self service bi что это
Self-Service BI
Содержание
Что такое Self-Service BI?
У традиционных мощных BI платформ есть большой недостаток, о котором прекрасно знают сами вендоры и консультанты: после внедрения таких платформ число запросов пользователей к системам бизнес-анализа остается гораздо более скромным, чем могло бы быть. Компании получают мощные инструменты анализа данных, но зачастую не умеют ими пользоваться и не понимают их практической пользы.
Выше сказанное при этом вовсе не означает, что фирмы могут отдать комплексные, критические для миссии компании корпоративные BI-приложения в руки не профессионалов. Однако в действительности не более 20% всех BI-систем можно отнести в эту «стратегическую» категорию. По мнению Forrester, идеальная экосистема BI в компании должна быть организована таким образом, чтобы 80% BI запросов конечные пользователи могли отрабатывать самостоятельно.
По мнению Forrester, основными составляющими self-service BI-системы являются:
Основные игроки
Лидеры среди BI-платформ в сегменте Self-Service BI
Forrester Research, 2012
По оценкам Forrester Research на 2012 год, лидерами среди мировых вендоров BI-платформ в сегменте BI-самообслуживания являлись IBM, SAP, SAS, Microsoft. Достаточно сильными игроками на этом рынке также явлюятся Tibco, Oracle, Qlik (QlikTech), MicroStrategy, Actuate Software, Information Builders, Panorama Software, Tableau.
Cелф-сервис BI убивает кровавый энтерпрайз
Привет, меня зовут Владимир Шилов, я руководитель направления в департаменте анализа данных «Ростелекома». В мае 2019 года я пришёл в команду Business Intelligence (BI) и одной из первых задач была реализация отчётности по анализу посещаемости отчетов во всех BI-инструментах, установленных в компании.
Решение этой задачи позволило собрать любопытную статистику и сделать выводы о востребованности BI-инструментов в «Ростелекоме». В этой статье я хочу поделиться следующими результатами нашего анализа:
Какие BI системы наиболее востребованы в реалиях крупной компании;
Какие критерии влияют на внутреннюю популярность решения;
Какие современные тенденции пользовательского поведения можно наблюдать внутри компании и какие вопросы будут стоять перед ИТ-подразделениями в ближайшее время.
С чего всё началось: реализация решения по анализу используемости BI систем
Начну с общего описания ситуации и подходов к сбору информации. У нас в компании целевыми BI-системами являются:
Кроме перечисленных инструментов, у нас на разных уровнях также используются более узкоспециализированные и «экзотические» решения. Но для целей нашей статьи мы опустим эти нюансы, и далее речь пойдет именно о целевых BI-системах (за исключением Форсайта), так как именно они используются в масштабах всей компании, и на наш взгляд их обзор будет более интересен читателям.
Для сбора информации об использовании инструментов было разработано специализированное решение, подход к реализации которого можно представить в виде последовательности шагов:
Провести анализ логов BI-систем по запуску отчётов;
Спроектировать модель витрины данных;
Реализовать отчет в Power BI;
Решение получилось примерно следующим:
Числа в зелёных стикерах обозначают общее количество инсталляций, в синих – количество self-service инсталляций.
Очевидно, что любая разработка в крупной компании с некоторой бюрократией превращается в нечто большее, чем просто «Возьми и сделай! Ты же мужик!» и выполнение простого алгоритма из четырёх шагов. Я довольно сильно погряз в разработку архитектурного решения и согласования его с архитекторами, а также предоставления доступов к логам и ETL. В этой статье описывать свои трудности я детально не буду и сконцентрируюсь на конечном результате.
Для начала предлагаю рассмотреть каждый BI-инструмент в отдельности.
Oracle BI
На Oracle BI реализовано подавляющее большинство отчётности в виду того, что Oracle BI является самым старым инструментом и у него почти не было альтернативы очень долгое время. Ниже представлены графики динамик по следующим показателям:
Количество используемых уникальных отчётов за период;
Количество уникальных пользователей.
