本文为朱卫军原创，未经授权，禁止转载！

前不久， 位准备 职阿 的学弟问我，他要做电商数据分析，电商有庞杂的标签、模型、数据和业务逻辑，菜 应该要具备什么样的分析能 啊？

我看了他的岗位职责，主要是负责经营决策支持、专题分析和数据看板搭建，对代码算法涉及很少，更适合 BI 具来构建业务-数据-洞察的闭环场景。

BI 具是 类专注于数据驱动业务的分析 具，集合了模型开发、可视化、报表设计、实时分析、汇报展 等功能，部分还涉及到数仓、ETL，通俗点说就是数据“变现”的 站式服务。

目前市场上可选择的BI很多，像Tableau、Power BI、FineBI、永洪BI、 易有数、Superset等都是较受欢迎的BI产品。

其中Tableau、Power BI是国外BI，也算家喻户晓了，FineBI等是国内的后起之秀，Superset是Airbnb的开源BI。

如何选 个合适的BI分析 具？考虑到市场普及度和学习性价 ，我觉得Tableau、Power BI、FineBI这三款主流BI应 较值得花 思去学习， 作中 得更多。

结合我之前使用的 得，我 特地花了 半天去评测了这三款BI，通过搭建 个完整的仪表板，来 较易 性、数据源 持、分析建模、可视化搭建、分享汇报、市场普及度等各

指标。

1、认识和使 BI数据 具

先简单介绍下出场的三位BI选手。

Tableau：

以可视化著称的BI领域 哥，看板制作非常精美。它诞 于斯坦福大学，后来被saleforce收购，听说现在在国内由阿 代理提供服务。

PowerBI：

微软的BI产品，数据处理和建模能 常强 ，当然DAX函数也 常难学。基于Excel 态，PowerBI的打通性 较好，积累了 量 户。

FineBI：点击获取工具！

能 全 ，容易上 ，可以在浏览器上进 助分析。 较了解国内 户使 习惯，更适合国内企业的数据应 环境，听说FineBI的国内市占率排第 。

现在FineBI更新到了6.0版本，有许多新的功能， 如DEF函数、多维智能分析、协同编辑、 缘分析等。总得来说，不管从分析能 、便捷程度、协同合作等都有了很 的进步，对个 助分析更加友好。

对很多初学者来说，以为BI就像Excel 样，功能就是做做表画画图。

其实不然，使 BI 具有 套完善的流程， 地是构建 套数据看板，就像产品开发

样。

BI和Excel最 的不同在于，Excel是个 的数据处理表格，适 于 规模数据的加载、分析、展 ； BI是基于数据库的 站式数据-业务分析平台，偏向于业务信息挖掘。

我把BI开发过程分为认识数据、连接数据、处理数据、分析数据、可视化表达、看板制作，共6 步。

最终 的是实现对业务的 持、洞察、驱动，这是数据分析的核 ，不然前 的 作都是花架 。

如说我在FineBi上看到的 个例 ，基于电商超市业务搭建的配送分析、商品分析、利润分析、退货分析、客户分析全场景看板，可以及时发现经营数据变化，快速制定决策。

作者基于电商超市业务绘制了BI系统架构，然后针对其中每 个业务场景开发数据指标和报表。

我觉得这就是能为业务带来价值的BI分析，上 只是案例之 ， 家可以去FineBI 档看详细资料。

2、如何连接数据源

BI 具基本上都 持多维度的数据源， 如Excel、 本数据、数据库、 数据、云平台等。

• Excel就是 家最常 的xlsx、xls 件，估计也是个 连接数据最多的数据源。
• 本数据源包括CSV、TXT、JSON、XML等。
• 数据库包括MySQL、Oracle、SQLServer、Access、MongoDB等，既有关系型数据
• 库，也有 关系型数据库。
• 数据主要是Spark、Hadoop、Presto等。
• 云平台 持像阿 云、华为云、腾讯云、AWS等各种云数据平台。

针对上述常规的数据源，Tableau、Power BI、FineBI都会 持。相 较Power BI，Tableau和FineBI 持的数据源更加丰富， 如JDBC驱动（阿 云Maxcomputer）、SAP BW、Essbase等。

