。这个阶段的用户不再是被动接受来自图表中反映的信息,而是通过"异常"数据来定位到背后的一个业务问题,数据和业务在这个层次开始有了联系,数据图表之间的逻辑性更强。

     

    例如,通过分析发现在三种线上促销方式中,促销方式一的投入产出最高,因此回归到业务场景中,这种促销方式以后应该要坚持,它可以有效的提升用户注册增长率。

     

    第三个层次是业务建模分析。业务建模分析通常是由精通业务的用户提出,通过合理的建模找出业务中可能存在的问题,将其反映出来并最后要回归到业务,形成决策并不断优化的一个过程。业务建模可简单,可由一个或多个图表组成,也可复杂,通过一组或多组数据图表支撑。业务建模简单来说也可以理解为一种业务分析的逻辑思维模型,只是用数据、图表化的方式将它们有效组织起来去验证我们对业务分析的逻辑判断。

    业务建模分析区别于第一层的全面数据呈现和第二层的异常分析和被动分析,它是一种更深层次的业务数据的主动设计和探索分析。这层分析的提出更加深入业务,围绕一个一个业务分析场景展开,对业务的认知要足够深。

    例如下面是一个有关 4S 店首保回店率的分析,通过一个很简单的建模(维度:年份,分析指标:新车销售数量、首保回店数、首保回店率)分析每年首保用户的留存情况。

    首保回店率的分析

    通过分析发现,2015、2017、2018 年首保回店率在 90% 左右,2016 年的首保回店率只有 55%。从汽车 4S 店的实际业务出发,汽车销售实际上是不赚钱的,真正赚钱的在售后服务上,例如:保险、保养、维修等等。而首保回店率在很大程度上决定了购买新车的用户在提完车之后会不会经常回店的可能。因为新车用户在提车之后在第一次的保养都不选择原店,就意味着这个客户在后续的保养可能也不再回来,一年、两年、三年,这位用户可能就会永远的流失掉,也就意味着以后的保养、延保、事故车维修可能也不会回来。

     

    首保回店率的分析

    比如一个用户做精品车保养,一年 1.5 次,一次平均贡献 3000 元,1.5 次就是 4500元的收入。再加上每年的保险例如 6000 元,可能潜在的维修在1500 元左右,一年可能产生 1.2 万的收入贡献。如果像2016 年的回店率只有 55%,流失的客户数是 174。如果能够提升到 90%的水平,就意味着可能的销售收入贡献能够达到 351 * 1.2 万 = 421 万,比现在要多出 160 万的收入。如果把新车基数扩大 10 倍呢,一年要多出 1600 万的各类收入,所以提升首保回店率就变得非常的重要。

     

    同时,也要对首保回店率低的原因做出分析:是因为车卖给了外地,还是因为新车用户对4S 店的维修保养环境、服务质量不信任,我们应该从哪些方面进行改善。所以实际上,业务分析模型的提出围绕的是一个一个非常具体的业务场景,回答的是一个又一个业务的问题,而这些问题的发现与企业的业务经营水平、管理水平可能有很大的关系。

     

    譬如其中的一个改善环节就是在新车用户提完车之后,带领新车用户参观维修保养区域,了解其规范性,透明的展示保养的整个过程和专业性,不会出现维修师傅在保养过程中偷油、少换零件、以次充好以建立信任;或者通过一些促销小手段极大可能的留下新车用户;或者通过系统在不同的时间点关怀用户,提前提醒新车用户回店保养等等。

     

    当然,实际上各家 4S 店的首保回店率正常情况下都能保证在 95% 以上或者更高的水平,这里只是通过一个例子来说明数据和业务是如何产生关联性的。

     

    所以,为了达到这样的目标实际上需要去从业务上解决问题,找出业务环节中的不足来提升业务指标。

     

    类似于这样的业务分析模型还有很多,但这样的分析场景很难由专业的 BI 开发人员提出来。业务分析建模需要由专业的业务人员且具备数据分析思维意识的人员来推进和主导,再辅助合适的数据分析、挖掘或统计工具,这样商业智能 BI 的价值才能得到充分的发挥,数据的价值也才会得到充分的体现。

