帆软bi(什么app能查商圈商业热度)

帆软bi，什么app能查商圈商业热度？

在目前国内的BI市场中，占有率第一的产品是FineBI。

帆软bi(什么app能查商圈商业热度)

FineBI 是帆软旗下的自助性BI产品,数据分析功能强大，且拥有强大的数据地图功能，支持区域地图，点地图，热力地图，流向地图等丰富的地图效果，可以更直观的展示地理信息，可以很好的解决企业在分析商圈时遇到的问题。

比如，目前市面上很流行的帆软公司的软件——FineBI，功能算是前沿的，可做BI报表，内置了10+行业解决方案和几十种可视化大屏模板demo，只需要直接把数据放入到模板中，马上就可以生成数据，无需花费很多时间，很适合企业使用。

用最通俗且有逻辑的语言解释什么是BI？

假设你要分析全年的销售情况（销售额、销售进度、回款额、净利润、产品销量、VIP客户数......）

这里涉及销售数据、客户数据、财务数据，于是你需要去CRM拉数据，去财务系统拉数据。

这只是分析的一个点，如果你还要分析资产结构、现金流、生产库存、利润资金等等，这些加在一次其实就是构成了一个企业经营分析的体系，做这些分析的目的是支撑领导和老板的决策。

站在技术角度

这整个的分析会涉及到多个数据源，而且数据量很大。这时候则需要建立数据仓库（费用很大）。涉及的数据操作主要是数据查询，一般情况下将被长期保留，也就是数据仓库中一般有大量的查询操作，但修改和删除操作很少，通常只需要定期的加载、刷新。

分析的结果往往是各个报表和数据分析报告，操作的人员最好是懂业务又有一定分析基础的。

如何利用BI管理信息？

数字化在商业世界中的火热，让ERP和商业智能BI等数字化应用更加普及，推动企业数字化转型成为红海，变成大多数企业对未来商业模式的共识。但很多中小企业在进行数字化转型过程中，遭遇到了重重阻拦，寻找不到合适的数字化转型路径。

与早期不同，在企业数量爆发式增长和人们物质生活的充裕的双重影响下，广阔的商品市场已经由增量变为了存量竞争，粗放式管理也变为商业智能BI精细化管理，庞大的人口市场已经挤满了中小企业的身影，想要提高一点份额就要面对惨烈的竞争，而市场外部还有更多企业想要入局，在存量市场中生存下去。

在这种市场局势下，新一代信息化、数字化技术的爆发，引领了众多领域的科技革命和产业革命，创造出ERP和商业智能BI等数字化应用，为市场创造出更多满足用户需求的产品和服务。

不仅如此，技术爆发也让数字化成为现代社会的基本元素，开拓了快速增长的数字经济市场。据统计，2020年全球数字经济规模达到32.61万亿美元，与GDP总量比例为43.7%，其中中国数字经济规模达到了5.4万亿美元。2021年上半年中国仅商业智能市场规模就达到了3.2亿美元，将前两年20%的增长速度拉高到了30.4%。。

在激烈的市场竞争和全新的数字经济共同作用下，数字化转型成为了大多数企业的共识，也是获取数字经济的最佳方式。在这种情况下，竞争压力更大的中小企业想要寻求突破，对于数字化转型的需求也就越来越迫切，

数字化转型是建立在现代信息技术上，利用数字化相关技术、数字化思想和商业智能BI等数字化应用创建一种新的商业模式，或是对已有的商业模式进行重塑，以此来满足时代变化中传统业务和市场的变革需求。

数据分析可视化 - 派可数据商业智能BI可视化分析平台

重塑也就意味着在这个过程中企业的业务流程、企业文化、管理架构和经营理念等原有的事物都会受到波及，通过业务信息系统、商业智能BI等进行系统性的调整。这也就是前段时间国企和央企纷纷由一把手出面制定数字化转型蓝图的原因，这种系统性的工程必须由顶层管理人员规划实施，自上而下进行改革。

中小企业数字化转型面临的困难

1、资源投入较为有限

数字化转型对企业来说是一种系统性的工程，需要企业自上而下全面执行升级改造，在这期间企业需要建设信息化，为各部门安装业务信息系统，为企业部署商业智能BI等。同时，企业还要招聘或培养数字化技术人才，补全企业IT部门的架构，聘请数字化转型专家等等。

