Tid som krävs för att läsa 11 minuter
Vi och Gartner Square 2019 BI :)
Syftet med den här artikeln är att jämföra tre ledande BI-plattformar som är i ledarna i Gartner-kvadranten:
- Power BI (Microsoft)
-Tablå
— Qlik
Figur 1. Gartner BI Magic Quadrant 2019
Jag heter Andrey Zhdanov, jag är chef för analysavdelningen på Analytics Group (). Vi bygger visuella rapporter om marknadsföring, försäljning, ekonomi, logistik, med andra ord ägnar vi oss åt affärsanalys och datavisualisering.
Jag och mina kollegor har arbetat med olika BI-plattformar i flera år. Vi har mycket god projekterfarenhet vilket gör att vi kan jämföra plattformar utifrån utvecklare, analytiker, affärsanvändare och implementerare av BI-system.
Vi kommer att ha en separat artikel om att jämföra priser och visuell design av dessa BI-system, så här ska vi försöka utvärdera dessa system utifrån en analytikers och utvecklares synvinkel.
Låt oss lyfta fram flera områden för analys och utvärdera dem med hjälp av ett 3-punktssystem:
— Inträdesgräns och krav för en analytiker.
- Datakällor;
— Datarensning, ETL (extrahera, transformera, ladda)
— Visualiseringar och utveckling
— Företagsmiljö — server, rapporter
— Stöd för mobila enheter
— Inbäddad (inbyggd) analys i tredjepartsapplikationer/sajter
1. Inträdesgräns och krav för en analytiker
Power BI
Jag har sett många Power BI-användare som inte var IT-proffs men som kunde skapa en ganska bra rapport. Power BI använder samma frågespråk som Excel - Power Query och DAX-formelspråket. Många analytiker känner till Excel väl, så att byta till detta BI-system är ganska enkelt för dem.
De flesta åtgärder är ganska lätta att utföra i frågeredigeraren. Dessutom finns det en avancerad redigerare med M-språket för proffs.
Figur 2. Power BI Query Builder
QlikSense
Qlik Sense ser väldigt vänlig ut - ett litet antal inställningar, en snabb möjlighet att skapa en rapport, du kan använda databelastningsdesignern.
Till en början verkar det enklare än Power BI och Tableau. Men av erfarenhet kommer jag att säga att efter ett tag, när analytikern skapar ett par enkla rapporter och behöver något mer komplext, kommer han att ställas inför behovet av att programmera.
Qlik har ett mycket kraftfullt språk för att ladda och bearbeta data. Den har sitt eget formelspråk, Set Analysis. Därför måste analytikern kunna skriva frågor och kopplingar, placera data i virtuella tabeller och aktivt använda variabler. Språkets möjligheter är mycket breda, men det kommer att kräva inlärning. Förmodligen har alla Qlik-analytiker jag känner någon slags seriös IT-bakgrund.
Qlik-integratörer, som vi, gillar ofta att prata om den associativa modellen, när man laddar data, allt placeras i RAM, och anslutningen mellan data utförs av plattformens interna mekanism. Att vid val av värden utförs inte interna delfrågor, som i klassiska databaser. Data tillhandahålls nästan omedelbart på grund av förindexerade värden och relationer.
Det är sant, i praktiken leder detta till skapandet av automatiska tabellkopplingar när fältnamnen matchar. Till exempel kan du inte ha olika tabeller utan relationer som kommer att ha samma fält. Du måste vänja dig vid detta. Du måste antingen byta namn på kolumnerna och se till att namnen inte stämmer överens, eller kombinera alla faktatabeller till en och omge dem med kataloger av stjärntyp. Det är förmodligen bekvämt för nybörjare, men för erfarna analytiker spelar det ingen roll.
Ett typiskt gränssnitt för att ladda och bearbeta data för en analytiker ser ut så här.
