Qlik Cloud vs DataFocus Cloud


QlikSense产品分析

产品概述

体验环境

  • 体验产品:Qlik Sense Desktop
  • 产品版本:qliksensedesktop 11.24.4
  • 操作环境:WIN 7

产品定位

Qlik作为一款全球领先的BI产品,以其独有的数据关联引擎技术支撑下的全局关联为最大特色。在这种内置关联的帮助下,你可以轻松地在你的大数据可视化中联想和发掘到意想不到的思路和见解。

市场背景

行业趋势:

根据《Gather 2018 BI与数据分析魔力象限》报告分析,敏捷BI产品已经扭转了商业智能的市场格局,并成为了市场的不二之选。目前敏捷BI的魔力象限图变化不大,但是创新型BI厂商可能在21世纪第二个十年,也就是2020年出现,成为行业领导者。AI、NLP搜索、智能数据预处理、自动化深入分析和以可视化为基础的数据挖掘的分析方法将成为BI的重要组成部分。业务人员将成为BI的核心用户群体的情况已成为了现实。这意味着学习成本更低的自助型BI产品将获巨大的发展空间的同时,用户量也将大大提升,自主服务BI成为国内外企业面向业务人员的首选数据分析工具,各大行业对自助服务分析越发看重,而且不断有采购需求。国内的BI领域是一个竞争充分的市场,尚未形成某家独大的垄断局面,也不具备行业保护,有很大的发展空间。

但业内虽然有很多自称支持自助服务的产品,但均发展不足。无IT背景的业务人员如何快速上手分析工具、如何确保企业数据的安全和管理控制、确保平台稳定性、如何真正做到智能的分析数据变化甚至预测数据发展等难题,还需要做出很多改进。

竞争现状:

魔力象限图中暂时未出现中国厂商,主流的BI产品为国外的Tableau、Power BI等敏捷BI产品,占据了大量的国内外市场份额。

国内BI工具起步相对较晚,但近年奋力追赶下在与国外争夺市场份额的争斗中不分伯仲,各大公司均着力于敏捷BI的开发,在现阶段自助式大数据分析工具竞标中,遇到Power BI 、Tableau较多。企业主决策的核心主要围绕产品能不能提升效率、降低成本、带来更大业务收益进行,以及实际实施过程中,业务人员使用的复杂程度来评价。

主流产品有永洪BI、帆软BI和海致BDP。

永洪定位是全能型的数据分析,也是国内最早研究敏捷BI的厂商,更是唯一一款借助于分布式技术的BI产品,并在今年退出来自助服务数据分析平台和AI平台,在高性能处理数据方面优势突出,目前产品和服务能力是国内数据分析厂商中最强大的,。

帆软BI,早期专注于传统报表的图表组件功能,以价格优势占到了不低的市场份额,但作为传统BI起步的公司,在敏捷BI的冲击下市场受到了冲击并开始转向敏捷路线,但仍然依赖于Cube处理数据,操作复杂不支持数据挖掘,更偏向于传统BI的模式,面向仍需要利用数据报表工具来进行数据化管理的传统型公司,仍然占有大份额的市场。

海致BDP是国内典型的敏捷BI代表,操作简单适于没有技术背景的业务人员上手,基于Hadoop平台的SAAS云端,在处理大数据方面能力出众,但是技术配置要求较高,平台费用也较高。

主要功能

3.1 数据源导入

图3-1-1 数据源

Qlik支持常见的数据库类型数据源和文件类型数据源,支持在线创建表格,除以上三种,Qlik还支持自身的QVD、QVX文件加载数据,也可以通过二进制加载其他QVW文件的数据。

  • 覆盖数据源广,导入操作简单。
  • QVD文件比直接从数据源加载大大加快了速度和节约了硬件资源
  • QVX文件和QVD相似,但是优化效果相对差一些,且只能由Qlik产生。

3.2 数据处理

图3-2-1 关联数据表

图3-2-2 数据模型

表关联是Qlik的核心数据处理方式,Qlik关联引擎的筛选方式为OR,即用户在选择了某些字段后,与这些字段相关的数据都会被标注出来供用户进行处理或发掘数据间关系。除此之外,Qlik还提供了全面细致的数据表处理操作,以及脚本操作途径来进行更细致的处理。

Qlik特有中的绿白灰概念:

绿——关联且已选中,白——关联但未选中,灰——无关联。

  • Qlik的色彩概念体现了设计上的一致性,帮助用户即使对操作了解不多的情况下,仍能大致理解操作的类型,方便工作的进行。
  • Qlik的脚本模块可以满足几乎所有的数据处理需求,但是需求的学习成本较高。
  • 关联的数据处理方式支持多数据源分析,加深了产品的数据分析深度,可用性更高。

3.3 数据可视化与分析

图3-3-1 数据可视化编辑

图3-3-2 筛选字段

在编辑页面,Qlik采用拖拽式操作让用户管理图表可视化的布局,在一张画布内加入自己需要的表,在图表中选择自己选定的维度和度量,可以在属性框内对图表字段进行详细的定义。脚本模块可以支持用户对图表字段进行更深入的定义。对已完成的可视化图表,Qlik支持图表联动,在工作表中对其中一张图表进行套索选择时,其他图表也会相应变化。

