标签: BI

一、简介 1.Tableau Tableau 是一个 BI 分析和可视化工具。它为分析数据和创建交互式可视化提供了强大的功能。Tableau 旨在支持复杂的数据科学和分析，让数据专家可以使用一系列可视化工具构建分析。 2.Power BI Power BI 是 Microsoft 的产品，因此它的使用和集成可以很好地融入到整个Microsoft Office套件中。这既是一个好处，也是一个缺点。熟悉高级 Office 工具的用户会发现 Power BI某些功能可能具有陡峭的学习曲线，并且不如市场上的其他工具强大。 Microsoft 的 Power BI 专注于分析。这意味着虽然它可以支持分析和基本的 BI 功能，但用户需要结合其他工具才能从中获得真正的 BI 功能，包括集成数据源、建立数据架构以及与业务用户和外部相关者共享数据。 3.Domo Domo（HK-Domo）是虹科引进的一款将所有数据、BI和工作流都整合到应用程序中的综合性商业智能（BI）分析工具，全球有2000+知名企业正在使用Domo。Domo功能非常强大，其具有可定制、实时性、交互性的自助仪表板，有1000+接口实现数据集成，在Domo平台上可以构建自定义应用程序并通过Buzz实现共享和聊天功能，Domo具有云灵活性、能够进行异常管理、嵌入式分析、拥有世界一流的数据治理和安全性。从可视化到数据应用程序，Domo帮助企业简化数据集成、提供数据洞察力、优化业务决策、实现多场景数据共享，助力企业数据上云与数字化转型升级！ （1）关键功能： 数据整合：连接、合并、转换、查询数据 数据可视化：报告和仪表板、自助分析、数据科学、协作洞察 数据应用：数千个数据应用程序和连接器、创建低代码的高级应用 嵌入式分析：创建和编辑可视化、连接外部数据、获取高级数据见解 安全与治理：个性化数据治理、自带密钥 (BYOK)加密的安全架构 云服务：与云数据仓库集成、实时响应数十亿行查询 （2）优势： 直观且易用的综合性平台 轻松连接数据的云灵活性 无需编码的个性化仪表板和报告 出色的数据集成 可共享的自定义数据应用程序 世界级的数据治理 (3)应用场景：适用于任何行业的企业数据应用场景 角色：BI团队、IT团队、营销、销售、财务、运营 行业：金融、制造、高科技、零售、媒体服务、生命科学 4.Qlik Qlik Active Intelligence Platform 于 1993 年在瑞典成立，是一个由 AI 驱动的端到端、基于云的分析和数据集成平台。该平台包含两套产品：数据集成和分析。每个产品都旨在连接来自跨业务渠道的数据，并将其交到用户手中，以实现实时、快速的洞察和行动。 二、功能对比 1.Tableau和Domo 2.Domo与Power BI 3.Qlik与Domo 企业可以根据自己的需求对比分析确定选择哪个BI工具！

一、什么是数据可视化？ 数据可视化指的是数据的任何可视化表示，是一个广义的术语。它包括图表、图形或仪表板等格式。数据可视化的目标是让所有相关人员能够轻松地将数据分析过程中发现的关系、趋势和模式等见解传达给他人。 作为“人”这种高级动物，我们的眼睛和大脑会被颜色和图案等吸引，这也是为什么我们生活在一个视觉驱动的世界里。生活中有大量的数据表格很难理解，而数据可视化会以一种有趣的方式展示数据背后的信息，使得数据更容易被理解。 常见的数据可视化类型： 图 雷达图 折线图 饼图 气泡图 甘特图 条形图 面积图 直方图 瀑布图 漏斗图 雷预测图表 表 高亮表 文本表 时间轴 散点图 子弹图 箱线图 流图 楔形堆栈图 地图 热图 树状图点 分布图 地理地图 信息图 信息图将数据和叙述结合在一起。它们对于分解复杂的概念，并用数据点支持这些概念非常有用。 仪表版 仪表板可以将多种类型的数据可视化整合到一个界面中。仪表板可以帮助用户跟踪、分析和展示数据洞察力，并可以对其进行定制以满足各个组织、部门和用户的需求。 二、为什么数据可视化很重要？ 现在，企业收集和存储的数据比以往任何时候都要多。但是，对于跨组织的决策者而言，除非他们能够理解并应用这些数据，否则发现数据洞察力是没有用的。