Задать вопрос
Зарегистрируйся в два клика и получи неограниченный доступ к материалам,а также
промокод
на новый заказ в Автор24. Это бесплатно.
Введение
Актуальность данной работы обусловлена тем, что с каждым годом в мире появляется множество компаний, которые работают с большим объемом данных. В связи с этим появляется необходимость в обработке таких данных, аналитике и отчетности. Вся эта рутинная работа падает на персонал, которого порой не хватает, поэтому компании затрачивают просто большие средства на найм новых работников. Такой подход требует слишком много времени, поэтому большинство компаний начали отдавать предпочтение информационным технологиям, которые являются более эффективными при работе с большими данными.
Кроме этого, в настоящее время для эффективного ведения бизнеса появляется и необходимость быстро принимать решения, поскольку какое-либо промедление повлечет за собой необоснованные денежные расходы и даже потерю денежных средств. Передаваемые данные настолько велики по объему, что нет возможности обрабатывать их все и сразу. Для облегчения ведения бизнеса и контроля над потоками данных и денежных средств были созданы BI решения.
Так, использование систем бизнес-аналитики, как считают многие специалисты заметно сказывается на повышении эффективности процессов в организации любой отрасли. При этом на предприятиях с большим объемом накопленных данных - структурированных и однородных - внедрение систем BI не займет много времени: эффект от ее использования становится заметен буквально с первых дней.
Соответственно, в настоящее время прослеживается динамика увеличения роли «больших данных», представляющих собой огромные массивы неструктурированной информации и являющихся одним из трендов в рознице на сегодняшний день. Из таких «больших данных» сегодня можно выделить ценнейшие сведения для бизнеса. Безусловно, все это возможно при наличии необходимых технологий. Сегодня получить качественную отчетность и выстроить наиболее точные прогнозы и сложные многомерные модели, а также оптимизировать запасы, разработать программы лояльности и стимулирования спроса позволяют получить именно решения в области бизнес-аналитики, так называемые Business Intelligence.
Таким образом, информационные технологии в этой ситуации приходят на помощь бизнесу. В частности, получить общую и структурированную картину работы организации, обнаружить в огромных массивах данных необходимые закономерности, а также непосредственно проанализировать основные тенденции и оптимизировать работу компании помогают BI системы.
Также особо стоит обратить внимание на то, что современным организациям, функционирующим в условиях высококонкурентного рынка, следует исходить из понимания, что накопление больших данных не всегда приводит к получению ожидаемой бизнес-выгоды. В данном контексте также можно сделать вывод, современной компании не следует ставить перед собой задачу обработки всех имеющихся данных с целью повышения качества результатов экономического анализа.
Более значимым является использование всего объема данных для их сегментации, что позволяет эффективно строить большое количество моделей для небольших кластеров, решая конкретные задачи экономического анализа на базе применения современных информационных технологий.
Многочисленные научные труды ученых и специалистов, посвященные проблематике бизнес-аналитики предприятий, которые столкнулись с новыми требованиями конкуренции в условиях современного рынка, свидетельствуют о высоком уровне актуальности и неотложности решения вопроса выбора методологии анализа и принятия решений.
Цель работы – аналитический обзор современного рынка BI-решений. Поставленная цель предполагает решение следующих задач:
- рассмотреть средства и технологии Business Intelligence;
- проанализировать рынок BI-решений 2018;
- исследовать актуальность внедрения и ключевые тенденции Business Intelligence в 2018 году;
- изучить историю успеха компании Компэл по внедрению BI.
Объектом исследования являются решения Business Intelligence. Предметом исследования выступают особенности современного рынка BI-решений.
Методологической базой данной работы явились изучение научной литературы, анализ и синтез, а также методы системного подхода.
1 Обзор средств и технологии Business Intelligence
Следует начать с того, что, как правило, заказчики Business Intelligence (BI) узнают этот технический термин уже в процессе обсуждения бизнес-проекта. На слуху другое более понятное русское определение - системы методов и инструментов для бизнес-анализа. В любом случае, речь идет о получении, решении, без которых сложно эффективно пользоваться большими объемами данных.
Термин Business Intelligence впервые предложил американский ученый Ханс Петер Лун. Он представлял business как набор различных активностей, предпринимаемых в науке, технологиях, коммерции, индустрии, а под словом Intelligence понимал способность устанавливать взаимосвязь между представлениями отдельных фактов с тем, чтобы действовать в интересах решения поставленных задач и намеченных целей [6, с. 2].
