开源篇

一、Superset

1、技术架构:Python + Flask + React + Redux + SQLAlchemy

2、使用人群:

(1)开发/分析人员做好看板,业务人员浏览看板数据

(2)业务人员可自行编辑图表,查看满足条件的结果,但使用上对业务人员不是很友好

3、安装部署:

(1)docker方式的安装部署最简单

4、数据源:支持各种数据源,包括Hive、Kylin等

5、创建步骤:连接数据源-->定义数据表/SQL查询-->图表-->看板

6、可视化:

(1)支持的图表类型多,达47种

(2)图表可视化选项少,例如,数据格式选项偏少,如需添加,需要修改配置文件

(3)可在看板中添加筛选框,支持在不同条件下查看

(4)不支持图表和看板分组管理

(5)没有提供图表的下钻功能,不支持多图表间的复杂联动

(6)不支持跨库的表关联查询

7、支持文档:

(1)安装部署和快速入门方面的文档详细

(2)但具体功能和图表制作方面的介绍文档几乎没有,需要自己摸索尝试

8、邮件通知:不支持

9、权限管理:

(1)报表权限设置复杂、繁琐、不好用

(2)可实现对菜单、数据源、数据表、字段、图表、看板等权限控制

10、二次开发:

(1)支持 RESTful API

(2)原属Airbnb的开源项目,有大公司团队维护,版本更新、Bug修复、二次开发有较大保障。

11、源代码:代码质量较差

12、Github星数:22132

二、Redash

1、技术架构:Python + Flask + AngularJS + SQLAlchemy

2、使用人群:由于是对SQL查询结果进行可视化,需要开发/分析人员做好看板,业务人员浏览看板数据。

3、安装部署:

(1)安装部署相对较麻烦

(2)参考文档:

4、数据源:支持数据源比superset少,不支持Kylin

5、创建步骤:连接数据源-->SQL查询-->图表-->看板

6、可视化:

(1)支持的图表类型不如Superset多,仅12种

(2)图表可视化选项多

(3)不支持在看板种添加筛选框

(4)不支持图表和看板分组管理

(5)没有提供图表的下钻功能,不支持多图表间的复杂联动

(6)不支持跨库的表关联查询

7、支持文档:

(1)提供快速入门教程

(2)每一个功能模块都有文档且条理清晰

8、邮件通知:支持定时发送邮件

9、权限管理:权限设置简单,仅控制用户组对数据源的权限(只有两个权限:Full access或View only)

10、二次开发:

(1)提供完整的 RESTful API 接口

11、源代码:代码质量比Superset要好,但比Metabase差一点

12、Github星数:10891

三、Metabase

1、技术架构:Clojure + React + Redux

2、使用人群:界面漂亮、友好,使用体验好,适合业务人员使用

3、安装部署:

(1)windows下安装部署非常简单

4、数据源:支持数据源少(12种),不支持Hive、Kylin

5、创建步骤:连接数据源-->图表-->看板-->定时任务

6、可视化:

(1)支持的图表类型不如superset多,仅14种

(2)图表可视化选项多,例如,提供数据格式多,设置灵活

(3)可在看板中添加筛选框,支持在不同条件下查看

(4)通过创建集合,支持图表、看板、定时任务分组管理

(5)提供图表的简单钻取功能,不支持图表间的复杂联动

(6)不支持跨库的表关联查询

7、支持文档:

(1)安装部署、快速入门、具体功能、API等方面的文档详细

8、邮件通知:支持定时发送邮件

9、权限管理:

(1)权限设置单一,只有访问权限

(2)仅实现对数据源、数据表、图表、集合等权限控制

10、二次开发:提供完整的API文档,即使完全不会 Clojure,依然可以凭借丰富的 API 与文档完成许多二次开发。

11、源代码:代码质量最好,结构清晰,整洁度高

12、Github星数:12368

最后,几个开源BI工具的详细对比

最后,除了以上的开源BI产品(大规模推广应用还是有难度的),可以试试个人版免费的FineBI,学习文档,产品稳定性,易用性相对开源都比较成熟。

FineBI

1、技术架构:纯java开发,后台业务层spring mvc + Hibernate,前台框架fineui,底层架构引擎不明,只知道有大数据引擎。

2、使用人群:

(1)开发/数据人员准备好数据,数据人员/业务人员分析。

(2)业务人员完全可自行分析、制作可视化。整个数据分析流程分工明确。

3、安装部署:

(1)直接官网下载电脑适配的版本安装激活即可

4、数据源:支持各种数据源,支持Apache Kylin、Derby、HP Vertica、IBM DB2、Informix、Sql Server、MySQL、Oracle、Pivotal Greenplum Database、Postgresql、ADS、Amazon Redshift、Apache Impala、Apache Phoenix、Gbase 8A、Gbase8S、Gbase 8T、Hadoop Hive、Kingbase、Presto、SAP HANA、SAP Sybase、Spark、Transwarp Inceptor、Hbase等主流的一些关系型数据库及非关系数据库MongoDB等

5、创建步骤:连接数据源-->建立数据业务包-->建立分析数据表-->图表分析-->看板

6、可视化:

(1)支持的图表类型多,达47种

(2)图表可视化选项少,例如,数据格式选项偏少,如需添加,需要修改配置文件

(3)可在看板中添加筛选框,支持在不同条件下查看

(4)不支持图表和看板分组管理

(5)没有提供图表的下钻功能,不支持多图表间的复杂联动

(6)不支持跨库的表关联查询

7、支持文档:

(1)安装部署和快速入门方面的文档详细,还有教学视频

(2)但具体功能和图表制作方面的介绍文档几乎没有,需要自己摸索尝试

8、邮件通知:支持

9、权限管理:

(1)有一套完整的数据、业务包、报表、人员部门权限管理,有流程节点。

(2)可实现数据源、数据表、字段、图表、看板等权限控制

10、二次开发:

(1)不支持java层面的开发

(2)只有web接口

(3)能与.NET集成、JBPM工作流集成、CAS单点登录

11、源代码:不公开,人家商业产品,有整个团队在运营。

12、个人用户使用免费,商业部署有两个并发限制,多了就要钱了,不过相比sap这种也不贵。

BI报表分析和数据可视化,推荐这三个开源工具!的更多相关文章

  1. 数据可视化实例(三): 散点图(pandas,matplotlib,numpy)

    关联 (Correlation) 关联图表用于可视化2个或更多变量之间的关系. 也就是说,一个变量如何相对于另一个变化. 散点图(Scatter plot) 散点图是用于研究两个变量之间关系的经典的和 ...

  2. Spark项目之电商用户行为分析大数据平台之(三)大数据集群的搭建

    Zookeeper集群搭建 http://www.cnblogs.com/qingyunzong/p/8619184.html Hadoop集群搭建 http://www.cnblogs.com/qi ...

  3. 前端er必须掌握的数据可视化技术

    又是一月结束,打工人准时准点的汇报工作如期和大家见面啦.提到汇报,必不可少的一部分就是数据的汇总.分析. 作为一名合格的社会人,我们每天都在工作.生活.学习中和数字打交道.小到量化的工作内容,大到具体 ...

  4. python grib气象数据可视化

    基于Python的Grib数据可视化           利用Python语言实现Grib数据可视化主要依靠三个库——pygrib.numpy和matplotlib.pygrib是欧洲中期天气预报中心 ...

  5. 第二篇:Power BI数据可视化之基于Web数据的报表制作(经典级示例)

    前言 报表制作流程的第一步显然是从各个数据源导入数据,Power BI能从很多种数据源导入数据:如Excel,CSV,XML,以及各类数据库(SQL Server,Oracle,My SQL等),两大 ...

  6. 推荐几款顶级的数据可视化及大数据分析BI工具

    如今,有大量强大的可视化工具可用于表达想法.可视化数据.向客户和全球社区分享重要的分析结果.现在大大小小的企业都可以利用商业智能工具来理解复杂的大数据. 这些解决方案可以收集,分析这些数据并将其转换为 ...

  7. 手把手教你快速使用数据可视化BI软件创建全球经济贸易分析大屏

    灯果数据可视化BI软件是新一代人工智能数据可视化大屏软件,内置丰富的大屏模板,可视化编辑操作,无需任何经验就可以创建属于你自己的大屏.大家可以在他们的官网下载软件.   本文以全球经济贸易分析大屏为例 ...

  8. 数据可视化之PowerQuery篇(十一)使用Power BI进行动态帕累托分析

    https://zhuanlan.zhihu.com/p/57763423 上篇文章介绍了帕累托图的用处以及如何制作一个简单的帕累托图,在 PowerBI 中可以很方便的生成,但若仅止于此,并不足以体 ...

  9. 第一篇:Power BI数据可视化概述

    前言 "可视化之工具,可爱者甚蕃.统计学家独爱R,自Python来,世人盛爱matplotlib.余独爱Power BI之出微软而不染(免费),濯Office而不妖(够精简).......& ...

随机推荐

  1. TensorFlow 卷积神经网络手写数字识别数据集介绍

    欢迎大家关注我们的网站和系列教程:http://www.tensorflownews.com/,学习更多的机器学习.深度学习的知识! 手写数字识别 接下来将会以 MNIST 数据集为例,使用卷积层和池 ...

  2. GitHub也会断供:美国制裁地区帐号都受限,毫无预警,个人页面直接404

    请注意,GitHub也有断供危机. 如果你有GitHub私有库,是时候重新思考安全性,也是时候制定备份策略. 这不是杞人忧天,也不只温馨提示,而是已经发生的事实. 一位伊朗程序员,一觉醒来GitHub ...

  3. Thread --三大特性 原子性,可见性,有序性

    原子性.可见性.有序性 什么是原子性 即一个操作或者多个操作 要么全部执行并且执行的过程不会被任何因素打断,要么就都不执行. 一个很经典的例子就是银行账户转账问题: 比如从账户A向账户B转1000元, ...

  4. 20175314薛勐 数据库MySQL(课下作业,必做)

    数据库MySQL(课下作业,必做) 要求 下载附件中的world.sql.zip, 参考Intellj IDEA 简易教程:数据库,导入world.sql,提交导入成功截图 编写程序,查询世界上超过& ...

  5. 1066 Root of AVL Tree (25分)(AVL树的实现)

    An AVL tree is a self-balancing binary search tree. In an AVL tree, the heights of the two child sub ...

  6. web font各浏览器兼容问题以及格式

    语法: @font-face { font-family: <identifier>; src: <fontsrc> [, <fontsrc>]*; <fon ...

  7. 搭建单区域DNS服务器

                                                          搭建单区域DNS服务器 案例1:搭建单区域DNS服务器 案例2:特殊DNS解析 案例3:配置 ...

  8. python--匿名函数、文件操作

    一.匿名函数 语法: sum = lambda arg1, arg2: arg1 + arg2 #调用sum函数 print "Value of total : ", sum( 1 ...

  9. Linux基础管理篇,软件管理程序,yum与rpm

    一.RPM 一般来说,rpm类型的文件在安装的时候,会检测当前的系统是否满足当前软件需要的环境.若符合,则该软件就会被安装,并且会把软件的相关信息写入/var/lib/rpm/目录下的数据库文件中. ...

  10. String 对象-->toUpperCase() 方法

    1.定义和用法 将字符串中所有的小写字符转换成大写字符,大写字符保持不变 返回转换后的结果字符串 语法: string.toUpperCase() 注意:不会改变字符串本身,仅以返回值的形式返回结果 ...