众多推荐的数据可视化工具里,这10款最好用!(30种数据可视化工具推荐)

文:nemean

源:知乎

目前数据可视化工具或产品很多,到底那个工具或者产品是最好的?下面分享一些看法。

我们部门主要是做某个行业的企业应用系统的,产品中会包含一些报表和数据展示的需求(大屏投放或者专题)。

以往我们产品都是使用echart定制化开发数据可视化的需求,因为客户间的需求存在差异化,并且需求量比较大。部门每年在报表上的投入大约上百万的成本(研发真的贵啊,1000元/人日)。

作为产品经理,为了减小在报表上的投入,提高报表的开发效率。我最初的想法是自主研发一套能够加快报表开发效率的组件或者工具,但是研发报给我的工作量是9人月(27万)。这让我打消了自主研发的念头,转而去寻找一些合适(便宜又满足需求)的工具或者产品。下面我将我的一些经历分享给大家,希望对有同样需求的朋友能有所帮助。

看了很多数据可视化产品,总结下来分为几大类。

一.数据可视化库类

二.报表、BI类

三.大屏投放类

四.专业类(地图、科学计算、机器学习

如果自主研发,肯定选择第一种数据可视化库类。我的需求是第二类和第三类,报表和大屏投放,如果能兼顾第二类和第三类功能的产品肯定是我的首选。第四类是针对特定的用户,我暂时没有类似的需求。对比了很多主流的工具,从价格、功能、无缝嵌入现有系统、量级、定制化、服务等几个方面综合考虑,我最终的选择是FineReport

下面我把这几类数据可视化产品中有代表性的和大家分享一下。

一.数据可视化库类

Echarts

一个纯javascript的数据可视化库,百度的产品,常应用于软件产品开发或者 系统的图表模块,图表种类多,动态可视化效果,开源免费。

众多推荐的数据可视化工具里,这10款最好用!(30种数据可视化工具推荐)

评价:非常好的一个可视化库,图表种类多,可选的主题。以前我们产品中就是使用echarts进行可视化需求的定制开发。Echarts中主要还是以图表为主,没有提供文本和表格方面的展现库,如果有相关需求还需要引入表格和文本方面的其他可视化库。

HighCharts

与echarts相似,同样是可视化库,国外的产品,商用需要付费,文档详尽。

众多推荐的数据可视化工具里,这10款最好用!(30种数据可视化工具推荐)

评价:同样是非常好的一个可视化库,图表种类多。但是同样需要进行二次开发,,没有提供文本和表格方面的展现库。而且因为商用付费,所以能选择echarts肯定不会选择highcharts。

AntV

Antv是蚂蚁金服出品的一套数据可视化语法,是国内第一个才用the grammar of Graphics这套理论的可视化库。在提供可视化库同时也提供简单的数据归类分析能力。

众多推荐的数据可视化工具里,这10款最好用!(30种数据可视化工具推荐)

评价:是一个优秀的可视化库,需要进行二次开发。因为采用的是the grammar of Graphics 语法,和echarts相比各有千秋。

二.报表、BI

百度图说

由echarts衍生出来的子产品,同样继承了echarts的特点,图表种类多,没有提供文本和表格方面的展现库。Echarts接受json格式的数据,百度图说把数据格式进行了封装,可以通过表格的形式组织数据。

众多推荐的数据可视化工具里,这10款最好用!(30种数据可视化工具推荐)

评价:可以把表格数据转换成图表展现形式的工具,支持excel数据导入 ,适合做静态的BI报告。因为数据偏静态,没看到与数据库结合的部分,很难和第三方系统结合展现动态变化的数据,如日报表、月报表、周报表等。

FineReport

FineReport报表软件是一款纯Java编写的、集数据展示(报表)和数据录入(表单)功能于一身的企业级web报表工具,它“专业、简捷、灵活”的特点和无码理念,仅需简单的拖拽操作便可以设计复杂的中国式报表,搭建数据决策分析系统。

众多推荐的数据可视化工具里,这10款最好用!(30种数据可视化工具推荐)

评价:FineReport可以直连数据库,方便快捷的定制各种复杂表样,用来做出固定格式的周报、月报等。它的格式类似于excel界面,特色功能报表制作,报表权限分配,报表管理还有填报,支持多种数据库。提供的功能超越了我的需求,同时价格也能接受,在预算范围之内,没想到还能选到这么好的报表产品。后面我还要说说他的大屏可视化。

Tableau

Tableau 是桌面系统中最简单的商业智能工具软件,Tableau 没有强迫用户编写自定义代码,新的控制台也可完全自定义配置。在控制台上,不仅能够监测信息,而且还提供完整的分析能力。Tableau控制台灵活,具有高度的动态性。

Tableau公司将数据运算与美观的图表完美地嫁接在一起。它的程序很容易上手,各公司可以用它将大量数据拖放到数字“画布”上,转眼间就能创建好各种图表。这一软件的理念是,界面上的数据越容易操控,公司对自己在所在业务领域里的所作所为到底是正确还是错误,就能了解得越透彻。