Классическое определение Business Intelligence (BI) - это процесс анализа информации, выработки интуиции и понимания для улучшенного и неформального принятия решений бизнес-пользователями, а также инструменты для извлечения из данных значимой для бизнеса информации. Надо отметить, что большинство определений трактуют «Business Intelligence» как процесс, технологии, методы и средства извлечения и представления знаний.
Инструменты BI - это инструменты для перевода необработанной информации в осмысленную, удобную форму. Эти данные используются для бизнес-анализа. Технологии BI обрабатывают большие объемы неструктурированных данных, чтобы найти стратегические возможности для бизнеса. Термин “Business Intelligence” сперва использовался в научной сфере, но вскоре получил широкое применение и в корпоративном сегменте, благодаря своим результатам.
При этом цель BI - интерпретировать большое количество данных, заостряя внимание лишь на ключевых факторах эффективности, моделируя исход различных вариантов действий, отслеживая результаты принятия решений. BI наиболее эффективен, когда он объединяет данные, полученные из рынка, на котором работает компания (внешние данные), с данными из источников внутри компании, таких как финансовые и операции с данными (внутренние данные). В сочетании, внешние и внутренние данные дают полную картину бизнеса, которая, создает "интеллект" - быстрое понимание, которое не получить из простого набора данных.
Нельзя не сказать об эволюции бизнес-аналитики в Business Analytics 3.0. Нынешние инновации лидеров нескольких отраслей свидетельствуют о начале новой эпохи, точно так же, как чуть раньше использование «больших данных» ознаменовало разрыв с прошлым в виде Аналитики 1.0. Когда Аналитика 3.0 начнет пускать корни, то есть когда компании будут уже иначе понимать, в чем их сила, и иначе пользоваться ею, их руководителям придется интеллектуально перестраиваться на нескольких направлениях сразу.
С большими данными тесно связаны такие термины как data science, data analysis, data analytics, data mining и машинное обучение (machine learning). Следует иметь в виду, что интеллектуальный анализ (Data mining) и машинное обучение (Machine Leaning) - это две области, которые идут рука об руку.
В эпоху Аналитики 1.0 произошел настоящий прорыв в осмыслении бизнеса, его самых важных проявлений. Руководители в своих решениях смогли уже опираться не только на интуицию, но, прежде всего, на факты. Именно тогда, впервые в истории, данные о производственных процессах, продажах, обслуживании клиентов и т.п. стали записывать, накапливать и анализировать.
Основные условия, способствовавшие Аналитике 1.0, продержались полстолетия - до середины 2000-х, когда фирмы, работа которых основывалась на интернете и социальных сетях (преимущественно фирмы Силиконовой долины - Google, eBay и др.), начали накапливать и анализировать новые виды информации.
Эпоха Аналитики 2.0 ознаменовала появление новой потребности - в мощных инструментах и новой возможности - зарабатывать на них деньги. В борьбе за клиента компании бросились создавать приложения.
Таким образом, Аналитика 2.0 требовала совсем иных профессиональных знаний, чем Аналитика 1.0. Теперь специалистов по количественному анализу стали называть специалистами по данным; они были не только аналитиками, но и программистами. Скоро этим профессионалам стала тесна их вспомогательная роль: они хотели разрабатывать новую продукцию и влиять на бизнес компании.
В эпоху 2.0 проницательный наблюдатель мог заметить признаки зарождения аналитики нового типа. Аналитика 3.0 знаменует собой поворотный момент: участвовать в аналитической гонке стали все. Сейчас не только интернет-компании и фирмы, занятые в сфере информационных технологий, но предприятия всех остальных отраслей создают товары и услуги на основе анализа данных.
В современном мире Business Intelligence определяет:
- процесс превращения данных в информацию и знания о бизнесе для поддержки принятия улучшенных и неформальных решений;
- методы и средства сбора данных, объединение информации и обеспечения доступа бизнес-пользователей к знаниям;
- знания о бизнесе, полученных в результате углубленного анализа детальных данных и обобщенной информации.
В общем случае, следует подчеркнуть, что без BI ознакомиться с каким-либо показателям в динамике или сравнить разнородные данные можно только в ручном режиме. Причем подготовка сводных отчетов для этой цели требует участия нескольких сотрудников, которые в процессе выполнения задачи должны будут договориться друг с другом - что может потребовать арбитража их руководителей, и тогда отчет вообще разрастется в самостоятельный внутренний проект. Используя BI-систему, можно получить сводные отчеты в два нажатия клавиши. Они наглядны и легко читаются. Графики, диаграммы, сводные таблицы можно детализировать. На рисунке 1 представлены 3 класса BI-систем.