     

    对商业智能 BI 的总结

    所以我最终想表达的一个观点是:我们不应该质疑商业智能 BI 本身,我们质疑的应该是在这个过程中,我们的个人、企业对于商业智能 BI 的认知和推进到了哪一个层次,推进到哪个层次,商业智能 BI 的价值就会体现在哪个层次。如何有效和成功的推进商业智能 BI 的建设与落地,这才是我们 BI 服务提供商和客户一起共同要面对的问题。 

    最后看看我们对商业智能 BI 的认知是不是这样理解才更加合理:商业智能 BI 的表象是可视化分析报表的呈现,但它的本质还是业务问题、管理问题。商业智能 BI 数据分析来源于业务,通过数据呈现发现业务问题(好的或不好的,经验之内或之外的 )再次回到业务优化业务提升业务运营的一个过程,这就是在商业智能 BI 中数据到信息、信息产生决策、决策产生价值的真正内涵。

     

    【免责声明:原文出处品略图书馆:http://www.pinlue.com/article/2019/05/0709/038877469043.html;版权归原作者所有】

    展开全文
  • 2021BI商业智能白皮书
  • 什么商业智能BI? 1.商业智能BI的定义 BI是Business Intelligence的英文缩写,在中文中被解释为商业智能。它是用于帮助公司更好地使用数据以提高决策质量的技术的集合。这是从大量数据中钻取信息和知识的过程。...

    商业智能(简称BI)像雨后的蘑菇一样蓬勃发展。商业智能始于决策支持系统,随着早期计算机的普及,已经有了长足的发展。后来,IBM提出了“数据仓库”的概念。同时,硬件的扩展,软件的更新以及数据库在企业中的广泛应用使商业智能真正兴起。

    什么商业智能BI?

    1.商业智能BI的定义

    BI是Business Intelligence的英文缩写,在中文中被解释为商业智能。它是用于帮助公司更好地使用数据以提高决策质量的技术的集合。这是从大量数据中钻取信息和知识的过程。简而言之,这是业务,数据和数据价值的应用过程。

    换句话说,BI是一个完整的解决方案,可以从企业的不同业务系统(例如ERP,CRM,OA,BPM等,包括由其自行开发的业务系统软件)中提取有用的数据,执行集成清洗,同时确保数据准确性,执行数据分析和处理,并使用适当的查询和分析工具快速、准确地为企业提供报告呈现和分析,并为企业提供决策支持。

    简要概述此过程的三个主要部分:数据源收集,数据仓库数据准备,可视报告显示和数据分析。

    2.商业智能BI的本质

    对于企业而言,商业智能BI无法直接生成决策,而是使用BI处理的数据来支持决策。核心是通过构建数据仓库平台来有效地集成数据和组织数据,以支持分析决策并实现其价值。

    BI最终提供给用户的信息是可视报告或视图。需要说明的是,报告是结果,只能达到查询的效果。该查询只能告诉我们结果是什么以及是否存在问题。并且基于可视化图表的数据分析可以告诉我们问题的根源是什么,只要发现问题那么也就找到原因了,那么企业业务人员或管理人员如何让做出决策就变得简单易行。

    3.商业智能BI的开发周期

    商业智能BI是一个完整的解决方案,需要专业的项目实施和部署。由于这是一个项目,因此存在开发生命周期。一个完整的商业智能BI项目需要经历以下阶段:

    这里应该注意的是,在实际的项目实施过程中,上述每个阶段都可能有很多不确定因素,例如业务架构的自下而上调整,分析需求的更改以及业务数据计算逻辑的更改。因此,如果需要成功实施商业智能BI项目,则必须权衡客户的实际资源能力,项目支持,客户对商业智能BI的期望,项目后期的风险,实际客户的投入和长期的考虑,长期计划等。

    展开全文
  • PPT内容很丰富,共105页,内容包含: 1、数据仓库概要; 2、数据仓库的工作原理; 3、联系分析处理OLAP; 4、数据挖掘概念、原由、发展; 5、数据挖掘的技术分类;...6、数据挖掘在电信行业的应用;...
  • 商业智能BI
  • 商业智能(Business Intelligence,简称:BI),又称商业智慧或商务智能,指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。商业...

