2020主流国产BI产品对比
国产BI软件由于具备较强的本土特性,可以很好地适应国内用户的使用习惯,越来越多被国内用户使用。目前国内BI产品很多,可谓百家争鸣,如何从众多的BI产品中选择适合自己的呢?这里我们对比一下目前国内主流的几款BI产品,由于每个用户的需求不尽相同,只能从一些公共的特性出发进行对比,希望对你有用。
润乾报表
润乾报表做的很早,现在有小20年了。最早是为了解决中国式复杂报表开发的,提出的模型也比较有效,基本彻底解决了中国复杂报表的难题。
目前润乾报表提供了比较完善的BI系统功能,包括报表、多维分析、Dashboard、可视化、管理系统以及移动端支持等内容。
数据源方面,润乾报表除支持 MySQL、Oracle 等JDBC数据源外,还支持 MongoDB、Elasticsearch、Redis、Spark 以及 HDFS 等数据源。同时还可以直接使用 Excel、CSV、JSON 进行报表开发和数据分析。
润乾报表原生统计图的可视化效果一般,为了增强可视化效果,润乾报表提供了其他JS图形接口,可以对接ECharts、D3、HighCharts等任意JS图库。值得注意的是,很多产品都是通过插件开发的方式来扩展第三方图库,实现上开发难度很大,而润乾报表通过引入图库文件后修改 JS 用于接收数据集数据就可以完成,相对方便得多。

国内BI需求中经常无法避开的是复杂报表,这种报表统计项相对稳定但格式复杂(斜线表头、不固定的多层表头、单元格之间随意引用),后端的数据准备十分繁琐。润乾报表专门提供了开发复杂报表的类Excel设计器,可以很好搞定这类需求。

多维分析方面,润乾报表前端界面设计跟Excel数据透视表有些类似,通过拖拽相应维度和度量就生成图表,可以进行切片、钻取、旋转等多维分析常见操作。
润乾多维分析提供了一种渐进性方式,首先是基于文件(CSV/Excel)分析,用户可以上传数据文件进行多维分析,如果基于数据库还可以直接写SQL,提供了类似SQL Lab的操作界面能满足基于数据库的复杂查询或临时性分析需求。润乾多维分析提供了语义层建模机制,通过建模可以避免重复编写SQL以及解决语义转换等问题。
目前几乎所有多维分析产品都采用建CUBE(库外的多维数据存储或库内的宽表)的方式来解决多表关联查询,这样做的缺点是查询范围小(没在模型里的查不了),灵活性不足,所以会经常出现业务需求驱动模型频繁改造的问题。
润乾多维分析采用了一种被称为“关联分析”的建模方式,可以事先将表间关联关系描述好,在页面上用户操作时实时关联用到的表进行查询。这样可以直接基于多表(雪花型结构)构建多维分析模型,而不必事先造宽表,实现实时多维分析。再通过汇总表来解决查询效率问题。