数据可视化使那些没有大量数据专业知识背景的人也可以轻松分析大量信息并做出数据驱动的决策。 数据可视化是数据民主化和商业智能发展的重要组成部分。企业越了解数据，数据就可以更好的被使用。 数据可视化的好处 数据可视化可以通过多种方式使企业受益，比如： *更快的进行决策。 通过可视化方式总结数据见解，可以帮助企业将这些数据见解分享给相关人员，加快业务决策过程。同时，可访问的数据可视化工具也可以减少IT工程师的压力。 *提高数据保留。 视觉上的数据洞察力可以帮助用户更有效地记住关键数据信息。 *提高透明度和理解力。 数据可视化使每个人，从数据工程师、营销人员再到最高管理层，都能平等获取关键数据见解。 三、怎样进行数据可视化？ 1.进行数据可视化的三个关键要点 数据可视化听起来像是简单地选择了一些鲜艳的颜色和很炫酷的图表，但真正有效的数据可视化需要在强大的视觉效果和清晰的数据通信之间取得平衡。数据可视化不只是“数据可视”更应该具有强大的分析能力和强大的故事讲述能力。进行数据可视化有三个关键要点： 第一，数据可视化过程需要从准确的数据开始。在创建图形之前，用户必须检查数据以确保信息正确且一致。 第二，用户需要考虑数据可视化的模板和想要获取的信息。你想形象化什么？你想传达什么信息？用户可以比较数据点、显示数据分布、直观地展示特定结构或尝试跟踪特定数据点之间的连接。 第三，考虑数据可视化的受众。受众将如何处理视觉信息？受众对分享的数据有多熟悉？ 用户需要记住，越优秀的数据可视化，采用的方法越简单。我们应该避免不必要的视觉元素，如图像、字体或颜色，这些元素可能会使图表混乱或分散对最重要信息的注意力。相反，我们应该灵活地使用它们来强调信息，使得受众能够更好的抓取和记住关键信息。 2.企业如何选择数据可视化工具？ 市场上有许多数据可视化工具，它们具有不同程度的复杂性和功能。企业应该重点关注那些能够易于访问、交互性强、容易创建且容易理解的数据可视化工具。以下是需要考虑的一些关键要素： *简单且容易的界面 。选择一个任何人都可以创建高级可视化的工具，无论用户的数据专业知识、编码或设计能力如何都可以轻松使用。 *数据治理 。确保正确的人可以访问正确的数据，同时数据可视化工具应在保持安全性的同时实现自助服务。 *提供可视化建议 。好用可视化工具需要能够帮助用户推荐适用的可视化类型，从而帮助用户更快入门。HK-Domo商业智能软件的分析器工具等功能会查看用户的数据并推荐一种可视化类型来帮助用户入门，用户可以在可视化过程中细化相应的选择。 *警报功能 。当达到相应数据目标或数据出现变化时，具有警报功能的可视化工具可以及时通知用户所在团队。使用HK-Domo的警报，用户可以从任何设备实时跟踪KPI的变化。同时还可以自定义警报标准、警报通知方式和警报时间。 *故事叙述 。在数据可视化中，讲故事是必不可少的。借助HK-Domo 的Stories等功能，用户可以在拖放式仪表板中组合卡片、文本和图像，以讲述关于数据的完整故事。用户甚至可以自定义页面布局，以强调细节或某些要点，指导用户完成数据分析。 3.企业如何使用数据可视化？ 数据可视化对所有规模和所有行业的组织都很有用。企业非常需要一种更优化的方式来理解他们的数据。以下是企业可以使用数据可视化的几种方式： *了解数据的时间变化趋势 数据与时间的关系是数据故事化最基本的形式之一。一段时间的数据趋势可以帮助企业他们确定业务改进方法和市场时机。 *识别事件的频率 与业务相关的事件发生频率是企业中非常重要的信息之一，例如客户购买频率、退货频率、机器故障频率等。 *确定相关性 确定环境和变量之间存在的关系可以帮助公司找到他们不知道的业务模式或相关影响，帮助企业认识到不同的业务决策可以产生影响来提高经营效率和整体商业智能水平。 *对客户进行分类 使用数据可视化工具，营销人员可以根据业务目标中关键因素对客户进行排序和分类，从而对客户进行分层管理。 *管理项目 时间线和甘特图等数据可视化工具可以帮助企业管理复杂的项目，并及时了解进度，促进项目按时完成。 *发现趋势 使用数据可视化工具，组织可以精确定位新兴市场趋势，从而领先于竞争对手。 四、未来数据可视化将如何发展？ 越来越多的企业需要自定义数据视图和数据访问方式。数据可视化工具将使这个过程变得越来越简单，同时将数据可视化与工作流程结合起来能够加快业务行动落地。从BI行业发展看，未来的企业不仅需要利用仪表板查看业务的实时数据，还需要利用像HK-Domo商业智能软件和嵌套的智能应用程序实现BI定制和数据民主化。

