Qlik潘应麟:数据可视化分析的昨天今天和明天

ZD至顶网软件频道消息:在即将过去的2015年,作为数据可视化分析领域专业厂商,Qlik举措频频,而用户对数据可视化产品的接受和认可也让Qlik受到极大鼓舞。2016年这一市场有哪些新的趋势,Qlik如何运筹帷幄?ZD至顶网记者近日采访了Qlik中国董事总经理潘应麟。

若要展望新的一年,首先要总结和盘点即将过去的2015年,在潘应麟看来,2015年商业智能领域的发展经历了一个大的转折点:超过一半的商业智能平台都由数据发现来驱动,这也就意味着除传统BI厂商之外,还会有更多新的公司介入其中。得出这一结论的原因在于,传统BI厂商只能用描述性报表让客户看到过去,或者当用户问“为什么”的时候去给用户展示原因,但是当前时代对于用户来说最重要的是通过数据发现问题、预测未来,这时候只依靠BI工具是远远不够的。

潘应麟告诉记者,2015年商业智能领域有7个方面没有发生太多变化:商业智能与分析仍然是“首席信息官的首要技术任务”;预测分析对大多数企业而言仍然只是一种愿景;企业能力与文化仍然是主要的障碍;数据质量(或者根本没有);信息治理要求非常高,但成熟度乏善可陈;信息货币化仍然是新兴事物;无论好坏,启发式决策仍占主导地位。

这其中给记者留下深刻印象的是用户、尤其是企业决策者对数据价值的认识不足。有一项调查显示:在65%的企业中,当数据与直觉相矛盾时,企业决策者会忽视数据、仅凭直觉作出决策。

从这一结论来看,与当前时代特别热的大数据概念似乎有些背道而驰,为什么人们谈论大数据那么多,但是关键时刻却不信赖数据呢?对此潘应麟表示:2015年很多大的项目都说大数据在落地,大家都在讲政府、金融行业的大数据应用。但事实上很多大数据都来自于不同的数据来源,可能是来源于周边企业、公共数据、金融数据,也可能来源于云端、社交,越来越多的数据来源导致数据本身非常不规范,也非常不安全;而且信息越丰富,支持这些数据的商业智能平台就要越成熟,大数据必须要跟商业智能平台进行紧密地结合。在这方面,Qlik去年在美国收购一家叫做Data Martet的云服务公司,帮助用户更好地利用外部来源数据。

另外,未来互动式数据讲述会越来越普遍,在一个数据探索分析的环境里面,有开始有过程,但是并不一定有结尾,因为用户的一个问题可能带来另外一个故事,Qlik的产品可以帮助用户从开头去论述过程,去接近真相。

很多时候面对用户,潘应麟觉得有些无奈:“用户的很多决策都是基于过去的市场发生什么、错在何处得出;或者未来为什么要做一件事情或者不能做一件事情。他们很少探索和集体质疑过程,也很少去寻找工具去论述过程。”正是发现这一问题,Qlik现在提供的Qlik Sense平台就可以帮助用户更加有效、更加便捷地提出更多问题,提出更多假设性去根据历史数据进行论证。

Qlik平台有一个非常重要的技术——关联性数据库,可以关联不同的数据源,无论是在企业内部的,在外部的,在云上面或者是在其他公司共享的数据,都可以共同采纳进行管理。Qlik的核心就是提供统一平台,让大家看到所有数据、看到所有数据的价值,而不仅仅是某一些单一数据。

应该说Qlik提供的数据可视化产品与当前市场上的商业智能系统没有冲突,是互补关系。其他商业智能产品有固定的数据源、固定的数据模型来做数据分析,他们只是看到数据的一部分,而Qlik是去进行补充关联,去探索数据的新的场景、新的问题。另外,Qlik平台可以帮助用户去筛选、探索不同来源的数据,哪些有价值、有商业结果,可以帮助企业预先筛选出来,Qlik给企业客户看到的是整个价值链。

总结来看,Qlik预测2016年商业智能和分析市场将呈现六大趋势:信息行动不断加速;治理有序的数据发现变得必不可少;多样的数据不断丰富分析;来自外部来源的数据提供决策背景;互动式数据叙事说明推动采用;统一支持多终端设备数据可视化至关重要。

原文发布时间为:2015年12月30日

本文作者:张晓楠

本文来自合作伙伴至顶网,了解相关信息可以关注至顶网。

时间: 2024-10-27 08:24:50

Qlik潘应麟:数据可视化分析的昨天今天和明天的相关文章

Qlik潘应麒:大数据时代下的现代分析学

文章讲的是Qlik潘应麒:大数据时代下的现代分析学,大数据时代的来临同时意味着我们将进入人工智能化的时代.我们所面对的数据容量,数据种类,数据变化的数据同之前都大不相同.但是,在面对这样庞大的数据量多变的场景下,对于企业来说对每一位企业的员工在每天工作的时候做出的决定有很大的变化. 从业务掌握数据,利用数据做出最优的业务决定,利用数据来帮助我们企业做出最优化的业务经营.最终做出决策的是靠我们的员工.靠人,所以,提供给每个员工先进的技术,来掌握数据,使每个企业员工在共同优化的环境下面,为企业做出最

数据可视化分析公司Looker获8150万美元投资

  数据可视化分析公司 Looker 今天宣布获得 8150 万美元新融资,该轮融资由 CapitalG(原Google资本)领投. Looker 迄今共募集了 1.775 亿美元.领投此次融资的是 CapitalG ,参与投资的有Geodesic Capital.Goldman Sachs.Kleiner Perkins Caufield & Byers, Meritech Capital Partners, Redpoint Ventures和Sapphire Ventures .据悉,新资

红帽大中华区总裁潘应麟:云的投资与回报

云计算概念更多的是侧重将IT变成一种实现业务的能力,而不是简单地降低IT成本.无论"软性成本"在企业范畴内如何重要,也不意味着云计算就不需要财务评估,毕竟具体到每个云计算的项目类型都有所不同. 比如,使用亚马逊所提供的这类公共云资源,虽然今天可以降低资本支出,但明天很有可能面临更高的运营支出.所以我们在任何财务分析中都应当考虑这种情况.而私有云或混合云从某种角度看,与传统的企业内部IT项目更为接近.用户同样需要购买软件(有时甚至可能购买硬件).规划并执行运营.培训IT工作人员和用户,所

FineReport数据可视化分析的图文步骤

在FineReport这款报表软件的使用过程中,经常需要使用到功能是数据分析.而如何将繁杂的数据,进行整理分析,从而得出清晰的调查结论,正是我们学习FineReport这款软件的关键.下面小编为大家分享一下FineReport报表如何进行数据可视化分析,希望本教程可以帮到大家! 1.B/S数据源配置 启动web服务器(FR工程部署在web服务器下,端口号为对应的web服务器端口号,如tomcat下,端口号为8080,如果未部署,端口号为FR内置服务器端口号8075,以下均以tomcat为例),用

盘点:55个最实用大数据可视化分析工具

文章讲的是盘点:55个最实用大数据可视化分析工具,近年来,随着云和大数据时代的来临,数据可视化产品已经不再满足于使用传统的数据可视化工具来对数据仓库中的数据抽取.归纳并简单的展现.传统的数据可视化工具仅仅将数据加以组合,通过不同的展现方式提供给用户,用于发现数据之间的关联信息.新型的数据可视化产品必须满足互联网爆发的大数据需求,必须快速的收集.筛选.分析.归纳.展现决策者所需要的信息,并根据新增的数据进行实时更新.因此,在大数据时代,数据可视化工具必须具有以下特性: (1)实时性:数据可视化工具

盘点56个最实用的大数据可视化分析工具

俗话说的好:工欲善其事,必先利其器!一款好的工具可以让你事半功倍,尤其是在大数据时代,更需要强有力的工具通过使数据有意义的方式实现数据可视化,还有数据的可交互性:我们还需要跨学科的团队,而不是单个数据科学家.设计师或数据分析员:我们更需要重新思考我们所知道的数据可视化,图表和图形还只能在一个或两个维度上传递信息, 那么他们怎样才能与其他维度融合到一起深入挖掘大数据呢?此时就需要倚仗大数据可视化(BDV)工具,因此,笔者收集了适合各个平台各种行业的多个图表和报表工具,这些工具中不乏有适用于NET.

盘点最实用56个大数据可视化分析工具

俗话说的好:工欲善其事,必先利其器!一款好的工具可以让你事半功倍,尤其是在大数据时代,更需要强有力的工具通过使数据有意义的方式实现数据可视化,还有数据的可交互性;我们还需要跨学科的团队,而不是单个数据科学家.设计师或数据分析员;我们更需要重新思考我们所知道的数据可视化,图表和图形还只能在一个或两个维度上传递信息, 那么他们怎样才能与其他维度融合到一起深入挖掘大数据呢?此时就需要倚仗大数据可视化(BDV)工具,因此,笔者收集了适合各个平台各种行业的多个图表和报表工具,这些工具中不乏有适用于NET.

盘点最实用的大数据可视化分析工具

一.Excel Excel作为一个入门级工具,是快速分析数据的理想工具,也能创建供内部使用的数据图,但是Excel在颜色.线条和样式上课选择的范围有限,这也意味着用Excel很难制作出能符合专业出版物和网站需要的数据图. 二.Google Chart API Google Chart提供了一种非常完美的方式来可视化数据,提供了大量现成的图标类型,从简单的线图表到复杂的分层树地图等.它还内置了动画和用户交互控制. 三.D3 D3(Data Driven Documents)是支持SVG渲染的另一种

全新一代跨平台大数据可视化分析平台OurwayBI发布会在沪举办

11月24日下午,奥威软件全新一代跨平台大数据可视化分析平台-OurwayBI发布会在上海举行.长江商学院营销学李洋教授,上海高级金融学院李晓阳教授等知名教授.聚鸟科技创人胡凤城等企业资深CIO.业内大咖.专业厂商等嘉宾出席了本次发布会. 发布会现场 随着大数据越来越深入到行业的应用,越来越多的企业清晰地认识到大数据的威力,但是对于我们熟知的ERP系统,CRM系统,OA办公系统产生的数据却不知道如何处理,多个数据来源怎么处理?报表越来越多做不完怎么办?新增报表如何快速响应?这些问题让企业大数据迟