    商业智能(Business Intelligence,简称:BI),又称商业智慧或商务智能,指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。

    商业智能的概念在1996年最早由加特纳集团(Gartner Group)提出,加特纳集团将商业智能定义为:商业智能描述了一系列的概念和方法,通过应用基于事实的支持系统来辅助商业决策的制定。商业智能技术提供使企业迅速分析数据的技术和方法,包括收集、管理和分析数据,将这些数据转化为有用的信息,然后分发到企业各处。

    一、选择竞品

    1.1 市场背景

    在2020 年分析与商业智能魔力象限中,Microsoft、Tableau、Qlik 和 ThoughtSpot 共同进入了领导者象限,Microsoft 和 Tableau 已经深入领导者象限的腹地,其中 Microsoft 更是遥遥领先。

    比较新的Alibaba Cloud 阿里云首次进入 ABI 魔力象限,阿里云也是目前唯一进入到 ABI 领域的中国厂商。


    1.2  确定竞品

    我从三个不同的类别中选了一款BI产品进行竞品对比:Quick BI、FineBI、Microsoft Power BI。


    二、产品定位


    2.1  什么是Quick BI

    阿里云旗下产品,是一个基于云计算致力于大数据高效分析与展现的轻量级自助BI工具服务平台。


    2.2  什么是FineBI

    每个人都能利用FineBI来分析数据、改善业务。


    2.3  什么是Microsoft Power BI

    使用易于使用的自助服务和企业业务智能(BI)统一,可扩展平台,连接并可视化任何数据,可帮助您获得更深入的数据见解。


    三、架构组成


    3.1 Quick BI


    3.2  FineBI


    3.3   Microsoft Power BI

    PowerBI在C/S端开发,开发完成后发布至服务器,可在B/S端查看,对于用户来说,灵活性相对较差。

    四、核心流程


    4.1  Quick BI


    4.2 FineBI


    4.3 Microsoft Power BI


    五、基本对象


    5.1  数据源

    5.1.1  Quick BI

    如果公司用的是阿里云的云服务器,数据源管理会占优势,可对阿里云数据库添加白名单后本地传输数据实现无缝对接。

    5.1.2  FineBI

    5.1.3  Microsoft Power BI

    数据源“获取数据”对话框按以下类别组织数据类型:文件、数据库、Power Platform、Azure、Online Services、其他;


    5.2  数据集

    5.2.1 Quick BI

    Quick BI的数据源与数据集由稍微懂点技术的人员稍作上手会比较快,相对FineBI没那么具象;如果通过帮助学习一下使用视频;产品、运营、数据分析师等同学还是可以自己搞定的。

    5.2.2  FineBI

    数据集是拖拽式的关联,无需掌握专业技术就能实现。

    5.2.3 Microsoft Power BI

    关联数据集操作不是特别敏捷。


    5.3 数据建模

    5.3.1  Quick BI

    新增维度

    新增度量

    Quick BI数据建模均支持新建、编辑维度与度量,还能添加函数计算指标。

    5.3.2  FineBI

    新增计算指标

    预览图形

    5.3.3 Microsoft Power BI

    Power BI比较适合数据分析师、数据产品这样的角色使用,若一点都没接触过的业务同事可能需要花一些时间进行学习。


    5.4  数据分析

    5.4.1  Quick BI

    为便于多维数据分析,Quick BI 提供了钻取、联动、跳转功能。新建维度、度量等操作还算方便,但是函数的预览需在新建仪表板之后才可预览觉得稍微差点。

    5.4.2  FineBI

    FineBI的ETL主要通过JEP(Java Expression Parser)实现,也可以通过SQL语句实现,但两者不能一起使用。多表处理仅支持左右合并,整体用起来逻辑会有点混乱。横轴纵轴是放置对应的维度和数值,文本放置的位置是另设的也比较分散。函数用起来也不太方便,但是它的组件协助进行分析还是比较好的。