导语：开源数据无处不在，但是在许多情况下，它们的格式多种多样，不仅仅是以Excel形式，如xml、JSON，因此并非所有潜在用户都可以访问数据。这意味着只有具有相关数据知识基础 的用户才能查询信息并提取有价值的数据结论。 举个例子：欧盟开放倡议使得许多政府在其门户网站上公布其大量数据。下面是相关链接： http://www.arso.gov.si/xml/zrak/ones_zrak_urni_podatki_zadnji.xml 该数据集包含斯洛文尼亚每隔1小时的最新污染物测量值。该网站定期更新，但是新的数据记录取代旧记录。其中产生了两个问题，第一是当前值与之前的测量值无法进行比较，第二是无法进行数据前后关联获取相关联系。也就是说，与某些标准相比，当前的污染物测量值是低还是高，无从得知。 如果没有这种评估，普通市民就无法确定他们所在城镇的空气是否干净，是否应该让孩子留在室内，并在污染高峰前关闭窗户。 一、创建自动化数据采集工作流 我们将使用文件块（黄色块）直接从URL中收集数据，然后重命名并格式化日期和其他字段（紫色字段管理器块），然后将记录存储在IOD中以附加模式输出文件（绿色块）。 接着使用管理部分中的调度应用程序，每 3 小时自动收集和存储一次数据。通过执行一些常规的重复数据删除操作，可以在同一个项目中将同一归档数据文件块可视化(绿色区域中的黄色块)。 数据刷新也会更新蓝色Report块，使得新数据可以立即反映在交互式图表中。 黄色文件块配置如下： 二、使用过滤器和KPI视图构建动态仪表板 下面介绍比较有趣的部分：收集和清理数据，并将数据可视化！ 选择图表一直是数据可视化中的一个挑战，但为了最大限度地减少迭代，我们将添加一个变量“度量选择”，以便报表查看器可以循环查看KPI，并比较各个位置之间的平均水平，以便观察每小时的波动情况。注意：所有的这些可视化情况都可以在一个页面上展示！ 单击一个或多个条行框将产生“刷新效果”，其中未选择的值将消失，但仍会存在，以供进行基准测试。这就是“移动”和“保留”按钮，除了过滤功能外，这个功能可以用户能够只保留感兴趣的数据点。 中间的文本选择变量是在“报告数据源”区域（“度量选择”）中创建的，而IF公式将协调5个度量之间的切换。 如果查看者选择“CO”作为他们的比较标准，页面上的所有图表都将指向该输入的“测量”字段，因此折线图、条形图和标记将根据CO的级别比较不同的位置。内容视图将进行更新，同时提取出最大值并确定记录该测量的位置。 这是带有“变量切换公式”的公式块： IF( ="co", , ="no2", , ="o3", , ="pm10", , ="pm2.5", , ) 下面展示如何构建交互式KPI视图： 内容视图是一个非常价值的报表工具，因为它可以将动态文本与响应公式结合起来。产生的结果文本将随着每次数据更新和每个查看者的交互而变化（只要“查询”部分指向“过滤数据”）。 根据查看者的不同选择，小部件将根据世界卫生组织的每日限制显示指导，并提供指向相关网页的URL链接。 以下数字“92”背后的公式—评估该期间各污染站的污染物最大测量值： IF( SUBSET_MAX( )=null,"no measurements", SUBSET_MAX( ) ) 以下是污染物测量值最高位置名称背后的公式（考虑到多个位置可以记录相同结果的可能性）： SUBSET_UNIQUESLIST( , SUBSET( ,(SUBSET_MAX( )))) 我们还可以将最大值文本颜色链接到一个函数，这样它就可以动态响应评估结果，指示测量的级别是否高于允许值。 