DataHunter怎么樣？與傳統(tǒng)BI相比DataHunter有哪些優(yōu)勢(shì)？
DataHunter是一款完全免費(fèi)、在線的數(shù)據(jù)可視化分析工具，DataHunter基于探索式分析，支持智能推薦的圖形、圖表協(xié)同過濾、全維數(shù)據(jù)鉆取，無(wú)需IT人員協(xié)助，業(yè)務(wù)人員只需通過拖拽式操作就能完成數(shù)據(jù)可視化分析工作。在國(guó)外Tableau、Qlik等自助式BI工具已經(jīng)獲得了眾多企業(yè)的認(rèn)可，而在國(guó)內(nèi)，也有像DataHunter這樣的輕量級(jí)自助式BI服務(wù)商涌現(xiàn)。那么，在數(shù)據(jù)分析層面，DataHunter到底有什么優(yōu)勢(shì)呢？下面就讓小編為大家介紹一下DataHunter怎么樣？與傳統(tǒng)BI相比DataHunter有哪些優(yōu)勢(shì)？
DataHunter怎么樣？
數(shù)據(jù)建模
通常，使用傳統(tǒng)BI進(jìn)行數(shù)據(jù)分析，IT人員需要先根據(jù)分析需求進(jìn)行數(shù)據(jù)建模，這其中涉及到很多復(fù)雜流程，包括確認(rèn)客戶需求、匯總數(shù)據(jù)、對(duì)數(shù)據(jù)進(jìn)行ETL處理、定義數(shù)據(jù)間的關(guān)聯(lián)模型等，之后業(yè)務(wù)人員會(huì)根據(jù)輸出的數(shù)據(jù)報(bào)表進(jìn)行查看。
這種方式帶來(lái)的直接問題就是，一旦客戶的分析需求發(fā)生變化，那么業(yè)務(wù)或分析人員無(wú)法自行修改數(shù)據(jù)報(bào)表，只能依靠IT部門。此時(shí)，IT人員需要重新建模或修改已有的分析模型，再進(jìn)行報(bào)表輸出。毫無(wú)疑問，這種方式效率低下，而且耗時(shí)很久。
另外，靜態(tài)的數(shù)據(jù)報(bào)表也讓業(yè)務(wù)人員無(wú)法進(jìn)行有效的數(shù)據(jù)分析。因?yàn)樗械木S度和度量都是已經(jīng)預(yù)設(shè)好的，輸出的可視化圖表也是固定且無(wú)法修改的，例如，想要對(duì)已經(jīng)設(shè)定好求和的數(shù)值進(jìn)行求平均值，那需要重新進(jìn)行建模。
使用自助式BI產(chǎn)品進(jìn)行數(shù)據(jù)分析，則無(wú)需進(jìn)行復(fù)雜的數(shù)據(jù)建模。通過DataHunter自主研發(fā)的輕量級(jí)BI產(chǎn)品，數(shù)據(jù)建模過程相當(dāng)簡(jiǎn)單。業(yè)務(wù)人員只需要將長(zhǎng)傳后的數(shù)據(jù)表進(jìn)行拖動(dòng)關(guān)聯(lián)，就可以完成建模過程。并且，DataHunter支持實(shí)時(shí)調(diào)整數(shù)據(jù)表中維度和度量的計(jì)算方式，極大增強(qiáng)了數(shù)據(jù)分析的靈活性。此外，DataHunter也支持對(duì)上傳后的數(shù)據(jù)進(jìn)行一系列的操作和編輯，包括自由更改表格文件名稱、表格分組、字段類型等。
實(shí)時(shí)交互分析
由于傳統(tǒng)BI基本以提供報(bào)表服務(wù)為主，雖然功能比較全面，但受限于產(chǎn)品技術(shù)架構(gòu)和復(fù)雜且固定的分析流程，一方面，傳統(tǒng)BI無(wú)法實(shí)現(xiàn)實(shí)時(shí)的數(shù)據(jù)采集、處理和分析，另一方面，業(yè)務(wù)人員也無(wú)法隨時(shí)調(diào)整數(shù)據(jù)報(bào)表，更多則是以固定時(shí)間為周期輸出監(jiān)控類或固定格式報(bào)表。
DataHunter在研發(fā)之初，就考慮到大數(shù)據(jù)時(shí)代下用戶對(duì)于實(shí)時(shí)分析的強(qiáng)烈需求。基于自主研發(fā)的DH Data Connector Framework（數(shù)據(jù)連接器框架），DataHunter支持用戶實(shí)時(shí)對(duì)接企業(yè)內(nèi)的各種業(yè)務(wù)系統(tǒng)數(shù)據(jù)，并通過內(nèi)存分析引擎進(jìn)行實(shí)時(shí)的處理和分析。
探索式分析
傳統(tǒng)BI產(chǎn)品基本是采用驗(yàn)證式分析模式，其是一種自上而下的模式。即企業(yè)決策者設(shè)定好業(yè)務(wù)指標(biāo)，提出分析需求，分析人員再根據(jù)相關(guān)需求進(jìn)行報(bào)表定制。這種模式必須先有想法，之后再通過業(yè)務(wù)數(shù)據(jù)進(jìn)行驗(yàn)證。所以驗(yàn)證式分析對(duì)數(shù)據(jù)質(zhì)量要求很高，如果數(shù)據(jù)本身出現(xiàn)問題，那么即便通過科學(xué)的數(shù)據(jù)建模進(jìn)行分析，結(jié)果也肯定是錯(cuò)誤的。
相比于驗(yàn)證式分析，探索式分析對(duì)數(shù)據(jù)質(zhì)量要求相對(duì)較低，同時(shí)也不需要復(fù)雜的數(shù)據(jù)建模，這也是Data Analytics的核心理念。探索式分析的意義在于，它允許分析人員或決策者在不清楚數(shù)據(jù)規(guī)律、不知道如何進(jìn)行數(shù)據(jù)建模的情況下，通過數(shù)據(jù)本身所呈現(xiàn)出的可視化圖表進(jìn)行查看和分析。
目前，基于探索式分析的數(shù)據(jù)可視化產(chǎn)品并不多見，國(guó)外產(chǎn)品包括Tableau、Qlik、Power BI等，而國(guó)內(nèi)最具代表性的則是DataHunter自主研發(fā)的自助式BI產(chǎn)品。基于探索式分析，DataHunter支持智能推薦圖形、圖表協(xié)同過濾、全維度數(shù)據(jù)鉆取，可以幫助用戶快速定位并發(fā)現(xiàn)問題。
操作簡(jiǎn)單
傳統(tǒng)BI的設(shè)計(jì)理念在于幫助企業(yè)構(gòu)建大而全的報(bào)表平臺(tái)，功能雖多但非常復(fù)雜。一方面，傳統(tǒng)BI需要進(jìn)行手動(dòng)建模，操作復(fù)雜且學(xué)習(xí)難度極大；另一方面，在整個(gè)數(shù)據(jù)處理環(huán)節(jié)中，也需要大量的代碼指令，這是業(yè)務(wù)人員無(wú)法完成的。
相比于傳統(tǒng)BI，自助式BI產(chǎn)品更加輕量級(jí)，由于產(chǎn)品本身主要面向業(yè)務(wù)人員使用，所以自助式BI更加簡(jiǎn)單易用，使用門檻也非常低，即便沒有任何操作經(jīng)驗(yàn)的小白用戶，也能輕松上手。
以DataHunter產(chǎn)品為例，不管是數(shù)據(jù)處理還是分析過程，全程通過拖拽操作即可完成。同時(shí)，從教學(xué)視頻到幫助文檔，DataHunter為用戶提供了完善的學(xué)習(xí)資料，用戶通過學(xué)習(xí)，幾分鐘就可以完成從數(shù)據(jù)整合、數(shù)據(jù)關(guān)聯(lián)、可視化分析、建立業(yè)務(wù)看板所有流程。
結(jié)語(yǔ)：
因此，在大數(shù)據(jù)時(shí)代，面對(duì)海量的商業(yè)數(shù)據(jù)，企業(yè)應(yīng)該盡早放棄傳統(tǒng)的BI數(shù)據(jù)分析模式，而采用以數(shù)據(jù)驅(qū)動(dòng)的輕量級(jí)、自助式BI產(chǎn)品。唯有徹底解放IT部門，把數(shù)據(jù)分析能力歸還給業(yè)務(wù)人員，才能真正釋放出數(shù)據(jù)的價(jià)值，洞察業(yè)務(wù)的未來(lái)。以上就是小編為大家介紹的DataHunter怎么樣？與傳統(tǒng)BI相比DataHunter有哪些優(yōu)勢(shì)？的有關(guān)內(nèi)容，希望能有所幫助。
[免責(zé)聲明]
文章標(biāo)題： DataHunter怎么樣？與傳統(tǒng)BI相比DataHunter有哪些優(yōu)勢(shì)？
文章內(nèi)容為網(wǎng)站編輯整理發(fā)布，僅供學(xué)習(xí)與參考，不代表本網(wǎng)站贊同其觀點(diǎn)和對(duì)其真實(shí)性負(fù)責(zé)。如涉及作品內(nèi)容、版權(quán)和其它問題，請(qǐng)及時(shí)溝通。發(fā)送郵件至36dianping@36kr.com，我們會(huì)在3個(gè)工作日內(nèi)處理。