Рисунок 1 – Три класса BI-систем
Есть некоторые подходы к оценкам качества BI-решения, на которые стоит обратить внимание. BI - это классические IT-решения, поэтому подходы и критерии оценок их качества вполне предсказуемы [4, с. 2]. Рассмотрим следующие моменты.
Современная архитектура, как объект исследования важна, поскольку вычислительные мощности увеличиваются, появляются новые возможности.
Клиентоориентированность разработчика и/или поставщика, пожалуй, стоит отметить отдельно, так как IT-поставщик должен быть именно партнером.
Готовность системы показателей. BI-решения должны содержать не только и не столько программный код, но также отлаженную, сбалансированную аналитическую базу.
Модифицируемость. Все успешные бизнесы уникальны, только все неудачи случаются как «под копирку». Поэтому встроенная логика в BI-решении не должна быть жесткой.
Разумеется, такие важнейшие критерии, как стоимость и сроки внедрения, тоже имеют значение. Но это уже несколько выходит за рамки качества IT-решений.
Далее, стоит отметить, что Business Intelligence (BI) системы используют программное обеспечение и услуги для преобразования данных в оперативную информацию, которая может поддерживать стратегические и тактические бизнес-решения организации [8]. В целом же, Business Intelligence это термин-метафора, который, в сущности, не имеет однозначного толкования и дословного перевода среди профессионалов.
Дефиниция Business Intelligence определяет синергетический комплекс концепций, технологий и средств (OLAP, Data Mining, др.) автоматизации информационной аналитической обработки данных.
Так, по классификации компании Gartner Group программные средства и системы типа BI базируются на методе функциональных задач, где программные средства и системы каждого класса выполняют определенный набор функций или операций с использованием специальных технологий. Сегодня на рынке существует несколько платформ BI. В совокупности эти платформы представляются концепцией, представленной на рисунке 2.
Рисунок 2 - Концепция платформы BI
Концепция заключается в передаче данных между следующими компонентами данной системы:
- ETL-инструменты: программы, позволяющие выполнять загрузку данных в DWH из различных учетных систем.
- DWH-хранилище: полноценная база данных SQL для подготовки и хранения данных для аналитики.
- OLAP-кубы: технология, позволяющая делать в реальном времени (1-5 секунд) любые отчеты и проводить полноценный анализ данных.
Клиентские приложения: как правило, для детального анализа данных и построения динамических отчетов пользователи используют сводные таблицы Microsoft Excel, подключенные к OLAP-кубам.
Поскольку информация составляет наибольшую ценность [1, с. 119], то наиболее реальным способом для предприятий опережать конкурентов является эффективное использование данных компании для моделирования ситуаций, которые предлагается делать на основе мероприятий бизнес-аналитики [3, c. 74].
Если говорить о месте Business Intelligence в современной системе бизнес-анализа с учетом цифровой трансформации, то есть, когда современные технологии используются для кардинального повышения производительности и ценности предприятий, то BI являются средством визуализации и моделирования. Бизнес-пользователи превышают численность персонала ИТ. В результате, небольшие поставщики обнаружения данных, которые разрабатывают действительно хорошие инструменты интерактивной визуализации, набирают долю на рынке. Между тем, традиционные поставщики BI отвлекают новых участников рынка, способствуя простоте использования.
Стоит также отметить, что наиболее часто компании, внедрившие BI-системы, отмечали достижение следующих результатов: оптимизация процессов принятие решений, ускорение процессов подготовки отчетов и анализа, повышение качества данных, повышение удовлетворённости сотрудников и клиентов.
2 Обзор рынка BI 2018: сравнение популярных платформ. Подходы и основные риски внедрения BI-систем
Современный рынок BI включает в себя все, от давних, крупных технологических игроков до стартапов, подкрепленных огромным количеством венчурного капитала
. Поставщики традиционных BI-платформ разработали свои возможности для включения современных визуальных данных, которые также включают в себя управление. Тем не менее, новые поставщики продолжают развивать возможности, которые когда-то были сосредоточены прежде всего на гибкости, расширяя их до более эффективного управления и масштабируемости, а также публикации и совместного использования.