FineBI对国内云数据的 持更加到位，还 持 些Java API，可以灵活地进 数据连接。

三个BI产品连接数据源的 法都很简单，且操作数据库 法也类似。

• Tableau

• PowerBI

• FineBI

以FineBI为例连接MySQL

具体的连接 法可以查看相应BI 档

https://help.fanruan.com/finebi/doc-view-94.htmlhttps://learn.microsoft.com/zh -cn/power-bi/connect-data/desktop-quickstart-connect-to -datahttps://help.tableau.com/current/guides/get-started-tutorial/zh-cn/get-started -tutorial-connect.htm

3、如何处理数据

数据导 完成后就需要对数据进 处理，虽然BI并不承担ETL功能，也很难进 复杂的数据处理，但是像筛选、过滤、分组、排序、合并、类型转换等基础功能还是要具备的。

数据处理是BI分析的重中之重，需要重视起来。因为建模分析、可视化表达都需要进 数据处理，很少有现成的数据让你 。

Tableau、Power BI、FineBI在基础的数据处理能 上表现都很好，主要差异体现在交互界 的易 性上。

Tableau有专门的Prep 具 对数据进 ETL，也可以在Desktop上进 简单的数据处理。

PowerBI则接近Excel的界 ，通过Power Query进 数据调整转换，需要 定的学习成本。

FineBI数据处理是这三者中最容易上 的，通过完善的数据编辑功能，让分析师 能轻松处理清洗数据。

编辑数据可实现新增列，分组统计，过滤，排序， 上下合并，左右合并、 循环列、 列转换等功能， 且界 较简洁， 了然。

如说实现分组功能，通过菜单的分组按钮可实现自定义分组。

PowerBI和Tableau很多基础的数据处理都需要DAX和LOD函数实现，但是FineBI提供的编辑数据功能能覆盖 部分需求，更容易 。

当然FineBI也提供了 量的函数 于复杂的数据处理，能满 各种分析需求。

我对 了下FineBI和Tableau函数，其实FineBI在函数的使 上反 更简洁， 且FineBI最新增加的DEF函数也可以处理更加复杂的分析。

DEF函数的语法是:

def(指标, [维度1,维度2,...], [过滤条件1, 过滤条件2,...])

它以函数中维度作为分组、函数中过滤条件进 过滤，实现对指标的计算，在组件的计算中使 。

如说针对以下表，设计相应的计算。

该表是分城市不同 型的销售情况。

案例 ：计算不同 型A城市的总销售额，不区分 份。

使 FineBI，新建计算字段，DEF公式可以输 ：

DEF(SUM_AGG(${销量}*${单价}),[${ 型},${城市}],[${城市}="A"])

只需 代码便可以计算出A城市分 型销售额， 常简单。

因为DEF是定义静态指标，所以只规定计算了城市、 型维度的销售额，不 持去钻取计算分 汇总。

这样的计算在Tableau需要 到if判断函数和FIXED表达式：

if [城市]='A' then { FIXED [城市],[ 型]:sum([单价]*[销量])} end

这 点上FineBI和Tableau代码复杂度差不多，但DEF似乎更加简洁，它把判断语句也集成到DEF中。

案例 ：计算A城市的销售额，可动态汇总 型、 份等。

这 和案例 的区别在于，案例 不光只汇总城市、 型字段， 且根据视图情况，动态汇总其他类别字段。

在FineBI中需要 DEFADD函数，可以定义动态指标，输 ：

DEF_ADD(SUM_AGG(${销量}*${单价}),[${城市}],[${城市}="A"])

对于动态指标，在FineBI中能 持钻取计算，选择区域维度中的+-即可实现钻取聚合。

这 点是 常强 的，我们可以通过 定义维度+动态维度的结合，能实现任何逻辑的聚合。

Tableau实现该功能则通过if判断和INCLUDE表达式：

if [城市]='A' then { INCLUDE [城市]:sum([单价]*[销量])} end

除此之外，FineBI中还有个动态函数DEF_SUB，即排除某特定维度的动态聚合。

这个在Tableau对应的表达式是EXCLUDE，使 法和上 案例 致。

综上对于复杂函数计算，FineBI和Tableau都有相应的解决 案，且使 复杂度相差 ，FineBI把判断语句集成到DEF中则更为简洁易懂。

4、如何分析数据

当数据按照需求处理完成后，就需要进 数据分析来提取关键信息。

BI中的分析能 主要指统计计算、OLAP、趋势判断、预测建模、对外接 等。

统计计算很好理解，就是数据的聚合、同环 、排序、累计等等。

BI 具都会提供基础的统计计算快捷 式，覆盖常 的需求。

• Tableau

• FineBI

OLAP是联机处理分析，主要包括钻取、分组、透视、联动、切 、切块等分析操作，是BI的主要功能。

Tableau可以连接到OLAP多维数据集，以便在最深层次上探索数据。向下钻取、数据过滤和 动 成时间序列功能可作为深 了解这些多维数据集以及访问数据洞察所需的 具。

