彩票走势图

综述

基于云部署的现代商业智能与数据分析平台（国内似乎只有应用上云，数据本地化的趋势）正在逐步占据主流市场。随着市场在易用性和增强分析（augmented analytics）方面的变革，数据与分析领导者正在逐步升级传统解决方案或扩展新的BI产品

发展趋势

• 到2020年，增强分析（包括自然语言查询、增强数据准备、自动高级分析和基于视觉的数据发现能力）将成为新的商业智能、分析和数据科学、机器学习平台以及嵌入式分析的主要推动力。
• 到2020年，现代商业智能和分析平台将分化出增强数据（深度学习的常用手段）探索能力，且以2倍左右的速率增长并创造2倍于现在的商业价值。
• 到2020年，90%的现代商业智能平台会把自然语言生成（NLG）和人工智能（AI）作为标准能力。
• 到2020年，50%的分析查询将通过搜索、自然语言处理（NLP）或语音的方式生成，甚至将自动生成。
• 到2020年，一些平台将为用户提供内部和外部的数据编目（curated catalog of internal and external data），与无法提供这些数据编目的企业相比，他们将帮助客户通过对数据分析的投资实现两倍的商业价值。
• 到2020年，大众型数据科学家（citizen data scientists）数量的增长速度将是专家型数据科学家（expert data scientists）的五倍。

市场现状

以可视化为基础的数据发现决定了现代商业智能(BI)与数据分析平台的特征属性。这一波冲击从2004年开始，逐渐将市场和新的购买趋势从以IT为中心的报告型转变为以使用自助服务为主的业务驱动型敏捷分析。

现代商业智能与数据分析平台的工具具备简单、易用的特性，并且支持全面的分析工作流程。在分析前期，平台不需要IT人员大量参与到预先准备数据模型的工作中来，在某些情况下，平台还会自动生成可复用的数据模型。

独立的内存列引擎有助于探索，同时也可以快速建立原型。现代商业智能与数据分析平台可以选择性地从传统的IT建模数据结构中获取信息，以促进整个组织的管理和可复用性。与此同时，部分企业开始使用现代商业智能与数据分析平台中的分析引擎作为传统数据仓库的替代品。这种方法通常只适用于数据源有限、数据量相对较小的中小型企业。数据湖和逻辑数据仓库使用量的增加也与现代商业智能与数据分析平台的功能相吻合，因为平台可接受这些轻度模型数据源。

多年来，向现代敏捷和商业主导分析的过渡现在已成为主流，并呈两位数的增长态势; 与此同时，自2015年以来，传统商业智能的支出一直在下降。最初，现代商业智能与数据分析市场的大部分增长都是由业务用户推动的，通常是通过个人或业务部门的小额采购实现。然而，随着这个市场的成熟，IT越来越多地（随着商业用户的影响力）参与主导扩展部署，也促进了自助服务分析的范围不断扩张。

商业智能与数据分析的拥挤市场中，有着大型技术公司以及大量风险投资支持的创业公司。传统商业智能平台的供应商产品提供了新的功能，包括基于视觉的数据发现、数据治理等。与此同时，新的供应商不断发展其专注的敏捷型功能，将其扩展、发布和共享到更高的管理平台。

正如可视化数据分析对传统商业智能造成的冲击一样，下一波BI将以基于机器学习的增强分析形式出现，可以为日益增多的海量数据提供新见解。

商业智能与分析平台关键能力

Infrastructure 基础设施

• BI平台的管理、安全与架构：平台具有安全管理、用户管理、平台接入与使用审核、高可用性保障和容灾的能力。
• 云BI：具有平台即服务（platform-as-a-service）和分析应用即服务（analytic-application-as-a-service）的能力，并同时支持在云端和本地创建、部署和管理数据分析应用。
• 数据源的连接和整合：平台允许用户连接本地和云端各种类型的存储平台（关系型和非关系型）中包含的结构化和非结构化数据。

