Chartio granskning och betyg

Chartio har designat sitt självbetjäningsverktyg (BI) för att fungera i ett av två grundlägen. Antingen kan man ha en individuell licens (som kostar $ 150 per användare per månad) eller som en laglicens (som börjar på $ 249 per månad). Användare har valet mellan dra-och-släpp-interaktivt läge eller SQL-läget (Structure Query Langiuage). Medan SQL-läget är avsett för experter, kommer de flesta företagsanvändare förmodligen att vilja gå med drag-and-drop-funktionen. Chartio kan skryta med en imponerande processmotor men dess användargränssnitt (UI) är fortfarande för klumpigt jämfört med toppredaktörernas val IBM Watson Analytics. Chartio snubblar också hårt mot bättre erbjudanden som den användarvänliga Microsoft Power BI men det gjorde lite bättre mot Tableau Desktop, som också har några frustrerande gränssnitt för UI. Chartio har vissa saker att göra för det, men det slår inte våra redaktörers val IBM Watson Analytics, Microsoft Power BI och Tableau Desktop.

Chartio har 22 direkta datakällanslutningar, som täcker spektrumet från Amazon Redshift, Google Analytics (GA) och Google Big Query till CSV-filer, Azure, Hadoop, IBM DashDB, MySQL och PostgreSQL. Företaget säger att det finns ytterligare 150 datakällintegrationer tillgängliga via dess datapartners, en grupp som inkluderar HubSpot, Marketo, Salesforce och Zendesk Support. Chartio har en rad kontakter för molnbaserade relationsdatabaser, vilket eliminerar behovet av att ladda upp data till Chartio. Istället kan data helt enkelt ifrågasättas live från dessa databaser. Det är en marsch i rätt riktning när det gäller övergripande användbarhet och marknadskrav.

Tekniskt sett är Chartio snabb och kraftfull, med få brister. Det som håller tillbaka det är UI . Med den nuvarande UI-designen antar företaget mer sofistikerade affärsanalytiker än vad som är typiskt i den verkliga världen, särskilt nu när "självbetjäning" och datademokratiseringstrenderna blir så populära. Datavetenskapliga färdigheter är fortfarande svåra att hitta hos både anställda och sökande, och många användare kommer troligtvis att sakna kompetens även i statistik. Detta betyder den där, för att lyckas med en allmän affärspublik förväntas mycket mer av leverantörerna att kompensera för den skicklighetsbristen. Och det finns gnuggan med det här användargränssnittet: Användare kommer troligtvis att vara förvirrad över vad som räknas som en mätning jämfört med vad som räknas som dimensioner, även om Chartio erbjuder tydligt markerade alternativ i varje. Företaget måste arbeta med att göra sin teknik mer tillgänglig.

Om nya eller lågutbildade användare skulle börja vid UI skulle de troligtvis inte ha någon aning om vad de skulle göra. Med andra ord, även om Chartio har anvisningar, är de inte tillräckligt intuitiva för nybörjare eller till och med för många medelhöga användare. Detta utgör en allvarlig utmaning för datadokratisering och distribuerade BI-ansträngningar, vilket Chartio säger är dess mål med denna produkt.

Det finns dock en frälsande nåd. Chartio har en bra meny med guider, självstudier, videor och mer, undangömt under hjälpknappen. Det finns också ett direktmeddelanden (DM) -verktyg anslutet till en person på Chartio för att hjälpa till med eventuella problem. Det är bra om nybörjare faktiskt börjar med hjälpfunktionerna snarare än att slösa tid som snubblar runt UI. Det är också bra om du har en SQL-expert på ditt team.

Komma igång

IT påbörjar generellt konfigurationsprocessen genom att ladda de nödvändiga datamängderna och ställa in eventuella efterlevnads- och säkerhetsregler. Alternativt kan användare börja med att ansluta till datauppsättningar som de har i molnlagring eller ladda upp data från sina egna butiker med hjälp av en omvänd Secure Shell-tunnel (SSH).

Att ladda och preppa data är alltid den svåraste delen av att använda någon BI-app, inte bara Chartio, så förvänta dig några hicka i detta slut. Men det är inte alltid ett problem med produkten. I mitt fall kom problem från blips och dips med tillstånd av min internetleverantör (ISP) och den vanliga mullningen över vilken kontakt skulle fungera eller om jag behövde göra någon kartläggning först.

