国内主要BI厂商是哪几家？

1. 国内主要BI厂商是哪几家？

按照市场规模和产品情况，目前来看，国内BI厂商可以分为三个梯队。
第一梯队：帆软公司。
第二梯队：亿信华辰、永洪公司、BDP、用友；
第三梯队：思迈特、奥威软件、润乾、网易有数等。
其中，帆软公司、永洪公司、思迈特、奥威软件都可以提供敏捷BI工具，但不是云产品。BDP、网易有数是云BI。

2. 观远数据的服务怎么样？

目前我们公司就是用的他们的产品

3. 观远数据有人用过吗？使用效果怎么样？

用过。给我最直观的感受就是他们的行业化方案非常成熟

4. 有谁用过观远数据，平台性能如何？千万级的数据量查询，响应时间是多少？

以下是观远平台测试的数据结果，希望对你有帮助。

测试环境配置
•微软云 Microsoft Azure，虚拟云主机，Cent OS 7.5 
•8核CPU，内存64GB，单节点 
•Intel(R) Xeon(R) CPU E5-2673 v4 @ 2.30GHz
备注事项
•上述测试据基于云主机（虚拟机），如实际环境为物理机，则性能有大幅提升； 
•上述测试为标准测试，在实际使用中可针对数据特征与使用场景，针对性优化；
•随着产品不断迭代，性能表现指标将不断提升，最终性能表现以实际为准； 

如有需要，请联系shopbi2018帮您安排免费体验

5. 观远数据的AI+BI指的是什么？

BI目前实现的是收集数据，提供反馈，辅助决策的能力，以数据为基础的，面向数据管理和分析，属被动角色。而AI则辅以大数据，算法等得到更有价值的信息，实现收集+预测的能力，更多的是主动角色。
虽然AI的应用范围非常广，但结合BI现仍是处理结构化的数据。而此处二者的交集在于机器学习和数据挖掘，但又略有不同。AI的机器学习强调算法，BI的数据挖掘还包括对数据的管理，算法选择上也较为简单，没有神经网络和深度学习等复杂AI算法。
未来,AI与BI的区别在于BI负责梳理生产关系，AI是先进生产力。那么AI+BI模式通过将AI嵌入BI，构建基于AI的BI平台，利用AI的智能让BI系统能够解决更复杂的业务场景，产出更精准的分析结果，从而使决策更为科学和准确。
对于结构化的数据，BI系统可应用机器学习算法，得到更精确的分析结果。例如上文提到的总结用户画像，分析人群行为数据，得到千人千面，实现精准营销的结果。还有金融领域的风险监测，AI+BI的模式可以分析出金融风险和其他指标、行为之间的内在联系，预测更为准确。
对于非结构化的数据，BI可以应用图像处理、语音工程和文本分析等AI技术，智能化地处理复杂业务场景。如语音转文字，录入数据及产出想要的报表等。
业务场景除了在 IT 信息化基础比较扎实的行业，也会在深度场景化的细分领域，且这些领域不具备通用性。也可理解为解决方案不具备复用性。这个时候通过AI完成一些算法匹配，根据匹配的结果来驱动业务执行。

