Superset прекрасный продукт для своего сегмента, но это opensource и его сравнивать с FineBI сложно. Ведь задача была Self-Service поддержать, как это было в Табло. Чтобы пользователи без ИТ и без программирования могли свои дашборды делать и данные анализировать. На Superset порог входа для пользователей гораздо выше. Да и скорость миграции немаловажна. Если с Табло на FineBI банк смог мигрировать довольно быстро и фактически своими силами, то миграция на Superset это был бы большой и сложный проект с большим объемом чд архитекторов, аналитиков, разработчиков.
Выбирали, выбирали. И довольно тщательно. Тут не было жесткого требования наличия ПО в реестре, поэтому смотрели не только российские продукты, но и решения из Китая
Кажется, что самое главное, что следует из статьи, что задачу Self-Service с помощью FineBI решили. Это главное, что отличает этот продукт и, как я понимаю, в этом он свою функцию в МКБ выполняет. Правильно подмечено, что для Self-Service очень важно наличие комьюнити. Но по FineBI оно на самом деле есть и одно из крупнейших в этой области в РФ. https://t.me/FineBIChat. 1132 человека на сегодняшний день. И очень живое. Десятки сообщений каждый день. Причем именно опытом люди обмениваются, что ценно.
Понимаю, что кто-то сам является экспертом в выборе систем BI и в импортозамещении. У эксперта всегда есть собственное мнение и большой объем материалов по теме в запасе. Только вот не стоит думать, что все остальные тоже суперэксперты в этом вопросе и что чужой совет для них абсолютно бесполезен. Тема резкого импортозамещения новая и многие с ней только пытаются освоиться. Количество запросов упомянутой в статье таблицы сравнения говорит, что материал очень востребован. На истину в последней инстанции никто не претендует, но это сейчас и не нужно. Большинству заинтересованных требуется просто структурированный взгляд на проблему импортозамещения BI. В этом и заключается наша помощь. А дальше уже каждый сам сможет подобрать для себя оптимальный вариант, исходя из своей конкретной ситуации. Мы не вендор. Мы не даем массовые советы что выбирать Визиолоджи, Полиматику, FineBI или что-то другое. Но показываем какие критерии стоит принять во внимание и какие плюсы/минусы у разных вариантов. Конкретные рекомендации даем только конкретным клиентам, хорошо разобравшись с их ситуацией и приоритетами. И то, по факту все равно требуется, пилот чтобы провалидировать выбор. Что касается выбора вместо специализированного BI какой-то другой технологии, вплоть до предложений дать аналитикам Питон или R и пусть сами разбираются, то считаю это утопией. Это можно сравнить с тем, как в СССР после революции пытались вывести нового советского человека, вместо того, чтобы работать с обычным человеком и его обычными потребностями и мотивами. Вывести нового потребителя BI (антиBI) если и получится, то очень не скоро. Нормальный self-service BI тем и хорош, что заточен под конкретную задачу и за счет этого сильно снижает для аналитиков и бизнеса порог входа и трудозатраты на анализ и разработку нужных дашбордов. А если брать какой-то универсальный инструмент, то, конечно, на нем можно сделать все что угодно, но на практике делать это никто не будет и в итоге никуда из своего Экселя не вылезет. А вот в Табло и Power BI из Эксель переходили, и не единицами, а тысячами.
Илья, у нас у всех какой-то бэкграунд. Но не считаю, что то, что кто-то говорит априори не интересно и неправильно только исходя из его бэкграунда или должности. Кто-то просто не интересен, а кто-то всегда интересен вне зависимости где он сейчас работает и чем занимается. Думаю, что длинная междусобойная дискуссия не совсем формат Хабра. Хочу лишь подчеркнуть еще раз, что производительность и архитектура это важные составляющие BI решения. Они в статье упомянуты отдельно, как факторы, которые нужно принимать во внимание. Просто требования к этим параметрам у всех очень сильно разнятся. И то, что у какой-то системы супербыстрый движок, не обязательно приводит к ее выбору, если система слишком сложна для использования бизнесом (чтобы сделать нужный бизнесу виз или рассчитать нужный показатель требуется писать код на JS или питоне). И наоборот, если решение по выбору системы принимает не бизнес, а ИТ, то выбрать могут по чисто техническим характеристикам, решив, что все красивости это блаж и без них все будет норм. Статья о том, что лучше учитывать все параметры в комплексе, оценив их вес для вашей конкретной организации. Тогда есть шанс снизить ошибки в условиях нынешнего цейтнота. На веса параметров выбора должны влиять и ИТ, и бизнес, и аналитики. Им же вместе потом делать миграцию и жить с тем что получится в итоге.