Figur 3. Qlik Sense dataladdningsredigerare, kalendertabell
Notera: I Power BI ser situationen oftast annorlunda ut, man lämnar olika fakta- och referenstabeller, man kan manuellt sammanfoga tabeller på klassiskt sätt, d.v.s. Jag jämför kolumnerna med varandra manuellt.
Tableau
Utvecklarna positionerar Tableau som BI med ett bekvämt och vänligt gränssnitt som gör det möjligt för analytikern att självständigt studera sina data. Ja, i vårt företag fanns analytiker som utan IT-erfarenhet kunde göra sina rapporter. Men jag kommer att sänka mitt betyg för Tableau av flera skäl:
— Svag lokalisering med ryska språket
— Tableau Online-servrar finns inte i Ryska federationen
— En ganska enkel lastkonstruktör börjar ställa till problem när man ska bygga en ganska komplex datamodell.
Figur 4. Tableau Data Load Builder
En av frågorna vi ställer Tableau-analytiker under intervjuer är "Hur bygger man en modell av faktatabeller med referenstabeller utan att lägga allt i en enda tabell?!" Datablandning kräver genomtänkt användning. Jag har korrigerat datadupliceringsfel många gånger bland mina analytiker efter sådana sammanslagningar.
Dessutom har Tableau ett ganska unikt system, där du gör varje diagram på ett separat ark och sedan skapar en Dashboard, där du börjar placera de skapade arken. Sedan kan du skapa en Story, detta är en kombination av olika Dashboards. Utveckling i Qlik och Power BI är enklare i detta avseende, du slänger direkt grafmallar på arket, ställer in mått och mått och instrumentpanelen är klar. Det förefaller mig som om arbetskostnaderna för förberedelser i Tableau ökar på grund av detta.
2. Datakällor och nedladdning
Det finns ingen tydlig vinnare i det här avsnittet, men vi lyfter fram Qlik på grund av ett par trevliga funktioner.
Tableau i gratisversionen är begränsad i källor, men i våra artiklar fokuserar vi mer på affärer, och företag har råd med kommersiella produkter och analytiker. Därför sänkte inte Tableau sitt betyg för denna parameter.
Figur 5. Lista över möjliga tablåkällor
Annars är källlistan imponerande överallt - alla tabellfiler, alla standarddatabaser, webbanslutningar, allt fungerar överallt. Jag har inte stött på icke-standardiserade datalagringar, de kan ha sina egna nyanser, men i de flesta fall kommer du inte ha problem med att ladda data. Det enda undantaget är 1C. Det finns inga direkta kontakter till 1C.
Qlik-partners i Ryssland säljer sina egna kontakter för 100 000 - 200 000 rubel, men i de flesta fall är det billigare att göra uppladdningar från 1C till FTP till Excel eller en SQL-databas. Eller så kan du publicera en 1C-databas på webben och ansluta till den med Odata-protokollet.
PowerBI och Tableau kan göra detta som standard, men Qlik kommer att be om en betald anslutning, så det är också lättare att ladda upp den till en mellanliggande databas. I alla fall kan alla anslutningsproblem lösas.
Figur 6. Lista över möjliga Qlik Sense-källor
Dessutom är det värt att notera en funktion hos Qlik att de tillhandahåller både betalda och gratis kontakter som en separat produkt.
Figur 7. Ytterligare Qlik Sense-kontakter
Av erfarenhet vill jag tillägga att med stora datamängder eller många källor är det inte alltid tillrådligt att omedelbart ansluta BI-systemet. Seriösa projekt använder vanligtvis ett datalager, en databas med data som redan är förberedd för analys, etc. Du kan inte ta och ladda upp, säg, 1 miljard poster till ett BI-system. Här behöver du redan tänka igenom lösningens arkitektur.