2、人员结构较为松散

数字化转型是将整个企业进行转型，那自然企业全部员工也都要参与其中，转变自身思想，了解数字化概念，以数据为核心驱动力。但很多中小企业因为要寻求发展，重结果而不注重过程，形成了松散的结构，企业高层没有商业智能BI来了解企业状况，更组建不起强有力的团队对员工进行管理，也没有完善的奖惩制度，不能推动员工共同完成数字化转型。

数据分析可视化大屏 - 派可数据商业智能BI可视化分析平台

3、想要一步到位

虽然数字化转型已经成为各大领域企业的共识，但从时间来看，数字化转型还是个新词，相关理论知识、案例经验、技术应用等还有待进一步完善。中小企业选择数字化转型，应该在长期的摸索中前行，从战略规划开始，由具体业务切入，通过商业智能BI形成持续的优化闭环，可持续良性发展，而非在短期内进行数字化转型，不仅容易失败还没有任何收益。

4、不懂得实现数据价值

中小企业对数字化转型容易有一个错误的认识，觉得只有彻底完成数字化转型，才能实现数据价值，为企业贡献收益，所以没有数字化转型规划。其实不然，通过数字化转型，中小企业可以从营销推广等以数据为核心的业务切入，提高效益，也可以部署商业智能BI，利用数据可视化分析，辅助管理人员决策，监控预警异常信息，保证中小企业能够健康发展。

数据分析可视化 - 派可数据商业智能BI可视化分析平台

5、盲目参考数字化转型案例

中小企业在市场竞争下，一定要谨慎学习其它条件不同企业的数字化转型成功经验，列出自己的优势和劣势，找到差异化的竞争力，避免出现在数字化转型过程中，直面其它大型企业的竞争压力。同时，中小企业高层管理人员要有充足的学习能力和动力，懂得数字化转型理论、相关技术以及业务信息系统、商业智能BI等数字化应用，从企业自身角度出发，找准差异化，从边缘突破市场的竞争压力。

中小企业的数字化转型未来

前不久召开的会议以及地方上的补贴政策已经说明，数字经济就是未来大力发展的国民经济支柱，是未来经济高速增长的保障。数字化转型更是由央企、国企一把手亲自公布转型规划书，国内外龙头集团、独角兽企业也纷纷加入其中。中小企业想要在未来获取优势，需要数字化转型的加持。

可视化大屏 - 派可数据商业智能BI可视化分析

毫无疑问，数字化转型是中小企业占领更多市场，利用商业智能BI以用户为中心经营管理，做大做强的必经之路。但在这个过程中，中小企业与遇到更多阻碍，会受到资源、人力、文化、经营管理、业务等多方面的压力。

所以，中小企业数字化转型，高层管理人员必须足够了解数字化转型，熟悉信息化、数字化相关技术，明白什么时候需要业务信息系统、商业智能BI，知道如何组建数字化转型团队、组织管理数字化建设。只有这样，中小企业才能在未来的市场中取得更大成功，健康持续发展。

关于派可数据商业智能 BI ：

派可数据-商业智能BI_大屏BI可视化分析平台_用友BI财务分析_数据中台www.packingdata.com/

零基础如何入门数据分析？

让我来分享一个很不快速（需耗时一年），但包你从零基础学到昏厥的学习教程吧：统计、SQL、R、Python、Tableau、Excel、Forecasting & Machine Learning

1. 统计

统计需要掌握的姿势：

Descriptive StatisticsProbability Concepts and Probability DistributionsSampling Distributions and the Central Limit TheoremConfidence IntervalsHypothesis TestingAnalysis of VarianceChi Square and Nonparametric TestsSimple and Multiple Regression

想躲过统计？？？

入门课收好，Coursera上阿姆斯特丹大学的Basic Statistics，卡通配图教学，和萌萌哒的你最配！！

University of Amsterdam：Basic Statistics | Coursera （旁听免费）

喏，还有一本简洁易懂的step by step英文教材，也是我们课上用的教材~

Basic Business Statistics by Mark L.Berenson & Others2. SQL

常用语句来来回回就那么几个，但是要熟，要熟，要熟！

简历上有SQL技能，很重要！！！很重要！！！

常用语句总结：SQL Quick Reference From W3Schools

再送你一门超好，超好，超好的MySQL课！Coursera！杜克大学！我太喜欢教课的那个温柔美丽的大姐姐了~

Managing Big Data with MySQL | Coursera （旁听免费）

我学R上的课是Coursera上Johns Hopkins University的经典R课程和在Data Application Lab实习的时候上的商业分析师培训课。Coursera的那门课我上得不太走心，默默吐槽一下课程莫名散发着浓浓的时代感，老师有点面无表情，比较打击我的学习激情...... 好吧，我知道我作......