У Вас свое мнение и оно понятно. Но оно не единственное. Если решение покупает CDTO или CDO и бюджет их, то может они выберут по каким-то чисто техническим соображениям. А если бизнес, то простота и удобство, да и красота тоже, будут более важными факторами. И не нужно думать, что они ничего не понимают и выбирают не правильно, как неразумные дети. Они выбирают и потом пользуются и решают задачи своего бизнеса. А для чего это все внедряется, как не для бизнеса. Не для того же, чтобы в блоге писать про то какая крутая там архитектура. Про LuxMS знаем конечно.
Производительность оттачивается и оптимизируется в реальных проектах у живых клиентов. Никто не заморачивается оптимизацией, если клиентам это не требуется. Поскольку большинство российских BI решений используется не в ритейле, телекоме и банках, а в госведомствах, то требования к обрабатываемым массивам данных и скорости их обработки не были очень высоки. Сейчас, с учетом сложившейся ситуации, BI вендоры выходят на новые для себя рынки - крупных коммерческих компаний с большими объемами данных, со сформировавшимися потребностями в скорости обработки (Tableau и Co приучили к секундному отклику). Это будет суперстимул для доведения до ума решений в части производительности. Посмотрим на результат через годик.
Для любого инструмента можно придумать или найти задачу, которая его сломает. Это нормально. И DS не исключение. Главное правильно подобрать и применять инструмент для тех задач, которые Вы решаете на регулярной основе. А если есть какая-то уникальная задача, то ее можно решить разово и на чем угодно, на чем удобно. В хорошем BI основное преимущество в том, что он удобен и для разработчика и для пользователя. Позволяет быстро и просто решать большинство типовых задач построения дашбордов и анализа данных. В крутом BI 99% операций делается мышкой за минуты. При этом в обычном BI инструменте это все тоже можно сделать, только за часы и с использованием скриптов на JS, питоне и пр.
Согласен с InnovaIT. Зачем было писать в заголовке Индустрия 4.0, если эта тема вообще не затрагивается. Лучше профессионально написать про ИБП и люди проявят интерес. Те, кому это на самом деле надо.
А что значит «фактическое исполнение заказа было 20%». Разве может работать какая-то математика или автоматизация вообще, если из заказанного перечня привозят реально только 20%. А остальные 80% где теряются?
Извините за дубликат. Какой-то сбой и комментарий сохранился только наполовину.
Мои знакомые написали целую обвязку для Python, которая автоматически и быстро делает в хакатонах кучу работы по генерации производных параметров, проверке разных гипотез, чтобы людям оставалось только поработать мозгами для выхода на выигрышную модель. Сделать среднюю модель на любом современном инструменте не так сложно, а вот модель-победитель это огромный предварительный труд и в какой-то степени искусство. У большинства организаций, по моему опыту, проблемы в области применения аналитики совсем не в точности моделей. Для них реально jini 0,5 и 0,8 примерно одно и то же. И эффект от применения моделей в этих организациях ограничен вовсе не точностью, а другими факторами.
Мои знакомые написали целую обвязку для Python, которая автоматически и быстро делает в хакатонах кучу работы по генерации производных параметров, проверке разных гипотез, чтобы людям оставалось только поработать мозгами для выхода на выигрышную модель. Сделать среднюю модель на любом современном инструменте не так сложно, а вот модель-победитель это огромный предварительный труд и в какой-то степени искусство. У большинства организаций
Высокая цена SAS это похоже неотъемлемая часть бренда :). Но для тех, кто реально хочет купить, могу сказать, что SAS пользуются и Микрофинанс, и Коллекторы и даже ВУЗы. Для каждого находится свое ценовое предложение. А кроме того, не нужно забывать про облака. Они точно спасут тех, кто не готов сразу сильно потратиться.
