Där Business Intelligence (BI) -verktyg kan ta enorma delar av data och analysera det i smältbara datapunkter, är datavisualisering presentationsdelen av den ekvationen.
Tänk på det som cirkeldiagramfunktionen i ditt favoritkalkylblad, bara mycket kraftfullare.
Syftet med sådana bilder är att snabbt överföra information från maskinen till den mänskliga hjärnan, inte bara effektivt utan också på ett så meningsfullt sätt som möjligt.
Därför är det inte det estetiska värdet av en visualisering som räknas utan tydligheten i det budskap som den förmedlar.
Den korthet som krävs för tydlighet utesluter dock inte komplexiteten i meddelandet.
Eftersom mycket av den information människor måste konsumera är komplex och nyanserad konfigureras datavisualiseringar ensamma och i grupper för att berätta en större historia genom bilder.
Ett exempel på en enskild konfiguration är varje visualisering som avslöjar mer detaljerad eller relaterad information när tittaren klickar på eller utför en musöverföring på ett avsnitt av illustrationen.
Exempel på gruppvisualiseringar inkluderar nästan alla BI-app-instrumentpaneler som någonsin gjorts.
Datavisualisering är faktiskt en sådan integrerad del av självbetjänings-BI-verktyg att verktygen för att skapa och publicera dem till stor del delar vanliga funktionsuppsättningar.
Som förväntat fann vi i vår senaste granskning av de bästa självbetjäningsprodukterna BI att de allra flesta kan hantera datavisualisering.
Men kunder som verkligen vill utnyttja datavisualisering bör titta på dessa verktyg noggrant och uteslutande genom objektivet innan de fattar ett köpbeslut.
När allt kommer omkring kanske det rätta verktyget för att analysera dina data inte ger en tillräcklig visualiseringspalett för dina behov.
Till exempel kanske du vill ha möjligheten att bygga en anpassad infografik eller skapa interaktiva visualiseringar, men inte alla BI-appar har dessa alternativ.
Du kan behöva investera i en kombination av verktyg för att få både analys- och visualiseringsverktygen du behöver.
Vad är datavisualisering?
Kort sagt, datavisualisering är en visuell skildring av information.
Det är bilder som är avsedda uteslutande för meddelanden eller presentation av information.
Datavisualiseringsverktyg kan automatiskt skapa visualiseringar, låta dig skapa dina egna eller erbjuda båda funktionerna.
I nedre änden finns enklare och till och med gratis datavisualiseringsverktyg dedikerade till att bygga infografik snarare än att utföra sofistikerad dataanalys.
Några av dessa verktyg inkluderar Tableau Gallery och till och med Microsoft Power BI.
I januari 2018 introducerade Tableau en ny datamotor som heter Hyper som företaget hävdar ger användarna upp till fem gånger snabbare fråghastighet jämfört med tidigare versioner.
Under juli 2018 lanserade Microsoft nya funktioner för Microsoft Power BI, till exempel integration av Big Data direkt i Power BI-webbtjänsten.
I den högre änden finns verktyg som kan ändra visualiseringar i farten, på samma sätt som utdata från sofistikerade algoritmer ändras efter upprepad direktfråga av realtidsdata (dvs.
strömmande data) och över flera datakällor.
Verktygen som upptar mitten av spektrumet representerar inte realtidsdata men producerar fortfarande visualiseringar från avancerade analysutgångar.
De självbetjänings-BI-appar som vi granskat innehåller genomsnittliga till avancerade visualiseringsverktyg.
Några av verktygen innehåller starka frågefunktioner för naturligt språk som Sisense, och andra ger realtidsanalys för sakernas internet (IoT), som SAP Analytics Cloud.
Kort sagt, du kan inte bedöma kvaliteten på den underliggande analysmotorn utifrån omslaget på dess konstpaket.
Några mycket kraftfulla analyser kommer med ynkliga till passerande visualiseringsfunktioner.
Omvänt kommer några ynkliga till övergående analyser med några ganska imponerande visualiseringsfunktioner.
Sedan vi ursprungligen granskade dessa BI-verktyg har IBM slutat erbjuda IBM Watson Analytics för köp.
Istället introducerade IBM Cognos Analytics 11.1, som erbjuder guidad datainsamling, automatiserad prediktiv analys och möjligheten att interagera med data i konversation.
Det finns ett brett utbud av konstbilder som datavisualiseringsverktyg kan skapa.
Vissa skildringar är enkla, andra är komplicerade.
Vissa är vackra, andra är råa.
Och det finns några som verkligen är individuella skapelser.
Men de flesta härrör från mallar i traditionella former associerade med statistik.
De enklaste exemplen på datavisualisering är cirkeldiagram och stapeldiagram som du har kunnat komma åt via Microsoft Excel i många år nu.
Men eftersom BI har mognat som en plattform, så har också alternativen tillgängliga för att se dina data och presentera dem för andra.
Verktygen vi granskar här speglar medium till högre ände av spektrumet i BI; de kan utföra sofistikerade frågor utan att behöva förstå SQL-kodning (Structured Query Language).
Dessutom kan de göra analyser i en mängd olika visuella format - långt utöver det grundläggande stapeldiagrammet för att inkludera geografisk kartläggning, värmekartor, sparklines och ännu mer specialiserade visualiseringar som spindeldiagrammet nedan.
Datavisualisering är inte ett nytt koncept.
Cirkeldiagram och stapeldiagram har funnits genom tiderna.
Vad som har ändrats är de typer och storleken på data som kan representeras på detta sätt och de många mer sofistikerade sätten på vilka du kan visa den och dela den.
Betydelsen av instrumentpanelen
I slutändan används datavisualiseringsfunktioner för att bygga instrumentpaneler.