Figur 8. Power BI-datakällor
Men varför pekades Qlik ut? Jag gillar verkligen 3 saker:
- QVD-filer
Eget datalagringsformat. Ibland är det möjligt att bygga seriösa kommersiella projekt endast på QVD-filer. Till exempel är den första nivån rådata. Den andra nivån är bearbetade filer. Den tredje nivån är aggregerade data osv. Dessa filer kan användas i olika applikationer och olika anställda och tjänster kan vara ansvariga för dem. Nedladdningshastigheten från sådana filer är tio gånger snabbare än från konventionella datakällor. Detta gör att du kan spara på databaskostnader och dela information mellan olika Qlik-applikationer.
— Inkrementell dataladdning
Ja, Power BI och Tableau kan också göra detta. Men Power BI kräver en dyr Premium-version och Tableau har inte Qliks flexibilitet. I Qlik, med hjälp av QVD-filer, kan du göra ögonblicksbilder av system vid olika tidpunkter och sedan bearbeta dessa data som du vill
— Ansluta externa skript
Förutom QVD-filer för lagring av data kan skriptkoden i Qlik även tas utanför applikationen och inkluderas med kommandot Inkludera. Detta gör att du redan kan organisera lagarbete, använda versionskontrollsystem och hantera en enda kod för olika applikationer. Power BI har en avancerad frågeredigerare, men vi kunde inte ställa in ett sådant lagarbete som i Qlik. Generellt sett har alla BI problem med detta, det är helt enkelt omöjligt att samtidigt hantera data, kod och visualiseringar i alla applikationer från en enda plats. Det mesta vi kunde göra var att extrahera QVD-filerna och skriptkoden. Visuella element måste redigeras i själva rapporterna, vilket inte tillåter oss att massivt ändra visualiseringar för alla klienter samtidigt.
Men hur är det med en sådan mekanism som Live-anslutning? Tableau och Power BI stöder LIVE-anslutning till en rad källor, till skillnad från Qlik. Vi är ganska likgiltiga för denna funktion, eftersom... praxis visar att när det kommer till big data blir det helt enkelt omöjligt att arbeta med en LIVE-anslutning. Och BI behövs i de flesta fall för big data.
3. Datarensning, ETL (extrahera, transformera, ladda)
I det här avsnittet har jag 2 ledare, Qlik Sense och Power Bi.
Låt oss bara säga att Qlik är kraftfullt men komplext. När du väl förstår deras SQL-liknande språk kan du göra nästan allt - virtuella tabeller, sammanfogar och sammanfogar tabeller, loopar igenom tabellen och genererar nya tabeller, ett gäng kommandon för att bearbeta rader. Till exempel kan ett fält i 1 cell som är fyllt med data som "Ivanov 851 Bely" i farten delas upp inte bara i 3 kolumner (som alla kan göra), utan också i 3 rader samtidigt, till exempel. Det är också lätt att göra samma sak i farten genom att kombinera 3 rader till 1.
Figur 9. Hur man laddar och transponerar en tabell i Qlik Sense från Google Sheets
Power BI verkar enklare i detta avseende, men de flesta problem kan enkelt lösas genom frågedesignern. Jag ställde in ett antal parametrar, transponerade tabellen, arbetade med data och allt detta utan en enda kodrad.
Figur 10. Hur man laddar och överför en tabell till Power BI från AmoCRM
Tableau förefaller mig ha en annan ideologi. De handlar mer om skönhet och design. Det verkar väldigt svårt att koppla ihop ett gäng olika källor, kombinera dem alla och bearbeta dem inuti Tableau. I kommersiella projekt är data i de flesta fall redan förberedda och ackumulerade för Tableau i lager och databaser.
Figur 11. Hur man laddar och transponerar en tabell i Tableau
4. Visualiseringar
I det här avsnittet lyfte vi inte fram ledaren. Vi kommer att ha en separat artikel där vi, med exemplet på ett fall, kommer att visa samma rapport i alla tre systemen . Det är mer en fråga om smak och skicklighet hos analytikern. På Internet kan du hitta mycket vackra bilder byggda på grundval av något av dessa system. De grundläggande visualiseringsmöjligheterna är ungefär desamma för alla. Resten löses med Extensons. Det finns betalda och gratis. Det finns tillägg från leverantörerna själva, såväl som från frilansare och integratörer. Du kan skriva din egen visualiseringstillägg för vilken plattform som helst.
