So sánh các nền tảng BI và Analytics

Tôi cho rằng bạn đã biết dữ liệu là một tài sản lớn trong một công ty ở mọi cấp bậc, dù là giám đốc điều hành hay giám đốc bộ phận, dữ liệu đều đóng vai trò then chốt. Tuy nhiên, sở hữu lượng dữ liệu khổng lồ không tự động giúp một công ty thành công trừ khi họ rút ra được thông tin giá trị từ đó.

Những thông tin này sẽ tác động trực tiếp hoặc gián tiếp đến doanh thu. Để trích xuất thông tin từ các kho dữ liệu lớn, chúng ta cần một nền tảng Analytics, và may mắn là trên thị trường có rất nhiều sản phẩm đáp ứng bài toán của tổ chức về báo cáo mô tả, chẩn đoán và dự báo.

Xét từ góc độ dữ liệu, mức độ trưởng thành của dữ liệu thực sự quan trọng và có thể phân loại theo sự hiện diện của các khía cạnh sau:

• Dữ liệu nhất quán với kiến trúc hiện tại
• Công cụ cấp doanh nghiệp
• Không có nhiều nguồn chồng chéo
• Kiến trúc dựa trên đám mây hoặc kho dữ liệu tại chỗ
• Tiêu chuẩn dữ liệu và chuyên gia dữ liệu
• Phân tích dự báo và các trường hợp sử dụng đã được xác định
• Coi dữ liệu là tài sản tài chính và tích hợp với các khía cạnh AI

Mức độ trưởng thành của dữ liệu sẽ tăng dần từ trên xuống khi các điểm trên được đưa vào tổ chức.

Độ trưởng thành của dữ liệu sẽ song hành với công nghệ, kiến trúc, tổ chức và chiến lược dữ liệu.

• Nói về công nghệ, ý tôi là cách một tổ chức tận dụng công nghệ mà họ đã mua sắm.

• Kiến trúc sẽ là việc ghép các công nghệ này lại với nhau để dữ liệu có thể di chuyển giữa chúng một cách trơn tru.

• Nói về tổ chức là nói về những con người tương tác với dữ liệu.

• Cải tiến chiến lược dữ liệu: Các khía cạnh “đường ống” của quản trị dữ liệu là tối quan trọng cho hiệu năng cao của bất kỳ tổ chức nào. Thực hành quản trị dữ liệu phù hợp sẽ cung cấp cho nhà phân tích dữ liệu có cấu trúc và liên quan để phân tích, đồng thời giảm thời gian chuẩn bị dữ liệu. Điều này giúp ban lãnh đạo đạt mục tiêu tăng lợi nhuận, ROI cao hơn thông qua trực quan hóa dữ liệu và cách trình bày dễ hiểu. Nó cũng giúp tổ chức cải thiện hiệu năng dữ liệu và tối ưu hóa lưu trữ.

Vâng, nói về dữ liệu vậy là đủ, giờ hãy bàn về các nền tảng Analytics. Như chúng ta biết, có vô số nền tảng phân tích trên thị trường; bao quát hết là điều gần như bất khả thi, nên tôi sẽ tập trung vào bốn tên tuổi lớn đang dẫn đầu thị trường:

1. Tableau là tiêu chuẩn vàng khi nói đến phân tích trực quan. Các biến thể gồm Tableau Desktop, Prep, Online và Server. Mỗi sản phẩm hỗ trợ BI tự phục vụ ở các mức độ khác nhau. Tableau Desktop cung cấp một trong những nền tảng tốt nhất cho phân tích trực quan và Business Intelligence với khả năng tự khai phá. Tableau Prep giúp nhiều người cùng tham gia phân tích dữ liệu nhanh hơn. Tableau Online mở rộng khả năng chia sẻ và cộng tác mà không cần máy chủ vật lý. Tableau Server chia sẻ dữ liệu qua các máy chủ có thể đặt tại chỗ hoặc trên đám mây. Để xem chi tiết về phát triển dashboard trong Tableau, vui lòng truy cập tại đây.

