DataHunter和傳統(tǒng)BI在數(shù)據(jù)處理上有哪些區(qū)別？

早在大數(shù)據(jù)之前，商業(yè)智能(BI)概念就已經(jīng)得到了廣泛的普及，經(jīng)過多年發(fā)展，商業(yè)智能產(chǎn)品早已從傳統(tǒng)BI發(fā)展到自助式BI，到底兩者之間有何不同?本文，我們主要基于國內(nèi)自助式BI產(chǎn)品的代表DataHunter，來探究一下其與傳統(tǒng)BI在系統(tǒng)架構(gòu)、大數(shù)據(jù)支持以及數(shù)據(jù)關(guān)聯(lián)三方面的區(qū)別。

從產(chǎn)品理念上講，傳統(tǒng)BI側(cè)重于輸出數(shù)據(jù)報表，由業(yè)務(wù)人員提出分析需求，IT人員進(jìn)行報表制作，通過生成大量的靜態(tài)報表以供企業(yè)相關(guān)人員查看;而以DataHunter為代表的自助式BI更加側(cè)重于數(shù)據(jù)分析，由于是自助式產(chǎn)品，所以無需IT部門的介入，業(yè)務(wù)人員可以自行進(jìn)行完成整個數(shù)據(jù)分析流程。

產(chǎn)品架構(gòu)

傳統(tǒng)BI基本采用瀑布式開發(fā)模式，企業(yè)在部署前期，需要進(jìn)行整體的架構(gòu)設(shè)計，各個功能模塊也都需要進(jìn)行技術(shù)開發(fā)，所以傳統(tǒng)BI的部署周期較長，交付時間基本在半年到一年左右。如企業(yè)需求發(fā)生變化，相關(guān)模塊的調(diào)整周期也基本按月計算。

由于傳統(tǒng)BI產(chǎn)品功能模塊較多，操作復(fù)雜，特別是需要對數(shù)據(jù)進(jìn)行ETL處理和數(shù)據(jù)建模，所以，通常傳統(tǒng)BI是以IT部門為主導(dǎo)，整個分析流程也都需要IT人員參與并執(zhí)行。

相比而言，DataHunter自助式BI產(chǎn)品采用B/S架構(gòu)開發(fā)，系統(tǒng)靈活易用，即用戶打開瀏覽器就可以進(jìn)行數(shù)據(jù)處理、數(shù)據(jù)分析查看以及系統(tǒng)管理等?；跀?shù)據(jù)驅(qū)動的理念，DataHunter自助式BI產(chǎn)品無需預(yù)生成Cube，所以Data Analytics是以業(yè)務(wù)部門為主導(dǎo)，徹底將數(shù)據(jù)分析能力交還給業(yè)務(wù)人員。

簡單、靈活、易用的產(chǎn)品特點，也使得DataHunter自助式BI產(chǎn)品在部署周期方面大大縮短。通常，其交付周期基本按照周、月計算，即便企業(yè)需求發(fā)生變化，相關(guān)模塊的調(diào)整時間也基本按照天、周計算。

目前，DataHunter支持Chrome、Firefox、IE edge等多種常用瀏覽器。同時支持市面上幾乎所有的主流操作系統(tǒng)，包括PC端和移動端，如Windows、MAC OS、Linux、Android、iOS等。此外，針對Linux的眾多發(fā)行版，Data Analytics也都有很好的支持，如CentOS、 Ubuntu等。

大數(shù)據(jù)支持

傳統(tǒng)BI采用的技術(shù)架構(gòu)決定了其針對海量數(shù)據(jù)的計算能力相對不足。在傳統(tǒng)的數(shù)據(jù)分析系統(tǒng)中，如需要處理大量的業(yè)務(wù)數(shù)據(jù)，通常會增加硬件計算能力，如大規(guī)模并行處理系統(tǒng)來實現(xiàn)，而昂貴的硬件無疑會帶來更高的成本。

在數(shù)據(jù)源方面，盡管傳統(tǒng)BI支持目前絕大部分的數(shù)據(jù)庫軟件，但在云時代下，傳統(tǒng)BI并不支持云數(shù)據(jù)庫、第三方應(yīng)用數(shù)據(jù)源以及其他公共數(shù)據(jù)源，而對于像Hadoop等大數(shù)據(jù)平臺的支持和接入，傳統(tǒng)BI也基本很難滿足。

DataHunter自助式BI產(chǎn)品是大數(shù)據(jù)時代的產(chǎn)物，天生就對海量數(shù)據(jù)處理有著很好的支持。DataHunter自助式BI產(chǎn)品基于內(nèi)存分析引擎，對PB級的數(shù)據(jù)處理可以達(dá)到秒級響應(yīng)，同時，內(nèi)存分析技術(shù)也代表著未來BI產(chǎn)品的發(fā)展方向。在數(shù)據(jù)支持方面，其不僅支持目前市面上所有主流的數(shù)據(jù)庫、數(shù)據(jù)文件，同時還接入第三方互聯(lián)網(wǎng)數(shù)據(jù)、公共數(shù)據(jù)服務(wù)平臺等。

數(shù)據(jù)關(guān)聯(lián)

由于傳統(tǒng)BI是采用驗證式分析模式，所以在處理數(shù)據(jù)方面，需要保證很高的數(shù)據(jù)質(zhì)量。這意味著，傳統(tǒng)BI需要進(jìn)行嚴(yán)格的ETL過程，確保數(shù)據(jù)絕對的干凈并符合業(yè)務(wù)需求，同時，在數(shù)據(jù)抽取后，傳統(tǒng)BI產(chǎn)品也無法對數(shù)據(jù)進(jìn)行進(jìn)一步的修改和編輯。

此外，由于傳統(tǒng)BI的數(shù)據(jù)分析是建立在關(guān)系數(shù)據(jù)模型之上，所以在進(jìn)行分析之前，IT人員需根據(jù)業(yè)務(wù)需求來進(jìn)行復(fù)雜的建模，如遇到分析需求變化時，IT人員需重新建?；蛐薷囊延械姆治瞿Ｐ?，整體流程耗時較長，響應(yīng)速度較慢，這種機(jī)制同時也導(dǎo)致了傳統(tǒng)BI無法做到實時的數(shù)據(jù)分析。

不同于傳統(tǒng)BI，在DataHunter自助式BI產(chǎn)品中，整個ETL過程都是在系統(tǒng)中自動進(jìn)行，同時支持對上傳后的數(shù)據(jù)表進(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。

而且，DataHunter自助式BI產(chǎn)品具有智能化的數(shù)據(jù)關(guān)聯(lián)功能，對上傳后的數(shù)據(jù)處理尤為簡單。用戶只需要拖動工作表，即可自由關(guān)聯(lián)相關(guān)數(shù)據(jù)表，支持包括全部聯(lián)接、左側(cè)聯(lián)接、右側(cè)聯(lián)接以及內(nèi)部聯(lián)接四種方式。基于實時內(nèi)存分析引擎，DataHunter支持用戶在內(nèi)存中對龐雜的業(yè)務(wù)數(shù)據(jù)進(jìn)行實時的處理和分析。

結(jié)語：可以說，以DataHunter為代表的自助式BI產(chǎn)品，真正順應(yīng)了大數(shù)據(jù)時代的企業(yè)數(shù)據(jù)分析需求，基于以業(yè)務(wù)部門為主導(dǎo)的理念，簡化IT支持，將分析能力真正交還給業(yè)務(wù)人員，加速企業(yè)完成數(shù)據(jù)驅(qū)動變革。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。