Сравнение BI-платформ

2025-05-11T22:27:55.815Z

По заданию необхрдимо создать 2 дашборда из 3х визуализаций на 2х платформах. Прислать результат в отклик результат (ссылка, скриншот/картинка/видео) и вывод-впечатление о платформах.

Были выбраны:

Yandex DataLens
Looker Studio

Yandex Datalens:

- Подключение данных

Можно получать данные из загруженных файлов, Google Таблиц и разных аналитических сервисов. Также можно подключаться к базам данных в Yandex Cloud или тем, что доступны через интернет. Кроме того, есть возможность собирать аналитику с помощью токенов от сервисов-партнёров.

- Разнообразие диаграмм

Для создания доступны следующие виды диаграмм:

Линейная диаграмма
Диаграмма с областями
Нормированная диаграмма с областями
Столбчатая диаграмма
Нормированная столбчатая диаграмма
Линейчатая диаграмма
Нормированная линейчатая диаграмма
Точечная диаграмма
Круговая диаграмма
Кольцевая диаграмма
Индикатор
Древовидная диаграмма
Таблица
Сводная таблица
Карта
Комбинированная диаграмма

- Вычисляемые поля

Данная платформа дает возможность создавать свои поля для более удобного создания визуализаций, также там есть пояснения для каждого вида.

- Фильтры

Можно добавить фильтрацию по нужным полям.

- Параметры

Существует достаточно простой функционал по созданию разнообразных параметров и их добавлению на дашборды.

- Сортировка

Есть возможность сортировать визуализируемые данные по различным полям.

- Экшены

Есть возможность взаимодействия с различыми инструментами для фильтрации данных, ползунками, чекбоксами и т.д.

- Выгрузка дашборда/визуализаций в формате html-фрейма

<iframe src="https://datalens.yandex/z24zx7h0k7k6n" width="1080" height="800" frameborder="0"></iframe>

- Подключение данных

Имеется возможнось получения данных через гугл-таблицы, базы данных и аналитические сервисы от гугл. Также можно собирать аналитику со своих аккаунтов в сервисах-партнёрах (Facebook, spotify, amazon и т.д.). Можно загрузить файл напрямую и тп

- Разнообразие диаграмм

- Вычисляемые поля

- Фильтры

- Параметры

- Сортировка

- Экшены

- Выгрузка дашборда/визуализаций в формате html-фрейма

Сравнение:

KNIME

2025-04-21T04:02:52.321Z

Аналитическая платформа KNIME — это программное обеспечение с открытым исходным кодом и интуитивно понятным визуальным интерфейсом, позволяющее проводить анализ любого уровня сложности — от автоматизации электронных таблиц до ETL и машинного обучения. Он бесплатный, универсальный и сравнительно простой в изучении — совсем не обязательно уметь программировать, чтобы начать работать в KNIME.

ETL — это общий термин для процессов, которые происходят, когда данные переносят из нескольких систем в одно хранилище. Аббревиатура расшифровывается как Extract, Transform, Load, или «извлечение, преобразование, загрузка». Именно это происходит с файлами в процессе переноса.

Скачать KNIME можно отсюда: https://www.knime.com/

История и развитие

KNIME была разработана в 2004 году в Констанцском университете (Германия). Первоначально платформа создавалась для биоинформатики, но вскоре её возможности расширились до анализа данных в бизнесе, финансах, здравоохранении и других сферах. Сегодня KNIME активно развивается и поддерживается сообществом и коммерческой компанией KNIME GmbH.

С помощью KNIME вы сможете 👇:

подключаться к различным источникам данных: Excel, CSV, базам данных и др.;
можно легко очищать, фильтровать и преобразовывать данные. Это полезно для создания отчётов, анализа или подготовки к машинному обучению;
проверять статистические гипотезы;
применять алгоритмы машинного обучения;
записывать данные в различные источники — Excel, CSV, БД — или передавать данные по API.

Основные особенности:

