如今，數(shù)據(jù)可視化已成為我們?nèi)粘９ぷ髦谐３Ｄ軌蚪佑|到的一項(xiàng)重要技能，借助Excel或其他數(shù)據(jù)可視化工具，我們可以輕松生成各種各樣的數(shù)據(jù)圖表，從而使得數(shù)據(jù)更加易懂。而對(duì)于企業(yè)來(lái)說(shuō)，大數(shù)據(jù)時(shí)代的到來(lái)，讓企業(yè)的運(yùn)營(yíng)和管理變得更加精細(xì)化，這同樣也需要數(shù)據(jù)可視化。

以往，企業(yè)主要使用傳統(tǒng)BI工具，通過(guò)定期查看數(shù)據(jù)報(bào)表的形式，來(lái)了解業(yè)務(wù)的進(jìn)展情況。而隨著企業(yè)信息化程度越來(lái)越高，在數(shù)據(jù)可視化處理方面也越來(lái)越復(fù)雜，以報(bào)表為主要功能的傳統(tǒng)BI產(chǎn)品逐漸無(wú)法滿足企業(yè)的可視化分析需求，更多企業(yè)轉(zhuǎn)而選擇更加簡(jiǎn)單、靈活、易用的自助式BI產(chǎn)品，如Tableau、Qlik、DataHunter等。在數(shù)據(jù)可視化方面，傳統(tǒng)BI與自助式BI到底有何不同？為什么自助式BI正在徹底取代傳統(tǒng)BI？

自由的數(shù)據(jù)可視化展現(xiàn)能力

很多人將傳統(tǒng)的商業(yè)智能產(chǎn)品稱之為重型BI，例如IBM Cognos、Qracle BIEE以及SAP BO等，原因在于這些BI產(chǎn)品提供了大而全的統(tǒng)一報(bào)表平臺(tái)，也就是說(shuō)，雖然傳統(tǒng)BI具備較為豐富的圖表制作功能，但由于整體架構(gòu)太過(guò)復(fù)雜，其靈活性和易用性要遠(yuǎn)遠(yuǎn)差于自助式BI產(chǎn)品。

同時(shí)，隨著企業(yè)的數(shù)據(jù)體量越來(lái)越大，要求的可視化維度和粒度也更加細(xì)膩，傳統(tǒng)BI就顯得有些吃力了。例如，很多大型消費(fèi)品企業(yè)的業(yè)務(wù)數(shù)據(jù)往往在百億條規(guī)模，傳統(tǒng)BI根本無(wú)法支撐，這在一定程度上會(huì)大大降低企業(yè)處理數(shù)據(jù)的效率。

相反，由于自助式BI產(chǎn)品主要面向業(yè)務(wù)和分析人員，所以在易用性上，要遠(yuǎn)遠(yuǎn)好于傳統(tǒng)BI。以國(guó)內(nèi)自助式BI的代表性企業(yè)為例，DataHunter在數(shù)據(jù)可視化方面，提供了非常簡(jiǎn)單的操作流程和用戶體驗(yàn)。用戶只需通過(guò)點(diǎn)擊、拖拉拽等操作，就可以完成復(fù)雜的業(yè)務(wù)數(shù)據(jù)可視化分析過(guò)程，而且，系統(tǒng)可以根據(jù)現(xiàn)有的業(yè)務(wù)數(shù)據(jù)特點(diǎn)，智能推薦可視化呈現(xiàn)方式。

DataHunter數(shù)據(jù)可視化分析平臺(tái)提供了包括柱狀圖、條圖、折線圖、面積圖、雙軸圖、散點(diǎn)圖、地圖等在內(nèi)的近20種常用圖表類型，以及包括雷達(dá)圖、箱線圖、熱力圖、樹(shù)狀圖、關(guān)系圖等多種高級(jí)圖表。通過(guò)豐富的配色方案，可以讓用戶隨心所欲的進(jìn)行可視化圖表的制作，讓數(shù)據(jù)更加直接、美觀。此外，DataHunter數(shù)據(jù)可視化分析平臺(tái)也支持接入Echars等第三方圖表以及企業(yè)自帶圖表類型。

任意維度數(shù)據(jù)鉆取能力

傳統(tǒng)BI產(chǎn)品所具備的多維分析能力，主要是基于OLAP概念，即通過(guò)各維度的分析快速得到想要的結(jié)果。這種分析模式最大的問(wèn)題在于，可視化展現(xiàn)太過(guò)復(fù)雜和固定，而且，基于OLAP分析模式的后臺(tái)引擎，大都仍在使用傳統(tǒng)數(shù)據(jù)庫(kù)，這顯然不支持對(duì)于海量數(shù)據(jù)的可視化處理。

相比而言，DataHunter數(shù)據(jù)可視化分析平臺(tái)采用探索式分析技術(shù)，基于DH Query Processing Engine（實(shí)時(shí)動(dòng)態(tài)處理引擎），可自動(dòng)生成適應(yīng)多種數(shù)據(jù)庫(kù)的SQL，使得用戶可以進(jìn)行任意維度數(shù)據(jù)鉆取，并且無(wú)需預(yù)先建立Cube。

除全維度的數(shù)據(jù)鉆取外，DataHunter數(shù)據(jù)可視化分析平臺(tái)還支持動(dòng)態(tài)關(guān)聯(lián)分析、協(xié)同過(guò)濾等交互方式，使得業(yè)務(wù)人員和決策者可以自由地進(jìn)行深度探索和分析，從而快速發(fā)現(xiàn)業(yè)務(wù)問(wèn)題。更重要的是，所有的這些交互方式，不僅支持PC端，也支持手機(jī)、平板以及觸摸屏等設(shè)備。

實(shí)時(shí)的業(yè)務(wù)看板

在如今的業(yè)務(wù)分析場(chǎng)景中，企業(yè)對(duì)于數(shù)據(jù)的實(shí)時(shí)性要求越來(lái)越高。受限于產(chǎn)品本身的技術(shù)架構(gòu)等因素，傳統(tǒng)BI所輸出的業(yè)務(wù)報(bào)表，通常以周、月為單位，根本無(wú)法滿足企業(yè)對(duì)于實(shí)時(shí)數(shù)據(jù)處理和分析的需求。

實(shí)時(shí)是DataHunter數(shù)據(jù)可視化分析平臺(tái)天生就具備的特性。基于實(shí)時(shí)的業(yè)務(wù)看板，意味著可視化圖表會(huì)隨著業(yè)務(wù)數(shù)據(jù)的實(shí)時(shí)更新而變化。一方面，這使得企業(yè)決策者可以第一時(shí)間了解業(yè)務(wù)的運(yùn)營(yíng)狀態(tài)，及時(shí)發(fā)現(xiàn)問(wèn)題并調(diào)整策略；另一方面，實(shí)時(shí)的數(shù)據(jù)更新也大大提高了分析人員的工作效率，省去了很多重復(fù)式的數(shù)據(jù)準(zhǔn)備工作。

傳統(tǒng)BI與DataHunter新一代智能BI的區(qū)別

結(jié)語(yǔ)：毫無(wú)疑問(wèn)，數(shù)據(jù)可視化分析已經(jīng)成為企業(yè)實(shí)現(xiàn)經(jīng)營(yíng)目標(biāo)最有效的手段之一，包括DataHunter在內(nèi)的一些自助式BI平臺(tái)，由于易用性強(qiáng)、數(shù)據(jù)可視化程度高、使用門檻低等特點(diǎn)，正在獲得越來(lái)越多的企業(yè)認(rèn)可。