??大數(shù)據(jù)能否真正的具備參考價值？這在某種程度上取決于企業(yè)是否部署了合適的數(shù)據(jù)可視化分析工具。在幾乎每個部門都充斥著關(guān)于客戶、流程和運營的信息時代，有效的數(shù)據(jù)可視化分析工具能夠幫助企業(yè)機構(gòu)快速地建立競爭優(yōu)勢。數(shù)據(jù)可視化分析產(chǎn)品主要是通過在企業(yè)各類業(yè)務系統(tǒng)中提取數(shù)據(jù)，并提供整合、分析、可視化及協(xié)作等功能，來幫助企業(yè)完成數(shù)據(jù)價值的發(fā)現(xiàn)過程。通過將原始的業(yè)務數(shù)據(jù)轉(zhuǎn)換為可理解的圖表和故事版，企業(yè)可以獲得更加直觀和快捷的業(yè)務洞察，更好地做出商務決策等等。下面就由新網(wǎng)小編和大家講一講數(shù)據(jù)可視化分析工具。

??目前，市面上有不少數(shù)據(jù)可視化分析產(chǎn)品可供企業(yè)選擇，相對主流的產(chǎn)品包括Tableau、Qlik、Power BI以及DataHunter數(shù)據(jù)可視化分析平臺。對于國內(nèi)企業(yè)而言，想要部署一款合適的可視化產(chǎn)品，需要考慮到方方面面的因素，包括企業(yè)服務能力、支持的數(shù)據(jù)源、分析能力、故事版、協(xié)作能力、定價等，本文，我們就將根據(jù)這些因素，對以上產(chǎn)品進行一一比較，看看每款產(chǎn)品的不同之處。

??一、數(shù)據(jù)源

??豐富的數(shù)據(jù)源可以幫助企業(yè)在進行可視化分析時方便的接入各種系統(tǒng)和數(shù)據(jù)文件，具體包括文本文件、數(shù)據(jù)庫及其他外部文件。

??在文本文件方面，Tableau的支持最為豐富，支持類型包括了Excel、CSV、txt、JSON、PDF、空間文件以及統(tǒng)計文件等，相對而言，Qlik、Power BI以及DataHunter則主要以Excel、CSV文件為主。

??在數(shù)據(jù)庫方面，目前四款產(chǎn)品對主流的數(shù)據(jù)庫都有很好的支持，包括MySQL、Postgre SQL、SQL Server、Hive、GreenPlum、Oracle等。

??值得一提的是，DataHunter數(shù)據(jù)可視化分析平臺也可以無縫對接第三方公共數(shù)據(jù)源，包括人口統(tǒng)計、金融、天氣等公共數(shù)據(jù)，而Tableau、Qlik和Power BI需要單獨處理外部數(shù)據(jù)。此外，DataHunter還內(nèi)置了表單數(shù)據(jù)采集，方便用戶使用Excel文件創(chuàng)建表單。

??二、數(shù)據(jù)處理

??分析人員往往會在數(shù)據(jù)處理環(huán)節(jié)浪費大量時間，因為在大多數(shù)情況下，采集到的數(shù)據(jù)都比較“臟”，例如行中可能缺字段，或者可能包含無意義的值。這個時候，高效、便捷的數(shù)據(jù)處理能力，可以幫助分析人員快速完成這一過程，從而提高工作效率。

??在數(shù)據(jù)整合方面，Tableau、Qlik、Power BI和DataHunter都可以對各種來源的數(shù)據(jù)進行統(tǒng)一處理，所不同的是，DataHunter支持整合企業(yè)內(nèi)所有系統(tǒng)數(shù)據(jù)源，Tableau則可以通過Tableau Prep產(chǎn)品實現(xiàn)，而Qlik和Power BI則需要借助第三方工具。此外，DataHunter內(nèi)置了ETL清洗器，可將多種數(shù)據(jù)源、數(shù)據(jù)格式歸一化。

??三、分析能力

??分析能力是數(shù)據(jù)可視化產(chǎn)品的主要賣點之一，本文我們將從兩個維度進行比較，即數(shù)據(jù)可視化和數(shù)據(jù)分析。數(shù)據(jù)可視化主要包括對圖表的支持及擴展性；分析層面主要包括數(shù)據(jù)鉆取、交互性和高級分析等。