    5.4.3  Microsoft Power BI

    PowerBI通常由IT或者数据团队进行报表开发, 只读用户可通过web端访问发布后的可视化界面,但修改和编辑需要desktop版本才能进行,不太灵活。如果要推广至业务人员随时可开展数据分析工作,desktop版本的推广成本较高。另外,PowerBI处理数据需要学习DAX函数,功能强大,但学习成本较高。


    5.5  数据可视化

    5.5.1  Quick BI

    比较方便的地方是提供了数据门户、电子表格等功能,但是像智能小Q、监控警告等功能是专业版才能使用。

    5.5.2  FineBI

    5.5.3  Microsoft Power BI


    5.6 数据权限

    5.6.1  Quick BI

    1、企业级数据权限管控;

    2、数据权限细粒度到明细行级权限控制;

    3、报表查看使用上有水印、导出的权限控制;

    6.6.2  FineBI

    1、活的数据权限分配双向设置:

    ①可以给不同的受体分配对应的权限项目。

    ②也可以将不同的权限项分配给对应的角色或者职位。

    ③同时支持权限复用,快速配置相同权限。

    ④支持集团级权限配置,实现分级授权机制。

    6.6.3  Microsoft Power BI

    PowerBI目前仅支持行级权限,不支持列权限,无法满足同一数据表满足多种权限配置的使用。限制了企业级的使用,例如,同一逻辑,但不同权限需要多张数据表的处理才能支持实现,逻辑重复处理且出现冗余的数据表。


    六、部署

    6.1  Quick BI

    1. 云上使用&私有化部署;

    2.云上使用,对接公网可访问数据库(云数据库等);

    3. 支持私有化部署,安装在自己服务器上,对接企业内网数据库。

    6.2  FineBI

    1、支持SaaS和本地化部署,提供售后服务。

    6.3  Microsoft Power BI

    1、企业BI,大数据分析,云和本地报告;

    2、先进的管理和部署控制;

    3、专用的云计算和存储资源。


    七、价格

    7.1 Quick BI

    我在这只写了最低的价格,Quick BI还提供不同用户数量,不同的价格。


    7.2 Fine BI

     暂无价格

    7.3 Power BI

    1、PowerBI服务按每年算下来:Power BI Pro(组织)价格是852元/年;Power BI Premium(组织)价格是424848元/年。

    2、Power BI Desktop与Power BI 服务最大的区别就是协作,使用“Power BI Desktop”创建报表,然后使用“Power BI 服务”将报表分发给其他人 。

    八、优势与缺点

    总结,国外的商业智能BI产品会出现无法支持本地化需求,例如不支持钉钉、企业微信的集成、以及国内代理商无法根据客户需求进行需求管理和版本迭代更新。国内的几款产品基本上都支持钉钉、企业微信的集成(Quick BI只支持钉钉集成)和API接口嵌入支持;而且国内几款产品都支持本地化部署,提供售后服务。

    九、结论

    1、我自己感觉BI工具各家都差不多,主要还是数据质量和分析思路、方法路;

    2、如果有点技术基础,或有专门的技术人员进行数据源、数据集管理可以使用Quick BI和国外的BI(Qlik);

    3、如果是个人,这个三款的费用都不高;如果是企业预算多可以考虑国外的几款BI(tabeau和Qlik),预算少可以考虑国内Quick BI和FineBI;


    作者:liujinying123 来源:简书

    互联互通社区


    互联互通社区专注于IT互联网交流与学习,关注公众号:互联互通社区,每日获取最新报告并附带专题内容辅助学习。方案打造与宣讲、架构设计与执行、技术攻坚与培训、数据中台等技术咨询与服务合作请+微信:hulianhutongshequ

    展开全文
  • 商业智能BI流程管理与商务智能解决方案
  • 商业智能BI整体解决方案
  • "支持大多数源系统,只对数据进行抽取和呈现,不对数据进行任何操作。支持结构化、非结构化、API 接口的方式作为数据源进行数据管理,结构化数据库支持关系型数据库,非结构化数据支持 nosql 相关数据库,API 接口...
  • 在业务上,基于大数据商业智能能力,建立分布式数据处理平台,对业务、人力、项目、财务等数据进行整合加工,提供清晰数据报表,统计分析及深度挖掘的能力;针对业务数据的高并发、低延时的标准,提供实时处理分析...