2. SAP SAP là một cái tên quen thuộc trên thị trường công cụ doanh nghiệp, cung cấp giải pháp cho các công ty với nhiều đặc thù khác nhau. SAP đã tung ra nhiều sản phẩm về Analytics; hệ thống Business Warehouse của họ tích hợp với doanh nghiệp rất mượt mà và xử lý lượng dữ liệu lớn. Các bản phát hành gần đây gồm SAP Analytics Cloud và SAP Lumira; trước đó SAP mua lại Business Objects và cung cấp nó như một nền tảng phân tích riêng.

3. Tibco Spotfire Tibco Spotfire là một trong những sản phẩm đáp ứng phân tích nâng cao và phân tích dự báo theo cách rất chuyên nghiệp và bài bản. So với các sản phẩm khác ở khía cạnh phân tích dự báo, nó rất mạnh mẽ. Tibco cung cấp dịch vụ tại chỗ và trên đám mây. Sản phẩm cũng cung cấp kiến trúc có thể mở rộng được cấu hình sẵn với mối lo bảo trì CNTT thấp.

4. Qlik nổi tiếng với khả năng nhanh chóng tạo các ứng dụng phân tích định hướng, hỗ trợ người dùng tự khai thác dữ liệu đến tận cấp bậc thấp nhất. Nó có kho lưu riêng và khả năng xử lý trong bộ nhớ. Qlik có hai biến thể là QlikView và Qlik Sense. QlikView là công cụ xây dựng ứng dụng BI cho cá nhân và doanh nghiệp. Qlik Sense là dịch vụ ứng dụng đầu-cuối cho BI có thể tích hợp lên đám mây.

Như bạn thấy, các nền tảng trên đều khác nhau và có tính năng riêng. Vì vậy, tôi sẽ phân tích so sánh dựa trên bốn tham số chính:

1. Thu nạp dữ liệu
2. Chuẩn bị dữ liệu
3. Trực quan hóa
4. Mô hình dự báo

Tham số thu nạp dữ liệu bao gồm nhập dữ liệu, trích xuất dữ liệu, kết nối dữ liệu và truy cập dữ liệu. Nói đơn giản, đó là khả năng thu nhận dữ liệu từ các nguồn hoặc dịch vụ ngữ nghĩa khác nhau như SQL, Big Data, dịch vụ đám mây.

Giờ hãy so sánh các công cụ theo chức năng thu nạp dữ liệu mà chúng sở hữu:

Tableau

Khi nói đến Tableau, một công cụ BI mạnh mẽ, bạn sẽ thấy các trực quan hóa ấn tượng được tạo gần như tức thì, kể cả cho các khám phá dữ liệu phức tạp.

Tableau không có kho dữ liệu riêng; nó thu nhận dữ liệu từ nhiều nguồn và chuyển hóa thành các trực quan hóa có ý nghĩa, dễ hiểu.

Để làm được vậy, nó cần có các connector tới nhiều nguồn khác nhau, và thật may là có. Tableau có hơn 100 kết nối tới nguồn dữ liệu khác nhau, đồng thời hỗ trợ kết nối trực tiếp tới dữ liệu giao dịch.

Về tham số thu nạp dữ liệu, Tableau có lợi thế.

SAP

SAP sở hữu nhiều sản phẩm hỗ trợ thu nạp dữ liệu đóng vai trò tầng trung gian để cung cấp dữ liệu cho trực quan hóa cuối. Riêng với Lumira và Analytics Cloud, hiện hỗ trợ kết nối hơn 60 nguồn dữ liệu và chắc chắn sẽ tăng theo thời gian.

SAP không gặp vấn đề gì khi thu nhận dữ liệu trong hệ sinh thái của chính mình; thực tế đó là công việc trơn tru nhất. Khi nói đến thu nhận dữ liệu từ hệ sinh thái khác, SAP cũng có công cụ hỗ trợ chuyển dữ liệu, nhưng điều này đòi hỏi thêm công việc và kỹ năng.

Tibco Spotfire

Spotfire là một trong những công cụ mạnh mẽ, đôi khi phức tạp; khi thu nạp dữ liệu, nó có hơn 40 connector nguồn và mọi thứ thường hoạt động ổn với connector JDBC và ODBC. Spotfire hỗ trợ Big Data và các connector đám mây, cung cấp dữ liệu hiệu quả.