后来实习的时候上公司的培训课，教R的是个讲话干脆利落的小姐姐，才让我重新喜欢上R......

R Programming | Coursera （旁听免费）商业分析师 - Data Application Lab

作为一名主观上比较站Python的小粉丝，我目前学过的R就这么多啦！！大体了解了R的语言思维，碰到不会的问题再Google找代码就差不多了~

另外，我在Udemy上找到一门R的课，看课程设置觉得还是挺不错的，想学R的可以试试~ 关于Udemy上课程的价格补充一句，原价是吓人的，常年打折，但是打折力度经常变来变去的，最便宜的时候一般是10-20块的价格可以买到好课...... BTW，下面这门课目前15刀。

R Programming A-Z™: R For Data Science With Real Exercises!4. Python

Python 是一门可以让人浑然忘我的语言......

这辈子学过韩语、日语、英语，和一丢丢R，但Python是我学得最有激情的......

最沉浸的那段时间里，不管几点回家，晚上睡觉前一定要看一点Python爬虫才能安心睡下，晚上做梦也是爬虫代码......

我最开始接触Python的时候上的课是Coursera上University of Michigan的经典系列：Python for Everybody，里面包含五门专项课，除了最后一门Capstone，其他四门都刷过（没写作业）。

这门课非常实在，内容非常赞，上课的是个亲切的老爷爷，学下来有助于你系统了解Python的功能~ 个人感觉 Using Python to Access Web 对于纯小白来说可能有点难度~

提醒一下，如果你搜Python for Everybody，会发现...... 要交钱上啊！！！省钱小tip就是在搜索栏里一门一门搜专项课，进入专项课的页面就可以免费旁听了...... 同理适用于Coursera很多其他的系列课程。

University of Michigan: Python for Everybody | Coursera

密西根大学还出了Python的数据科学进阶课，包含了数据分析、画图和机器学习等内容：

University of Michigan: Applied Data Science with Python | Coursera

另外，我还追过大神

@秦路

的运营大湿兄知乎专栏，从“开始Python的新手教程” 到“用Python分析用户消费行为”，一共六篇文章，超快速入门Python数据分析。

Udemy上也有一门很棒的Python数据分析课，我目前在上，觉得好棒棒~

教numpy、pandas、画图、带着练三个数据小项目，至此觉得内容量已经很良心了，老师竟然还教机器学习！！！20个机器学习视频，用SciKit Learn这个包！还有还有！11个统计视频！还没完还没完！还有几个SQL和Web Scraping的小视频！满满的良心学习大礼包~

Learning Python for Data Analysis and Visualization

想必还有很多盆友们对爬虫充满了兴趣......

学爬虫当然要看崔庆才大神的系列教程啊！！！

文字版教程免费，使用的是Python 2.7版本↓

Python爬虫学习系列教程 | 静觅

视频教程499软妹币，之前有过折扣，印象中270多~

Python3爬虫视频学习教程 | 静觅

如果你只是比较随意，不想玩那么高深，或者你真的和我一样穷，可以看看文字版教程，了解urlib库、Requests库、BeautifulSoup库、Selenium库以及正则表达式后，跟着崔大神的三个免费case练一遍~ 我觉得对于小白来说就差不多了~

Python3爬虫三大案例实战分享

对于数据分析师来说，会爬虫不属于必备技能，那么学爬虫的意义是什么呢？大神

@董伟明

在他接近满分的“爬虫从入门到进阶”的Live简介中说得直戳心坎~

Hello World，醒醒啊！！！你的女神来了！！！

5. Tableau

终于，数据分析界的女神出场了！！！让我们大声喊出她的名字：T! A! B! L! E! A! U!

读作“Tab-low”！！！

我身边很多学Tableau的孩纸们，反应不是酱紫的，

就是酱紫的......

纷纷表示在这个看脸的时代，要好好学习女神软件......