Jag gillar Tableaus stil, jag tycker att den är strikt och corporate. Men att få en riktigt vacker bild i Tableau är svårt. Ett utmärkt exempel på en Tableau-visualisering som endast använder tillägg. Jag kommer inte att kunna upprepa detta eftersom... Jag har inte dessa tillägg, men det ser snyggt ut.
Figur 12. Utseende på tablårapporter med tillägg
Power BI kan också göras intressant.
Figur 13. Utseende av Power Bi c Extensions-rapporter
Det enda jag inte förstår med Power BI är varför de har så konstiga standardfärger. På vilket diagram som helst tvingas jag ändra färgen till min märkesvaror och är förvånad över standardfärgen.
Qlik Sense är också beroende av Extensions. Att använda tillägg kan ändra rapporter till oigenkännlighet. Du kan också lägga till ditt eget tema och design.
Figur 14. Utseende på Qlik Sense-rapporter med tillägg
Ur en utvecklares synvinkel föredrar jag Qlik Sense på grund av standardalternativen som alternativa dimensioner och mått. Du kan ställa in flera dimensioner och mått i visualiseringsinställningarna, och användaren kan enkelt ställa in vad han ska titta på på ett visst diagram.
I Power Bi och Tableau måste jag konfigurera parametrar, knappar, programmera systemets beteende beroende på dessa parametrar. Jag undrar varför det är så svårt. Samma sak med möjligheten att ändra typ av villisering.
I Qlik kan du gömma olika typer av visualiseringar i ett objekt, men i Power BI och Tableau är detta svårare. Återigen beror detta mer på artistens skicklighet. Du kan göra ett mästerverk i vilket system som helst, men utan erfarenhet kommer du att sluta med outtrycklig grafik överallt.
5. Företagsmiljö - server, rapporter
Alla produkter har företagsserverversioner. Jag har jobbat med alla utgåvor och jag kan säga att alla har styrkor och svagheter. Valet av produkt bör baseras på dina programvarukrav, med hänsyn till deras nyanser. Alla leverantörer kan tilldela rättigheter både på konto- och gruppnivå och på dataradnivåsäkerhet. Automatisk uppdatering av rapporter enligt ett schema är tillgänglig.
Qlik Sense Enterprise är en fantastisk möjlighet att bygga analyser inom din organisation för medelstora företag. Detta kan tyckas dyrare än Power BI Pro, men glöm inte att Power BI Pro-servrar finns i molnet på Microsofts territorium och du kan inte påverka prestandan, och när du behöver Power BI Premium, som kan distribueras på dina servrar, då börjar priset från $5000 per månad.
Qlik Sense Enterprise börjar från 230 000 RUB. för 5 licenser (avgift per år, sedan endast teknisk support), vilket är mycket billigare än Power BI Premium. Och Qlik Sense Enterprise låter dig använda alla funktioner i Qlik. Kanske förutom en. Av någon anledning beslutade Qlik att en sådan funktion som möjligheten att skicka PDF-rapporter via e-post skulle tillhandahållas som en separat NPrinting-tjänst.
Men Qlik Sense Enterprise är kraftfullare än Power BI Pro och därför kan följande jämförelse göras.
Qlik Sense Enterprise = Power BI Premium, med samma kapacitet blir det billigare för genomsnittliga implementeringar. Stora implementeringar beräknas vanligtvis på leverantörens sida, där de kan ge individuella förutsättningar för ditt företag.
I detta avseende kommer vi att föredra Qlik Sense Enterprise, det har alla möjligheter att bygga seriösa analyser på enorma data. Enligt vår åsikt kommer Qlik att arbeta snabbare än Power BI på stora arrayer, på Qlik-konferenser stötte vi på kunder som först testade sina data i miljarder poster och Power BI visade sämre resultat.
Figur 15. Utseende på Qlik Sense Enterprise-serverrapporter
Qlik Sense Cloud = Power BI Pro. Qlik Sense Cloud visar sig vara 1.5 gånger dyrare* och det finns en mycket betydande begränsning som denna plattform inte tillåter oss. Du kan inte använda tillägg, inte ens inbyggda. Och utan tillägg förlorar Qlik något sin visuella skönhet.
Figur 16. Utseende på Power BI Pro-kontrollpanelen
*Ett alternativ är att använda en Qlik Sense Enterprise-prenumeration. Men för att den här artikeln inte ska uppfattas som reklam täcker vi inte vår prissättning
Och Tableau står lite åt sidan för oss. De har både molnprenumerationer för $70 per utvecklare och $15 per view, samt dyra serverlösningar. Men huvudidén med Tableau är att för big data måste du organisera databehandling och lagring vid sidan av. Objektivt sett tillåter mindre funktionalitet inte seriös databehandling i Tableau. Visualisera, analysera, ja. Men för små och medelstora företag är det vanligtvis problematiskt att skapa separat lagring. Jag skulle ha sänkt poängen för Tableau därför, om inte för deras 1-funktion. Tableau Server skickar sömlöst schemalagda e-postmeddelanden med CSV- eller PDF-bilagor. Dessutom kan du distribuera rättigheter, autofilter, etc. Av någon anledning kan Power BI och Qlik inte göra detta, men för vissa kan det vara kritiskt. På grund av detta har Tableau en ställning i vår tvist.
Figur 17. Utseende på Tableau Servers kontrollpanel
Även i en företagsmiljö måste du tänka på kostnaden för implementering och underhåll. I Ryssland har praxis utvecklats att Power BI är vanligare i småföretag. Detta ledde till uppkomsten av ett stort antal lediga tjänster och meritförteckningar, och uppkomsten av små integratörer. Detta gör att du kan hitta specialister för ett litet projekt. Men troligtvis kommer alla inte att ha erfarenhet av stora implementeringar och arbete med big data. Qlik och Tableau är motsatsen. Det finns få Qlik-partners och ännu färre Tableau-partners. Dessa partners är specialiserade på stora implementeringar med en stor genomsnittlig check. Det finns inte många lediga jobb och meritförteckningar på marknaden, hindret för att komma in i dessa produkter är svårare än i Power BI. Men i Ryssland finns det framgångsrika implementeringar av dessa produkter för tusentals användare, och dessa produkter fungerar bra på big data. Du behöver bara förstå styrkorna och svagheterna hos produkterna eftersom de gäller specifikt för ditt företag.
6. Stöd för mobila enheter.
I det här avsnittet kommer vi att lyfta fram Power BI och Tableau. Du kan installera mobilapplikationer och de kommer att se ganska bra ut på skärmarna på mobila enheter. Även om det verkar för oss som att analys på mobila enheter är sämre än analys på datorer. Ändå är det inte så bekvämt att använda filter, bilderna är små, siffrorna är svåra att se, etc.
Figur 18. Utseende av en Power BI-rapport på iPhone
Figur 19. Tablårapportens utseende på iPhone
Figur 20. Utseendet av en Qlik Sense-rapport på iPhone
Varför sänktes Qlik-poängen? Av skäl som är okända för oss är mobilklienten endast tillgänglig på iPhone; på Android måste du använda en vanlig webbläsare. Dessutom, när du använder Qlik måste du omedelbart förstå att ett antal tillägg eller visualiseringar inte reduceras eller att bilarna är placerade i mobila enheter som förväntat. En rapport som ser väldigt snygg ut på en PC ser mycket sämre ut på en liten skärm. Du måste göra en separat rapport för mobila enheter, där du kan ta bort filter, KPI:er och ett antal andra objekt. Detta gäller även Power BI eller Tableau, men är särskilt uttalat i Qlik. Vi hoppas att Qlik kommer att fortsätta arbeta med sin mobila klient.