Data Management 数据管理

• 元数据管理：平台能够让用户利用通用的语义模型（semantic model）和元数据。实现这些功能需要提供一种强大且集中的方式方便管理者们去搜索、抓取、存储、复用和发布元数据对象（如维度、层级、度量、KPIs和报告布局等）。平台管理者们需要有能力去升级业务用户创建的数据模型，将其提升为系统级的数据模型。
• 自有的数据抽取、转换、加载（ETL）以及数据存储：该系统有能力连接、融合、转换和加载数据至一个自有的功能引擎，并且有能力去索引数据、管理数据加载、更新计划。
• 自助式数据准备（Data Preparation）：用户可直接通过拖拽的方式来组合不同来源的数据和生成分析模型，比如用户可自定义度量、集合、组和层次结构。高级功能包括基于机器学习的语义识别、智能连接、层次结构生成、多数据源数据融合（包括多结构化数据）。
• 可扩展性和数据模型的复杂性：内存中的引擎或数据库内部体系结构能够处理海量数据、复杂数据模型、大量用户部署和性能优化等工作。

Analysis and Content Creation 分析与内容创造

• 内置的高级分析功能：通过本身的菜单选项或通过导入和集成外部开发的模型，使用户能够轻松使用平台自有的高级分析功能。
• 分析仪表盘（Dashboard）：通过视觉探索和内置的高级地理空间分析能力去生成能够被其他人使用的高交互性的仪表盘和内容。
• 交互式的视觉探索：通过一系列可视化选项来探索数据，包括但不限于基础的图表形式，比如饼图、柱状图、折线图等，也包括热点图、树形图、地图、散点图以及其他特殊主题的图表形式。这些工具能让用户直观了解数据的构成、分布、趋势、比较和联系，从而用户可有效的分析和操作数据。
• 增强数据发现：帮助用户在不通过建模和编写算法的情况下自动寻找、呈现和叙述重要的分析发现，比如数据间的关系、异常、群集、链接和预测等。用户通过搜索、可视化、自然语言生成与查询等技术来探索数据。
• 移动端的数据探索：通过利用移动设备的天然属性，例如触屏、摄像头和GPS定位，使用户能够以发布或交互模式为移动设备开发和提供内容。

Sharing of Findings 成果共享

• 嵌入分析内容：供应商提供软件开发工具包（SDK）和API接口，支持用户创建和修改分析内容，可视化效果和应用，可将其嵌入到客户的业务流程、应用程序或门户网站中。这些功能必须能够轻松无缝地从应用程序内部访问，而不会强制用户在系统之间切换。通过BI与其他数据分析应用架构可以结合的能力，用户能够选择在哪个业务流程中嵌入分析模块。
• 分析内容的发布、分享和协作：允许用户通过各种输出格式（Excel、PDF、Email等）和推送方式来发布、配置和操作分析内容，支持内容的搜索、计划和预警。这些功能使用户能够通过讨论、聊天和注释的方式来分享、商议和跟踪相关的分析结果，从而做出有效的决策。

Overall platform capabilities 整体平台能力

• 易用性和可视化：平台易于操作、管理、部署和生成内容，用户可良好的与分析内容进行交互，同时平台具备良好的可视化展现能力。

Qlik VS Tableau VS Microsoft VS IBM

Magic Quadrant for Analytics and Business Intelligence Platforms 分析与商业智能平台魔力象限

备注：

• 供应商的执行力（Ability To Execute），具体体现在魔力象限的纵轴，其中包含了产品及服务、可见度（指市场能力和用户对该产品的反应、评价）、销售执行能力（包含市场份额、增长率）、市场责任和记录（指产品出现问题企业的处理态度，是否负责）、客户体验五大标准。
• 愿景的完整度（Completeness Vision）作为魔力象限评判的横轴，也包括了对市场的理解、销售策略、市场策略、产品策略和创新五项标准。需要对供应商能否理解行业用户的普遍需求，以及能否了解、把握市场的未来走向方面做出考量和评分。
• 处于同一象限的供应商不会有绝对的差距（如Qlik、Tableau和Microsoft），只是各自擅长的方向有所区别；入选特定象限（NCHE PLAYERS/VISIONARIES）的供应商并不意味着是落后的，往往这些企业在特定的领域内处于领先地位。