I slutändan laddade Chartios folk upp mina testdata för mig från ett offentligt Dropbox-konto, en process som härmar ett drag som användare kan ta inom systemet genom att bjuda in en företagsdatabasadministratör för att hjälpa till att skapa anslutningen. Denna inbjudan uppnås genom ett enda klick på sidan "Datakällor" i UI. Det är anmärkningsvärt att Chartio är en riktig webbaserad produkt som inte kräver någon installation på klienten, som Tableau Desktop och Microsofts Power BI gör. Allt från inläsning av data och förberedelse av data till analys och publicering är hanteras off-site. Dessutom är uppdateringar omedelbara och automatiska, vilket alltid är att föredra framför att behöva uppdatera eller korrigera programvara på din dator.

Upptäcktsprocessen

Som tidigare nämnts kommer UI-processerna och -villkoren att vara bekanta för medellång och avancerad datapersonal och affärsanalytiker men mycket förvirrande för de mindre erfarna eller nybörjare. Trots det kan inlärningskurvan väsentligt förkortas om användare tittar på lektioner på Chartios resurssida först. Snabbstartguiden borde vara obligatorisk och därefter kan du utforma din egen informella utbildningsplan från Chartios bibliotek med träningsvideor, dess Data Boot Camp och diverse vitböcker. När UI-navigering har räknats ut (och det kräver mycket arbete), är processerna ganska enkla.

Vid skrivandet kan användare välja grundläggande eller avancerade (beta) -versioner och välja ett av två lägen: Interactive eller SQL. Avancerad datapipeline finns i den avancerade (beta) -versionen och kan också aktiveras genom att lägga till ett nytt diagram till en instrumentbräda. Den bygger i huvudsak ett diagram över arbetsbelastningen - en visualisering av databehandlingen. Diagram och data kan slås samman eller ändras genom användning av lager med ett enkelt drag-and-drop-medel. Noder läggs till eller tappas på ungefär samma sätt.

Det interaktiva läget i basversionen är det enklaste att använda, men det är informativt att klicka över till SQL-läget för att se hur systemet skriver automatiskt kod från drag-and-drop-kommandona i det interaktiva läget. Det är en snabb vy in i den främsta fördelen med självbetjäning BI-appar i allmänhet: inget behov av att skriva kod eller bygga modeller.

I interaktivt läge väljer användare en datakälla från rullgardinsmenyn uppe till vänster, varefter systemet automatiskt presenterar ett antal alternativ anpassade till den datauppsättningen. Ett klick på tabellikonen visar data som en tabell, vilket hjälper användaren att se vilken data som finns där och vilken sanering som kan behövas, till exempel att eliminera tomma fält eller standardisera information som postadresser.

Alternativt kommer ett klick på namnet på datakällan att avslöja ett urval av mått och dimensioner, som effektivt leder användare till en lista med val som strukturerar frågan. Därifrån kommer ett klick på knappen Kör fråga att göra den resulterande analysen i en visualiseringsform som systemet har valt men som användare kan ändra med ett klick eller genom att lägga till lager.

Medan inställningen kan vara till hjälp, tyckte jag att den var något irriterande. För att komma till det jag verkligen ville veta, var jag tvungen att ta reda på datapipelinjen längst ner i UI - och dess något kryptiska kommandon - för att lägga till lager och blanda data, göra ändringar i kolumner och rader och utföra datatransformationer. Efter allt detta kom jag äntligen till den fråga som jag verkligen ville fråga hela tiden.

Som Bugs Bunny skulle säga efter att ha dykt upp någonstans, menade han inte vara: "Jag måste ha tagit en fel sväng på Albuquerque!" Egentligen tog jag flera fel vändningar men kom äntligen dit jag behövde vara. Det är emellertid som alla andra programvaror i det att när du kör igenom banorna ett par gånger blir det lättare. Ändå, för att Chartio ska träffa den höga stapeln som den så tydligt syftar till, måste den hitta ett sätt att driva processerna längre in i bakgrunden och föra en mer mänsklig vänlig aspekt till dess UI och skärmar, åtminstone för Interaktivt läge.