Очевидно, что десять лет назад и сейчас у людей совершенно разные представления о usability. SAS BI Server (который входил по умолчанию в DWH платформу) это был как раз привет из 2000-х. Потом ему на смену пришел Visual Analytics, а сейчас это вообще принципиально новая платформа SAS Viya, включающая не только VA, но и Visual Statistics, Visual Data Mining and Machine Learning, Visual Forecasting, Visual Optimization, Visual Investigator и т.п. Там с usability все гораздо лучше чем было и я надеюсь, что для пользователей эти продукты вполне на современном уровне. Кстати в SAS теперь можно писать и на R и на Python. Если хочется. На эту тему много ссылок. Например тут www.youtube.com/watch?v=jo7l2eMDKA8
Выигрывать соревнования гораздо проще на том софте, который разработан для выигрывания соревнований. SAS тоже конечно можно под это заточить, если найдется тот, кому это будет нужно. Но обычно SAS используют для другого. На сегодня SAS это промышленная аналитическая платформа, на которой реализован широкий спектр «готовых» аналитических решений для бизнеса. И используют его в первую очередь в реальных бизнес-процессах, для зарабатывания денег. Когда аналитика должна глубоко встраиваться в процессы организации и работать в постоянном режиме, в реал-тайме или близко к тому.
Короткие ролики есть на youtube. Например, как этот www.youtube.com/watch?v=R0DwYKefGEQ. Про выделение контрольных групп. Если посмотреть все ролики, то какое-то представление как с этим работать сложится. Но идея осветить какие-то интересные темы и на хабре правильная. Но это наверное должно быть не верхнеуровневый ликбез для новичков, а что-то гораздо более глубокое. Какие-то лайф-хаки по работе с решениями SAS. Основанные на опыте преодоления реальных трудностей в реальных проектах.
Superset прекрасный продукт для своего сегмента, но это opensource и его сравнивать с FineBI сложно. Ведь задача была Self-Service поддержать, как это было в Табло. Чтобы пользователи без ИТ и без программирования могли свои дашборды делать и данные анализировать. На Superset порог входа для пользователей гораздо выше. Да и скорость миграции немаловажна. Если с Табло на FineBI банк смог мигрировать довольно быстро и фактически своими силами, то миграция на Superset это был бы большой и сложный проект с большим объемом чд архитекторов, аналитиков, разработчиков.
Выбирали, выбирали. И довольно тщательно. Тут не было жесткого требования наличия ПО в реестре, поэтому смотрели не только российские продукты, но и решения из Китая
Кажется, что самое главное, что следует из статьи, что задачу Self-Service с помощью FineBI решили. Это главное, что отличает этот продукт и, как я понимаю, в этом он свою функцию в МКБ выполняет. Правильно подмечено, что для Self-Service очень важно наличие комьюнити. Но по FineBI оно на самом деле есть и одно из крупнейших в этой области в РФ. https://t.me/FineBIChat. 1132 человека на сегодняшний день. И очень живое. Десятки сообщений каждый день. Причем именно опытом люди обмениваются, что ценно.
Понимаю, что кто-то сам является экспертом в выборе систем BI и в импортозамещении. У эксперта всегда есть собственное мнение и большой объем материалов по теме в запасе. Только вот не стоит думать, что все остальные тоже суперэксперты в этом вопросе и что чужой совет для них абсолютно бесполезен. Тема резкого импортозамещения новая и многие с ней только пытаются освоиться. Количество запросов упомянутой в статье таблицы сравнения говорит, что материал очень востребован. На истину в последней инстанции никто не претендует, но это сейчас и не нужно. Большинству заинтересованных требуется просто структурированный взгляд на проблему импортозамещения BI. В этом и заключается наша помощь. А дальше уже каждый сам сможет подобрать для себя оптимальный вариант, исходя из своей конкретной ситуации. Мы не вендор. Мы не даем массовые советы что выбирать Визиолоджи, Полиматику, FineBI или что-то другое. Но показываем какие критерии стоит принять во внимание и какие плюсы/минусы у разных вариантов. Конкретные рекомендации даем только конкретным клиентам, хорошо разобравшись с их ситуацией и приоритетами. И то, по факту все равно требуется, пилот чтобы провалидировать выбор.
Что касается выбора вместо специализированного BI какой-то другой технологии, вплоть до предложений дать аналитикам Питон или R и пусть сами разбираются, то считаю это утопией. Это можно сравнить с тем, как в СССР после революции пытались вывести нового советского человека, вместо того, чтобы работать с обычным человеком и его обычными потребностями и мотивами. Вывести нового потребителя BI (антиBI) если и получится, то очень не скоро. Нормальный self-service BI тем и хорош, что заточен под конкретную задачу и за счет этого сильно снижает для аналитиков и бизнеса порог входа и трудозатраты на анализ и разработку нужных дашбордов. А если брать какой-то универсальный инструмент, то, конечно, на нем можно сделать все что угодно, но на практике делать это никто не будет и в итоге никуда из своего Экселя не вылезет. А вот в Табло и Power BI из Эксель переходили, и не единицами, а тысячами.