    1 BI分析平台选型遵循原则

    业务遵循原则

    在业务上,基于大数据商业智能能力,建立分布式数据处理平台,对业务、人力、项目、财务等数据进行整合加工,提供清晰数据报表,统计分析及深度挖掘的能力;针对业务数据的高并发、低延时的标准,提供实时处理分析能力;形成公司层面的分析报告。

    在输出形式上,基于数据可视化技术,对大数据BI平台及合作方的各项数据指标进行分析监控,将这些数据进行图形化、报表化的展现,提供面向经营决策者和合作伙伴的直观、有效和快速的资源能力、服务能力和运营情况的展现能力,体现大数据平台的价值。

    技术遵循原则

    在技术上,实现可不断扩充的海量数据处理能力,不断扩充而带来的日益增长的计算需求,提供分布式可扩充的海量数据处理能力。

    性能上可以应对未来几年的数据增长规模,同时平台应该从架构上支持性能的准线性扩容。

    大数据BI平台的数据管理,数据安全、任务和资源调度等功能,确保平台搭建成功后,可以快速支撑业务的开展。

    同时考虑到为了更好支撑业务开展,BI平台采集的数据源可在将来更加丰富。平台需要考虑到新数据源的类型,并具备采集和处理新的结构化、非结构化数据的能力,架构上要能支持快速引入实时流数据处理和分发能力。

    BI平台应能适应不同技术架构的业务系统,能同时支持.NET和J2EE架构,并可提供丰富的二次开发和系统集成接口,可快速地实现与现有系统的集成。

    通过对需求的深入研究和分析,总结出以下重点:

    敏捷化/探索式需求:分析需求会随业务不断变化,随时可能有突发性需求产生,系统应能实现敏捷化的数据分析,在需求提出或修改时,无需复杂建模,能够通过简单的拖拽操作在当天内完成对需求的响应。同时对于用户在不确定分析维度的情况下,能够支持灵活的探索式分析,让用户快速切换不同的维度和度量的计算公式。

    高性能/实时性需求:系统中的报表需具有随机和定期生成的能力,要求数据准备时效方案分别是在T+1小时和T+1天。此时效应为最低要求。同时随着系统不断的横向纵向扩展,将承载海量的数据规模,系统应能在至少5年内满足报表运行的性能要求。

    自服务分析需求:客户可根据自己的需要通过可视化的方式灵活修改报表布局,无需技术背景,通过简单的拖拽操作,即可自服务的完成数据分析、报表制作、数据获取等任务,加强数据的协作效率,释放数据的价值。

    设计遵循原则

    安全性:提供多种安全手段保证各种数据不被非法盗用和修改、伪造,保证数据不因意外情况丢失和损坏。

    准确性:保证系统数据准确性、一致性,提供多种核查手段。

    可靠性:有完善的故障、备份管理机制,保证系统可靠连续运行。

    可扩展性:系统硬件平台、数据库以及系统软件应具有良好的可扩展性能,能在保证现有业务正常运营条件下对系统进行平稳扩容和调整,优化和提升系统的运营能力和性能。

    可移植性:系统还应具有较强的可移植性、可重用性,保证在将来发展中迅速采用最新出现的技术、长期保持系统的先进。

    可用性:能实时完成大容量数据处理;能承受较大规模用户的并发访问与会话连接。

    易用性:应具有良好的人机操作界面、详细的帮助和提示信息,可以通过操作界面完成系统参数的维护与管理。

    可管理性:应具有良好的管理手段,方便对网元设备、操作系统、数据库、文件管理系统及应用程序等进行有效地监控、管理与维护。

    2 国内厂家产品情况简介

    本次主要介绍国内在BI分析平台排名前三的厂家及其产品的优缺点。具体有

    帆软软件有限公司(简称“FineBI”)