PowerBI 通过SQL服务器连接到OLAP数据集，它提供了要在报告中显 的数据度量列表。在创建报告时，所选维度和可视化选项 起显 。

FineBI也 提供了多种OLAP 功能：数据钻取、跳转、联动、使 过滤组件、Tab组件、 本组件、图 组件、Web组件、参数。

从计算能 来看，Tableau更胜 筹，但PowerBI、FineBI也没什么 的短板，听说FineBI的Spider 引擎很快，OLAP组件也更加多元。

预测建模是针对历史数据的模型分析， 如回归、分类、聚类等，这是BI的 亮点。

基本上Tableau、PowerBI、FineBI中都有主流的预测函数， 如Tableau中的MODEL_QUANTILE、MODEL_PERCENTILE。

另外还 持连接Python、R进 建模分析，FineBI、PowerBI 较容易实现，Tableau需要安装插件 烦 些。

除了预测建模，FineBI具备优势的 点在于集成了很多商业模型，可以 数据分析中， 如RFM、AARRR等。

如下是在FineBI中搭建RFM模型：

综上，Tableau、PowerBI、FineBI在分析能 上不相伯仲，可能Tableau、PowerBI对复杂模型 持和软件性能上稍领先，但是FineBI集成了很多拿来即 的模型， 且对现实 作更具指导意义。

5、可视化和看板制作

可视化表达就是将数据变成能说话的图表，让观众 了然，知道你 数据表达了什么观点。

BI制作看板的步骤是先制作单个图表，然后拼接成看板。

可视化遵循的逻辑层次是： 作表——看板。最基础的单元是 作表， 作表不同于excel的work sheet， 是相当于excel上的 个图，或BI上的 个视觉对象，是最 的可视化单元（ 字、图 除外）。

第 级是看板，看板是多个 作表在同 画布上的集合。看板包括图表、表格、组件、 字等，通过钻取/联动/筛选的操作对数据进行主题级别的分析。

前 我们也说过，Tableau可视化能 最强，图表也更美观。其图表配 、结构、渲染 常适合商业分析， 也能做出 上的看板。

PowerBI 较微软 ，说不上好看，但中规中矩，现在也在慢慢变好。

要说国内 屏，不要错过FineBI，你 过所有的看板、 屏、报告，FineBI都能搞定。

且FineBI也能轻松搞定分析报告：

从3个BI的可视化组件来看，基本都能完成 多数可视化图表。

• Tableau

• PowerBI

• FineBI

从图表丰富度看，Tableau相对最多，FineBI次之，PowerBI原 图表差 些，但有插件补充。

FineBI和Tableau的图表搭建都相对简易，都是基于图形语法(The Grammar Of Graphics)设计，以“形状“和对应的“颜 “，“ “，“提 “，“标签“等属性进 图表类型替代。

以FineBI为例 ， 户可在 图形属性、图形组件样式 中设置图表的颜 、标签、图例、 格线、背景等属性。

图表组件存在多个指标字段时，每个指标字段的图形属性是可以单独设置的。

结

对 Tableau、PowerBI、FineBI三款主流BI 具，有以下 点：

• Tableau更加适合对可视化要求较 的专业数据分析师，因为其更灵活，适合做数据探索。但是价格较贵，操作更符合国外 户习惯， 些布局调整不够友好。

• PowerBI功能上 还是很强 的。可以连接的数据源 较丰富，数据分析建模能 也很强 。不过界 较传统， 起来不熟悉的 稍微有点费劲，学习成本会 较 。

• FineBI 常适合企业搭建业务报告和看板，轻松制作和分享管理， 且性能速度、建模能 、可视化能 、服务能 都相对较强。

个 可以免费使 FineBI，有 量的中 档可供查阅，如果能沉下 来去学习，对于熟悉数据分析 法论会有很 帮助。

我现在 的最多的是FineBI和Tableau，公司和个 的看板、报告都是基于FineBI进 搭建，基于其成熟的组件进 BI开发，省了很多事。Tableau则会 来做 些可视化设计的 作。FineBI：点击获取工具！