Третья волна преобразований рынка BI уже началась в форме расширенной аналитики, при этом машинное обучение порождает понимание на все большем количестве данных. Продавцы, у которых расширенная аналитика как дифференциатор, лучше могут управлять премиальными ценами для своих продуктов. На рисунке 3 представлена диаграмма, показывающая подрядчиков по количеству проектов внедрений Business Intelligence на текущий момент (то есть май 2018 года).
Рисунок 3 - Подрядчики по количеству проектов внедрений (BI) по состоянию на май 2018 года [10]
Далее, сделаем обзор рынка Business Intelligence 2018 с помощью магического квардранта. Данный Магический Квардрант (Magic Quadrant) фокусируется на продуктах, отвечающих критериям современной аналитики, и платформах BI, которые управляют большинством чистых новых основных покупок на сегодняшнем рынке.
Продукты, которые не соответствуют современным критериям, необходимым для включения в Магический Квардрант (из-за первоначальных требований к ИТ для предопределения моделей данных или из-за того, что они ориентированы на отчетность), представлены в Магическом Квадранте для традиционных платформ корпоративной отчетности.
На рисунке 4 представлен магический квадрант для платформ аналитики и бизнес-аналитики BI по состоянию на февраль 2018 года.
Рисунок 4 - Магический квадрант для платформ Аналитики и Бизнес-Аналитики BI
При этом из интересного здесь можно отметить пять BI-вендоров, пользователи которых активнее всего давали оценки для Gartner (таблица 1).
Таблица 1
BI-вендоры, пользователи которых активно давали им оценку [11]
Вендор Количество респондентов Gartner % от общего числа
Qlik 262 19,8%
SAS 102 7,7%
Oracle 92 6,9%
SAP 79 6,0%
MicroStrategy 78 5,9%
Исходя из данной таблицы, я могу сделать вывод, что пользователи Qlik – на порядок (или несколько) активнее и доказательством ему являются данные результаты.
Если говорить о магическом квадранте, то каждая BI-система оценивается по двум шкалам:
- ось Х: целостность видения (Completeness of vision);
- ось Y: совершенство платформы (Ability to execute).
Конечно, эти оценки комплексные, и каждая состоит из ряда критериев.
Целостность видения (Completeness of vision) включает:
- понимание рынка и комплексных потребностей пользователей аналитики;
- маркетинговая стратегия и ее доступность пользователям;
- стратегия продаж, включая зрелость партнерской сети, ценообразование, пакетные предложения;
- продуктовая стратегия, ориентированные на будущие потребности пользователей, включая гибкую инфраструктуру для развертывания, нативные коннекторы к Hadoop, Spark и прочим NoSQL инструментам, управление данными с поддержкой комфортного BI-самообслуживания, «дополненную» Data Discovery модель, поиск текстом и голосом на естественном языке, чат-ботов для доступа к аналитике;
- удобный обмен аналитическими открытиями;
- отраслевая стратегия, насколько BI-платформа подходит под задачи компаний из различных отраслей экономики;
- инновационность;
- географическая стратегия (работает ли вендор в других странах через свои локальные офисы или только через партнеров).
Совершенство платформы (Ability to execute) включает:
- конкурентоспособность платформы и комфорт интеграции BI-продукта в рабочий процесс;
- жизнеспособность продукта и вендора;
- комфорт клиента в процессе продажи и предпродажного сотрудничества; быстрота реакции на изменения рынка;
- техническая поддержка и возникающие ошибки, сложность миграции с версии на версию;
- опыт пользователей от работы с BI-системой (от простоты и доступности обучения до результатов, полученных от внедрения).
Если говорить о классах BI-систем по Gartner, то они означают следующее:
- лидеры (Leaders) - хорошо выполняют, то что смогли предвидеть и твердо стоят на ногах (правый верхний квадрант). В 2018 году лидеры - 3 вендора (Qlik, Tableau, Microsoft);
- претенденты (Challengers) - хорошо себя чувствуют, хорошо выполняют задуманное или могут доминировать на большом сегменте рынка, но не демонстрируют понимания куда идет рынок (левый верхний квадрант). В 2018 году претендент - 1 вендор (Microstrategy);
- провидцы (Visionaries) - имеют видение куда идет рынок или как сделать что-то, что сможет поменять рынок или правила на рынке, но еще не достаточно хорошо это делают (правый нижний квадрант). В 2018 году провидцы - 7 вендоров (IBM, Tibco Software, SAP, SAS, ThoughtSpot, Salesforce, Sisense);
- нишевые игроки (Niche players) — успешно сфокусированы на небольшом сегменте и возможно недостаточно инновационны, чтобы переиграть остальных игроков (левый нижний квадрант). В 2018 году нишевые игроки – 9 вендоров (Logi Analytics, Pyramid Analytics, Yellowfin, BOARD International, Oracle, Information Builders, Looker, Domo, Birst)
Так, исследовательский центр, занимающийся изучением практики применения бизнес-приложений (BARC, Business Application Research Center,) в результате ежегодного опроса, обнаружил, что ключевыми критериями выбора BIрешений являются функциональность и простота использования системы для пользователей [8]. Далее, рассмотрим и сравним лидеров 2018 года в области BI-решений.