  • Qlik的页面风格简洁,消减了界面框体的所有效果,最大化的突出了数据信息,避免了用户被多余信息误导从而影响产品使用的可能性。
  • 基本操作简单易懂,可视化的数据挖掘深度取决于对脚本的使用能力,学习成本较高,容易上手但不容易用的深入。
  • 图表联动功能点切实的满足了用户用BI产品发现问题的需求,能大幅提升用户理解业务变化的效率。
  • 对于已完成的图表的挖掘操作很少,基本只有套索分组分析,更多的信息需要依赖用户自主的进一步编辑图表,自助性很差。

3.4 可视化演示

Qlik用故事模式帮助用户展示图表,故事页面中,用户可以把各个工作表加入画布,也可以加入其他的媒体文件和标签文本等等。

  • 方便了用户直接将得到的分析结果编辑成适于向其他组人员展示的成品。
  • 故事模块的功能节省了用户将成果再整理成展示文件的成本,提升用户体验的同时,增加了用户粘性。

3.5 发布数据可视化结果

图3-5-1 Cloud发布文件

Qlik Sense Desktop的试用版需要使用Qlik Cloud来对可视化结果进行分享,用户可以在免费版的Qlik Cloud的分享列表中加入五名用户,然后将文件传输到服务器上在进行发布,这五名用户可以查看可视化结果以及进行交互,但不能对图表进行编辑。拥有者本身也不可以对已发布的可视化图表进行编辑,需要先撤销发布。

  • 该部署只满足了用户进行分享的需求。

对比

比较点 Qlik DataFocus 分析结果
数据源覆盖
  • 常见数据库数据源
  • 常见数据文件数据源
  • 在线创建数据表
  • 自身的QVD、QVX文件,其他QVW文件
  • 标准型数据库数据源
  • CSV格式文件数据源
Qlik覆盖数据源类型更广,且自身的QVD、QVX文件加载速度比一般数据库更快更节约资源。
数据源导入速度 较慢 1000行三列数据库数据源文件和数据库数据源文件导入速度差距在10s左右
提取数据 都支持
最大数据容量 数十亿行 (待测试结果)
数据模型 星形模型 雪花模型 星形模型查询效率更高,但是会产生数据冗余,ETL相对简单;雪花模型数据冗余减少,改善了查询性能,但根据具体表连接的方式,效率有一定的波动。
数据表操作(单表)
  • 预览表数据
  • 更改字段名称
  • 添加字段别名
  • 更改字段类型
  • 更改字段格式
  • 更改维度属性
  • 筛选字段
  • 添加字段
  • 更新表数据
  • 逆透视
  • 预览表数据
  • 更改字段名称
  • 添加描述
  • 添加字段别名
  • 更改字段类型
  • 更改聚合方式
  • 筛选字段
  • 添加字段
  • 更改索引类型
  • 更改地域类型
  • 更改优先级
  • 更改字段格式
  • 更改维度属性
对比看,DataFocus有对数据表更细微的操作,其中添加字段需要在search页面进行,不能在预览表时操作;Qlik在对表数据的基本操作外添加了逆透视,将单条数据以行形式取出呈现给用户。
数据表关联 有,自动关联字段,可自定义 有,自定义关联方式,可在关联时筛选连接信息
  • Qlik连接相关表时,会自动内连接相关表的字段属性和名称相符的字段,用户也可以自定义关联字段和关联名称;DataFocus由用户直接定义连接类型和关联字段。
  • Qlik的拖拽式操作方法具有创造性,并且符合用户的操作习惯。并可以直接在关联界面查看关联表的数据。
  • DataFocus和Qlik的数据模型不同,连接限制也有不同。
支持图表类型
  • 表格
  • 饼图
  • 地图
  • 分布图
  • 框图
  • 瀑布图
  • 散点图
  • 树形图
  • 条形图
  • 透视表
  • 仪表
  • 折线图
  • 柱状图
  • 组合图
  • KPI
  • 柱状图
  • 折线图
  • 饼图
  • 散点图
  • 漏斗图
  • 气泡图
  • 堆积柱状图
  • 条形图
  • 面积图
  • 帕累托图
  • 数据透视表
  • 位置图
  • 经纬图
Qlik的图表类型较多,但DataFocus支持的图表类型也基本可以满足需求,默认采用KPI,便利性方面表现优秀,在特殊图表和组合图上有更多的进步空间。
图表风格 最小化非数据相关部分,重点在于凸显数据,削减了边框、网格线、阴影光泽等效果,主背景色基本为白,可以更改。默认选色时偏向用对比度高的配色方案,无需对比时的自动配色为蓝。用户可以自选系统提供的配色方案或自行配色。 非数据相关部分色调较为单一,无复杂效果,背景色为白,可以更改,默认配色方案对比明显,无需对比时为蓝色,用户可以自行配色。 设计风格大致相同,都是突出数据部分的设计理念,Qlik的风格相对活泼,而DataFocus偏商务化。
展示方式 工作表(包含单个或多个图表)