（Source: Best Practices for Designing Efficient Tableau Workbook）

凭借着打娘胎起就异于常人的颜值，Tableau迅速蹿红，逐渐渗透进业界和美国高校。对于在美帝的数据分析师来说，Tableau也是简历上必备的技能之一。

我目前觉得学习Tableau的最好方式，还是去Coursera上上杜克大学的那门课，基本涵盖入门到中高级操作，墙裂打call，墙裂推荐！！！真的好喜欢教课的杜克大姐姐......

Data Visualization and Communication with Tableau | Coursera

另外，Tableau为了推广自家软件，在免费培训方面也是做得很拼......

Tableau Training & Tutorials (中英文都有)Live Training ResourcesWebinars

还有很多很棒的Tableau使用者的case展示~

Gallery

还有Moveover Monday Project，每周一po一个数据集和数据分析展示~

A weekly social data project

至于有些人说，下载都这么贵，土豪才学得起吧...... 只要你乖乖去上Coursera杜克大姐姐的课，会有惊喜......

6. Excel

无论你多喜欢Excel或者多不喜欢Excel...... 作为数据分析师，简历上有Excel技能也是必备......

最重要的当然是会Pivot Tables~

我也是通过DAL的商业分析培训课学的Pivot Tables，如果你只想学Pivot Tables，可以去Udemy上这门↓

Microsoft Excel - Data Analysis with Excel Pivot Tables

当然，还有一个免费的学习神器，YouTube啊~ 哈哈，Pivot Tables一搜一大把~

我真的非常热爱YouTube，基本没有YouTube不到的姿势......

7. Forecasting

预测/时间序列也是我们数据分析僧要掌握的技能，不过学得比较浅显，大概了解几个预测模型的原理和会用软件操作就行了。我们用过的教材是Business Forecasting，有中文版，不过我相信你不会想看的......

商业预测 (豆瓣)

Udemy上依旧有药！介绍Moving Average, Simple Exponential Smoothing, Double Exponential Smoothing / Holts, Winters / HoltWinters等模型以及在R和Tableau中的操作。

Data Science-Forecasting/Time series Using XLMiner,R&Tableau

如果你对Tableau女神是真爱！可以去上Udemy新课，目前评价4.7分，感觉还挺不错的样子，反正是安利到我了~

Forecasting and Time Series Analysis in Tableau8. Data Mining and Machine Learning

想当年，刚接触数据时，我还是个蠢萌的宝宝，在听说“Machine Learning”这个东东的时候，内心是下面那样的......

何方的妖魔鬼怪，尼玛听名字就不明觉厉......

入坑数据分析一年，但才刚接触机器学习一个月（网课加这学期修的数据挖掘专业课），感觉难度明显拔高了一级，但越学越刺激，越学越稀饭~

目前还是个渣渣，不敢瞎说，就大概罗列一下机器学习入门需要掌握的知识点和网上的学习资源吧：

Linear RegressionLogistic RegressionDecision Treesk-Nearest NeighborsNaive Bayes ClassificationDiscriminant AnalysisNeural NetsSupport Vector MachinesCluster AnalysisRandom ForestNatural Language Processing

如果没听说过吴恩达男神的机器学习王牌课程，那你一定是假的数据猿......

Machine Learning | Coursera

说实话，没上男神的Machine Learning前，我还挺不理解为什么这个看上去其貌不扬的大叔，有这么多死忠信众...... 每次大叔的动向更新，都跟地震一样...... 娶的老婆还是跟他智商一样上天高的女神大牛！约翰霍普金斯的CS博士......

如果你和曾经的我一样迷惑，请去Coursera上课...... 顺带必须提一句，男神还是Coursera的联合创始人啊！！！我的前半生没有Coursera，但是后半生必须要跟Coursera紧紧相依......

反正现在的我是痛哭流涕着入吴恩达教了......

之前我在Python部分介绍的Udemy的Python数据分析课中，也涉及一部分机器学习的内容：

Learning Python for Data Analysis and Visualization

内容设置很赞，也很系统的数据科学课程还有：

University of Michigan: Applied Data Science with Python | Coursera

以上就是我总结的一些数据分析经典姿势~ 其实还有Decision Analysis（主要讲概率）和Optimization，大家就自行去YouTube吧，视频很多~

一年前的今天，我没开始刷网课，不会SQL，不会R，不会Python，不会Tableau，不懂Forecasting，更不知道机器学习是什么鬼...... 就修了两门专业课，统计和Optimization（Excel Modeling），仅此而已......