На основе второго графика динамики уникальных пользователей можно сделать вывод, что аудитория BI-системы стабилизировалась и сильного роста в 2020 году не наблюдается. Этому есть ряд причин:
Доступ к отчётности требует согласования, а прозрачность процесса предоставления доступа очень низкая;
Новые предметные области появляются очень редко;
Нет возможности создавать дашборды с аналитикой.
Analysis services
Microsoft Analysis services в компании – это тоже достаточно распространённый инструмент, что во многом обусловлено удобной для пользователей работой в Excel. Именно этот инструмент получил наибольшее распространение в компании: он даже более популярен в МРФ (макрорегиональных филиалах), чем в корпоративном центре. Это можно увидеть на следующей диаграмме по уникальным пользователям в разрезе территорий за последние 12 месяцев:
Ниже представлены графики динамик по следующим показателям:
Количество используемых уникальных OLAP-кубов за период;
Количество уникальных пользователей.
Рост количества используемых OLAP-кубов за последний год не наблюдается, а рост аудитории в BI-системе нестабильный со значительными всплесками. У такой статистики несколько причин:
OLAP-кубы в основном дорабатываются, а новые кубы появляются очень редко;
BI-система больше предназначена для аналитиков, умеющих работать с данными, и она сложно продается широкой аудитории;
Доступ к отчётности требует согласования с владельцем OLAP-куба.
Power BI
BI-система Power BI от Microsoft появилась самой последней в стеке инструментов компании, но именно к этой системе сейчас приковано самое большое внимание со стороны бизнеса по следующим причинам:
Базовый набор визуализаций имеет хороший дизайн;
Лицензирование осуществляется по ядрам на сервере, отсутствует лицензирование по пользователям;
Скорость разработки отчётов довольно высокая, но стоит отметить, что на полный цикл разработки это не сильно влияет.
Ниже представлены динамики показателей аудитории и количество отчётов, которые она использует:
Стоит отметить, что при относительно низком росте количества используемой отчётности аудитория продолжает расти. Это связанно в большей степени с тем, что доступ к отчётам предоставляется без выделения лицензий на каждого пользователя и изначально нет никаких ограничений по доступу, то есть оформлять заявку не нужно. Уже сейчас наблюдается тенденция перевода отчетов с Qlik sense на Power BI именно потому, что новые пользователи подключаются бесплатно.
Qlik sense
Qlik sense была первой корпоративной BI-системой с возможностью реализации полноценных дашбордов. Именно с Qlik sense связан переход от предоставления табличных данных к графическим визуализациям в компании.
Ниже представлены графики динамик по следующим показателям:
Количество используемых уникальных отчётов за период;
Количество уникальных пользователей.
Казалось бы, перед нами современный BI-инструмент с высоким спросом, в котором можно создавать красивые решения, но сильного роста отчётности по сравнению с Oracle BI и Analysis services мы не наблюдаем. Тут есть несколько причин, влияющие на аудиторию и количество новых отчётов:
Лицензия на одного пользователя стоит существенных денег, и поэтому бизнес отказывается заказывать отчетность в Qlik sense;
Длительный период реализации отчётов от подготовки данных до реализации не позволяет быстро перенести все бизнес-процессы на новый инструмент.
Теперь поговорим про инструменты Self-service.
Self-service инструменты
Qlik sense self-service
В ноябре 2019 для бизнеса мы развернули self-service и предложили бизнесу реализовывать свои отчеты на своих источниках самостоятельно. С точки зрения лицензирования было одно изменение – разработчики лицензируются отдельно. С лицензиями пользователей изменений не было по причине того, что сервера были объединены в один кластер и лицензии, соответственно, тоже.
Графики динамик количества запускаемых отчётов и уникальных пользователей в недельной динамике представлены ниже:
По графикам можно сделать вывод, что первоначальный рост аудитории и количества отчётов остановился в первом квартале 2020 года, а дальше наблюдается стагнация числа уникальных пользователей. Но стоит отметить, что с появлением новых отчётов в сентябре используемость отчётности вернулась на свой максимум, хотя роста аудитории не наблюдается. Основной причиной является высокая стоимость лицензий пользователей системы, что не позволяет делать отчёты для большой аудитории.
Power BI self-service
Вот мы и дошли к самому интересному. Power BI self-service появился примерно в то же самое время, что и Qlik Sense self-service, но у данных систем есть одно существенное отличие в лицензировании. Для подключения команды разработчиков от бизнеса в Power BI self-service надо разово заплатить за лицензию на 2 ядра, что примерно равняется 35 лицензиям пользователей в Qlik sense, но лимита на пользователей в Power BI нет.
То есть бизнес-подразделение разово платит за одну лицензию и получает существенные возможности по реализации отчётности для большой аудитории. Разумеется это позитивно повляло на показатели используемости данной системы, стоит отметить, что цена вхождения BI-разработчика в разработку базовых отчетов очень низкая.
Ниже представлены динамики показателей аудитории и количество отчётов, которые она использует:
Ещё более наглядно всё выглядит если показать все рассматриваемые системы вместе:
Какие критерии влияют на развитие отчетности?
В части развития отчетности в BI-системах стоит выделить следующие особенности, которые описаны в таблице:
Свойство\BI-система
Power BI
Power BI self-service
Qlik sense
Qlik sense self-service
Analysis services
Oracle BI
Бесплатно для бизнеса
Лицензия на 2 ядра на одну команду разработки. Для пользователей бесплатно.
Лицензия на каждого пользователя
Лицензия на каждого пользователя и разработчика
Введение. Self-Service BI. Обзор задач и рынка.
Ни для кого не секрет, что работа с данными является одной из важнейших задач в бизнес сфере. Не важно какое у вас направление бизнеса (общепит, строительство, магазины), хорошо структурированные данные помогут вам наиболее качественно отражать состояние компании и тем самым увеличить эффективность управления бизнесом.
Общий термин, которым можно охватить деятельность по переводу неструктурированной информации в полезные знания, пригодные для анализа — это BI (Business intelligence).
Внедрение классических инструментов BI является достаточно трудоемким и требует немалых капиталовложений и времени. В сам процесс получения каких-либо отчетов вовлекается несколько человек. Это специалисты, которые занимаются получением, хранением и защитой данных, предоставлением инструментов для работы с данными, а также специалисты, которые эти данные будут интерпретировать. Все эти сложные взаимодействия могут привести к задержке получения необходимого анализа.
В последнее время стали популярны такие инструменты, как Self-Service BI. Эти инструменты позволяют создавать отчеты людям, которые не имеют глубоких познаний в BI и анализе данных, поэтому любой пользователь (например, маркетолог) может быстро получить доступ к данным, создать отчет и на его основе делать выводы и строить стратегии развития.
Выделим некоторые положительные стороны использования Self-Service BI:
Отчеты создаются пользователями, которые знают, какие именно данные им нужны и как их использовать для описания картины их бизнеса, а не сторонними людьми, которые не знают всех нюансов. Из всего этого можно выделить негативную сторону — Self-Service BI накладывает ответственность на пользователей за качество результатов, так как основная работа по сбору и обработке информации лежит именно на них.
По мнению исследовательской компании Gartner, Self-Service BI платформы должны обладать определенными критериями. Перечислим некоторые из них:
По данным компании Gartner, рынок Self-Service BI инструментов выглядит следующим образом:
По оси X определяется “Полнота видения” ( Completeness of vision), которая включает:
По оси Y определяется “Эффективность платформы” (Ability to execute), которая включает:
Таким образом область разбивается на 4 квадрата:
Лидеры (Leaders) — это те, кто хорошо выполняют все свои функции и обещания, имеют отличное представление о развитии своего продукта и успешно этому следуют.
Претенденты (Challengers) — имеют хорошие возможности для успеха на рынке, однако они не обладают четким пониманием стратегии своего развития.