Qlik

Qlik通过其主要产品Qlik Sense提供数据发现、敏捷分析和商业智能。Qlik Analytics Platform（QAP）支持开发人员创建自定义应用和嵌入式用例。 QlikView继续得到增强，与Qlik Sense两条产品线并行发展，而Qlik近年有意的将重心放在Qlik Sense上，Sense也逐渐成为Qlik重要的商业智能与分析产品，其License营收逐年上升，达到Qlik全部License收入的50%以上。

Qlik可扩展的内存引擎允许客户构建强大的交互式可视化应用，甚至一些客户直接选择该引擎作为数据集市（data mart），而非传统的数据仓库（data warehouse）。Qlik提供一个可选的服务器组件Qlik NPrinting，具备报告分发和调度功能。 2017年1月，Qlik收购Idevio，同样将地理分析功能GeoAnalytics作为可选组件提供给用户。NPrinting和GeoAnalytics都是最初由Qlik合作伙伴开发的。

Qlik能始终保持在行业领导者的行列中，得益于其在增强分析、营销策略改进以及易用性方面的不断进步。

优势

• 扩展性： Qlik Analytics Platform（QAP）开发者平台提供对Qlik内存引擎的完整API访问权限，允许组织和开发人员扩展Qlik Sense可视化分析以构建丰富而智能的以数据为驱动的分析应用。Qlik Sense不仅支持自助式的分析和商业智能，其脚本引擎还支持来自多个数据源的复杂数据转换，提供敏捷、集中式的BI配置，帮助用户创建高交互性的仪表盘。Qlik本身提供点击式的菜单选项来加载数据，其脚本引擎使得开发人员不仅限于菜单驱动选项，比如可通过编写脚本跟踪数据加载和转换的过程。

• 内存引擎：QlikView和Qlik Sense共享其关联分析引擎Qlik Associative Engine，关联分析引擎自诞生以来就体现了其差异化、独特性，支持多种数据源、复杂的数据模型和复杂的计算，因此客户通常都会将QlikView和Qlik Sense用作数据集市。有时候将Qlik Associative Engine称之为“灰色的力量”，客户在部署产品后都能了解到这种独特的功能，如下图所示：

• 产品愿景：Qlik始终鼓励合作伙伴开发更多的内容，以进一步扩展其平台或通过预构建的行业垂直应用获利。得益于在市场上的成功，Qlik顺利的将NPrinting和Idevio整合到旗下。Qlik DataMarket还能以即用型（ready-to-consume）的方式呈现策展公共数据集（curated public datasets）。Qlik进一步执行了其增强分析的路线，能够分析静态数据和流数据、多云（multicloud），大数据。
• 合作伙伴网络：Qlik在全球有超过500个系统集成商和1,700个合作伙伴，超过70％的Qlik项目实施都是由其合作伙伴主导的。这些合作伙伴通常与客户保持紧密的联系，并了解他们的实际需求。Qlik合作伙伴还通过市场或Community社区提供产品扩展、预构建的内容以及培训。Qlik以高于市场平均水平的技术资源可用性获得了更高的客户满意度。