按照这份教程一点点啃完，其实你也可以在家DIY出半个名校学生（如果不提名校的校友资源和networking机会等的话）~

大家可以再参考一下几个美国出名的数据分析项目的课程设置：

University of Texas -Austin | MS in Business AnalyticsUSC | MS in Business AnalyticsUniversity of Chicago | MS in Analytics

最后再来个励志的故事，我最新关注的一个YouTuber，Harrison Kinsley。小哥毕业于Sam Houston State University（懵逼脸），专业是Philosophy and Criminology（茫然脸），毕业后就开始创业，自学python编程，并在网上po免费python教程，还创立了一个python学习网站，YouTube上目前有27万多粉丝。

如果你好奇小哥怎么赚钱存活？小哥说，他一周就能接好几个offer...... 你们没听过的公司一堆一堆的，全宇宙人民都听过的大公司Facebook和Apple的offer他都有...... 另外他还做咨询赚钱，生计完全不愁......

既然你都读到这儿了，看来也是数据的真爱，那就一起学到昏厥吧！

市面上比较好的BI产品有哪些？

1、tableau

Tableau: Business Intelligence and Analytics Softwarewww.tableau.com

Tableau我更倾向于将他定义为数据可视化工具，而不是数据分析工具，因为tableau的数据可视化能力确实非常强，他的交互式的可视化体验在业内是被人津津乐道，但是在数据建模和数据分析功能上，略输PowerBI与FineBI一筹。

Tableau的全家桶有很多，主要常见的有这么几种工具：

Tb desktop：桌面分析工具，主要功能是设计和创建美观的视图和仪表板，分为个人版和专业版两个版本，个人版只支持本地数据连接和数据源，专业版可以连接多种数据库，并且还可以分享到tb的各种服务器上；

Tableau server：商业智能软件，用来发布和管理desktop制作的报表，发布和管理数据源，比如自动刷新发布的数据抽取。比较适用于企业范围内的部署，当然了价格也是非常昂贵的，而且不太适用于我们国内的企业，所以用的还是很少的。

Tb online：云端分析平台，可以在web上进行交互编辑和制作

Tb moblie：tb开发的移动端app，目前好像只适用于安卓端，苹果系统用不了，国内用的人也非常少；

Tb prep：千呼万唤始出来的数据清洗工具，2018年才刚刚面世，主要是为了弥补tb在数据清洗工作上的欠缺，我用过一两次，接触的不深，风格还是一贯的tb清新风格，基本可以实现数据清洗、数据整理、数据合并等etl操作

但是理论上任何产品都需要一定的生长曲线，我相信tb prep也同样是如此，未来还有更大的空间可以优化。另外就是prep+desktop两款工具协同工作的方式，太过于麻烦，这也算是tb的一大与生俱来的缺点。

整体来说，Tableau的界面非常清新简洁，功能也不是非常复杂，比较适合很小白的人使用，下面分析一下tb的优劣势。

（1）数据链接功能：

表现一般，其本身没有后端数据库，数据量很大的时候就需要对硬件有很大的要求，而且个人版只能进行本地化链接；但是tb的数据连接接口分丰富程度，是这三款工具中最多的，虽然90%的接口用不到。

（2）数据清洗：

天然的短腿，tb的数据清洗十分的原始和简单，当然不包括18年发布的tb prep，在实际业务分析中，数据源往往是混乱复杂不规范的脏数据，tb很难剔除出去；

（3）数据建模：

同样的，如果不使用prep，tb的数据建模也比较简单，就是宽表关联模型，只能在元数据表的基础上新建数据表，拓展性和灵活性都比较差。遇到复杂的表结构和模型，tb desktop就独木难支了。

（4）数据可视化：

Tableau在可视化能力上表现十分突出，用过tableau的都知道一句话：用tb做出一个很丑的可视化是一件非常难的事情。因为tb将可视化功能进行模块化，图表制作能力超强，盐值也很高，不用考虑配色，只要处理好表格格式就行。

（5）数据分析：

成也可视化，败也可视化，正是因为tb的强大可视化功能，将各种功能进行模块化，虽然这种傻瓜式的功能集成比较容易入门，但是你如果想把大模块再细化就做不了，这也造成了tb的数据分析能力比较有限。