IF( SUBSET_MAX( ) - IF( ="pm10",45, ="pm2.5",15, ="no2",25, ="o3",100, ="so2",40, ="co",35, null) 0,"red","green") 同样，我们可以在折线图中创建“动态参考线”，并将其链接到变量选择。 IF( ="pm10",45, ="pm2.5",15, ="no2",25, ="o3",100, ="so2",40, ="co",35, null) 如果我们希望比较不同时期的污染物所在位置（过滤设备的时间范围为24小时、1周、1个月），并评估它们的水平是否高于或低于规定的限制，则整个可视化效果会很好。 群众可能想知道哪些污染物位置受到一种或多种污染物的影响？这个问题，我们同时将位置与所有5个KPI 进行比较，可以在雷达图窗格模式下开展这项工作并在可视化窗口进行位置观察。 在这种模式下，雷达不用于精确测量，而是作为一种分析工具来标记哪个位置存在一种或多种污染物的问题。 三、选择报表样式并进行润色 最后一步是查看报告设置中的样式部分。选择好看仪表板背景和颜色能够使可视化界面更加美观醒目。在本案例中，背景是浅蓝色的，以清新空气为主题。“创建样式”是创建双色样式的快捷方式，包括1个背景，1 个前景。 可以通过键入 Google 字体名称或从链接中复制来选择字体，在下面的示例中，我们选择了“Questrial”。 在同一页面上，有3种颜色设置方法： 选择默认数据颜色 单击“分配颜色”，对每个字段中的值使用随机分配 通过单击左侧边栏数据菜单中的数据值旁边的颜色方块，手动选择颜色 书签菜单，将其添加到不同的项目中。

导语： 在这个充满波动性、不确定性、复杂性和模糊性的商业环境中， 最有力的竞争优势是信息 。随着数字化转型成为各类企业的追求，从数据中获取情报的能力将是获胜的关键。 在大多数情况下，这些问题既是技术问题，也是文化问题。 信息孤岛、不愿共享、缺乏分析技能以及业务用户难以查找和获取数据 ，这些都是阻碍企业真正以数据为中心的因素。 大量数据表明，由数据驱动的决策可以使企业更加灵活、高效和响应迅速。低成本、可大规模扩展的数据库和云端分析工具的出现，降低了获取和使用数据的障碍，但许多企业受到传统技术的束缚，无法满足日益增长的用户需求。 一、数据对企业具有重要价值 商业应用研究中心（BARC）的一项调查发现，三分之二的组织认为信息在现在或将来的决策中非常重要。然而， 58%的受访者表示，他们公司的管理决策至少有一半是基于直觉或经验的。在被BARC定性为“落后”的组织中，这一数字为70%。 据Gartner估计，87%的组织在商业智能和分析的成熟度方面水平较低。他们倾向于使用电子表格进行分析，并在没有经过统筹的独立项目中提取个人数据。根据该研究公司的说法， 这些信息孤岛限制了BI现代化 。对于大多数组织来说，问题在于传统BI工具的泛滥，再加上数据治理流程将太多的责任集中到了稀缺的数据管理人员手中。数据驱动意味着将数据以可用的格式及时地传递给需要它的人。然而，在很多组织中，仅仅是将数据转换成可用的形式就浪费了太多时间。 当今的商业环境中，数据是竞争优势的最关键来源，低效的数据处理越来越难以维持。企业可以将许多非核心竞争力的操作和基础设施外包出去。事实上，新型的纯网络企业几乎没有任何基础设施。这些公司所拥有的是围绕数据使用的文化和组织的严谨性。 数据是大多数公司各个层面做出明智决策的关键，今天，这些决策可能延伸到收银员、酒店管家和工厂车间里的工人。一家运营良好的公司在管理层制定战略，并将其转交给对应的管理者，由他们将其转化为有数据支持的流程和举措。 这些数据可以是战略性的（用于对新的倡议作出决定），战术性的（用于决定如何执行个别倡议）和操作性的（用于支持正在进行的进程）。 不幸的是，许多组织中的数据流受到了一系列技术限制，这些限制围绕查找、清理、加载和协调数据源等任务，而这些任务又被糟糕的数据治理实践放大了。用户可以自己承担的任务最终集中在技术人员身上。其结果是， 高优先级的项目得到了关注，而小项目的“长尾”则被分流到了一边。