6. 商业智能分析bi的工具有哪些

市面上打着BI的旗号，实际却只是单纯数据工具的产品不少，大家在进行BI 选型时，眼花缭乱，不知所措。我从技术来源上可以将市面上的BI工具做个简单分类，方便了解。
1、基于直接连接业务系统出报表的报表工具（OLTP应用）
代表厂商是润乾报表，后来是帆软FineReport。
此类报表工具的优势是开发比较灵活，同时含数据填报和补录功能；不足是非基于OLAP的BI报表工具，导致不支持基于多维的报表操作，比如基于同一维度的钻取表，就需要做多张表，通过链接的方式来实现；同时，由于做表前要通过sql语句锁定和加载分析的源数据，不能充分使用数据库的性能，因此大数据量下的计算性能和高并发下的性能是其最大的弱项。
也正因为此类报表这些不足，润乾新一代产品集算器定位在源数据库与报表的中间层，致力于解决数据库到报表的计算性能问题。帆软推出FineBI，试图通过BI技术解决相关问题，但由于基于OLAP技术的积累时间较短，其直连数据库的实现直到今年年初才发布，还有待进一步验证。
2、基于DW/BI理论的传统BI工具
国外代表厂商： IBM收购的Cognos、Oracle的BIEE和SAP收购的BO
国内代表厂商： 亿信华辰的亿信ABI、思迈特的SmartBI
这类分析工具，较好地解决了多维报表操作问题以及性能问题。但国外工具在中国式的复杂报表实现上处于弱势，同时由于BI工具偏应用层，各项目中不可避免有些定制和二次开发的需求，国外公司在此类问题上基本上无法响应。由于基于OLAP技术，因此BI工具本身不能提供数据的修改和补录相关功能，国外工具在这种场景下就捉襟见肘。
亿信华辰是国内成立较早的一批BI厂商，客户遍及政府、银行、电力、税务、租赁等行业，服务国税总局、进出口银行、国家电网、海尔集团等众多政企用户，行业影响力可见一斑。亿信ABI脱胎于2003年发布的单机版数据分析系统，从BI@Report，到亿信BI，再到如今的亿信ABI，历经四次架构跃进，二十多次重大版本更新，十余年技术沉淀，产品功能和性能基本上可以与国外类似工具一较高低。
这类工具国内还有一个典型代表厂商思迈特（SmartBI）。思迈特团队对DW/BI有比较多的实践经验，但由于一些历史原因，最终把产品发展成一个基于Excel做设计器的报表工具和一个面向业务使用的自助分析工具。基于Excel做报表设计器，一是无法实现在线设计与共享，二是也不符合国家对某些领域要求的自主安全可控的发展方向，同时由于对标FineReport，未能很好地解决报表工具固有的缺点。
3、面向业务人员使用的敏捷BI工具。
国外代表厂商：Tableau
国内代表厂商：帆软FineBI、亿信华辰豌豆BI
随着技术和市场的发展，有很多公司开始研发直接面向业务用户的敏捷BI工具。国外有代表性的是Tableau，Tableau一开始的产品定位就是为了替代Excel，单机用户在本地完成各种快速的设计与分析操作，重点强调与数据的互动，以及各种分析方式的操作互动。这类工具由于其定位问题，在制作各种复杂的统计报表的能力天然不足。
国内也有很多的厂商做敏捷BI，比如帆软的FineBI、亿信华辰的豌豆BI。第一个版本的FineBI由于严重依赖FineReport技术，因此其第一个版本的BI更想定位为传统BI工具，重点解决多维分析的能力，但从市场反馈来说，无法做到与FineReport的明显区分，因此其后续版本的BI逐步趋向于敏捷BI工具。但由于其在OLAP技术上的经验很少，还是需要把分析数据打包成的专用数据包，然后BI工具基于专用数据包进行分析，这个专用数据包的作用相当于帆软自有的数据分析模型（类似于OLAP数据库或者cube的作用），需要自己完成对数据分析模型的管理和维护。直到最近，其才发布能够直连OLAP数据库的引擎，相关能力还需要项目上的进一步验证。
亿信华辰在共用核心OLAP引擎技术上单独发展了一个面向业务人员使用的豌豆BI，定位为更简单，更易上手的自助分析BI，其中采用了很多智能化技术提供产品的自动化，让用户操作更加简便，比如数据表导入时的自动建模技术，数据画像功能，多表的自动关联技术，图表智能化推荐技术，以及图表动态自动关联技术等。
4、基于互联网技术和资源的创业型BI
代表厂商：阿里云的QuickBI、网易有数、海致BDP、神策数据等
由于很多人都看好BI的市场和应用场景，因此有些互联网公司在自身应用的基础上开发了BI产品，如阿里云的QuickBI，以及网易有数等，这些工具属于轻量级的工具，其业务地位在公司属于边缘业务，因此得不到重视和发展。
还有些从互联网公司出来的创业团队创立的公司，如海致BDP和神策等，这些公司的产品重点是基于saas或者某类业务应用场景的BI应用。因此这类BI工具的通用性上还需要更多的时间验证。

7. 国内有哪些好的数据可视化工具，推荐一下

诚然，数据可视化可谓是数据分析工作的最后一道工序，前面的作业做得再好，如果不能很好地展现出来，那就算是临门一脚、功亏一篑了……下面给大家列出好用的数据可视化工具清单，希望可以为你的学习或工作带来一些帮助。
1、强大的R可视化包-ggplot2
R是一款偏向于统计分析的脚本语言软件，基于S语言开发，如果你是R语言忠实fans，我相信你一定不会不知道R里单独的一个绘图包—ggplot2，之所以给ggplot2“强大”的头衔，一方面确实能够轻松应付各个领域的图像绘制，静态的，动态的，说的出名字的，个性化特制的；另一方面小编就是学统计学的，自然相对熟悉这个包。
ggplot2由Hadley Wickham在2005年创造。受欢迎的原因是将图形分解为语素（如尺度、图层）的思想。ggplot2可以作为R语言基础绘图包的替代，同时ggplot2预设有多种印刷及网页尺寸。