（6）数据管理：

表现较差，很难对数据进行整合管理，包括分享功能也是基于本身的服务器的，所以tb更适合个人用户，而非企业用户，因为企业主往往需要对数据进行高权限的管理，tb无法实现。

（7）入门难度：

傻瓜式的操作，入门非常简单，一天就能够学会基本的操作；

（8）学习资料：

还是不错的，提供了线上视频教学和线下的文档学习，算是比较全面的，这一点要比power bi要友好的多；

（9）生态环境：

跟ios一样是封闭的生态环境，这一点可能跟他们公司的策略有关吧。

（10）本地化服务：

表现较差，不光是国内的本地化企业服务，就连国外的企业服务都表现比较差，所以就当个个人工具用吧。

（11）价格：

三款软件中最贵的，个人版也是要钱的，好像是999美元，当然了网上的破解版非常多

整体来说，tableau适合一些个人数据分析小白进行数据可视化的工作，不建议企业和业务分析使用，因为生态非常封闭。

二、PowerBI

https://powerbi.microsoft.com/zh-cn/powerbi.microsoft.com

首先powerbi我将其定义为适合个人多联机的数据分析与挖掘工具。

所以与其说powerbi是微软开发出的数据分析工具，不如说是微软依靠对BI业务模型多年的研究总结后得出的一套解决方案，也就是DAX所代表的的数据分析理念。这一点与tableau提倡的理念是相反的。

你只有先学会了DAX，才能学会powerbi，DAX就是DAX是英文Data Analysis Expression的缩写，意思是数据分析表达式，从名称上就可以看出，DAX公式是用作数据分析的，事实上也确实如此，从数据分析层面认识DAX会更有助于我们理解它。

跟tableau一样，Powerbi也有丰富的一套全家桶：

Power query：Power Query是负责抓取和整理数据的，它可以抓取几乎市面上所有格式的源数据，然后再按照我们需要的格式整理出来。通过Power Query 我们可以快速将多个数据源的数据合并、追加到一起，任意组合数据、将数据进行分组、透视等整理操作

Power pivot：Power Pivot是微软Power BI 系列工具的大脑，负责建模分析，能够快速建立多表关系。在excel里，pivot也是我们建立数据透视表的基础。

Power view：嵌套在excel里的交互式图表工具，我们在excel进行仪表板设计的基础

Power map：直接嵌套在excel里的基于地图的可视化工具

Powerbi desktop：也就是我们常规意义上的powerbi工具，主要实现的是数据分析和挖掘；

下面再说一下powerbi的优劣势：

（1）数据链接：

PowerBI，内置了一些强大的数据链接功能，但是比起tableau与finebi，pbi里的数据源接口还是比较少的，一些国内企业经常用的，如Kylin、Derby、Gbase、ADS、Hbase、Mongodb都不支持，而PowerBI仅支持对接Ssas多维数据库,不支持SAP BW,Essbase多维数据库。

（2）数据清洗：

十分强大，只要你学会了DAX与数据建模，你几乎可以随心所欲地进行数据清洗和加工，这一点是其他工具望尘莫及的。

（3）数据建模：

表现尚可，能够对基础的元数据建立维度表和事实表之间的关联关系,形成关联模型,以提高数据可视化分析阶段的效率。关联操作上PowerBI建立数据关联可以直接进行关联连线设置，这种方式要更加的方便。

但是在数据源种类整合时，PowerBI无法对不同来源的数据进行实时整合建模，例如下图所示，PowerBI会自动禁用多个数据源的实时建模,需要将数据模式全部修改为抽取数据才可以进行整合关联建模.

（4）数据可视化：

Powerbi的数据可视化能力怎么说呢，一言难尽吧，powerbi真的有种工科风，能力强悍但是颜值不高，可视化展现能力方面，PoweBI内置的图表种类相对较少,例如一些常用的玫瑰图、多层饼图、词云图、热力地图、流向地图等都不支持(需要进行市场图表拓展下载使用)

（5）数据分析：

计算分析能力方面，PowerBI同样比较依赖于DAX函数来进行运算,例如用户想做类似同期环期,同比环比的快速计算,无法直接得出结果,需要用户书写一些DAX函数才能计算出相关结果

（6）数据管理：

表现尚可，主要是体现在数据的权限管控能力方面，PowerBI支持将做好的报表打包发布为组织内容包并且进行指定用户组分配查看权限，并且由管理员进行用户组的行级别权限分配，但是无法控制用户查看的列级别的权限粒度

