Tak co teda? Tableau, Power BI nebo GoodData? | Mňamka #28

Taky stojíte před rozhodnutím, jaký vizualizační nástroj používat? Naše mnohaletá zkušenost je jednoznačná. Není žádný nejlepší tool, který pokryje všechny use cases. Prostě na daný úkol je třeba použít správné kladivo.

V našich projektech vybíráme ze třech nástrojů - Tableau, Power BI a GoodData. Tady máte náš pohled, kdy volíme jaký z nich, vč. tabulkového porovnání jejich vlastností. V žádném případě se nejedná o vyčerpávající přehled, spíš shrnutí, co nám ve výběru přijde důležité.

Tableau

Jeden ze dvou leaderů současnosti - aspoň podle Gartneru. Už vidím, jak se do mě teď někteří z vás pustí, že jsem nevyzdvihl některou oblíbenou vlastnost. Tableau je ultra super nástroj pro ad-hoc analýzu. Možnosti připojení velkého množství datových zdrojů, možnosti je různě kombinovat od cross-database joins, přes blending až po nové relationships, téměř neomezené možnosti nastavení vizualizací - stačí se jen inspirovat v Tableau Public komunitě. Silný skriptovací jazyk na definici odvozených metrik a dimenzí (tzv. calculations).

Máte - relativně malý - tým analytiků, jejichž denním chlebem je ad-hod analýza napříč heterogenními datovými zdroji? Velké (obří) objemy dat? Pak Tableau je tool pro vás. Efektivita práce je obrovská. Znám fůru analytiků, kteří sedí s otevřeným Tableau Desktopem na poradě vedení a v reálném čase odpovídají na zvídavé otázky, vč. jednoduchých forecastů apod. Super!

Tableau má i super prostředí pro sdílení datových zdrojů, jednotlivých analýz a reportů a vůbec nastavení celého procesu data governance. Snadno se integruje do prostředí jakékoli firmy. Co je nepříjemný je cena, takže pokud počítáte uživatele ve stovkách a navíc většina z nich se chce “jenom dívat” na dashboardy, které jste jim vytvořili, vyjde vás Tableau poměrně draho. Někdy až velmi draho.

Power BI

Milované (Gartnerem a Microsoftily)  i nenáviděné Power BI. Nejmladší ze zmiňovaných zástupců. Na první pohled to skoro vypadá, ze Microsoft od Tableau hodně opisoval, akorát toolbox dal vpravo místo vlevo:-) Na druhý pohled jsou rozdíly zřetelné.

Tool s obrovskýma ambicema. Kromě všeho, co zmiňuju o Tableau, a platí i o Power BI, bych zmínil širší možnosti datových zdrojů, datového modelování, vizualizační komponenty třetích stran apod. Akorát ouha… když jste zvyklí na Tableau a chcete začít dělat s Power BI, až příliš často budete narážet na různé podivnosti, jakože, proč se automaticky negenerují datumové dimenze pro všechny typy datových zdrojů, ale jenom pro ty majkrosoftí a pro ostatní si musíte namodelovat? Nebo proč pro některé analytické warehouses neexistuje možnost DirectQuery a musíte dělat (obří) extract? Proč direct query pro analytický (non-Microsoft) warehouse trvá tak dlouho, že uživatelsky je to vlastně nepoužitelný? Atd. atd.

Ale, máte li ve firmě celou infrastrukturu Office360 (kterou Power BI po seriozní práci vyžaduje) a máte většinu datových zdrojů z MS světa, pak je Power BI super řešení pro vás. Jen pozor na různá omezení jednotlivých licencí. Např. na první dobrou se nikde nedočtete, že Pro licence (pouhých $9 za uživatele a měsíc) omezuje nejen velikost uživatelského workspace na 10GB, ale také velikost publikovaného datasetu na 1GB, takže brzy začnete jen optimalizovat a optimalizovat, abyste se vešli. A přestanete dělat svoji práci - analýzu.