Vấn đề trong thu nạp dữ liệu nảy sinh khi cần làm sạch dữ liệu trước khi thu nạp.

Qlik

Qlik là một trong các nhà dẫn đầu thị trường BI đang phát triển. Về thu nạp dữ liệu, Qlik có số lượng lớn connector nguồn dữ liệu chia theo các nhóm khác nhau. Qlik có kho riêng để thu nạp dữ liệu và thực hiện ETL (Trích xuất, Biến đổi, Tải). Điều này giải quyết hàng loạt vấn đề trong kịch bản thực tế. Kỹ năng thao tác dữ liệu của Qlik giúp việc trình bày dữ liệu trở nên dễ dàng hơn.

Sau khi thu nạp dữ liệu là bước chuẩn bị. Đây là công việc “bẩn” mà chẳng ai muốn làm, nhưng bạn không thể bỏ qua trong bất kỳ trường hợp nào. Nó bao gồm gộp dữ liệu, làm sạch, mô hình hóa đến mức có thể tạo báo cáo mô tả về dữ liệu chỉ với một truy vấn chọn đơn giản.

Tableau

Tableau có lượng kỹ thuật chuẩn bị dữ liệu khá tốt để chuyển dữ liệu thành báo cáo có thể trình bày. Bạn có thể tìm tất cả chi tiết ở Phần 2 và 3 của hướng dẫn này.

SAP

SAP cũng có các công cụ khác nhau để chuẩn bị dữ liệu. Họ có hệ thống BW đủ mạnh để xử lý chuẩn bị dữ liệu ở mức độ cần thiết. Với sự xuất hiện của HANA, khả năng xử lý dữ liệu lớn bằng bộ máy trong bộ nhớ tăng lên đáng kể.

Nhưng đó là công cụ riêng với bộ kỹ năng riêng. Bạn có thể truy cập tại đây để xem khái quát khía cạnh BI của SAP.

Tibco Spotfire

Năng lực “data wrangling” của Spotfire rất tốt cùng với tự động hóa mô hình, giúp quy trình chuẩn bị dữ liệu gia tăng (incremental) trở nên dễ dàng với ít can thiệp của IT.

Nói chuẩn bị dữ liệu gia tăng, ý tôi là ghi nhận thay đổi dữ liệu từ các nguồn khác nhau và chuẩn bị dữ liệu dựa trên thay đổi đó. Vui lòng truy cập tại đây để xem chi tiết.

Qlik

Qlik có khả năng chuẩn bị dữ liệu tương tự Tableau cùng với bộ máy trong bộ nhớ. Có thể viết các script riêng theo nhu cầu và triển khai ở các cấp độ khác nhau. Nếu bạn muốn xem lướt qua cách viết script giúp biến đổi dữ liệu, vui lòng truy cập tại đây.

Bây giờ đến phần thú vị nhất với tôi. Chúng ta đã thu nạp và chuẩn bị dữ liệu, nhưng để phân tích lượng dữ liệu lớn như vậy, chúng ta cần trực quan hóa để tiết kiệm đáng kể thời gian và tìm ra vấn đề nhanh hơn. Phần lớn việc khám phá dữ liệu diễn ra qua trực quan hóa, phần còn lại dùng phương pháp thống kê. Hãy xem các công cụ thể hiện thế nào ở tham số này.

Tableau

Tableau sở hữu một trong những bộ thành phần trực quan hóa dữ liệu phong phú nhất như nhóm so sánh, phân phối, thành phần, bản đồ, v.v. Nó có gần như mọi thành phần và được công nhận rộng rãi nhờ cộng đồng hỗ trợ mạnh mẽ.

Nó cũng có nhiều ý tưởng độc đáo và hỗ trợ tốt quá trình học. Bạn có thể tìm biểu đồ cần thiết, thậm chí ý tưởng tùy chỉnh trong thư viện đồ sộ của họ. Vui lòng truy cập để xem những biểu đồ và câu chuyện xuất sắc.