Стратеги (Visionaries) — хорошее понимание тенденций рынка, но не хватает каких-либо ресурсов для расширения функционала.
Нишевые игроки (Niche players) — обладают ограниченными возможностями, поэтому они ориентированы на определенный сегмент рынка.
Давайте кратко рассмотрим лидеров этого рейтинга.
Довольно старый игрок на рынке. Tableau предлагает три основных продукта: Tableau Desktop, Tableau Server, Tableau Prep и Tableau Online (облачное предложение). Хорошо отзывается на рыночные изменения, что отражается на постоянном улучшении продукта и смены ценовой политики (хотя цены не самые низкие на рынке, от 70$).
Большой набор визуализаций; понятный, но не интуитивный и немного скучный интерфейс; множество функций для работы с данными; различные варианты внедрения (персональный, мобильный, корпоративный).
Но среди всего этого пользователи отмечают некоторые проблемы с производительностью при работе со сложными моделями данных. Не является в лидерах по инновациям.
Это продукт, который позиционирует себя как лидер в инновационной нише. Qlik предлагает достаточно большой ряд продуктов, имеющие разный функционал, среди которых основными считаются Qlik Sense, QlikView, Qlik Analytics. Поддерживает несколько источников данных, сложные модели и сложные вычисления. Большой список различных визуализаций.
Есть бесплатная лицензия для персонального использования, но она не дает возможности открывать документы, созданные другими пользователями. Платные варианты не сказать, что бюджетные.
Хоть и работа в Qlik достаточно понятна, но по интуитивности она уступает другим лидерам.
Microsoft Power BI
Новичок на этом рынке. Но несмотря на это, из 3 лет существования, 2 года подряд он занимает строчку среди лидеров рейтинга Gartner. Инструмент предлагает достаточно большой функционал по работе с данными в рамках всего одного продукта Power BI Desktop и вам не придется устанавливать (покупать) множество программ для реализации своей цели. Но кроме Power BI Desktop, с 2017 компания предлагает Power BI Service для обмена отчетами с другими пользователями.
В Power BI есть возможность доступа к отчетам с мобильного устройства, и немаловажно, что он совместим с другими продуктами от Microsoft.
Продукт обладает большим списком возможных источников для получения данных, который постоянно расширяется. Вы можете подключаться к различного рода приложениям (веб-службам) и делать отчеты, на основе только одного источника или же нескольких.
Нельзя не отметить наличие возможностей для мощного анализа данных; наличие различных визуализаций (как встроенных, так и те, которые можно подключить или разработать самостоятельно); простоту в использовании (все действия интуитивно понятны); приятный дизайн.
Microsoft предлагает хорошую базу для обучения пользователей, в которую входят видеоуроки, учебники, конференции, документация.
Для кого-то может быть важен такой момент, что Power BI полностью русифицирован.
Отметим наличие бесплатного доступа и самую низкую цену за лицензию среди лидеров (10$). В 2017 году Microsoft выпустила Power BI Premium, который является облачным решением и обеспечивает большой объем хранения, хорошую производительность при работе с большими объемами данных. Также Power BI Premium предоставляется без индивидуальных именованных лицензий.
Интерес к Microsoft Power BI с каждым годом увеличивается, все больше компаний внедряют именно этот продукт.
Именно этому продукту мы отдаем свое предпочтение в работе и считаем, что он вполне может стать “Отраслевым стандартом” в бизнес-аналитике.
Совсем не обязательно выбирать только классический вариант BI или Self-Service BI. Могут возникать такие ситуации, когда организации может понадобиться оба типа BI.
Итак, резюмируя вышесказанное, мы можем отметить, что Self-Service BI является трендом в области бизнес-аналитики и это полезный инструмент для современного бизнес-пользователя. Но всегда надо помнить о том, что наряду с явными преимуществами в использовании Self-Service BI, есть ответственность пользователя за результаты своей работы с данными. Также мы перечислили лидеров этого рынка, среди которых оказались: Tableau, Qlik, Microsoft Power BI . Вы можете выбирать свой инструмент “по душе”, но мы отметим, что в большинстве случаев наиболее оптимальным выбором будет PBI.
Как успешно внедрить self-service аналитику за 6 недель
Привет! В этой статье я расскажу об опыте реализации self-service аналитики для ГК Алвиса. Эта статья может быть полезна тем, кто думает о внедрении культуры self-service аналитики (аналитики самообслуживания) для повышения удовлетворенности бизнеса в данных и снижения нагрузки на ИТ.
В качестве введения попробую объяснить смысл формулировки Self-service аналитики в двух предложениях, рассчитывая в основном на то, что большинство заинтересованных уже знакомы с этим понятием.
Концепция self-service предполагает предельную лёгкость самостоятельного использования для всех категорий сотрудников. Основные плюсы: быстрое внедрение, простая интеграция с существующими системами, быстрое получение результатов, доступность для пользователя с любым уровнем подготовки и с любого устройства.
Уже очень многое сказано о том, как важны данные и как скорость принятия решения влияет на бизнес, поэтому я пропущу общие фразы и постараюсь сфокусироваться исключительно на опыте реального клиента.
Прежде всего важно обеспечить непротиворечивые данные, на которых будет строиться аналитика. Эта задача требует отдельного внимания, подразумевает нормализацию основных данных по всем взаимодействующим системам.
Например, если вы консолидируете данные по продажам из нескольких учетных систем обособленных филиалов, то необходимо, чтобы идентификаторы и данные по одному и тому же контрагенту или SKU совпадали или, как минимум, имели четко определяемую связь.
Выбор аналитической платформы, как инструмента для автоматизации, так же является важным моментом, однако, определяющее значение имеет команда проекта и мотивация на достижение результата.
Коллеги из ГК Алвиса были подготовлены к проекту и провели большую работу с данными и определением ключевых владельцев процессов и данных заранее.
В качестве подхода к внедрению был выбрать подход Agile, который применительно к задаче был сформулирован в цикле из пяти этапов:
Этот цикл может быть меньше, но необходимо помнить о балансе между скоростью доставки результата и ценностью от определенного вами объема спринта и не опускаться ниже цикла планирования в две недели.
Всем известны общие предпосылки к внедрению аналитики, поэтому не буду повторяться и уделю внимание тем точкам роста, которые определила для себя компания ГК Алвиса:
Анализ большого объема данных из разрозненных источников в режиме реального времени;
Централизация аналитических данных, уход от Excel;
Формализация экспертизы в анализе данных, снижение рисков потери знаний;
Сквозная отчетность по планированию и исполнению плана продаж;
Анализ данных по продажам;
В рамках первого этапа по внедрению self-service аналитики удалось:
Что получили дополнительно:
Буду признателен за любую обратную связь. Спасибо!
Семь раз отмерь, один раз внедри BI инструмент
Не так давно я столкнулся с задачей по переходу на новую BI-систему для нашей компании. Поскольку мне пришлось погрузиться довольно глубоко и основательно в данный вопрос, я решил поделиться с уважаемым сообществом своими мыслями на этот счет.
На просторах интернета есть немало статей на эту тему, но, к моему большому удивлению, они не ответили на многие мои вопросы по выбору нужного инструмента и были несколько поверхностны. В рамках 3 недель тестирования мы опробовали 4 инструмента: Tableau, Looker, Periscope/Sisense, Mode analytics. Про эти инструменты в основном и пойдет речь в данной статье. Сразу оговорюсь, что предложенная статья — это личное мнение автора, отражающее потребности небольшой, но очень быстро растущей IT-компании 🙂
Несколько слов о рынке
Немного теории
Итак, начать я хотел с небольшой теоретической части, ибо куда нынче без теории. Как говорит нам Гартнер, BI система — это термин, объединяющий программные продукты, инструменты, инфраструктуру и лучшие практики, который позволяет улучшать и оптимизировать принимаемые решения [1]. Под это определение попадают в частности и хранение данных и ETL. В рамках данной статьи я предлагаю сосредоточиться на более узком сегменте, а именно на программных продуктах для визуализации и анализа данных.