这些低优先级的请求加在一起，将会对底层业务产生重大影响。 举一个真实的例子：一家被称为数据分析领域领导者的大型零售商。像许多同行一样，该公司投入了大量的工作，为假日购物季的促销活动、定价、库存和人员配置做准备。但是，对于公司内部的一些小组来说，一年中最繁忙的时间是在圣诞节之后。这些部门主要是处理售后工作以及节假日后的商品库存，这是增加销售机会和改善客户关系的一个重要渠道。部门经理对他们无法获得客户行为数据和节后购买的历史记录感到沮丧，这些数据在预测需求方面是很有用的。但是他们的需求被认为是次要的，因为要为假期激增的订单做好准备。 而最终结果是节假日后储物箱等物资短缺，客户服务台排长队，库存计划和供应链管理中断。这种对最关键的业务问题的关注，留下了一长串未处理的项目，而这些项目合起来可能产生重大的业务影响 。 根据 杜德定律，价值=为什么/怎么做 。价值的增长要么是通过探索原因，要么是通过减少方法。在分配资源时，组织通常会过度关注分子而不是分母，认为更大的解决方案会带来更大的红利。复杂的优先级计划总是忽略了减少“如何”可以对业务产生同样大的影响。 二、商业智能（BI）技术束缚了企业决策过程 商业智能是一个成熟的市场，可以追溯到20世纪90年代，有数百种可用的产品。许多遗留系统是基于客户机-服务器架构，这种架构中数据驻留在服务器上，客户机需要进行大部分处理。这种过时的方法需要强大的服务器处理能力和大量的文件传输到客户端的PC。许多工具甚至将数据存储在本地电脑上，造成安全漏洞。而且，在智能手机和移动电话发明之前建立的系统也是如此。目前只有平板电脑努力在向人们现在最常使用的上网设备提供报告。 大多数传统的商业智能系统需要提取数据库、汇总数据集或数据仓库，这些都是存放源数据的更新副本。企业内部的数据仓库很昂贵，所以存放在其中的数据量需要严格控制。获取和清理数据所需的ETL过程也是费力的，而且很耗时，有时需要一个数据科学家花费数周的时间。不同的数据源使用不同的格式，从CSV文件到关系表等。用户需要创建自定义查询，以便从每个来源提取和清理数据 。IDC估计，一个典型的分析团队80%的时间花在数据发现、准备和保护上，只有20%花在分析上。 提取数据库在创建的时候已经过时了，因为数据不能实时获取，而且没有一个固定的模式。当用户看到他们请求的报告时，数据可能是几周前的。检索更新的数据可能需要与数据科学团队创建一个新的需求。因此， 传统工具阻碍了快速自动化决策的制定。 用于数据集成、ETL、数据仓库、提取数据库和BI前端的工具之间的不兼容，进一步复杂化数据提取。传统商业智能系统协作能力有限，对业务用户来说是一个黑箱，需要数据科学家和工程师猜测他们的业务方客户想要什么，而业务用户只需要简单的提交任务更改请求单。这种解决方案浪费了时间，使资源进一步集中在少数高度优先的任务上。 三、企业使用商业智能（BI）效率低下 许多组织用来管理商业智能数据流的工作流程是过时的和低效的 。太多的责任集中在数据专业人员的手中，而终端用户的责任太少。这是有原因的， 传统的工具使用起来很麻烦，需要复杂的模式和专业的背景知识，企业还需要对敏感信息的获取进行监管 。然而，现代软件已经简化了许多技术问题，良好的治理和访问管理实践可以解决大部分控制问题，而不会阻碍人们获得需要的数据。 数据科学家和工程师的成本和稀缺性 也造成了一个重要的瓶颈。在美国，数据科学家的平均基本工资超过11.3万美元，而IBM估计今年将有超过270万个需要数据科学技能的工作岗位发布。商业智能只是数据科学家和工程师支持的任务之一，而且往往不是他们的最高优先事项。 由于技术资源是宝贵的，公司往往不得不制定严格的程序来规范其使用， 从而造成效率低下，而组织上的孤岛又加剧了效率问题。 用户请求必须进入队列进行评估和排序。由于缺乏时间和协作工具，与技术团队的互动受到限制。工程师们可能对用户的需求知之甚少，他们只能对要使用的源数据和需解决的业务问题做出有根据的猜测。用户往往被排除在关于如何计算和显示报告的小决策之外。如果在报告交付后出现了新的数据源，用户必须提出新的请求，整个过程又要重新开始。 