Ještě jeden use case musím zmínit a to je realtime streamování dat do Power BI datasetu. Přes REST můžete v reálném čase pushovat do datasetu nové záznamy a měnit existující. Tohle zatím v jiných toolech moc nenajdete, takže pokud řešite realtime monitoring procesu, rozhodně uvažujte o Power BI, i kdybyste neměli celou MS infrastrukturu. Protože tohle se hochům z Redmontu fakt povedlo.

Chcete s výběrem pomoc? Není to tak těžký a rádi vás v tom naučíme chodit!

GoodData

Po mnoha letech do toho  naše oblíbená GoodData opravdu šlápla. Zdaleka nemá všechny možnosti, co má Tableau a Power BI. Dala se jinou cestou. Pokud máte hodně (a opravdu hodně) uživatelů a chcete jim distribuovat data a analýzy, nebo potřebujete analytiku embednout do vašeho produktu, pak jste na správné adrese. GoodData dokonce před časem opustila magic quadrant Gartneru “business intelligence” a vymyslela si vlastní “data distribution”.

Z pohledu uživatele naštěstí nehoní Tableau a Power BI, ale soustředí se při designu na konkrétní analytické use cases. Třeba JTým zmiňovaný zmiňovaný KPI wigdet, nebo oddělení date pickeru od dautmové dimenze, jsou super nápady, které když vidíte, tak si říkáte, jak je možný, že tohle Tableau ani Power BI ještě nemají a stále tyhle věci musíte složitě hackovat a trávit na tom opakovaně fůru času. Jo abych nezapomněl. MAQL je prostě MAQL, na to žádný calulated fields nebo DAX doteď prostě nemaj.

A na závěr? Ceník jejich growth plánu rozhodně vede k zamyšlení! Mrkněte na to.

Chachá, tak co? Je to jasný? Jestli ne, tady je slíbená TABULKA.

Aktualizace 19.2.2021
 

Máte k článku nějaké otázky nebo připomínky? Klidně mi napište, rád to s Vámi proberu :-)

Radovan Jirka
datový detektiv
LinkedIn

Pilíře úspěšného datového projektu | Mňamka #544

Pilíře úspěšného datového projektu | Mňamka #544

V Bizztreatu máme za sebou desítky datových projektů napříč různými odvětvími např. jako e-commerce, retail, výroba, média nebo obchod. Z praxe víme, že mnoho datových projektů selhává – nedoručí očekávaný přínos, uvíznou na půli cesty nebo se zacyklí v nekonečném „ještě to ladíme“. Bez ohledu na typ projektu či sektor platí, že úspěch vždy stojí na pevných základech – pilířích, které rozhodují o tom, jestli výstup skutečně přinese byznysovou hodnotu. Právě proto je klíčové zaměřit se na to, co dělá datový projekt opravdu úspěšným. Tak pojďme na to.

Ikony v reportu: Zaujměte na první pohled a zjednodušte navigaci | Mňamka #543

Ikony v reportu: Zaujměte na první pohled a zjednodušte navigaci | Mňamka #543

Vizuální zkratky, které promění datovou džungli v přehlednou mapu. Zjistěte, jak s pomocí ikon zjednodušit navigaci, zvýraznit klíčové informace a proměnit suchá data v poutavý příběh. Naučte se vybírat vhodné ikony, pracovat s nimi efektivně a odhalte, proč je jejich správné použití klíčové pro srozumitelnost a úspěch vašich reportů.

Jak předvídat chování zákazníků: Churn, životní hodnota a další klíčové ukazatele | Mňamka #542

Jak předvídat chování zákazníků: Churn, životní hodnota a další klíčové ukazatele | Mňamka #542

Porozumění chování zákazníků a jeho predikce jsou dnes klíčové pro firmy, které chtějí budovat loajalitu, zlepšit cílení kampaní a efektivně řídit své marketingové investice. Jak předpovědět, kdy zákazník odejde, jakou má pro firmu hodnotu nebo kdy s největší pravděpodobností znovu nakoupí? V článku se podíváme na klíčové koncepty, jako je predikce odchodu zákazníků (churn), výpočet jejich životní hodnoty (Lifetime Value), odhad pravděpodobnosti další interakce či modelování sklonu k nákupu. Získané poznatky mohou pomoci vytvářet efektivnější marketingové strategie a lepší zákaznickou zkušenost.