В пирамиде создания ценности для компании (я имел смелость предложить очередное изложение этой очевидной структуры на Рис. 0) инструменты BI находятся после блоков хранения записей и предварительной обработки данных (ETL).
Это важно понимать — лучшей практикой в данном случае является разделения задач ETL и BI. Помимо более прозрачного процесса работы с данными, вы также не окажетесь привязанными к одному программному решению и сможете подобрать наиболее подходящий инструмент под каждую из задач ETL и BI. При грамотно выстроенном ETL-процессе и оптимальной архитектуре таблиц данных можно в целом закрыть 80% всех насущных вопросов бизнеса без использования специального ПО. Это, конечно, потребует значительного вовлечения аналитиков и DS. Поэтому приходим к главному вопросу: а что нам, собственно, нужно в первую очередь от программного продукта BI?
Рис. 0
Ключевые критерии при выборе программного продукта BI
Как мы уже с вами поняли, все ключевые метрики и показатели деятельности компании в целом можно взять напрямую из аналитических таблиц в базе данных, предварительно подготовленных в рамках ETL-процесса (о том, как оптимально построить ETL-процесс, я расскажу в следующей статье, а пока приведу тизер, почему это так важно: по опросу Kaggle, главная сложность, с которой сталкивается половина DS — это грязные данные [2]). Основной проблемой в этом случае, очевидно, будет трудоемкость и неэффективность использования времени аналитиков. Вместо создания полноценного продукта, аналитики/DS будут все свое время готовить показатели, считать метрики, сверять расхождения в цифрах, искать ошибки в SQL-коде и заниматься прочей бесполезной деятельностью. Здесь я убежден, что главное чем должны заниматься аналитики/DS — это создание продукта, приносящего ценность компании в долгосрочной перспективе. Это может быть как расчетный/предиктивный сервис, результат которого — это часть основного продукта компании (например, алгоритм расчета стоимости/времени поездки) или, скажем, алгоритм распределения заказов по клиентам, так и полноценный аналитический отчет, выявляющий причины оттока пользователей и снижения MAU.
Поэтому основным критерием выбора аналитической системы должна быть возможность максимально разгрузить аналитиков от ad hoc-задач и текучки. Как этого можно добиться? По сути, есть два варианта: а) автоматизировать, б) делегировать. Под вторым пунктом я имею ввиду популярное нынче словосочетание Self Service — дать бизнесу возможность копаться в данных самому.
То есть, аналитики настраивают один раз программный продукт: создают кубы данных, настраивают автоматическое обновление кубов (например, каждую ночь), автоматическую отправку отчетов, готовят несколько мастер дашбордов и обучают пользователей, как пользоваться продуктом. Дальше бизнес обеспечивает свои дополнительные потребности самостоятельно, путем расчета необходимых ему показателей в различной агрегацией и фильтрацией данных с помощью простой и понятной опции drag&drop.
Другое решение для повышения скорости работы с данными — это in-memory solutions. In Memory Database (IMDB) разработана для обеспечения максимальной производительности, когда есть достаточно оперативной памяти для хранения данных. В то время как реляционные БД разработаны для обеспечения максимальной производительности, когда данные не полностью помещаются в оперативную память, и медленные операции ввода-вывода на диске должны выполняться в режиме реального времени. Многие современные инструменты объединяют оба этих решения (например, Sisense, Tableau, IBM Cognos, MicroStrategy, и др.).
До этого мы с вами говорили о простоте и удобстве использования инструментов BI для бизнес пользователей. Важно и настроить удобный процесс разработки и релиза дашбордов для аналитиков/DS. Здесь ситуация аналогична любому другому ИТ-продукту — необходим быстрый и удобный процесс развертывания (rapid deployment time), а также продуманность процесса разработки, тестирования, code review, релиза, version control, team collaboration. Все это объединяется понятием workflow.