四、企业如何提高商业智能（BI）的价值？ 增加商业智能对组织的价值 需要在技术和人员两方面进行投资 。然而，技术投资的第一个阶段往往是撤资。组织需要先对正在使用的BI工具进行分析评估，并对那些应该被淘汰的工具做出一些艰难的决定。这种评估不仅要考虑基础设施成本，还要考虑维持该工具特有的技能组合对组织的影响。管理者也应该对人们的影响保持敏感，并让他们参与选择新的解决方案。工具越少越好，只要它们能够满足组织的大部分探索和报告需求。 在技术方面，一些最大的优势来自于平台的整合和现代化， BI工具应该向云方向发展 。传统的企业内部解决方案维护费用昂贵，而且可能带来安全风险。 大数据分析正在转向云，商业智能也在随之发展。基于云的解决方案将成本从资本预算转移到基于使用的运营费用。 云计算仪表盘让管理员能够了解工具的使用情况，而传统的内部平台则无法做到这一点。 更重要的是， 企业获得了无限规模、持续更新和访问内外部数据所带来的灵活性 。他们可以尝试使用不同种类的关系型和非关系型数据存储，还可以结合流分析和各种开发、可视化和机器学习工具。在许多情况下，这些技术可以免费试用，或按月订阅。 现代云原生应用程序也利用应用程序编程接口（API）来整合系统并实现无缝数据交换。API是应用集成的一个巨大进步。它们允许开发者以安全且可审计的方式有选择地公开服务和数据。 它们还可以创建全新的数据视图，如结合数据的仪表盘。连接器可以使数据集成变得很简单，甚至非技术性的企业用户也可以在几分钟内完成配置，尝试使用不同的连接器，而不需要做长期的购买承诺。 有四种方法可以利用这些综合技能组合来提高BI的价值： *雇用具有商业技能的工程师 。即使在最好的情况下，这也是很难做到的，在低失业率的情况下更加困难。让专业技术人员掌握适合企业需求的技能需要数年时间，即使他们有能力，但是有些工程师就是不感兴趣。 *为每个业务部门雇用专门的工程师 。这是一个更快发展业务的方法，但可能非常昂贵。这也产生了风险：失去一个精通业务的工程师会对部门造成毁灭性打击。 *提升业务人员的技能 。这种方法与雇用具有商业技能的工程师有一些相同的缺点。虽然在技术上是可行的，但经理们可能会拒绝让他们的员工脱离商业流程进行必要的培训，而要找到具有强烈技术倾向的业务人员，也是困难的。 *使用一个平台，让企业用户在技术上有更多控制权，同时让工程师更接近业务。这是成本最低且最具扩展性的方法。 评估你的技术团队现在执行的任务，哪些可以安全地转移到业务用户手中而不需要大量的技术培训。可能包括查询、格式化、可视化，这些操作不会修改底层数据。同时，工程师可以与一个或多个业务部门更紧密地联系，以从事类似的项目，加强他们对业务的理解。 五、使用自助式商业智能（BI） 自助式BI的概念已经被广泛使用，这个词的广泛使用已经淡化了它的意义，就像对Gartner等权威机构的声明的误读一样，即商业智能用户已经比数据科学家产生了更多的分析。事实上，仔细看看Gartner的研究就会发现，该公司并不主张将BI的责任从IT部门全盘移交给业务同事。 自助式BI将业务用户的专业知识和见解与数据科学家和工程师的专业知识相结合，以确定要问的正确问题，从而找到正确的数据源并准备必要的数据集。数据质量很重要，BI系统本身也必须得到维护和更新。 自助服务不应该与自给自足混为一谈。比如快餐店里的汽水机，许多商家为顾客提供了饮料自助，但这并不能让顾客完全独立。在幕后，需要工作人员确保提供足够的碳酸和糖浆，将原料调整混合以达到正确的味道，并为食客提供用餐需要的杯子、盖子和吸管。饮水机也必须得到维护、修理和清洁，以满足卫生要求。类似的，允许业务用户从BI工具中自由发布信息，并不意味着不需要专业人员确保使用了适当的数据源、清理了数据、打了补丁并更新了软件。 虽然过多的控制会令人窒息，但过多的灵活性也会导致鲁莽，需要数据科学家来帮助用户做出明智的决定。例如，相关性和因果关系很容易被混淆。用一个流行的例子来说，冰淇淋的销售和游泳死亡的比率同时上升和下降，并不意味着冰淇淋导致溺水。相反，这两种趋势有一个共同的相关性，那就是夏天。 