??在基礎(chǔ)圖表方面，Tableau、Qlik、Power BI和DataHunter四款產(chǎn)品大同小異，基本上對常用的數(shù)據(jù)圖表，如柱狀圖、堆積柱圖、條圖、堆積條圖、折線圖、面積圖等都有很好的支持。同時，用戶在進行可視化分析過程中，這四款產(chǎn)品也都會進行智能化的圖表推薦。

??對于高級圖表，四款產(chǎn)品的支持種類則有所不同，Tableau支持樹狀圖、箱線圖、標靶圖、圓視圖等；Qlik支持散點矩陣、關(guān)聯(lián)分析應用圖等；Power BI支持瀑布圖、樹狀圖等；而DataHunter支持包括雷達圖、箱線圖、熱力圖、樹狀圖、關(guān)系圖、桑基圖等。

??在圖表擴展性方面，Tableau、Power BI兩款產(chǎn)品的難度最大，需要專業(yè)技術(shù)人員的開發(fā)；Qlik難度較小，但也需要使用JavaScript開發(fā)；DataHunter在這方面較為靈活，自身就可接入Echars等第三方圖表以及企業(yè)自帶圖表類型。

??在性能上，我們知道Tableau使用的是內(nèi)存和內(nèi)存數(shù)據(jù)庫分析體系結(jié)構(gòu)組成的混合模型，其分析功能包括數(shù)據(jù)發(fā)現(xiàn)，數(shù)據(jù)可視化，地理編碼，調(diào)查分析，時間序列分析，社交分析等，同時Tableau可與R語言集成，并提供了移動端的支持。

??值得一提的是，Tableau的數(shù)據(jù)準備功能較為強大，可以幫助分析人員快速整理數(shù)據(jù)，并在同步時修復/配置數(shù)據(jù)，也可將交叉表數(shù)據(jù)重新轉(zhuǎn)換為標準化列，刪除無關(guān)的標題、文本和圖像，協(xié)調(diào)元數(shù)據(jù)字段等。

??DataHunter和Qlik使用是內(nèi)存分析引擎，其優(yōu)勢在于可以處理海量的業(yè)務數(shù)據(jù)，DataHunter簡化了ETL的處理流程，因此即便分析人員沒有任何編程經(jīng)驗，也可以快速處理并分析數(shù)據(jù)。同時，DataHunter也支持SaaS版部署模式，這使得企業(yè)可以大大減少自身服務器的負載。

??如今，數(shù)據(jù)鉆取、關(guān)聯(lián)分析已經(jīng)成為數(shù)據(jù)可視化工具的必備功能，這四款產(chǎn)品對此也都有很好的支持，而對于趨勢、聚類等常用分析，特別是對R和Python的支持也同樣如此。在差異性上，DataHunter在嵌入式分析方面更為靈活，其支持企業(yè)與用戶原有系統(tǒng)集成嵌入。

??四、協(xié)作能力

??協(xié)作正在成為數(shù)據(jù)可視化分析工具的必備功能。在愈發(fā)強調(diào)團隊協(xié)作的今天，企業(yè)不僅需要簡單、易用、靈活的可視化工具，更需要一個可以讓各部門共享數(shù)據(jù)，協(xié)同完成業(yè)務分析流程的平臺，同時，企業(yè)管理者也可以基于該平臺溝通問題并做出決策。

??不管是數(shù)據(jù)共享還是團隊討論，DataHunter產(chǎn)品在這方面都有很好的功能體驗，包括支持一鍵共享給團隊內(nèi)、跨團隊和系統(tǒng)外人員；團隊內(nèi)成員可針對可視化看板進行討論溝通，同時也可在系統(tǒng)內(nèi)做故事板進行匯報，此功能支持添加快照、實時圖表、形狀組件等元素。

??同時，Tableau和Qlik也支持用戶進行數(shù)據(jù)協(xié)作，Tableau支持用戶通過Server端或Online端共享數(shù)據(jù)看板，用戶可在系統(tǒng)內(nèi)做故事板進行匯報，并支持添加實時圖表和文本組件。相比而言，Power BI在數(shù)據(jù)協(xié)作方面的支持并不是很好。小伙伴們要想獲得更多數(shù)據(jù)可視化分析工具的內(nèi)容，請關(guān)注新網(wǎng)。