故事(包含单个或多个工作表,用于展示,可添加非工作表的元素)

问答(包含单个图表)

Pinboard(包含单个或多个问答)

Qlik的展示方式方便用户进行数据分析的同时也提供了更为完善的展示功能。
数据可视化操作 在编辑工作表页面通过拖拽式操作,选择图表类型拖入工作表区域,然后为图表添加对应的字段,在右侧属性栏选择各字段的属性进行字段的数据处理,更改图表样式 在Search页面双击选择字段或通过输入框输入查询语句通过NLP分析生成图表,系统选择最优图表展示,用户可以选择图表类型(字段属性不相符的图表无法选择),在图表轴上对对应字段进行数据处理。 Qlik和DataFocus的操作方式各有不同,都符合用户的操作习惯,NLP分析生成图表的方式更具便捷性也更符合趋势要求。但是Qlik对脚本化要求较高,对技术性不强的用户限制较大。
数据可视化处理速度 略慢 同一1000行数据源的同一图表DataFocus的生成速度与Qlik差距在4s。
单个图表数据分析深挖 需要从工作表进入单个图表探索页面,修改后要保存

  • 排序
  • 修改图表样式
  • 筛选字段
历史问答或者从数据看板选择问答进入编辑页面,修改后要保存

  • 转换图表类型
  • 修改图表样式
  • 筛选字段
  • 下钻
DataFocus拥有更多的数据分析手段比如下钻,能够帮助用户更深层的挖掘数据问题所在,但在直接在图表上筛选字段时,Qlik支持自由选择, 用户操作起来更方便,DataFocus可以考虑加入这种筛选方式。

Qlik对脚本化要求较高,对技术性不强的用户限制较大。

图表联动 支持,在工作表中添加筛选器窗格或者在任一图表中进行筛选即可 支持,在看板页面对单个图表筛选时,其余图表会自动进行联动更新 Qlik和DataFocus都很好的支持了图表联动,但对比比筛选功能,Qlik能够自由选择功能性更完善。
权限管理 用户对自身为拥有者的资源(应用程序、工作表、故事、数据)有完全的管理权:添加、删除、修改、发布、下载等。

体验版为QlikSense免费版,发布资源需要将资源传至QlikCloud上再进行发布,发布后用户可以添加五名用户至共享名单,这五名用户及发布者可以对已发布资源进行查看和交互但不能修改编辑

(待更新) QlikSense免费版的资源管理很有局限性,适用于个人用户,不方便企业用户进行交互交流,对此他们有更好的选择:QliSenseEnterprise和QMC或QlikCloudBusiness相辅进行权限管理。
自定义首页 不支持 支持用户设定某一看板作为首页 DataFocus方便用户更快的看到自己想看到的数据
用户引导
  • 开始页面有新建应用程序的引导,引导至为新建应用程序添加数据
  • 构建图表窗格有相应图表的维度度量指引
  • 完善的用户社区,但是多为英文
  • 大量的操作视频,英文
  • 初次登录和未构建模型前有简单的用户使用引导清单
Qlik在用户引导方面做的相对不足,英文社区对中文用户有局限性
提供帮助服务 Qlik小组、客服电话、邮件支持及论坛 (待更新) 帮助服务健全完善
价格 有免费的QlikSense和Cloud版本

也有需要付费的QlikSenseEnterPrise和CloudBusiness版本,通过联系代理商获取相应报价,每个用户每月大约是50美元

(待更新) 总体价位稍高
提供付费培训服务 (待更新) 根据课程不同有不同的收费标准
易用性 一般 较好 Qlik内嵌了Dev用于更复杂的数据处理和数据分析操作,他的的脚本性特性需要用户进行针对性的学习,相对比来看DataFocus的易用性更强。
扩展性 高,支持集成丰富的插件 Qlik的扩展性更好
企业使用性 产品类型及组件过多,成本稍高 部署简单,无附属组件。 Qlik产品类型过多使用户产生选择歧义,不同组件的搭配不同导致操作难度也不同,定制服务价位稍高。更适用于中型的企业。

总结

在可视化方面DataFocus与Qlik风格近似差距不大,交互性Qlik略胜一筹,而数据分析方面DataFocus有其自身的优势: 更多的操作方式和自由的图表转换。

功能性方面,QlikSense Desktop的性能更好,但是对比QlikCloud,DataFocus相对较优。Qlik的复杂功能依赖于他的脚本编辑,用户要求更高,而DataFocus相对简单智能,更好的服务与一般业务人员,与行业趋势更加相符。

 

相关内容推荐

声明:DataFocus|版权所有,违者必究|如未注明,均为原创|本网站采用BY-NC-SA协议进行授权

转载:转载请注明原文链接 - Qlik Cloud vs DataFocus Cloud


让数据分析像搜索一样!