Илья, у нас у всех какой-то бэкграунд. Но не считаю, что то, что кто-то говорит априори не интересно и неправильно только исходя из его бэкграунда или должности. Кто-то просто не интересен, а кто-то всегда интересен вне зависимости где он сейчас работает и чем занимается. Думаю, что длинная междусобойная дискуссия не совсем формат Хабра. Хочу лишь подчеркнуть еще раз, что производительность и архитектура это важные составляющие BI решения. Они в статье упомянуты отдельно, как факторы, которые нужно принимать во внимание. Просто требования к этим параметрам у всех очень сильно разнятся. И то, что у какой-то системы супербыстрый движок, не обязательно приводит к ее выбору, если система слишком сложна для использования бизнесом (чтобы сделать нужный бизнесу виз или рассчитать нужный показатель требуется писать код на JS или питоне). И наоборот, если решение по выбору системы принимает не бизнес, а ИТ, то выбрать могут по чисто техническим характеристикам, решив, что все красивости это блаж и без них все будет норм. Статья о том, что лучше учитывать все параметры в комплексе, оценив их вес для вашей конкретной организации. Тогда есть шанс снизить ошибки в условиях нынешнего цейтнота. На веса параметров выбора должны влиять и ИТ, и бизнес, и аналитики. Им же вместе потом делать миграцию и жить с тем что получится в итоге.
У Вас свое мнение и оно понятно. Но оно не единственное. Если решение покупает CDTO или CDO и бюджет их, то может они выберут по каким-то чисто техническим соображениям. А если бизнес, то простота и удобство, да и красота тоже, будут более важными факторами. И не нужно думать, что они ничего не понимают и выбирают не правильно, как неразумные дети. Они выбирают и потом пользуются и решают задачи своего бизнеса. А для чего это все внедряется, как не для бизнеса. Не для того же, чтобы в блоге писать про то какая крутая там архитектура. Про LuxMS знаем конечно.
Производительность оттачивается и оптимизируется в реальных проектах у живых клиентов. Никто не заморачивается оптимизацией, если клиентам это не требуется. Поскольку большинство российских BI решений используется не в ритейле, телекоме и банках, а в госведомствах, то требования к обрабатываемым массивам данных и скорости их обработки не были очень высоки. Сейчас, с учетом сложившейся ситуации, BI вендоры выходят на новые для себя рынки - крупных коммерческих компаний с большими объемами данных, со сформировавшимися потребностями в скорости обработки (Tableau и Co приучили к секундному отклику). Это будет суперстимул для доведения до ума решений в части производительности. Посмотрим на результат через годик.
Для любого инструмента можно придумать или найти задачу, которая его сломает. Это нормально. И DS не исключение. Главное правильно подобрать и применять инструмент для тех задач, которые Вы решаете на регулярной основе. А если есть какая-то уникальная задача, то ее можно решить разово и на чем угодно, на чем удобно. В хорошем BI основное преимущество в том, что он удобен и для разработчика и для пользователя. Позволяет быстро и просто решать большинство типовых задач построения дашбордов и анализа данных. В крутом BI 99% операций делается мышкой за минуты. При этом в обычном BI инструменте это все тоже можно сделать, только за часы и с использованием скриптов на JS, питоне и пр.
Согласен с InnovaIT. Зачем было писать в заголовке Индустрия 4.0, если эта тема вообще не затрагивается. Лучше профессионально написать про ИБП и люди проявят интерес. Те, кому это на самом деле надо.
Мои знакомые написали целую обвязку для Python, которая автоматически и быстро делает в хакатонах кучу работы по генерации производных параметров, проверке разных гипотез, чтобы людям оставалось только поработать мозгами для выхода на выигрышную модель. Сделать среднюю модель на любом современном инструменте не так сложно, а вот модель-победитель это огромный предварительный труд и в какой-то степени искусство. У большинства организаций, по моему опыту, проблемы в области применения аналитики совсем не в точности моделей. Для них реально jini 0,5 и 0,8 примерно одно и то же. И эффект от применения моделей в этих организациях ограничен вовсе не точностью, а другими факторами.