需要数据科学家建立保护机制，防止他们的业务同事对数据理解不足做出错误的决定。 六、自助式商业智能（BI）的优点 实现资源的正确平衡，一种行之有效的方法是 建立小型团队，这些人拥有与他们业务职能相关的数据子集 。该团队负责确保使用正确的数据，保持最新的数据，并应用于正确的问题。如果有不准确的地方，团队的工作就是修复它们。 协作是必不可少的 ，组织使用的任何商业智能工具都应该具有 共享、评论和基于每个团队成员的工作的内置功能 。 BI平台应该有足够的灵活性，以应对未知的需求，并使组织的所有部门都能 建立自己的模型 ，这样技术人员就可以专注于最重要的问题。随着用户的尝试和发现新的机会，他们可以竞标技术资源来开发它们。 配置设置和用户输入应该驱动用户可以根据需要更改的算法 。在定义治理政策时，应假定人们可以在他们可以访问的数据域内自由地进行试验。 良好的治理，结合强大的安全和审计控制，可以保护敏感数据，同时给予用户更大的自由来满足好奇心。 传统的商业智能系统，特别是那些基于 客户-服务器模型的系统 ，由于难以监控PC终端上的活动，限制了组织的数据治理能力。组织的反应通常是严格限制在服务器层面上的数据访问。更好的应对措施是释放数据，并使用审计和访问控制来规范谁使用数据以及如何使用数据。 现代基于云的解决方案如 HK-Domo 可以将处理转移到一个可扩展的服务器上，并给管理员提供工具，以实现数据访问和安全性之间的平衡。他们可以看到数据如何一直在管道中流动的可视化表示，以及登录尝试、数据使用、用户活动和实时数据集的状态。 可以设置警报，以在检测到异常或数据问题时触发 。管理员可以创建授权策略，管理个人和团体对数据集中特定数据的访问。他们可以为管理员、特权用户、编辑和参与者使用预定义的安全配置文件，或创建自己的安全配置文件。企业可以选择最适合他们的安全模式，包括零信任和最小特权，与单点登录和认证相结合，以减少用户的不便。 七．结语 2017年，《经济学人》宣布：“世界上最有价值的资源不再是石油，而是数据。” 这个比喻很贴切，因为今天的企业没有信息就无法运作，就像一个世纪前的工业巨头没有石油就无法运转一样。数 据实际上比石油更有价值，但与石油不同，数据可以被重复使用，以创新的方式组合，并在组织或世界范围内共享。 创新的数据管理不仅是几乎所有市场竞争优势的主要来源，而且是重塑零售业、运输业和酒店等行业网络规模公司的命脉。限制人们利用数据潜力的传统技术和流程威胁着整个实体的健康。 云计算已经释放了人们的潜力，以之前无法想象的方式将成千上万的数据源结合起来。现在是时候重新审视商业智能，使其成为一种新的灵活且响应迅速的组织的能量来源。

一、Domo简介 Domo 成立于 2010 年， 是一个一体化、完全移动、基于云的平台 ，旨在增强企业当前的数据湖、数据仓库和 BI 工具。Domo 的集成平台建立在三个技术支柱上，这些技术支柱连接来自不同业务来源的数据，实时分析和可视化数据，并支持创建低代码到无代码应用程序。这使整个企业的用户能够快速、轻松地访问他们所需的数据，从而推动业务增长和增加收入。 二、Qlik 简介 Qlik Active Intelligence Platform 于 1993 年在瑞典成立， 是一个由 AI 驱动的端到端、基于云的分析和数据集成平台 。该平台包含两套产品：数据集成和分析。每个产品都旨在连接来自跨业务渠道的数据，并将其交到用户手中，以实现实时、快速的洞察和行动。 三、主要功能对比 乍一看， Domo 和 Qlik 非常相似 。从本质上讲，这是两个基于云的数据分析和集成平台，允许用户收集、分析和报告来自整个组织的原始业务数据。此外，还提供数据分析和集成工具，旨在连接成员和数据。 然而，经过进一步研究，发现Qlik 中的许多功能比 Domo 的功能更局限。 其中一些限制导致用户难以使用 Qlik 工具收集正确的业务数据、发现见解并保护数据。 数据连接器 Qlik 具有 100 多个数据连接器， 允许用户访问和集成来自 Amazon、GitHub、Microsoft Excel 等来源的数据。