本文目录
本篇文章给大家谈谈bi数据分析,以及BI数据分析师出国读研选什么专业相关的内容,希望对各位有所帮助,不要忘了收藏本站喔。

bi数据分析,BI数据分析师出国读研选什么专业?

Bl数据分析师出国读研选计算机,数据分析专业!

国内处理大数据哪个BI分析软件做的不错?

好像说到上BI,很多人的第一反应都是上国外的,觉得国外的BI的厂商发展的那么早,国产BI工具肯定不如国外BI工具,如果你有这个想法,那就大错特了。在BI商业智能这个赛道,国产BI工具可以说是不输国外的。

当然,这里的“跑赢”并不是说在各方面完胜,国外BI工具在技术上确实更加成熟,毕竟早发展这么多年,每个工具也都有各有自己的优劣,无法用一句话去说明哪个工具最好用。但是基于中国这个大市场环境下,国内企业选择国产BI工具是更优的选择。并且在《IDC2018年中国商业智能软件市场追踪报告》中,领跑第一位的也是国内某BI厂商。

IDC2018年中国商业智能软件市场份额图

作为一个做了十多年BI项目的“老BI人”,在这方面也算有点经验,下面就来给大家说道说道,为什么国产BI工具是国内企业的更优选择。

1.从工具与企业的需求契合度来看,国产BI工具更契合中国企业的需求

中国的企业类型丰富多样,在企业IT建设的建设方式上也是各有千秋。数据库、数据的规范性、系统的开发集成需求也是各不相同。BI除了需要支持各种类型的数据库和数据源,还要支持Hadoop、Kylin、Derby、Gbase一类的大数据平台以及各种数据仓库。

企业间的的IT建设水平也分层明显,有些企业有数据仓库,而有些企业只有简单的数据库,有些企业数据量大,有些企业数据一般的差异性需求。面对企业的不同需求,国外BI工具是没有办法“对症下药”的。

而国内的BI厂商们在面对企业需求上就做的很好,基本能对接各类数据源,打通并整合,针对不同企业的需求提供不同的解决方案。比如FineBI能够从各种数据源中抓取数据进行分析,除了支持大家常用的Oracle、SQLServer、MySQL等数据库,还支持SAP BW、HANA、Essbase等多维数据库,数据接口开发方面,还支持对接一些需要基于java定制的api程序数据库;还可对接Hadoop、Kylin、Derby、Gbase、ADS、Hbase、Mongodb等大数据平台。

在对接方面有自己的分布式连接方案。还支持导入Excel数据,支持从R语言脚本导入数据。因此如果是商业部署,据我多年在企业做报表做数据的经验,国产BI工具更加适合,尤其是底层架构的建设,数仓的对接,以及性能方面

FineBI 数据连接

2.国产BI工具更符合中国人的使用习惯

目前,中国企业BI的使用逐渐偏向业务人员。对于毫无编程技术基础的人员来说,减少技术问题的牵绊是首要的。这就要求BI工具能够轻量化,最好能根据企业的业务分析需求实现“傻瓜式”的自助分析。

国外传统BI工具比如SAP Business Objects部署时间长,过于强调技术,要求使用者具备较强的计算机技术基础,更适合企业IT人员使用,适用面太狭窄,因此国内部署的企业不多,根据IDC的BI国内市场调研报告也可以很明显地发现,14年以后传统型BI厂商有一个整体的下滑趋势。而国外的敏捷BI工具虽然对技术的要求相对下降了,但这道技术上的槛依旧存在。

而国内的BI厂商们都针对这一问题进行了重点攻克,现在,用户只需在Dashboard中简单拖拽操作,便能制作出丰富多样的数据可视化信息,进行数据钻取、联动和过滤等操作,自由分析数据。哪怕是小白也能够迅速上手。

同时,我们中国用户有一个特点就是喜欢灵活的报表,可以随时增删改查最好。对于这些需求,国外的BI软件基本上是不支持的,这对于国产BI来说就比较有优势了,因为国产BI工具诸如帆软等基本都能实现数据修改后实时变化, 决策者能随时看到最新最全的数据。

3.在产品服务上,国产BI工具将“客户就是上帝”发挥到了极致

大多数国外BI工具在国内都是采取了代理的销售模式,这种模式颇有点像把孩子生下来就不管的狠心父母,只销售产品,却缺少专业化负责大陆地区技术售后服务支持团队,如企业急需服务意味着付出高额的服务费。

另外,几乎没有定制化服务。同时,所有产品的学习与使用都需要靠使用者自己报外部培训班或者在网上到处寻找资料,效率极其低下。易学难精的产品特性,也使得企业需要为此花费昂贵的培训费,也是企业投入的一个无底洞!

而国内BI工具在提供服务上可谓是精益求精,大都建立了资源完善的官网,配备了项目团队和技术支持团队,帮企业解决产品搭建和使用上的各种问题。帆软甚至还搭建了一个用户社区,社区里提供了各种各样的产品学习资源,比如帮助文档、产品使用课程,免费直播等,还有专人负责运营解决用户的问题。可以说,国外BI工具在产品服务上被国内BI工具吊打。

4.在价格上,国产BI工具更具性价比

个人使用时,国外BI工具基本都要付费使用,就算可免费试用,要么是功能不完全或者是只能试用很短的时间,比如tableau只能试用半个月,而国产BI工具大多可永久免费使用,比如FineBI,个人版可免费使用,只限制了并发数。商业部署上,国外BI工具的价格普遍偏高,Tableau光产品Desktop+Sever,一套一人加税后是11万多,每增加一人多买一个桌面版,就是15000左右,公司体量如果在3、40套,预计得7、80万,不含定制实施和维护服务。

Power BI是按设计用户和节点卖的,按年/按月收费。估计了一下,假设200个用户的企业,40个设计用户,1年收费是45万左右,也就是每年要付出这么多,还是比较贵的。而这些国外敏捷BI的价格尚且如此,更别说传统重型BI了,传统BI解决方案基本是两种思路一种是大数据一体机、另外一种是分布式数据仓库。

但是大数据一体机、分布式数据仓库都拥有较高的成本,这就使得大部分传统BI产品的价格偏高,能负担得起的企业实在不多。而国内的产品走的基本上都是性价比路线,据我所知帆软就是类似软件采购买断式的,价格按照功能模块还有并发数定,平均2、30万起,不算服务实施。但这一性价比也远超于国外产品了。

总结

其实归根结底,还是因为国外BI工具的本土化程度不够,毕竟只有中国人才最了解中国人。国外的厂商在性能、界面设计、分享、操作等方面比国内厂商有一定的优势,而在对产业模式、服务、用户使用习惯和偏好的把握上,以及对用户突发需求、特殊定制的及时响应的软实力上,国内厂商还是更胜一筹,因为这些功能和服务恰恰符合中国本土化使用的需要。

bi数据分析师20天培训包就业可靠吗?

不可靠,数据分析师在公司里是一个起到关键作用的岗位,相当于一个军队里的军师,作为bi分析师,比如设计一张报表,你的目的,作用,怎么给人用,分析的角度是什么等等,这些都是需要长期的经验累积,如果只是单单学习20天,只是学会了工具而已。

powerbi可视化优点?

powerbi可视化的三个优点如下所述:

1. 打通各类数据源

Power BI能够从各种数据源中抓取数据进行分析,除了支持微软自家产品如Excel,SQL Server等,各类数据库如Oracle,My SQL,IBM DB2等,还支持从R语言脚本,Hdfs文件系统,Spark平台等等地方导数据。Power BI还支持直接从网页抓取数据。

2. 易用性(无需编程)

笔者给自己的定位是一枚数据科学家,因此不会也不能将过多精力放在可视化工作上。毕竟数据库/数据仓库系统架构,数据挖掘算法研究等工作更是重中之重。而Power BI采用的拖拉控件式图形化开发模式,将我从可视化的泥潭中解放出来,把更多精力投放到数据管理,算法研究,业务沟通上。

3. 图表颜值高

不会Python只会Bi工具?

谢谢邀请!

答案是肯定的,即使不会Python编程也是可以从事数据分析岗位的。

目前数据分析岗位有两种工作方式,一种是采用各种数据分析软件进行数据分析(BI工具方式),另一种是通过算法设计和实现来完成数据分析(机器学习方式),在行业实际应用过程中,采用工具进行数据分析更加普遍一些。

通过BI工具来进行数据分析需要做好以下几件事情:

第一:业务建模。业务建模是BI数据分析的关键点,也是BI分析师需要重点掌握的内容。业务建模说到底就是一个逻辑问题,通过BI工具完成业务逻辑的分析是BI分析师考虑问题的出发点。业务建模需要掌握各种算法,这往往需要一个系统的学习过程。另外,不同行业的业务模型是不同的,也需要一段时间才能逐渐掌握。

第二:数据库知识。做数据分析是需要掌握数据库知识的,重点在于数据的提取,BI工具需要通过Sql语句完成对于传统关系型数据的提取,当然对于非关系型数据库(NoSQL)来说也可以通过中间件来完成操作,比如Hive就是一个不错的工具。

第三:数据呈现。数据分析工具往往都会提供丰富的数据呈现方式,对于采用工具完成数据呈现的分析师来说,如果想达到Python的灵活性还是需要下一番功夫的,毕竟呈现方式关乎用户的使用体验。

对于广大的传统行业来说,通过BI工具完成数据分析是比较常见的做法,其实Excel本身就能够完成大量职场上常见的数据分析任务。

目前大数据正处在落地应用的初期,大部分的数据分析任务依然是结构化数据分析,这种情况下,采用BI工具等进行数据分析是比较现实的选择,也是效率比较高的选择。

总之,即使不会编程依然可以从事数据分析工作,但是具备编程能力会明显提升自己的数据分析能力。

作者简介:中国科学院大学计算机专业研究生导师,从事IT行业多年,研究方向包括动态软件体系结构、大数据、人工智能相关领域,有多年的一线研发经验。

欢迎关注作者,欢迎咨询计算机相关问题。

关于bi数据分析和BI数据分析师出国读研选什么专业的介绍到此就结束了,不知道你从中找到你需要的信息了吗 ?如果你还想了解更多这方面的信息,记得收藏关注本站。