持续改进

• 自助式服务：Qlik Sense正在努力实现界面的现代化、增强平台的开放性和扩展性，也打算带来更多的自助式分析功能。不过迄今为止，离预期还有一定差距。比如复杂的数据连接需要编写脚本，平台目前还是缺少点击式的公式编辑器，在探索和可视化分析的同时欠缺创建计算的能力。
• 软件成本： Qlik Sense主要是基于用户的定价模式（尽管一个Token可以由不频繁登录的多个用户共享），而QlikView具有更灵活的定价选项，通常是基于服务器的。Qlik正在尝试推出涵盖两种产品的购买选项。有17％的Qlik客户认为软件的成本是对更广泛部署的限制。在同类产品价格持续下行的市场压力下，除非Qlik能更清楚地表达其增值差异化因素，否则使用成本将始终是Qlik扩大市场的阻碍。与其他几家著名BI供应商一样，Qlik正在过渡到基于订阅（subscription-based）的定价模式。
• 迁移：Qlik对于用户的支持一直领先于市场上大部分供应商。然而，由于Qlik的主要市场策略是让Qlik Sense和QlikView两条产品线共存，所以在2017年6月之前，Qlik官方基本没有发布过从QlikView升级到Qlik Sense的迁移工具。此前，难以进行平台迁移一直是用户所诟病的，用户满意度也因此受到影响。

Tableau

Tableau提供了一种基于视觉的直观交互式探索体验，用户可在不具备技术技能或编程技能的前提下，轻松访问、准备、分析和展示他们的数据。 Tableau提供三种主要产品：Tableau Desktop，Tableau Server和Tableau Online（其云产品）。 Tableau一直致力于为整个企业的每个人提供探索和发现数据见解的能力。

在过去的一年中，Tableau交付了许多对IT买家有吸引力的企业级功能，这是Tableau战略转变的一部分，即向大型企业部署和销售。它发布了经过认证和推荐的数据源，以达成以下的目标：大型部署的管理能力提升、来自云的混合数据支持、调度和警报、增强的SDK和API、合作机会的增加等。2017年8月，Tableau收购了ClearGraph，以提供自然语言接口，并致力于将其整合到2018年后续的版本中。

Tableau努力在全球建立产品意识，其产品路线包括了自然语言处理（NLP）、增强的数据准备和数据发现、敏捷的数据编目等，持续的产品改进，良好的客户体验都促成了其优势地位。

优势

• 用于交互式视觉探索的“黄金标准”：Tableau的核心产品优势依然是其直观的交互式可视化和探索功能，以及针对几乎任何数据源的分析仪表盘功能 – 充分利用其广泛的数据连接器集合，针对较大数据集进行内存和直接查询访问。用户通过简单的拖拽就可完成如预测、聚类、自动地理编码和辅助公式编辑等功能。Tableau能够让用户更容易快速的深入探索数据、操纵数据。参考持续购买该产品的客户的经验，Tableau带来的用户体验、易用性和功能性，在所有厂商中处于领先水平。
• 聚焦客户体验：为了帮助用户熟练的使用产品进行数据分析，Tableau与Tableau Public（其在线社区）以及其广泛的Alliance Partner网络一起提供了大量的学习选项。Tableau每年的用户大会都会吸引成千上万的用户参加，如2017年参会人数达到了14,000人次，从此也可以看出Tableau多年以来在客户群体中打下的良好基础。
• 扩大部署和标准化：越来越多的Tableau客户正在使用它来使集中的团队能够以灵活和迭代的方式为分析决策者提供内容。此外，Tableau还可以帮助来商业用户实现完全分散的分析。Tableau平均每年的部署规模在持续增长，因为很多企业选择依托于Tableau进行标准化改造，并在整个企业范围内更广泛的部署产品。
• 灵活的部署选项：Tableau可以通过Tableau Online在云中部署，也支持本地部署。Tableau最初只提供云服务，部署在它自己的数据中心。其云部署选项现已发展到直接提供在AWS和Microsoft Azure预先打包好的虚拟机，以简化部署流程。在过去的一年中，它增加了对Google Cloud平台的支持以及来自云端的混合数据的支持。