*注意截图里的树形结构
多维分析生成的图表可以发布到Dashboard上,润乾报表提供的Dashboard功能中规中矩,并没有太多出彩,仪表版上的各个组件可以共用全局参数。
对于完整的BI系统,润乾报表提供了一个轻量级的报表中心用于用户登录管理、资源发布和权限控制等方面,管理系统包含主要功能但相对简单。
值得一提的是,润乾报表目前多维分析前端界面、Dashboard以及报表中心都是开源的,可以拿源码随便改。
除了复杂报表、多维分析和开源的报表中心,我觉得润乾报表最友好的地方在于集成性。目前几乎所有BI产品都是以独立系统实现,与现有系统对接要做单点登录。而润乾报表提供的报表、多维分析以及Dashboard都可以独立拆分集成到项目里,这里的集成是把相应jar包和配置文件嵌入到一个工程里,最后作为一个应用打包发布。这对已有管理系统的行业软件开发商来说十分实用。
价格方面,润乾报表单套价最高6万,非常亲民。
润乾报表的缺点在于设计器过于丑陋,感觉是程序员做设计师的产物,虽然功能很全但样子确实不怎么样。另外,Dashboard和报表中心做的也不够精细,不过好在开源可以自己干预。
总体来讲,润乾报表功能比较齐全,绝大部分BI需求都能覆盖住,性价比很高。由于其集成性非常适合软件开发商使用,将其集成到自己的系统里为行业用户提供BI解决方案。
FineBI
FineBI是帆软的BI产品,帆软也是国内做的比较早的一家报表工具厂商。最初跟润乾一样也主要针对中国复杂报表,而后逐渐发展为BI产品提供商。
FineBI是一个完整的BI平台,在使用时首先需要管理员按照相应的业务场景建立业务包,接下来所有的数据准备与分析操作都是基于业务包完成的。
FineBI的所有操作都是在页面端完成(润乾的语义层建模是有独立的IDE),数据准备时将数据库表读入并维护表间关系,然后同步数据。这一步主要是将数据从数据库中拉出来生成CUBE。如果有表自关联的情况需要根据层级将其拆分成多列,但无法解决循环关联的情况(循环关联在润乾报表中解决的很好)。FineBI也提供了实时数据模式,可以直连数据库查询,但这种方式官方不推荐使用。
数据准备完成后就可以进一步创建数据集进行多维分析,并生成Dashboard了。FineBI的界面效果做的很不错,内置的图形效果也很好,不过跟一流开源图库(ECharts/D3)还是有一定差距。

数据源方面FineBI主要支持JDBC数据源,还有SAP BW,其他类型数据集需要借助插件实现连接,插件开发有一定难度。
复杂报表方面,帆软有另外一个FineReport报表工具来满足,大部分复杂报表需求都可以搞定,复杂报表方面的能力与润乾报表接近。
FineBI提供了非常完善的平台管理功能,润乾报表提供的报表中心可以满足基本需要,FineBI提供的平台管理功能更加细致。
价格方面,FineBI单套的成本在十几万到几十万范围,小贵。
总结来说,FineBI比较适合终端用户使用,满足常见的BI需求没有任何问题,从性价比角度来看如果价格能控制在10万左右还是非常值得推荐的。
Smartbi
思迈特的Smartbi也是一款融合了报表、多维分析、可视化和管理平台的BI产品,不过在产品内部划分的更细。如果说润乾报表偏重BI工具,FineBI偏重BI可视化,那Smartbi则更注重BI运营。
在数据分析方面,Smartbi划分了多个功能模块,自助仪表盘、透视分析、即席查询、多维分析和外部web链接。自助仪表版就是Dashboard;透视分析用于临时分析场景,不需要建模选择数据就可进行类似Excel数据透视表形式的分析操作,可以生成图表;即席查询主要用于清单表的查询,可以动态增加查询条件(通用查询);多维分析可以基于语义层建模结构进行分析,实现切片、旋转等操作;web链接则是可以为外部程序传递参数。

自助分析方面感觉Smartbi划分过于细致,用户使用的时候要区分多个入口。
在复杂报表方面,Smartbi采用了Excel插件的报表开发方式,这跟润乾和帆软独立的设计器有所不同。Excel插件设计器可以跟Excel对接更加紧密,但反过来自主灵活性要差一些。Smartbi可以满足大部分复杂报表需求,在这方面要比润乾和帆软略差一点。
Smartbi支持的数据源种类比较丰富,本地文件(文本/Excel)、关系数据库以及Essbase多维数据库,还支持MongoDB和Tinysoft两种NoSQL。在文档中还提到跨库联合数据源可以实现跨库查询的需要,有类似需求的用户可以尝试。在跨源查询方面润乾可以支持异构源,帆软没看到相关说明。
可视化图形方面Smartbi直接使用了ECharts。
除了BI核心功能,Smartbi还提供了比较丰富的运营功能,包括应用商店、数据导航、数据答疑、社交分享等功能,用户在使用时满足核心BI需求后可以通过这些功能提升运营体验。
Smartbi的价格也是在十几万到几十万范围内,取决于选用的功能。如果用户希望增加BI系统的丰富程度(加分项)Smartbi是个不错的选择。
亿信ABI
ABI是亿信华辰的全功能BI产品,包括数据可视化、报表、多维分析和管理平台。ABI将可视化分成了基础图表包括Dashboard和用于大屏呈现的3D类图形,可以满足更丰富的大屏呈现需要。
ABI提供了在线的报表设计器用于复杂报表开发,这跟上面三类产品有桌面开发环境不同,从开发效率上来讲自然是独立的C/S设计器更高效。复杂报表的满足程度ABI要差不少,这可能跟产品更偏向自助分析的定位相关。
数据源方面,ABI主要支持关系数据库,也支持本地Excel和文本文件,另外提供了“接口数据源”可以获取HTTP数据,一般是JSON格式。从数据源支持程度上来看,要弱于以上三种产品,不过目前大多数BI分析仍基于关系数据库,问题也不大。
ABI的建模过程略微繁琐,首先要创建主题域和主题集,主题域可以按业务范围来划分;然后引入主题表和维护主题集属性。

维度区分很细,包括单级维、层级维、通用维、螺旋维,其中自关联的表需要通过螺旋维来满足。在润乾报表中不需要区分这么细,处理自关联跟普通关联没有区别,可以通过一种手段来搞定,FineBI也没有进行过多地区分,自关联时将自关联表拉平生成多个字段。
ABI还提供了报告分析可以生成在线或WORD报表,这个功能在Smartbi和FineBI中也有提供,润乾报表提供了生成报告的接口需要使用者自行实现。
ABI同样提供了完整的平台系统,这方面的功能中规中矩,可以满足大部分用户的平台管理需要。
价格方面,ABI的列表价非常高,成交价要看选用的功能和议价能力,应该也在十几万到几十万的区间。
综合来看,ABI适合对复杂报表需求不多的用户,常规BI需求基本都能满足,性价比自然是越高越好。
永洪Z-suite
永洪这家公司比较新,Z-suite我没用过,看了下文档(白皮书,没有在线产品使用文档)感觉跟其他BI产品并没有太大区分度。官方给出的产品功能包括这些内容,说实话看的有点云里雾里,还需要使用者再详细考察。

总结
从我们上面的对比中可以看到,FineBI、SmartBI和亿信ABI提供了精细的平台管理功能,比较适合终端用户使用,其中ABI的复杂报表能力稍差。润乾报表的集成性较好,多维分析使用比较灵活,适合软件开发商或需要将BI功能集成到已有系统的用户使用。永洪由于资料相对欠缺暂无建议。
2020主流国产BI产品对比的更多相关文章
- 一文带你盘点市场上主流的BI产品主要有哪些
随着时代的发展,商业智能使数据分析和数据可视化的门槛不断降低,使得企业各级人员都能进行数据分析,从而加深业务洞察,推动企业发展.而在数据分析领域,BI产品发挥了十分重要的作用. 市场需求变化日益频繁 ...
- 市场上主流的BI产品的“答案之书”
本文来自网易云社区. 从20世纪80年代开始,商业智能的定义出现在人们面前,早期商业智能十分基础和杂乱,不仅仅会把数据处理放进去.还包含有一些可视化方面内容等.这个时期的BI主要的功能是支持多维分析和 ...
- 国内外主流BI厂商对比
BI(Business Intelligence),即商业智能或者商务智能,它是一套完整的解决方案,用来将企业中现有的数据进行有效的整合,快速准确的提供报表并提出决策依据,帮助企业做出明智的业务经营决 ...
- 几款主流 NoSql 数据库的对比
最近小组准备启动一个 node 开源项目,从前端亲和力.大数据下的IO性能.可扩展性几点入手挑选了 NoSql 数据库,但具体使用哪一款产品还需要做一次选型. 我们最终把选项范围缩窄在 HBase.R ...
- 大数据下BI产品如何发挥最大价值
看到这个题目,你是否总感觉云里雾里?你是否真正懂什么叫“大数据”?商业智能BI和大数据又有着什么千丝万缕的联系?为什么说商业智能BI能在大数据中发挥价值? 大数据,指的是所涉及的数据资料量规模巨大到无 ...
- HBase、Redis、MongoDB、Couchbase、LevelDB主流 NoSQL 数据库的对比
最近小组准备启动一个 node 开源项目,从前端亲和力.大数据下的IO性能.可扩展性几点入手挑选了 NoSql 数据库,但具体使用哪一款产品还需要做一次选型. 我们最终把选项范围缩窄在 HBase.R ...
- TensorFlow与主流深度学习框架对比
引言:AlphaGo在2017年年初化身Master,在弈城和野狐等平台上横扫中日韩围棋高手,取得60连胜,未尝败绩.AlphaGo背后神秘的推动力就是TensorFlow--Google于2015年 ...
- 几款主流 NoSql 数据库的对比(转)
转自:http://www.cnblogs.com/vajoy/p/5471308.html 最近小组准备启动一个 node 开源项目,从前端亲和力.大数据下的IO性能.可扩展性几点入手挑选了 NoS ...
- 两大主流开源分布式存储的对比:GlusterFS vs. Ceph
两大主流开源分布式存储的对比:GlusterFS vs. Ceph 存储世界最近发生了很大变化.十年前,光纤通道SAN管理器是企业存储的绝对标准,但现在的存储必须足够敏捷,才能适应在新的基础架构即服务 ...
随机推荐
- SpringMVC-11-文件上传和下载
11. 文件上传和下载 准备工作 springMVC可以很好的支持文件上传,但是SpringMVC上下文默认没有装配MultipartResolver,因此默认情况下不能处理文件上传工作.如果想实 ...
- 微信小程序 | 模仿百思不得其姐
微信小程序 仿百思不得姐 设备 微信开发者工具 v1.02.1901230 扩展 修复了视频点击播放不流畅的问题 修复了视频的暂停够无法播放问题 优化了部分页面 接口 首页 http://api.bu ...
- php反序列化到getshell
0x01 扫描存活,端口 C:\Users\Administrator>nmap -sn -PR -T 4 192.168.18.0/24 Starting Nmap 7.70 ( https: ...
- Linux 命令: sed
sed -- sed 命令对于Linux系统来说,在命令行修改,操作文本是非常的方便. 特别是批量的修改某些字符等,是非常省时省力的,非常适合在自动化的脚本中去应用. 如下的几个小例子: 1)如何删除 ...
- 垃圾回收器(GC)
分类 针对hotSpot VM的实现,它里面的GC按照回收区域又分为两大种类型:一种是部分收集(Partial GC),一种是整堆收集(Full GC) 部分收集:不是完整收集整个Java堆的垃圾收集 ...
- Shell学习(五)Shell输出命令
一.echo命令 #1.直接显示字符串 echo "It is a test" #输出:It is a test #2.显示转义字符 echo "\"It is ...
- Spring学习(二)Spring IoC 和 DI 简介
一.IOC(控制反转) 定义:反转控制 (Inversion Of Control)的缩写,即创建对象的反转控制. 正向控制:若要使用某个对象,需要自己去负责对象的创建. 反向控制:若要使用某个对象, ...
- Spring 注解形式AOP
AOP 面向切面编程,通过预编译的方式,在运行期通过动态代理实现一种技术,AOP可实现业务与切面的逻辑分离,降低耦合度 一.注解形式的AOP Aspect:切面 Joinpoint:连接点,要拦截的方 ...
- Python-TypeError: object() takes no parameters
Error: TypeError: object() takes no parameters Where? 使用自定义类的时候,实例类的时候传递参数,提示这个错误 Why? 因为类实例的时候,并不需要 ...
- C 多态 RT-Thread
// RT-Thread对象模型采用结构封装中使用指针的形式达到面向对象中多态的效果,例如: // 抽象父类 #include <stdio.h> #include <assert. ...