较R基础绘图包而言，ggplot2允许用户在更抽象的层面上增加、删除或转换图表中的元素。 这种抽象化的代价是执行速度。ggplot2 较 lattice 绘图包而言更耗时。
2、数据科学的达芬奇—matplotlib
如果你偏好使用python做数据分析，那我相信你对matplotlib不能再熟悉了，matplotlib 是Python语言及其数学扩展包 NumPy的可视化操作界面。
Matplotlib的优点：带有内置代码的默认绘图样式；与Python的深度集成；图形绘制相较Gnuplot更加美观。缺点嘛，高度依赖其他包，如Numpy。只适用于Python：很难在Python以外的语言中使用。
我们来用python里的matplotlib做一个散点图试试：
import matplotlib.pyplot as plt
from numpy.random import rand
a = rand(100)
b = rand(100)
plt.scatter(a,b)
plt.show()

3、菜单式操作用户的福音书—Tableau
近期有企业招聘要求会Tbaleau，小编也是最近才知道这个软件的。
tableua是一家软件公司总部设在西雅图，华盛顿，美国产生交互式数据可视化产品，着重于商务智能。Tableau产品查询关系数据库，OLAP多维数据集，云数据库和电子表格，然后生成许多图表类型。产品还可以从其内存数据引擎中提取数据并存储和检索。

4、微软忠实用户离不开的交互式标板—PowerBI
Power BI是Microsoft提供的业务分析服务。它提供具有自助式商业智能功能的交互式可视化，最终用户可以自行创建报告和仪表板，而无需依赖信息技术人员或数据库管理员.PowerBI与excel无缝接入，专业增强版的excel更是不需要安装PowerBI插件，打开excel就可食用了。

当然有些数据分析软件也带透视表、绘图功能，如MySQL、SPSS，但数据可视化不作为主要功能，这里就不如上面较详细说了。

8. 报表跟BI有什么区别?

BI是从数据接入、数据准备、数据分析、数据可视化到数据分发应用的一系列过程，目的是为了辅助企业高效决策。而报表虽然最终也实现了数据可视化，但是对于数据分析的维度、深度、颗粒度、实时性与BI相比差很多，无法满足决策者实时看数据做决策的需求。
总体来开，BI在中国的发展总共经历了四个发展阶段：

Excel报表：在这个阶段催生了一个职业群体就是“表哥表妹”，他们每天都要从公司不同的ERP、CRM、财务系统中导出大量数据，再将多个表格用vlookup和sumif进行关联计算，最后通过把可视化图表截图放到PPT里进行日报和周报汇报。而至于领导到底会不会看，他们也不关心，因为无力关心。
报表系统：也是传统报表的升级版，可以直接对接某个业务系统的数据源，对于数据的响应速度比Excel明显提升，已经可以支持权限管理等，但还是偏向于数据汇报，很难辅助决策。
传统BI：首先可以对接多个系统的数据源，将所有数据整合到一个平台中进行全局分析。其次就是支持实时数据展示，分析维度和深度也远远强于报表系统，支持下钻、联动等数据交互。最后在数据承载量和反应速度上具有明显优势，不仅是汇报工具，更能够辅助决策。
智能BI：和传统BI一样都是支撑决策，但是用户使用层面强调低代码（或零代码）开发、无缝对接、灵活部署，比如用观远Smart ETL托拉拽进可以做分析看板，无需重新建模，赋能普通业务人员做数据分析的能力，让数据员有更多时间可以专注如何将分析与业务结合。并且，还可以借助AI算法的能力构建基于未来的分析模型，比如销售预测、智能排班等，例如观远数据。
而从扮演的角色来看，BI的发展可以理解为从数据分析工具到深入场景的“决策大脑”的演进。最开始企业只是想通过其提高做数据分析这项工作的效率，而到后面，更多企业的目的是为了提高做决策的效率和科学性，以结果为导向。