持续改进

• 价格：低成本工具对Tableau的冲击越来越大。价格较低的市场进入者正越来越多地吸引那些缺乏分析性的成熟买家，尤其是那些需要大量用户部署的大型企业。在各供应商产品能力逐渐缩小的情况下，价格因素在企业购买决策中的影响比以前更大，首次购买商业智能与分析产品的客户会权衡选择对他们来说性价比更高的产品。尽管Tableau继续通过其基于视觉的数据探索能力不断吸引新老客户并扩大部署规模，但这种激烈的竞争环境促成了Tableau近年来收入增长放缓，并迫使Tableau推出价格门槛更低的订阅授权模式和更灵活的企业折扣价来吸引客户。
• 缺乏对复杂数据模型的支持：企业正在从更大的、更多样化的数据组合中寻找见解，需要更复杂的数据模型。尽管Tableau支持广泛的数据源连接选项，但复杂数据建模（如multifact table models）必须在Tableau之外的数据仓库中创建，或者通过其他自助数据准备的合作伙伴来创建，而这两个选项都会增加TCO（总拥有成本）。并且，由于从大容量内存中抽取数据的性能不佳，用户通常需要在单独的数据存储库中进行建模来改善这种情况。
• 产品前景： Tableau正在投资而不是引领下一波颠覆性创新。其绝大多部分针对产品本身的投资都集中在增强对企业特征的适应、提高扩展性、更灵活的部署，支持更大和更复杂的数据集，以及更简易的视觉探索。Tableau增加了对NLQ的投资，增强分析也在其产品路线图上。但是这些投入仍然比创新型的初创公司和大型供应商显得要晚，而这些功能却是现代分析和BI市场未来的基石。

Microsoft

Microsoft Power BI作为一个独立的产品，提供了从数据准备到数据发现，交互式仪表盘和增强分析等一系列的BI平台功能。它可作为在Azure云中运行的SaaS服务提供，也可以在本地部署Power BI Report Server。Server允许用户共享报告（但不包括仪表盘），缺少了一些SaaS中的机器学习功能。而Power BI Desktop既可以作为基本的分析工具供个人用户免费使用，也可以满足高级用户在本地数据源中创建复杂数据混搭。

Power BI作为当今市场上价格较低的BI解决方案之一，近几年的市场占有率实现了持续增长。伴随着Microsoft清晰且富有远见的产品路线以及对垂直行业的延伸，客户对Power BI的关注度及接受度均有所提高。

优势

• 低价格：在企业还没有部署任何BI产品或需要更换现有产品时，很多客户最终因为成本的考虑而选择了Power BI。得益于此，2017年Power BI的客户群体逐渐扩大。购买Power BI的群体中有12%的客户是因为License的价格而选择了此产品，这也成为了Power BI的第二大卖点。
• 易用性和可视化：无论是易用性或是可视化效果，Power BI一直处于行业中较高的水准。14%的客户最终因此而购买了Power BI，这也是Power BI目前吸引客户的优势。Microsoft通过他们的“five by five”策略在客户首次短时间体验产品时，便迅速得到客户的认可，即：5秒钟注册，5分钟惊艳客户。产品拥有一系列的特性使得产品本身简单易用，包括其主要的云部署模式。此外，Microsoft将自然语言处理（NLP）和查询技术（NLQ）融入到产品的Q&A模块，使用户仅仅通过自然语言（暂不支持中文）就可轻松创建可视化图表，如下图所示：

• 产品愿景：Microsoft一直在努力的执行其产品路线。Microsoft Quick Insights（Power BI中的一个功能模块）是一个基本的增强数据发现（augmented data discovery）工具，最初只在云服务中提供。到2017年第四季度，Microsoft将此功能集成到桌面客户端中，Microsoft Quick Insights能够帮助用户实现差异化的分析，比如发现从上季度到本季度对销售额变化影响最大的因素。并且Power BI可在分析过程中激活人工智能助理Cortana，还可通过Surface的触碰功能直接做大屏的汇报演示。Power BI和Microsoft Flow、Microsoft Dynamics 365的集成提供了一个从数据洞察到行动实施的闭环流程。目前，将虚拟现实技术应用于Power BI的计划也已经提上了日程。
• 用户体验：Power BI始终致力于向更多的用户提供完善的信息和见解，且价格合理。良好的用户支持和丰富的技术资源使得Microsoft的用户体验水平高于市场平均水平。Microsoft拥有强大的合作伙伴、分销商和众多个人用户，除了Microsoft自身提供的内容，合作伙伴们帮助提供预先构建的应用、更多的可视化以及产品的视频教程等。