虽然 Qlik 的数据连接器很多，但 Domo 的数据连接器更多， 有1000 多个预建连接器 。 此外，Domo 具有 内置的 ETL 功能 ，允许用户转换来自不同来源的数据，并将其存储在一个集中平台上。而且因为 Domo 是基于云的，所以它的工具非常敏捷灵活。 数据可视化 Qlik 具有自助可视化功能，用户可以组合、加载、可视化和探索数据。但是， Qlik没有Domo中可用的大量库。Domo有150 多个图表和 7,000 多个自定义地图，用户可以轻松访问所需的工具，以理解复杂数据。此外，Domo 用户可以使用丰富的可视化工具库轻松自定义可视化，包括自定义布局、配色方案、格式和注释，所有这些基本不需要编码经验。 自定义报告 Qlik 用户可以使用 Qlik Sense 表格在解决方案中构建详细报告，然后通过共享文件夹、电子邮件等方式进行计划派发。虽然报告具有灵活的设计和格式控制，但它没办法进行太多自定义。这阻碍了用户创建所需的报告类型，以解释复杂数据或演示如何实现特定业务目标。Domo 的 BI 和分析工具使用户可以超越静态报告。用户可以轻松地深入挖掘数据以获得更细的粒度，并根据需要自定义视角。与 Qlik 类似，用户可以在指定的时间间隔内通过电子邮件安排报告交付。 处理时间 很少有商业智能平台，包括 Qlik，可以与 Domo 的速度和功能相媲美。无论数据集有多大，Domo都能快速处理，使用户能够根据有价值的见解快速采取行动。例如，Domo 的 Adrenaline DataFlows使用户可以在几分钟内分析庞大的数据集。这是通过将相关数据分解为较小的汇总数据集来完成的，这显著加快了流程并避免了昂贵的停机时间。 数据应用程序 用户可以通过Domo创建低代码应用程序来探索、共享和分析数据。这些应用程序可以由各种技术背景的用户根据模板创建，也可以从头开始构建，并允许用户自定义各个方面，包括展示、交付和与其他应用程序集成。应用程序可以是静态的、手动更新的或通过数据推送刷新的。Qlik 能够创建应用程序，但仅限于专业用户。Qlik 的应用程序可以使私有或公开的，公共应用程序可以被其他用户查看和编辑。 嵌入式分析 Qlik 的嵌入式分析功能允许用户将分析功能集成到工作流、应用程序和门户中。此外，该平台允许用户集成多个数据集以进行进一步分析。然而，尽管该平台具有嵌入式分析功能，但在Gartner Peer Insight 报告中，Qlik 的嵌入式分析能力仍低于 Domo 。许多受访者表示，该平台的嵌入式分析难以定制，处理时间慢，学习曲线陡峭。 Domo 的嵌入式分析功能 Domo Everywhere比 Qlik 更进一步，允许用户构建完全沉浸式的数据生态系统。内部业务用户、合作伙伴和客户都可以直接将该功能集成到他们的工作流、门户和应用程序中，从而允许用户一起编辑、报告和协作处理数据。这使企业能够将静态数据转换为动态数据洞察，从而推动业务增长并增加利润。 安全 虽然 Qlik 管理员可以限制特定用户访问特定数据或仪表板，但如果不为每个用户创建单独的仪表板，他们就无法利用“need to know”的安全性。从本质上讲，Qlik在数据安全方面采取了孤注一击的方法。 与 Qlik 不同，用户可以在Domo中创建授权策略，授权用户访问数据集中的每一行数据。这意味着只有经过授权的团体和个人才能访问此信息。此外，用户可以使用可信属性来创建基于用户属性而不是个人的策略。 四、结论 寻求强大而灵活的数据分析和集成平台的企业将在 Qlik 中找到所需的所有功能。凭借详细的报告、简单的数据集成功能和可自定义的视图，用户可以轻松访问所需的业务数据。然而，随着数据集变得越来越大、越来越复杂，企业仅仅拥有一个简单的数据分析和集成工具是不够的。相反，他们需要一个多合一的业务管理套件，该套件可以进行高度定制、闪电般快速的数据处理并具备严格的安全性。 Domo 的全方位商业智能平台将停滞的、复杂的数据转化为可在整个企业共享的、可操作、可理解的洞察力 。任何人，无论其技术技能或职位如何，都可以访问数据以制定数据驱动的战略决策，从而推动业务增长。