    北京永洪商智科技有限公司(简称“YonghongBI”)

    广州思迈特软件有限公司(简称“SmartBI”)

    产品架构

    FineBI总体架构

    属于敏捷BI,数据建模简单,数据进行实时分析,在大数据量的情况下,产品有优势,用户体验较好。

    秒级计算;可单机部署,亦可基于PC服务器进行分布式扩展,利用列存储和内存计算,实现从千万到百亿级数据分析的秒级响应,支撑更多的分析维度和更大的数据范围。

    YonghongBI总体架构

    属于传统BI,需事先建模再进行分析,难以应对灵活的多维度分析变化需求,且针对大数据量的处理能力不能满足要求。

    SmartBI总体架构

    产品操作灵活多变;数据建模却相对比较复杂。

    可视化支持

    FineBI界面

     

    YonghongBI界面

     

    SmartBI界面

    综上,可看出FineBI在UI设计上占有优势,最终影响用户使用体验。

     

    关键特性对比

    页面加载速度

    SmartBI在数据量大、数据列多时,加载慢;

    FineBI和YonghongBI加载较快,用户体验较好。

    自由布局

    YonghongBI支持自由布局,但是单个组件无边框显示;

    FineBI支持自由布局,拥有门户组件,可设计不同的展现方式,可在页面集成;

    SmartBI不支持自由布局,有固定布局供选择。

    主题分析

    FineBI支持单个图表主题风格,不支持整体主题风格;

    YonghongBI内含12种页面主题,即插即用,题材比较丰富;

    SmartBI支持业务主题以及发布主题的定制。

    报表复杂度

    根据实际适用体验,三者之间关系FineBI<YongHong<SmartBI,帆软报表复杂度最低,易于操作。

     

    功能分析

    交互能力

    页面跳转、参数传递功能,YonghongBI不支持;

    FineBI、SmartBI支持。

    报表支持

    SmartBI支持普通表,不支持二维表、复杂报表;

    FineBI、YonghongBI都支持。

    函数支持

    YonghongBI、SmartBI支持少数几种常用的统计函数(最大值、最小值、求和、平均),复杂的函数需要模型层配置;

    FineBI支持统计函数(最大、最小、求和、平均、排序(升序、降序)、同比、环比、动态计算等)型;对于复杂函数无需模型层配置。

    深度分析

    数据分析、数据挖掘功能:

    SmartBI不支持;

    YonghongBI、FineBI都支持。

     

    性能分析

    FineBI性能

    采用Spider高性能计算引擎,以轻量级的架构实现海量数据分析;可轻松实现亿级以内的数据秒级呈现;Spider引擎支持实时数据与抽取数据两种模式,可随意无缝切换。

    YonghongBI性能

    百万级性能好,千万级或更多性能差,需要预处理;支撑多维度分析。

    SmartBI性能

    性能依赖于其它数据源的性能,支持ROLAP和MOLAP,只作为前端工具进行分析和展现。千万级别以上的数据需要进行复杂的分布式处理。

     

    3 评测结论

    经过三家的产品适用后的严格对比,在遵循产品选型原则的条件下,通过UI美观性、易用性、操作难度、功能性、性能性综合考量上,FineBI整体表现最好,也最符合我司的产品选型要求。

    故建议采购帆软软件有限公司的产品。

    展开全文
  • 商业智能BI
  • 商业智能BI分析体系解决方案
  • 服装企业商业智能BI整体解决方案
  • Hadoop是个很流行的分布式计算解决方案,是Apache的一个开源项目名称,核心部分包括HDFS及MapReduce。其中,HDFS是分布式文件系统,MapReduce是分布式计算引擎。时至今日,Hadoop在技术上已经得到验证、认可甚至到了...
  • DB2专家王云谈商业智能BI
  • 商业智能BI软件介绍

    2014-06-06 10:21:24
    国内优秀的BI软件,BQ是用友公司开发的一款基于商业智能分析的BI软件

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 22,897
精华内容 9,158
关键字:

商业智能bi