众多推荐的数据可视化工具里,这10款最好用!(30种数据可视化工具推荐)

评价:全球知名的BI工具,价格6000元/年/人左右,如果不是因为价格以及是国外的产品,我可能就选择他了。以前踩过国外产品的坑,所以知道尿性,不花钱不会为你做任何定制化改动,有点担心售后,所以最终放弃了。

FineBI

FineBI与FineReport都是帆软的产品。首先FineReport作为一款报表工具,主要用于解决提升IT部门的常规/复杂报表开发效率问题;报表工具的核心功能是数据报表的制作和数据报表门户,把手工制作的报表固化成报表模板,实现了报表的自动化,生成后发布至报表门户供各类用户查阅。数据门户是将报表和数据仓库按照业务主题的方式进行组织管理,方便用户找到报表。

而FineBI是商业智能BI工具,在IT信息部门分类准备好数据业务包的前提下,给与数据,让业务人员或领导自行分析,满足即席数据分析需求,是分析型产品。

FineBI的使用感同Tableau类似,都主张可视化的探索性分析,有点像加强版的数据透视表。上手简单,可视化库丰富。可以充当数据报表的门户,也可以充当各业务分析的平台。

众多推荐的数据可视化工具里,这10款最好用!(30种数据可视化工具推荐)

评价:FineBI做到了自助式分析,图表类型丰富,数据分析功能较强大,钻取,筛选,分组等功能都有。但是对于普通没有IT基础的人来说,要想真正熟练地掌握finebi,还是有一定的难度的,需要花上几天,但是这个难度相比Excel的VBA学习还是低不少的。

Power BI

Power BI 是一套商业分析工具,用于在组织中提供见解。可连接数百个数据源、简化数据准备并提供即席分析。生成美观的报表并进行发布,供组织在 Web 和移动设备上使用。每个人都可创建个性化仪表板,获取针对其业务的全方位独特见解。在企业内实现扩展,内置管理和安全性。

众多推荐的数据可视化工具里,这10款最好用!(30种数据可视化工具推荐)

评价:类似于excel的桌面bi工具,功能比excel更加强大。支持多种数据源。价格便宜。但是只能作为单独的bi工具使用,没办法和现有的系统结合到一起。生成的报表没办法引入到我们的系统中。

三.可视化大屏类

阿里DataV

提供丰富的模板与图形,支持多数据源,拖拉式布局,支持服务化服务方式和本地部署。整体来说是一款很好的大屏的产品。

众多推荐的数据可视化工具里,这10款最好用!(30种数据可视化工具推荐)

评价:产品不错,就是价格把我吓到了,服务版每年5100元/年,本地部署竟然要110万,每年续费也要37万。

FineReport

前文有介绍过,finereport是一个企业级的报表工具,同时也提供大屏的服务。通过布局、色彩、绑定数据等环节完成大屏的制作。拥有很多自助开发的可视化插件库。

众多推荐的数据可视化工具里,这10款最好用!(30种数据可视化工具推荐)众多推荐的数据可视化工具里,这10款最好用!(30种数据可视化工具推荐)

评价:很优秀的软件,价格不清楚,但是以FineReport的价格水平,应该也是良心的。学习方面,掌握FineReport的dashboard制作,应该也比较简单的。

五 .专业类(地图、科学计算、机器学习)

地图类

很多工具都能实现数据地图,比如echarts,finereport,tableau等。比较专业的有地图慧、我要地图都用对应的地图开发api,不过我的需求不是专业搞地图的,所以没有深入了解。

之前分享过一篇地图的制作《最简单的数据地图制作,只要6步就搞定!

R-ggplot2

ggplot2是R语言最流行的第三方扩展包,是RStudio首席科学家Hadley Wickham读博期间的作品,是R相比其他语言一个独领风骚的特点。包名中“gg”

是grammar of graphics的简称,是一套优雅的绘图语法。主要用于机器学习绘图。

众多推荐的数据可视化工具里,这10款最好用!(30种数据可视化工具推荐)

评价:机器学习、数学、科学计算领域专业的绘图语言。专业与技术要求都很高,不是专业搞机器学习或者科学计算的工程师,一般不会用到。

Python

Python是一门编成语言,其周边的绘图库也比较丰富比如pandasmatplotlib ,pandas能够绘制线图、柱图、饼图、密度图、散点图等; matplotlib主要是绘制数学函数相关的图如三角函数图、概率模型图等。

众多推荐的数据可视化工具里,这10款最好用!(30种数据可视化工具推荐)

评价:机器学习、数学、科学计算领域专业的绘图语言。专业与技术要求都很高,不是专业搞机器学习或者科学计算的工程师,一般不会用到。

相关新闻

联系我们
联系我们
在线咨询
分享本页
返回顶部