Tableau là một trong những công cụ được IBCS (Tiêu chuẩn Giao tiếp Kinh doanh Quốc tế) chứng nhận nhờ áp dụng thực hành tốt nhất về trực quan hóa dữ liệu để cải thiện giao tiếp kinh doanh.

SAP

SAP Lumira là công cụ được dùng rộng rãi nhất về mặt trực quan hóa trong bộ công cụ của SAP. Nó đáp ứng mọi nhu cầu biểu đồ cơ bản cùng với các phần mở rộng để điều chỉnh theo yêu cầu.

SAP Analytics Cloud gần đây đã được IBCS chứng nhận và hy vọng sẽ tiếp tục đáp ứng đầy đủ các yêu cầu về trực quan hóa.

Tibco Spotfire

Spotfire cung cấp đầy đủ tính năng biểu đồ, bao quát tất cả nhóm biểu đồ để phân tích dữ liệu dưới dạng trực quan. Chức năng phân tích nâng cao cho phép bổ sung biểu đồ phân tích thống kê cùng với các định dạng khoa học.

Qlik

Qlik thể hiện tốt về khả năng biểu đồ, bao trùm hầu hết các nhóm biểu đồ. Nó cung cấp phần mở rộng để điều chỉnh và bổ sung theo yêu cầu.

Chức năng “nhấp-để-truy-cập” mọi điểm dữ liệu giúp Qlik khác biệt với các công cụ khác.

Bây giờ hãy đến phần mà mọi nền tảng phân tích đều đang dấn sâu, cố gắng tích hợp các chức năng học máy vào công cụ của họ. Một số đã khá thành công, số khác làm tốt ở mức khởi đầu.

Hãy xem chúng ta đạt được gì ở tham số này.

Tableau

Về khía cạnh phân tích dự báo, Tableau đã bắt đầu làm việc trong lĩnh vực này. Các chức năng dự báo cơ bản đã được bổ sung vào Tableau.

Cùng với chức năng cơ bản, Tableau có thể tích hợp với R và Python; chi tiết được đề cập ở các phần cuối của hướng dẫn này.

SAP

Một lần nữa, SAP cung cấp công cụ riêng trong bộ của mình để làm nền tảng cho phân tích dự báo. Công cụ này bao phủ mô hình hóa dự báo cơ bản với chức năng phân tích chuỗi thời gian tốt. Khi cần thêm script tùy chỉnh vào mô hình do nền tảng phát triển, SAP chủ yếu sử dụng R.

Để biết chi tiết về nền tảng, vui lòng truy cập tại đây.

Tibco Spotfire

Xét về phân tích dự báo, Spotfire sẽ dẫn đầu; cách tiếp cận tích hợp kiến trúc khoa học dữ liệu vào sản phẩm của mình là khá rõ ràng.

Điều này đòi hỏi kỹ năng cùng kiến thức để hiểu công nghệ và triển khai. Spotfire kết hợp các phương pháp của khoa học dữ liệu và thống kê để tạo ra một công cụ có thể thực hiện phân tích dự báo với lợi tức đầu tư phù hợp.

Để đọc thêm, vui lòng truy cập.

Qlik

Qlik cũng đang nỗ lực triển khai phân tích dự báo ở mức hợp lý. Họ đã triển khai một vài thuật toán mô hình hóa cơ bản trong hệ thống, nhưng khoảng cách kỹ năng để sử dụng vẫn còn. Tuy vậy, nỗ lực tích hợp với R và Python rất đáng ghi nhận. Qlik cho phép trao đổi dữ liệu với công cụ bên thứ ba như R và Python cùng với việc sử dụng Bộ máy Liên kết (Associative engine) giúp truyền dữ liệu nhanh và hiệu quả.

Qlik cũng có kết nối phân tích mã nguồn mở trên GitHub để tích hợp với R và Python.

Vậy là hết từ phía tôi; lựa chọn nền tảng phụ thuộc vào cá nhân hay tổ chức xem tham số nào là quan trọng nhất.

Nếu bạn muốn học thêm về Python, R hoặc SQL, hãy tham gia các khóa nhập môn của DataCamp.

• Nhập môn Python cho Khoa học Dữ liệu
• Nhập môn R
• Nhập môn SQL cho Khoa học Dữ liệu