（7）入门难度：

三款BI工具中学习难度最大的一个，如果你掌握一定的excel基础的话还好，如果是纯小白，上手非常困难。

（8）学习资料：

这一点powerbi做的不是很好，仅仅提供了文本学习资料，而且还不是完全汉化，至于学习视频只有翻墙才能看，可能是微软家大业大，不做这种十分精细化的服务；

（9）生态环境：

开放环境，这一点比tableau要好，类似于安卓系统。

（10）本地化服务：

表现较差，目前来说企业级服务还不是十分的成熟，不建议企业使用。

（11）价格：

个人版免费，但是企业版比较昂贵。

三、FineBI

FineBI商业智能软件 - 新一代自助大数据分析的BI工具www.finebi.com

Finebi我更倾向于将他定义为数据分析平台，而不是工具，这也是我们公司现在正在用的分析平台，因为finebi更像是企业级管理工具以及业务分析工具，所以我现在用finebi比较多。

首先finebi是一款国产化软件，我用了powerbi一年多，tableau也用了一年多，powerbi的入门到熟练很漫长，主要原因是学习资料太少，以英文为主，国内的培训机构很多都只是蜻蜓点水，很散很乱；tableau也一样，出名的培训都是外国的，毕竟是外国的软件。

而且M语言和DAX语言想要用的得心应手挺难的，tableau即使是个人使用也是付费的，付费以后做出来的表，才能直接在网页上查看，比较麻烦。finebi对个人免费，能够快速入手并且熟悉乃至精通。

Finebi同样也有着一套全家桶：

Finereport：报表工具：报表是企业信息化必不可少统计分析工具，主要实现一些企业固定的月报、季报、关键数据的统计分析。

Finebi：商业智能工具：侧重于数据分析，改变之前传统做表的方式，交互性更好，性能更加强大Finemobile：finebi系统的移动端，支持fbi与br的集成；

下面再说一下finebi的优劣势：

（1）数据链接：

表现不错，finebi在对于国内企业现今比较流行的大数据平台都支持链接，另外在对于一些数据库的认证方式上,例如FineBI支持的kerberos认证连接方式。

多维数据库的连接上，FineBI则可以通过服务器数据集进行对接。FineBI则可以进行对接基于java api的程序数据集

（2）数据清洗：

表现尚可。

（3）数据建模：

在基础数据关联建模方面，FineBI和PowerBI都能够对基础的元数据建立维度表和事实表之间的关联关系，形成关联模型，以提高数据可视化分析阶段的效率。

FineBI在处理跨数据源关联建模时，由于特有的智能内存化机制，即时面对不同来源的实时数据，FineBI也能智能进行内存化关联建模，这方面强于PowerBI。

（4）数据可视化：

表现尚可，与tableau的操作方式是非常相似的，但是比powerbi要丰富一些，而且更讲究可视化的交互性。

（5）数据分析：

Finebi的数据可视化处理和智能分析做的很好，只需要简单的拖拽就可以实现各种维度，各种形式的分析，数据分析方面finebi要逊色powerbi一些

（6）数据管理：

Finebi做的非常好，而FineBI具有非常完善的数据权限管控能力，除了提供仪表板的权限分配之外，还能够针对不同部门/岗位/角色的人员进行行/列级别的数据权限管控，使得不同的人能够根据权限限制而只能看到自己的部分数据。

另外在针对企业集团数据权限管控方面，FineBI提供了强大的多级管控权限供用户进行多层权限分配，为集团性企业的数据权限管控提供了保障。

（7）入门难度：

入门难度一般，很快就能上手。

（8）学习资料：

学习资料非常丰富，不仅有丰富的文本帮助文档，而且还有视频资料，同时finebi还依靠着其社区，有非常多的开放者和使用者在社区上进行帮助学习。比如官方的BI学习班。

（9）生态环境：

开放环境。

（10）本地化服务：

本地化服务不错，技术服务方面，如果是企业级别的用户，还会有专业的技术服务团队响应服务。

（9）价格：

个人版免费，企业版的话性价比要比其他两个要强；

最后列个表格对比一下这三款工具：

ps：以上均是个人体验，仅代表个人意见

帆软bi(什么app能查商圈商业热度)