Qlik предлагает управляемое обнаружение данных и гибкую аналитику BI через свой продукт Qlik Sense. Платформа Qlik Analytics поддерживает разработчиков в создании настраиваемых приложений и встроенного варианта использования. Продукт QlikView также продолжает расширяться и составляет большую часть установленной клиентской базы компании, а Qlik Sense теперь составляет более 50% доходов от лицензий. На рисунке 5 показан пример визуализации на Qlik Sence.
Рисунок 5 - Пример визуализации на Qlik Sence
Масштабируемый механизм In-Memory позволяет клиентам создавать надежные, интерактивные, визуальные приложения. Некоторые клиенты предпочитают использовать движок в качестве хранилища данных вместо традиционных хранилищ данных. Qlik NPrinting является дополнительным серверным компонентом, который поддерживает BI Mode 1 с распространением отчетов по расписанию и правам доступа. В январе 2017 года Qlik приобрел Idevio, чтобы использовать возможности геоаналитики в качестве дополнительного дополнения. И NPrinting, и GeoAnalytics были первоначально разработаны партнерами [11].
Замечу, что позиция Qlik в квадранте Leaders обусловлена прогрессом в ее дорожной карте для расширенной аналитики, улучшения маркетинговой стратегии и простоты использования. Его рыночное положение немного хуже, чем у других лидеров, в основном из-за его относительно низкой динамики, немного более низкого успеха продукта и его операций.
Если говорить о сильных сторонах данного продукта, то это, прежде всего.
Масштабируемый продукт для надежных приложений: клиенты часто используют QlikView и Qlik Sense как хранилище данных, поскольку Qlik Associative Engine поддерживает несколько источников данных, сложные модели данных и сложные вычисления.
Механизм Qlik Associative делится между QlikView и Qlik Sense. Функции управления предприятием остаются сильными и дифференцирующими.
Дифференцированный маркетинг: Qlik Associative Engine был отличительным признаком продукта с момента его создания, но не тот, который Qlik четко сформулировал в прошлом, иногда ссылаясь на него как на «силу серого». Клиенты часто понимали эту уникальную возможность после развертывания продукта. В прошлом году Qlik сделал больше, чтобы предоставить четкие бизнес-примеры; повышение уровня грамотности данных как части общей аналитики и программы BI было ключевым сообщением за это время.
Видение продукта: Qlik рано появился на рынке с некоторыми элементами видения продукта. Торговая площадка Qlik позволяет партнерам разрабатывать контент для дальнейшего расширения платформы или монетизации готовых отраслевых вертикальных приложений. Успех на рынке стал источником некоторых приобретений Qlik, таких как NPrinting и Idevio.
Партнерская сеть: сеть из более чем 500 системных интеграторов и 1700 партнеров по всему миру, по оценкам, 70% реализации Qlik находятся под руководством партнеров [11]. Эти партнеры часто имеют долгосрочные отношения со своими клиентами и понимают их особые требования.
Что касается предостережений, то здесь можно отметить следующее.
Самообслуживание: одним из ключевых атрибутов QlikView был его быстрый подход к внедрению мощных поисковых дэшбордов, а не для подготовки и анализа данных самообслуживания. Тем временем Qlik Sense был связан с модернизацией интерфейса и делает его более открытым и расширяемым; но он также должен был принести больше аналитики самообслуживания.
Стоимость программного обеспечения: существующие клиенты QlikView не получают продукт Qlik Sense как часть обслуживания, если только они не мигрируют. Клиенты редко мигрируют, потому что QlikView продолжает улучшаться. Кроме того, цены на два продукта резко отличаются.
Замедленная доля: на этом рынке Qlik когда-то занимал первую или вторую позицию на основе поисковых запросов на gartner.com в 2017 году он является третьим. Поскольку Qlik сейчас находится в частной собственности, он не сообщает об общем росте доходов, но его глобальный подсчет голосов сократился на 2,8% в годовом исчислении до 3Q17.