Таким образом мы приходим к ключевым требованиям к программному продукту BI. Эти же требование легли в основу скор-карты, на основании которой мы в итоге выбрали поставщика продукта.
Таблица 1. Критерии выбора инструмента BI.
№ | Требование | Описание | Значимость (min=1, max=5) |
---|---|---|---|
1 | UX + drag&drop | Необходим понятный и доступный бизнес-пользователям интерфейс с возможностью drag&drop для создания отчетов | 5 |
2 | Data handling | Как хранятся и обрабатываются данные системой. Это те самые механики, как OLAP и in-memory solutions, о которых мы говорили выше. Чем быстрее и проще организован доступ к данным — тем лучше. | 5 |
3 | Workflow | Необходим быстрый и удобный процесс развертывания (rapid deployment time). Также code review, version control, development & release. | 5 |
4 | Visualization | Набор доступных визуализаций данных. Чем больше различный вариантов представления данных — тем лучше. | 4 |
5 | Support | Доступность поддержки, SLA на реагирование на запрос. | 3 |
6 | Statistics | Возможность использования статистических методов, интеграция с Python. | 2 |
7 | Price | Здесь все понятно, Лебовский 🙂 | 4 |
Итоговая таблица результатов голосования внутри нашей команды выглядит следующим образом:
Таблица 2. Итоги голосования по выбору инструмента BI.
№ | Требование | Значимость | Tableau | Looker | Periscope | Mode |
---|---|---|---|---|---|---|
1 | UX + drag&drop | 5 | 4.3 | 4.6 | 2.7 | 2.8 |
2 | Data handling | 5 | 4.4 | 3.5 | 3.6 | 2.3 |
3 | Workflow | 5 | 3.1 | 4.8 | 3.8 | 3.3 |
4 | Visualization | 4 | 3.8 | 3.7 | 3.4 | 2.1 |
5 | Support | 3 | 3.7 | 4.2 | 3.8 | 3.4 |
6 | Statistics | 2 | 2.3 | 2.2 | 2.5 | 2.8 |
7 | Price | 4 | 4 | 2 | 4 | 3 |
Итого | 3.77 | 3.79 | 3.43 | 2.79 |
Со стороны бизнес-пользователей (они тоже принимали участие в выборе продукта) голоса разделились примерно поровну между Tableau и Looker. В итоге выбор был сделан в в пользу Looker. Почему именно Looker и какие принципиальные различия между инструментами, мы сейчас обсудим.
Детальное описание инструментов
Итак, приступим к описанию BI-инструментов.
Tableau
Рис. 1
Рис. 2
Рис. 3
Рис. 4
Кубы данных можно настроить на локальной версии Tableau Desktop и загрузить или обновить их на сетевом сервере, в таком случае все дашборды, построенные на предыдущей версии сборки куба автоматически обновятся. Обновление кубов можно настроить автоматически, например, ночью. Все измерения и меры (dimensions and measures) задаются заранее при сборке куба и не меняются до следующей версии сборки. Вместе с использованием кубов данных в Tableau есть возможность обращаться напрямую к базе данных, это называется Live connection, в таком случае скорость будет гораздо ниже, но и данные будут более актуальные. Процесс сборки куба данных довольно простой, главное — выбрать правильные поля для сборки нескольких таблиц (joins) (Рис. 5).
Рис. 5
Рис. 6
Looker
Рис. 7
Рис. 8
Рис. 9
Рис. 10
Рис. 11
Periscope
Рис. 12
Рис. 13
Mode Analytics
Рис. 14
Рис. 15
Рис. 16
Выводы
К выбору провайдера BI инструмента необходимо подойти основательно, заручившись поддержкой со стороны бизнес пользователей и определив основные критерии выбора инструмента (желательно, в виде скор карты). Приведенные в данной статье критерии ориентированы в первую очередь на повышение эффективности работы с данными, упрощение процесса извлечения информации, повышения качества визуализации данных и снижение нагрузки на аналитиков.