Datavisualisering

Val av datavisualisering är användbar snarare än konstnärligt, vilket innebär att du hittar det vanliga utbudet av pajer, staplar och linjediagram plus bubblor, kartor och spridningsdiagram. Det finns inget fel med utilitaristiska visualiseringar, eftersom snabbt och exakt överföring av information är målet och bekanta diagram tjänar detta syfte väl. Användare kan klicka på kugghjulsikonen för att komma till diagraminställningar för lite anpassning som färgändringar, teckensnittmanipulationer och borra ner variabler.

Verktyget väljer automatiskt en visualisering för att överföra resultatet från en fråga, men användare kan ändra det med enkla klick på alternativen nedanför den visade visualiseringen. Snapshots är en cool och användbar funktion eftersom den gör och sparar en PDF-kopia av instrumentpaneler så att du enkelt kan granska och jämföra historiska diagramdata. Men även med dessa funktioner, om att använda mer moderna eller avancerade visualiseringar är viktigt för dig, kommer du att ha det bättre med en av våra Editors 'Choice-vinnare, särskilt Microsoft Power BI och Tableau Desktop.

Inte utformad för Streaming Analytics

Chartio är, liksom alla sina konkurrenter i denna kategori, inte designad för realtidsströmningsanalys. Men uppdateringscyklerna är tillräckligt ofta för att analyser ska kunna kvalificera sig som i realtid i många fall. Det är lite chockerande för mig att detta är fallet över hela linjen med självbetjäning BI-appar med tanke på den kommande flödet av realtidsdata från Internet of Things (IoT). Sammanfattning: De flesta användare hittar inga problem med bristen på strömningsanalys för tillfället.

För närvarande rapporterar företaget att 80 procent av sina användare som använder produkten varje dag är integrera 15 datakällor i genomsnitt. Det är ett högt genomsnitt av integrerade datakällor som sannolikt innebär att Chartio-användare är sofistikerade datanvändare snarare än de ofta mindre skickliga användare längre ner i den växande kedjan av demokratiserade data. Detta är inte förvånande med tanke på hur få företag som verkligen har distribuerat BI till en sådan granulär grad.

De vanligaste användningsfallen för Chartio är marknadsföring, drift, produkthantering och försäljningsoperationer, och systemet är väl lämpat för alla dessa, så länge användarna är väl underbyggda i programvaran och helst har viss erfarenhet av dataanalys. Chartio använder maskininlärning (ML) och är helt webbaserad, vilket bättre positionerar den för att utföra i skala när data fortsätter att växa över tiden och med IoT: s tillkomst.

Förutom det utmanande användargränssnittet är Chartios andra märkbara fråga att den fortfarande är dyr jämfört med många av sina konkurrenter. Problemet är att de flesta små operationer sannolikt bäst tjänas med Chartios "Teamplan", som faktureras vara "upp till sex användare." När du börjar använda det kommer du dock att upptäcka att termen "användare" definieras som en redaktör och fem tittare . Jämfört med tävlingen är "redaktörer" vad de flesta skulle tänka på att vara typiska användare genom att de kan ansluta till datakällor, bygga diagram och instrumentpaneler och på annat sätt arbeta med verktyget. "Tittare" definieras som personer som kan se instrumentpaneler och diagram, men inte är anslutna till en datakälla och inte kan kratta med verktyget. Det innebär att för $ 249-per-månaders pris för teamplan får du bara en riktig användare. Detta verkar vara i strid med hela uppfattningen om distribuerad BI, som Chartio påstår stödja, och det kommer säkert att öka kostnaderna om du vill att ett stort segment av dina anställda verkligen ska arbeta med sina data.

Sammantaget är Chartio en lovande BI-plattform med stöd för de avancerade funktioner för datamanipulation som de flesta företag kommer att behöva från ett BI-verktyg. Dess prissättningstruktur och komplexa användargränssnitt kommer att vara problem för vissa människor, men i framtiden kommer det också att behöva utvecklas mer sofistikerad datavisualisering och strömning av dataanalysfunktioner. Ändå är dess kärnfunktioner säkert kapabla och värda att undersöka på väg till ett köpbeslut.