Замечу, что в январе 2018 года у Qlik было сокращение персонала на 10%, прежде всего в продажах, поскольку он переключает свой акцент на продажи через партнеров, ведущими продажи в небольших или средних организациях. Изменения в исполнительном руководстве, в частности, генеральный директор, технический директор и вице-президент по продажам, являются предметом озабоченности.
Проблемы с миграцией: контрольные оценки клиентов Qlik для общей поддержки выше среднего, с небольшим улучшением в годовом исчислении. Тем не менее, его баллы за удовлетворение миграционным опытом помещают его в нижний квартиль, год падения в течение года. Миграция может включать обновление в продуктовых линиях, а также от QlikView до Qlik Sense. Поскольку первичная рыночная стратегия Qlik заключалась в том, чтобы Qlik Sense и QlikView сосуществовали, инструменты миграции в основном отсутствовали до выпуска в июне 2017 года.
Microsoft Power BI, в свою очередь, предлагает подготовку данных, обнаружение данных, интерактивные информационные панели и расширенную аналитику через один продукт. Он доступен как опция SaaS, работающая в облаке Azure, или, с 2017 года, в качестве локального сервера Power BI Report Server. Сервер отчетов Power BI позволяет пользователям обмениваться отчетами (но не панелями) и не обладает некоторыми возможностями машинного обучения, которые находятся в Power BI SaaS. Power BI Desktop можно использовать как автономный, бесплатный инструмент персонального анализа, а также требуется, когда опытные пользователи создают сложные компиляции данных с использованием локальных источников данных. На рисунке 6 пример визуализации в Microsoft Power BI.
Рисунок 6 - Пример визуализации в Microsoft Power BI
Стоит отметить, что в этом году Microsoft позиционируется в квадранте лидеров, продолжая сильное поглощение Power BI и высокий уровень интереса и увлечения клиентов. У Microsoft есть четкая и дальновидная карта продуктов, которая включает в себя вертикальный отраслевой контент.
Что касается предостережений, то здесь могу отметить следующее.
Во- первых, анализ режима 2, только облако Azure: Power BI в основном фокусируется на требованиях к анализу режима 2 (гибкость, самообслуживаемость), а его локальные службы отчетов SQL Server обслуживают потребности режима 1 (для запланированных, распределенных отчетов). Для клиентов Microsoft это привело к развертыванию двух продуктов с различными возможностями и различными подходами к развертыванию.
Широта использования. Как и ранее, оценки Microsoft от своих ссылочных клиентов помещают ее в нижний квартиль для широты использования. Ширина использования зависит от процента пользователей, использующих продукт, для различных стилей BI: от просмотра отчетов, создания персонализированных панелей мониторинга и простого анализа ad hoc, для выполнения сложных запросов, подготовки данных и использования прогнозирующих моделей [11].
Несколько продуктов: ядро Microsoft Power BI является автономным продуктом. Тем не менее, ряд элементов в дорожной карте Microsoft, которые являются частью концепции продукта, охватывают несколько продуктов и требуют интеграции. Например, для понимания действий требуется Microsoft Flow.
Опыт продаж: большинство заказчиков-клиентов Microsoft оценили свой опыт продаж как отличный и превосходный. Однако в относительном выражении Microsoft немного ниже среднего для этого Magic Quadrant. Частично это может быть связано с тем, что Microsoft Power BI не обладает специальной аналитикой и услугами по продажам BI, которая изменилась в середине 2017 года.
В то время как Microsoft Power BI является недорогим вариантом, клиенты выразили разочарование в отношении изменений в ценообразовании и упаковке и отсутствие ясности в отношении того, что функциональные возможности Power BI включены в Microsoft Dynamics 365. Microsoft Dynamics 365 использует Power BI, встроенную для отчетов и панелей мониторинга, но для контента, отличного от Dynamics 365, требуется лицензия Power BI Pro или Premium.
Tableau предлагает интуитивно понятный интерактивный визуальный опыт исследования, который позволяет бизнес-пользователям и любому автору контента получать, готовить, анализировать и представлять результаты в своих данных без технических навыков или кодирования
Закажи написание реферата по выбранной теме всего за пару кликов. Персональная работа в кратчайшее время!
Нужна помощь по теме или написание схожей работы? Свяжись напрямую с автором и обсуди заказ.
В файле вы найдете полный фрагмент работы доступный на сайте, а также
промокод referat200
на новый заказ в Автор24.