Визуальное программирование: KNIME — это как конструктор из блоков: вместо написания программного кода вы просто соединяете готовые «кубики» (узлы), каждый из которых выполняет свою задачу. Например, один блок может загрузить данные из Excel, другой — почистить их от ошибок, а третий — построить график. Это удобно, особенно если вы не умеете программировать.
Модульность: Когда вы создаёте цепочку узлов, выполняющих определённую задачу (например, фильтрация и преобразование данных), вы можете объединить её в один большой блок — мета-узел. Такой блок можно сохранить и использовать в других проектах. Это экономит время и упрощает повторное использование уже сделанных решений.
Расширяемость: Если вам не хватает стандартных функций KNIME, вы можете добавить в рабочий процесс свои собственные блоки на Python, R или Java. Это полезно, если у вас есть специальные задачи или вы хотите использовать уже готовые фрагменты кода.
Открытость: KNIME — это бесплатная программа с открытым исходным кодом. Это значит, что её можно свободно скачивать, использовать и даже дорабатывать. У KNIME есть активное сообщество: люди создают новые узлы, делятся ими, помогают друг другу, пишут полезные статьи и обучающие материалы.
Дополнительные компоненты: В KNIME уже изначально доступен большой набор готовых компонентов (узлов) для работы с данными. Но при необходимости можно бесплатно установить дополнительные модули, которые расширяют возможности платформы под конкретные задачи. Есть расширения для обработки изображений, звуковых файлов, анализа текстов, биоинформатики, а также различные подключения к внешним сервисам — например, Git, OpenStreetMap, Google Cloud и многим другим. Выбор действительно большой, и почти под любую задачу можно найти нужное расширение.

Сложно ли работать в KNIME?

Работа в KNIME может варьироваться по сложности в зависимости от уровня подготовки пользователя и конкретных задач, которые необходимо решить. Для начинающих пользователей интерфейс KNIME предлагает интуитивно понятные инструменты, которые позволяют легко создавать рабочие процессы с помощью перетаскивания узлов (nodes). Это обеспечивает визуальное представление процесса анализа данных, что способствует его лучшему пониманию. Тем не менее, для более сложных задач, таких как работа с большими объемами данных, использование алгоритмов машинного обучения или интеграция с внешними системами, может потребоваться более глубокое понимание как самой платформы, так и принципов анализа данных. В таких случаях пользователям может потребоваться изучить дополнительные ресурсы и документацию, чтобы полностью использовать возможности KNIME.

Как начать использовать KNIME:

Установка: скачайте и установите KNIME с официального сайта https://www.knime.com/downloads. Следуйте инструкциям по установке для вашей операционной системы. Для установки будет необходимо заполнить форму, но это не является проблемой.
Создание рабочей области: после установки и запуска KNIME создайте новую рабочую область (workspace), где будут храниться все ваши проекты. При каждом открытии, если не поставить галочку внизу, вас будут спрашивать, какую директорию использовать в качестве рабочей области.
Создание рабочего процесса: для создания нового рабочего процесса необходмо перейти в "Home", а затем нажать на "Create new workflow". Это ваше рабочее поле, где вы будете строить пайплайны обработки данных.
Добавление узлов на рабочее поле: на панели «Nodes» найдите нужные узлы и перетащите их на рабочее поле. Затем соедините узлы последовательно, чтобы создать пайплайн.
Настройка узлов: дважды щелкните на узле или нажмите на узел, а затем на иконку настроек, чтобы открыть его настройки. Здесь вы можете изменить параметры, специфичные для данного узла.
Запуск рабочего процесса: после того как все узлы настроены и соединены, нажмите на кнопку «Execute» для запуска рабочего процесса. Вы можете просматривать результаты работы узлов, щелкая правой кнопкой мыши на узле и выбирая «View: Data».

Создание рабочей области

Создание нового рабочего процесса

Добавление узлов

Пример использования функций KNIME:

Возьмем узел file reader для чтения файла и настроим его, нужно выбрать путь, кодировку, поставить галочки при наличии заголовков и т.д.
Далее нужно выбрать какие столбцы нам нужны с помощью Column filter. В данном случае это столбцы "Порода собак" и "Рейтинг".
После этого берем узел sorter для того, чтобы отсортировать данные по рейтингу.
Далее я использовала узел Top k Row Filter для того, чтобы взять топ 15 пород собак.
После сортировки выводим результаты с помощью Bar Chart.

Создание Дашборда:

Для создания такого дашборда необходимо выделить с помощью shift узлы с графиками, а затем нажав на правую кнопку мыши нажать create component.

Данный дашборд получился после создания такой цепочки узлов:

mgwooorl

Сравнение BI-платформ

Yandex Datalens:

- Подключение данных

- Разнообразие диаграмм

- Вычисляемые поля

- Фильтры

- Параметры

- Сортировка

- Экшены

- Выгрузка дашборда/визуализаций в формате html-фрейма

- Подключение данных

- Разнообразие диаграмм

- Вычисляемые поля

- Фильтры

- Параметры

- Сортировка

- Экшены

- Выгрузка дашборда/визуализаций в формате html-фрейма

Сравнение:

KNIME

История и развитие

С помощью KNIME вы сможете 👇:

Основные особенности:

Сложно ли работать в KNIME?

Как начать использовать KNIME:

Пример использования функций KNIME:

Создание Дашборда: