该业务信息（BI）市场竞争激烈和拥挤。从历史上看，大型企业 - 想想甲骨文和IBM - 参与功能战争，试图证明预算延伸（如果不是预算破坏）定价，并严重依赖高触摸推销技巧。更糟糕的是，供应商希望您的IT部门与供应商自己的顾问合作，配置他们的产品并将其与您的每个记录系统集成，通常需要额外付费。
一旦传统的BI系统安装并运行，管理人员就必须等待每周或每月的业务线报告，这意味着决策通常需要一个月，再加上另一个月的实施。添加报告需要一个严重积压IT的请求，并且可能需要数周或数月才能完成设计和编码。
这一切都随着2004年推出的自助式BI而改变，例如我在同伴比较中涵盖的五个顶级自助服务平台：亿信WonderBI，Domo，Power BI，Qlik Sense，QuickSight和Tableau。向自助式BI过渡的部分原因是能够在几天而不是几个月内做出业务决策。最近，云计算和高速互联网接入的可用性已成为自助BI的关键技术驱动因素。
当然，传统商业智能仍然存在并且很好，尽管有些减少。特别是财务报告需要100％的准确性，并且通常需要数周才能生成报告。虽然一些较新的平台试图完全取代传统的BI系统，但报告结果却是一个单独的用例，自助服务BI产品可能并不总是能够很好地服务，这些产品强调交互式视觉发现。
与此同时，传统的BI平台也在不断发展。有些人已经添加了足够的自助服务，可视化发现和分析，以满足现有客户的需求。
选择自助BI平台的标准
选择自助式BI平台时执行自己的评估是关键，因为供应商提出的许多功能可能对您的企业没有实际好处。例如，如果您的公司已经拥有高性能数据湖，您可能不希望为将所有数据导入其自己的商店的BI平台支付差额。同样，您可能更喜欢将BI系统与已经存在的协作平台集成，而不是使用专用的BI协作功能，因为要求员工使用两个协作系统通常不是首发。
如果您的大部分数据都在Azure上，则可能需要排除仅在Amazon Web Services上运行的BI系统，反之亦然。如果可能，您希望出于性能原因并置数据和分析。
供应商倾向于引用对其产品最有利的分析报告。不要相信供应商的摘要摘要或采用他们向您展示的图表：要求并阅读整个报告，其中将提到警告和弱点以及优势和特征。同时考虑一下包含在分析师报告中的大量事实：大多数大型分析公司对付费客户的兴趣高于非客户的供应商，尽管个别分析师真心想要公平和中立。
以下是评估自助BI平台时关注的七个关键领域。
数据源
您需要确保BI平台可以读取所有数据源。其次，你要知道这个平台是否具有处理之前，将数据导入到自己的商店，或者如果它能够处理的飞行数据的查询。
如果必须导入数据，分析速度是否足够快以证明导入时间的合理性？BI系统可以自动更新原始数据中的数据吗？
如果BI系统中存在
数据存储费用，请最大限度地猜测您将在5年内获得多少数据并将其增加三倍。存储该金额的成本会影响您的预算吗？
另一个关键问题：BI系统可以运行数据所在的位置吗？如果没有，移动数据有多难？
数据转换
收集数据时，数据总是很脏。字段可能在一行中丢失，或者可能包含无意义的值。一行中的多个字段可能具有相互不一致的值。文本字段可能包含拼写错误，拼写变体或术语变体，使其无法自动分组。某些领域，尤其是自由形式的评论，可能很长，而且用处不大。
此外，字段可以是非参数（文本），并且需要编码为数字以用于分析目的，尽管一些BI系统在内部自动化。字段的数字范围可以按数量级而不同，并且需要标准化。可能需要从其他值推断出值，例如，如果源数据中尚未存在性别，则可能需要从名字和/或标题中推断性别以用于统计目的。
BI系统可能要求您编写SQL SELECT语句，或者它可能自己执行导入。如果它要求您编写数据库查询，它是否可以帮助您选择字段和创建连接？
这些和其他问题意味着您应该在某些数据上试用BI系统。在查看和绘制数据时构建提取/转换/加载链。看看它有多容易或多么困难。将其与其他BI系统进行比较。不要低估清理数据进行分析所需的时间 - 它可以轻松占总分析时间的80％。
分析力量
您需要以多种方式分析清理过的数据。在最简单的层面上，您将以各种格式绘制数据，并对历史数据和趋势执行直接的统计分析。除此之外，您还需要深入了解数据以了解特定功能，并构建模型以测试您对原因的看法。最后，您可能希望基于统计模型甚至机器学习模型来预测未来的绩效指标（例如，销售和库存要求）。
您将遇到的一个功能战争是提供的图表类型数量。当炒作图表类型不适用于您的数据时，这通常毫无意义。另一方面，一些图表类型很重要：例如，我不愿意使用没有地理显示支持的系统，因为在位置表中查看原始数字与看到不同颜色的视觉和直觉影响不同或在地图上改变气泡大小。
支持分析是另一个特色战争。是的，您绝对应该能够在BI平台中执行简单的统计，至少包括回归模型。更进一步的可能是与用户的阻抗不匹配。
例如，为探索性BI分析选项添加机器学习和深度学习支持可能是管理者和业务分析师的桥梁。数据科学家是另一个故事，但他们通常拥有专门的专用工作空间来创建ML模型和深度神经网络，使用的工作流通常需要比典型的BI用户拥有的更多的统计知识和编程技能。
另一方面，用于分析常见数据模式的自然语言支持和内置智能使得不熟练用户更容易使用平台。将机器学习应用于用户体验通常是好的，即使要求业务分析师培训深度学习模型也可能毫无结果。
一些BI平台现在使用内存数据库和并行性来加速查询。在未来，您可能会看到内置于BI服务中的更高度并行化的基于GPU的数据库 - 第三方正在构建这些数据库，展示了令人印象深刻的加速。
您通常需要在分析期间修改或增加数据转换，例如通过添加反映其他列之间差异或比率的列，这通常在财务分析中进行（例如债务/权益）。此类修订有时可以将导入过程从ETL（提取，转换和加载）管道更改为ELT（提取，加载和转换）。某些供应商仅支持ETL或ELT中的一个，但大多数使用ETL的BI系统都在分析步骤中提供了额外的转换。
易于学习和使用
尽管针对经理和业务分析师，自助式BI系统很复杂，并且有很多可移动的部分。在我尝试过的BI平台中，用户体验和学习材料的质量差异很大。尝试让您的评估中涉及不同技能水平的几个潜在用户，以了解他们的反应。另外一定要测试文档本身。最好的文档搜索，索引和组织与最差的文档之间存在巨大差异。我有时会被迫要求销售工程师在重大但失败的个人努力之后为我找到一个教程。
演示灵活性
一些BI系统显示了几乎任何变量选择的合理信息图表。其他BI系统等待您单击您认为想要查看的图表类型。如果你知道你想要什么和需要什么，那么任何一种方法都可以; 如果没有，最好是系统根据您选择的变量的数量和种类提供帮助。
通常，BI系统区分始终为数字的度量和可以是非参数的维度。一些维度，例如城市，州和国家，可以转换为纬度和经度等度量。有时您希望看到尺寸合格的措施，例如“按产品显示我们的利润率”或“按商店显示我们的逐年销售额”，有时您希望看到其他措施合格的措施，例如“向我展示中西部所有商店的利润与销售额。“
看到有意义的图表后，您经常需要放大特定功能，调整显示并添加注释。BI系统在这方面差异很大，所以值得做这个练习。
协作选项
您可以共享的具体内容因系统而异，以及您是要与完全许可的用户，只读注册用户还是未注册的用户共享。在某些情况下，只读用户可以从您提供的图表中对数据进行排序和筛选; 在其他情况下，他们只能看到根据您的分析制作的幻灯片。
这种区别通常会对您是否能够为整个公司或仅选定的受众提供BI产品以及当然的定价产生很大影响。
成本和收益
按成本计算，我并不仅仅指供应商的年费，还包括存储数据，在本地或云端托管平台以及培训员工的成本。好处包括减少劳动力和时间来做出决策，做出更好的决策，最终提高利润和增长。
（部分内容来源网络，如有侵权请联系删除）