持续改进

• 部署：Power BI一直更多的聚焦在敏捷、自助式分析的BI需求上，而这种模式目前只能部署到微软自己的云Azure上。而本地部署的产品SQL Server Reporting Services更多的满足的是用户订阅、发布报告的需求，缺少了很多高级功能。对于客户而言，这就导致了具有不同功能和不同部署方式的双产品部署。除此之外，产品更新频率较高导致相关文档和产品版本的不一致同样给客户带来了一定困扰。
• 局限性：59%的用户表示他们仅仅使用Power BI创建参数化的报告和仪表盘，而不是去完成一些更复杂的任务。比如更高级的数据准备等工作都是在Power BI之外执行的。用Microsoft Power BI制作自己的内容的商业用户平均比例是20％，处于众多BI产品中较低的水平。
• 产品众多：许多功能都需要Microsoft体系中其他产品的辅助，比如Microsoft Flow、SharePoint、Microsoft Teams、Cortana等。这就涉及到Power BI需要与其他众多的产品进行集成、整合，给客户带来了困扰。

IBM

IBM在商业智能与分析方向有两款产品，分别为IBM Cognos Analytics和IBM Watson Analytics。Cognos Analytics version 11及更高版本代表了Cognos Business Intelligence产品（version 10.2.2及更早版本）的品牌重塑，旨在将传统报告功能、自助式仪表盘和即席分析（ad hoc analysis）结合在一个现代的BI和分析平台中。Cognos Analytics中改善的用户体验以及原本具备的增强功能（特别是搜索功能）使其成为更易于使用且更具视觉吸引力的平台。它既可以部署在本地也可以作为IBM云上的托管解决方案提供。Watson Analytics同样提供增强分析的功能，包括自动模式识别（automated pattern detection）、支持自然语言查询（NLQ）以及嵌入高级分析，但Watson目前只能部署在云端。

IBM在行业中已经失去了当初领导者的地位，受到产品整体较低的评分、销售执行、客户体验等方面的影响，相对于市场上的其他供应商IBM逐渐失去了原本的吸引力。作为一个历史悠久的IT供应商，IBM的产品路线图从不缺乏前瞻性的元素，但它却低估了市场对于复杂性分析的需求，使其在竞争中处于被动。

优势

• 增强且易于使用：IBM在增强分析或“智能”功能（首先整合到Watson Analytics，后续进一步整合到Cognos Analytics）方面一直处于领先的地位，以简化数据准备、创建基本可视化和执行更高级的预测分析。这些功能使得产品更易用，并帮助商业用户和大众型数据科学家更好地应用分析功能。
• 一体化平台：在Cognos Analytics平台上既可创建标准的报告也可对数据进行更多可视化/探索性分析，这是Cognos Analytics得天独厚的优势，也是IBM的客户选择它的主要原因。Cognos Analytics平台包括调度和预警功能，这些功能在现代平台中历来是缺乏的。
• 全球性的，具有社会责任感的供应商：IBM在全球范围内拥有广泛的影响力，并有能力为所有地区的客户提供支持，行业中超过一半的供应商都无法做到。同样，IBM也展现出了其对社会行动的关注和积极参与，例如向学术机构提供免费或降低成本的软件。此外， IBM Research科学家和工程师联合学术界和学科专家提出了 “科学促进社会良好”（Science for Social Good）计划以应对复杂的社会挑战。
• 用户基础：IBM拥有强大的传统商业智能用户群，其中许多人正在考虑更换更现代化的商业智能平台，并且也有意愿继续使用IBM提供的产品，前提是产品易用且价格合理。现有的Cognos BI客户可以直接选择将产品升级到Cognos Analytics。另一方面，Watson Analytics是按用户进行授权，其Plus或Professional用户授权的价格低于同类型拥有强大增强分析功能的产品，并且用户可以方便地对Watson Analytics进行调研和试用。IBM的客户认为低许可成本是购买Watson Analytics的首要原因。