Ibland representerar instrumentpanelen en enda, databaserad berättelse som är viktig för många tittare.
Eller instrumentbrädan kan innehålla många historier till förmån för en enskild användare.
Dashboards kommer ibland med visualiseringar som är förinställda och fixade på plats.
Andra gånger kommer instrumentpanelens visualiseringar med olika visningsalternativ eller bilder som kan anpassas.
Delning kan ofta också anpassas, till exempel enligt behörigheter, per affärsområde, per jobbroll, eller till och med efter personliga preferenser.
I alla fall innehåller instrumentpanelen vanligtvis två eller flera datavisualiseringar som är avsedda att informera och ibland till och med leda till en affärsåtgärd eller ett beslut.
Före tillkomsten av självbetjänings-BI-verktyg var chefer tvungna att presentera sina frågor för en databasproffs som sedan skulle försöka förstå det så bra han eller hon kunde, skriva en SQL-fråga och representera den frågan mot en databas eller ett datalager .
Resultatet skulle matas till en IT-person som sedan skulle skriva den nödvändiga koden för att representera den som en instrumentpanel på chefens teamwebbplats, i en delad app eller till och med bara som ett fristående dokument som chefen fick via e-post.
Om mer än en datakälla behövdes, var det ofta ofta mer än en databasprofessionell som behövde skriva separata frågor (som sedan var tvungna att sammanföras offline).
I slutet av denna ineffektiva och flerstegsprocess analyserades.
Du fick historiska analyser (dvs information efter faktum snarare än i realtid).
Dessa rapporter kom vanligtvis för sent för att verksamheten skulle kunna förändra eller påverka resultatet av den aktivitet som den avbildade.
Således fick affärsanalytiker, avdelningschefer och C-suite-ledare vanligtvis rapporter med försenad, alltför förenklad och vag information.
Ibland var informationen irrelevant när den äntligen gjorde sin väg till affärsanalytiker eller C-sviten eftersom företaget hade ändrat riktning eller andra faktorer uppstod under tiden.
Ändå ändras instrumentbrädor och rapporter som görs på detta sätt sällan.
Sakerna gick som de alltid hade: samma frågor som ställdes, samma data frågades, samma rapporter och instrumentpaneler genererades - dag efter dag och vecka efter vecka.
Däremot låter dagens självbetjänings-BI-appar affärsanalytiker kringgå mellanhänder och stoppa många av IT-flaskhalsarna.
Denna självbetjäningsprogramvara möjliggör också användning av data utanför företaget såväl som inifrån, såsom sociala medier, molnet, offentliga datamängder och IoT-data.
Vissa självbetjänings-BI-appar kan använda realtidsdata, men många är begränsade till närliggande data (frekventa uppdateringar).
Nära data är dock vanligtvis inte en affärsbegränsning.
Det finns faktiskt bara ett fåtal användningsfall där dataanalys i realtid garanterar extra ansträngning och kostnad.
När allt kommer omkring kan uppdateringar på nära håll vara lika frekventa som varje minut eller mindre.
När det gäller självbetjäning av BI-instrumentpaneler är nyckelvärdet vanligtvis trefaldigt:
För det första behöver de inte använda databassexpertis.
Du kommer förmodligen (men inte alltid) att behöva hjälp av din databasprofessionals hjälp för att ställa in dem och ansluta dem till alla datakällor du behöver.
Trots allt kvarstår efterlevnad och säkerhetsfrågor.
IT blir vanligtvis involverat åtminstone så att det löser dessa problem, bestämmer vem som får behörighet och hur mycket data de kan se.När det är klart ger dessa verktyg olika grader av enkelhet när det gäller att skriva dina egna frågor.
Vissa fungerar fortfarande bäst om du känner till vissa SQL, men andra fungerar helt med syntax för naturligt språk, vilket gör SQL-kunskap onödigt.
De flesta kräver dock en god förståelse för statistik.
Denna nödvändighet är inte strikt ur operativ synvinkel, utan eftersom fel kan göras i tolkningen av utdata om användaren saknar en grundläggande förståelse för statistik.
Bara för att programvaran gjorde dig till en utmärkt visualisering av maskinens svar betyder det inte att du ställde rätt fråga.För det andra kan nästan alla fungera som en enhetlig frontend till flera databaser och datatyper.
Detta beror främst på den ökande populariteten för Big Data, som vanligtvis är en kombination av relationsdata (vanligtvis SQL-baserad) och ostrukturerad data som finns i olika källor både inom och utanför företagets väggar.
Genom att ge stöd för olika typer av data tillåter dessa verktyg människor utan databaskunnande - men med direkt, erfarenhet från första linjen - att ställa frågor direkt mot organisationens data.Detta kan ge omedelbar återbetalning mot snabbt växande Big Data-butiker.
Det möjliggör också nya insikter och sätt att utnyttja data, som annars kan gå förlorade när dessa frågor tränger igenom genom datavetare och IT-professionella filter.En enda fråga kan spänna över flera databaser och datatyper i rekordhastigheter, och verktyget tar också hand om att bygga den visuella representationen.
Kort sagt, ett team av dataforskare behövs inte.
Det är inte bara snabbare utan det är storleksordningar lättare.För det tredje kan dessa verktyg också bygga live datavisualiseringar och instrumentpaneler själva snarare än att tvinga en separat operation från ditt företags programmerare eller IT-medarbetare.
Dessa visualiseringar kan exporteras som platta grafiska filer eller som kodavsnitt som du bara kan kopiera och klistra in på webbsidor eller teamwebbplatser.
Dashboards kan också delas direkt, ofta även med användare som inte använder BI-appen.Integrering av dem med andra appar görs vanligtvis enkelt via kontakter, beroende på om BI-appen för självbetjäning du använder har en anslutning till appen som du vill dela ...