Om du planerar att spendera mycket tid på att utföra analyser från mobila enheter, är det vettigt att installera alla tre klienterna och kontrollera deras visning på testrapporter. Alla leverantörer har ett galleri med testrapporter på sin webbplats för granskning.
7. Inbäddad (inbyggd) analys i tredjepartsapplikationer/sajter
Att använda analys som en tredjepartstjänst är inte alltid bekvämt. Du kanske utvecklar din egen produkt, men är inte redo att utveckla en visualiserings- och analysmotor från grunden. Kanske vill du distribuera analyser på din webbplats så att kunden registrerar sig själv, laddar upp sin data och gör analyser på sitt personliga konto. För att göra detta behöver du inbyggd analys (Embedded).
Alla produkter låter dig göra detta, men i denna kategori kommer vi att lyfta fram Qlik.
Power Bi och Tableau säger tydligt att för sådana ändamål måste du köpa en separat Tableau Embedded Analytics eller Power BI Embedded-produkt. Det här är inga billiga lösningar som kostar tusentals dollar per månad, vilket omedelbart begränsar deras användning. De flesta projekt blir omedelbart olönsamma för våra kunder. Det betyder att du inte bara behöver publicera en rapport på hela Internet, utan se till att rapporter publiceras enligt vissa åtkomster, med dataskydd, användarbehörighet etc.
Och Qlik låter dig komma ut. Naturligtvis har de även Qlik Analytics Platform, som är licensierad per server och organiserar ett obegränsat antal anslutningar. Det blir också dyrt som konkurrenterna Tableau och Power Bi. Och när det gäller obegränsade anslutningar finns det inte många alternativ.
Men i Qlik finns det något sådant som Mashup. Låt oss säga att du har Qlik Sense Enterprise och 10 licenser. Standardanalys, utseende, allt är redan tråkigt. Du bygger din egen webbplats eller applikation och du kan implementera all din analys där. Tricket är att, för att uttrycka det enkelt, Mashup är en visualisering i programkod. Med hjälp av API:t kan du programmerat skapa en visualisering i din applikation eller webbplats. Du kommer fortfarande att behöva Qlik Sense Enterprise för licensiering (licenser för platsanslutningar = licenser för anslutningar till BI), för att ladda data etc., men visualiseringarna kommer inte längre att visas på sidan av denna server, utan kommer att byggas in i din applikation eller webbplats. Du kan använda CSS-stilar, ställa in nya typsnitt och färger. Dina 10 användare kommer inte längre att logga in på analysservern, utan kommer att använda din företagsportal eller applikation. Analytics kommer att nå en ny nivå.
Figur 21. Utseendet av en Qlik Sense-rapport inbäddad på en webbplats
Det kommer att vara svårt att förstå var webbplatselementen finns och var Qlik Sense börjar.
Naturligtvis behöver du en programmerare, eller ännu mer troligt flera. En för webbprogrammering, en för att arbeta med Qlik API. Men resultatet är värt det.
Slutsatser. Låt oss sammanfatta.
Det är svårt att entydigt säga vem som är bättre och vem som är sämre. Power BI och Qlik är i paritet i vår konkurrens, Tableau är något underlägsen. Men kanske blir resultatet annorlunda för ditt företag. I BI-plattformar är den visuella komponenten mycket viktig. Om du har tittat på dussintals demorapporter och bilder på Internet för alla BI-system och du inte gillar hur en av plattformarna ser ut, så kommer du troligen inte att implementera den, även om du är nöjd med priset eller tekniska Stöd. egenskaper.
Därefter kommer du definitivt att behöva beräkna kostnaden för licenser, implementering och underhåll av BI-plattformen. Kanske i ditt fall kommer en ledare att identifieras. Entreprenören eller möjligheten att anlita en lämplig specialist är av stor betydelse. Utan proffs på någon plattform kommer resultatet att bli katastrofalt.
Framgångsrika BI-integrationer till dig, Andrey Zhdanov och Vladimir Lazarev, Analytics Group
Källa: will.com