持续改进

• 努力改进但仍缺乏吸引力：Cognos Analytics提供了有趣和创新的主张，但根据对客户的调查，新客户购买和现有客户升级方面的意愿都不够强烈。许多Cognos Analytics客户尚未升级到重新设计的最新版本，且已经开始在调研和评估IBM之外的产品以实现现代化商业智能。IBM众多的分支产品战略继续引起客户的混淆和顾虑，尽管IBM致力于提供一个全面而紧密的商业智能和分析平台。
• 分析的复杂性有限：虽然IBM提供了高于市场平均水平的易用性，但分析的复杂性一直是IBM所缺乏的。54％的IBM客户表示他们主要将分析平台用于参数化仪表盘（parameterized dashboards），而基本不会用它去完成更复杂的任务，如自助式数据准备或交互式可视化探索。
• 产品功能差距：相较于其主要竞争对手，客户给出的IBM产品总体得分（包括Cognos Analytics和Watson Analytics）是偏低的。超过20％的用户表示，该平台的主要问题在于产品功能缺乏或者说相对较弱，而反映其他供应商存在类似问题的用户比例平均不到10％。IBM的两种产品在移动功能、可扩展性和模型复杂性方面都有局限性。每种产品都有自身的缺陷。例如，Watson Analytics与Cognos Analytics相比，在管理和安全性方面不太成熟，但胜在其拥有高级模式识别（advanced pattern detection）从而进行更复杂分析的能力。而相比之下，Cognos Analytics比Watson Analytics能更好地进行元数据管理。
• 客户体验、销售经验欠缺：通过大量用户的反馈，IBM的客户体验仍落后于其他主流供应商，主要受其低于市场平均水平的技术资源可用性的影响。尽管有58％的IBM客户将他们的客户体验评价为“优秀”，但IBM在该环节仍只能处于中下游水平。IBM对于用户整体的支持程度以及产品质量也是较为逊色的，这归结于其解决方案涉及范围太广且升级过程相对繁琐。

Qlik VS Tableau VS Microsoft VS IBM评分对比

评价指标供应商	Qlik	Tableau	Microsoft	IBM
总体评分	4.5	4.3	4.2	3.9
产品功能评分	4.4	4.4	4.3	4.1
协作能力	3.7	3.9	4	3.6
移动端数据探索	4.1	3.8	4	3.7
交互式可视化探索	4.5	4.6	4.4	4.1
分析仪表盘	4.5	4.6	4.4	4.2
自带的ETL和数据存储	4.1	3.6	3.9	3.8
部署和管理	4.3	4.3	4.2	3.9
对于内容创作者的易用性	4.4	4.3	4.2	4
对于内容使用者的易用性	4.3	4.4	4.3	4.2
分析内容发布	4.4	4.3	4.2	4.1
分析内容嵌入	4	4.1	4	4
高级分析嵌入	4	3.9	3.9	3.9
自助式数据准备	3.9	3.8	4	4
元数据管理	3.7	3.6	3.6	4
数据源连接	4.3	4.3	4.2	4.2
安全和使用管理	4.1	4	4	4.2
云BI	3.9	4	4.3	4
BI平台管理	4	4.1	4	4.1
产品评估与合同谈判	4.3	4.1	4.1	4.1
定价的灵活性	3.9	3.6	4	3.8
集成和部署	4.2	4.2	4.2	4.1
部署的灵活性	4.4	4.3	4.3	3.9
服务和支持	4.2	4.2	4.1	3.9
反馈及时性	4.2	4.2	4	4
技术支持质量	4.1	4.2	4.1	3.9
备注：每项评价指标满分为5分