Почему Qlik Sense?

Основная сложность выбора BI-платформы — отсутствие информации по существу. Если смотреть актуальные презентации вендоров, то там упор будет на всякие модные AI-фичи, которые вы с вероятностью 99% не будете использовать в своей работе.

При этом с визуальной точки зрения, все BI-платформы выдают +- одинаковые дашборды. Дальше, вы начинаете сравнивать стоимость лицензий и сколняетесь к дешевым/бесплатным платформам.

Поэтому здесь я перечислю аспекты, которые реально выделяют Qlik Sense и являются его уникальными преимуществами.

Полноценность решения

Для организации полноценой аналитики на уровне всей компании необходимо не только дать понятное визуальное представления данным, но и решить 2 задачи:

  1. Преобразование данных к виду, необходимому для решения задач аналитики;
  2. Хранение преобразованных данных, для многократного использования.

Qlik Sense — единственная платформа, которая позволяет закрыть и визуализацию, и преобразование, и хранение данных без использования дополнительных компонентов (скриптов Python, ETL-инстурментов, DWH, администрирования многокомпонентной аналитической системы и т.д.).

Таким образом, грамотно подготвленный специалист на Qlik Sense заменяет собой:

  • Разработчика дашбордов;
  • ETL-программиста;
  • DWH-архитектора;
  • Администратора аналитической инфраструктуры.

Да, вы можете построить аналитическую систему из множества компонентов, но для этого вам потребуется либо супер-экспертный сотрудник, которого будет сложно заменить. Или вообще несколько специалистов, т.к. невозможно быть асом во всем.

В случае с Qlik Sense, благодаря нашим методикам и инструментам упрощения разработки, можно за месяц подготовить специалиста, эффективно решающего аналитические задачи. Хотя изначально он может вообще не иметь технических навыков, а просто понимать принципы работы с данными.

Встроенный мощный скриптовый язык преобразования данных

В большинстве случаев не достаточно просто взять таблицы из источника. Нужно создавать в них новые поля, расчитать дополнительные массивы данных (например, прогнозы), менять логику группировки данных (например, в части финансовых данных перераспределять затраты по определенным статьям пропорционально доходам департаментов).

В Qlik Sense вы сможете все это сделать на стороне BI-системы. Т.к. синтаксис и логика работы скрипта Qlik намного проще, чем различные SQL или Python, продвинутое преобразование данных осваивается быстрее именно на Qlik.

Кроме того, если вы знаете скрипт Qlik — вы можете преобразовывать данные из любого источника как вам надо, даже если видите эту СУБД в первый раз.

Другие BI системы расчитаны на изначальное наличие подготовленных к визуализации данных, оставляя вам возможность влиять только на логику связи таблиц.

Поэтому, если у вас в компании нет отлаженного DWH, или структура данных в нем не позволяет решить аналитические задачи, или вы не хотите быть запертым в рамках СУБД, с которой вы сейчас умеете работать, Qlik Sense — однозначно ваш выбор.

Ассоциативный in-memory движок

Уникальная технология Qlik. Более детально технические стороны рассмотрим в дальнейших статьях. А для начала нужно знать, что благодаря этому движку вы сможете легко создавать сложную логику работы фильтров (пересечения, объединения, исключения, возврат непересекающихся элементов), и предоставить вашим пользователям очень удобные инструменты исследования данных.

Фишка в том, что подобный функицонал в BI либо не реализован, либо требует более сложного программирования, отдельно под каждый сценарий работы фильтров.

Применение DWH-концепций без стороннего софта

Когда ваша аналитика выйдет за пределы пары систем, и будет охватывать всю деятельность компании (финансы, продажи, маркетинг, логистику, остатки, прогнозирование, планирование и т.д.), а общий массив анализируемых данных будет составлять десятки или даже сотни таблиц, появится вопрос — а как управлять всем этим?

Используя базовый функционал Qlik, вы сможете содать реестр данных всей компании, визуализировать связи между таблицами, отслеживать актуальность обновления данных, завести реестр показателей и правил их расчета. Таким образом, построив единый стандартизированный ландшафт данных всей компании, а не просто решив по отдельности ряд аналитических задач, без возможности связать все в общую картину.

Пример каталога аналитических данных

Встроенные инструменты работы с большими данными

Благодаря ассоциативному in-memory движку, Qlik Sense выдает очень хорошую производительность при работе с десятками миллионов строк данных. Но что будет если данных сотни миллионов строк? Или миллиарды?

Встроенный функционал On-Demand Application Generation позволяет загружать в пользовательскую область только сокращенный объем данных, по заранее заданным фильтрам. А не грузить весь миллиард строк, в котором потом делать по нему фильтрацию.

Полноценная коробка на стороне клиента

Большинство BI-систем (Power BI в частности) подразумевают гибридные подходы у хранению данных. Когда часть функционала BI-инфраструктуры завязана на облачных сервисах, с передачей в нее данных.

Qlik Sense развертывается полностью на стороне клиента, и не передает ваши данные во внешние облака.

Резюме

Используя Qlik Sense и правильные подходы к разработке аналитики, вы сможете построить и масштабировать аналитику до любого уровня, при этом избегая временных и финансовых затрат на сторонний софт по хранению и преобразованию данных, которые очень сложно определить на страте.

Правильные подходы вы сможете подчерпнуть в данном блоге 🙂

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *