Sap analytics molngranskning och betyg

SAV är något av en pionjär inom Big Data, databas och nu self-service Business Intelligence (BI) -verktyg. Det visar i det imponerande SAP Analytics Cloud (som börjar med $ 21 per användare per månad). Denna produkt är bäst lämpad för företag som redan har standardiserat andra SAP-företagsprodukter, men är en solid post i sig själv på grund av dess överkomliga pris, solida funktionsuppsättning och starka datavisualiseringsfunktioner. Med det sagt, betygsätter vi det lägre än våra redaktörsval IBM Watson Analytics, Microsoft Power BI och Tableau Desktop på grund av dess begränsade data prep-funktioner och ointuitiva verktygsfält.

Denna molnapplikation riktar sig främst till SAP HANA-butiker och för det mesta talar den fortfarande på datavetenskapens språk snarare än att prata som en människa. Det stör inte datapersonal, men i världen av datadokratisering av rang och fil betyder det att SAP Analytics Cloud inte är riktigt redo för prime time. UI: n är inte tillräckligt intuitiv för nybörjare och det finns inget sätt att använda naturliga språkfrågor som IBM Watson och Salesforce Analytics Cloud gör eller till och med konkurrenter Microsoft Skype och Sisense, inte mindre.

SAP har fortfarande gjort en del ansträngningar för att nå icke-datapersonal med sin "skapa en historia" -metod. Även om det inte är fantastiskt, gör detta ändå utan tvekan lättare för företagsanvändare att förstå än antingen Chartio eller Tableau Desktop, som båda har UI: er som kommer att göra att användare från början tror att de tittar på egyptiska hieroglyfer.

Som tidigare nämnts börjar SAP Analytics Cloud på $ 21 per användare per månad. Det är därför väldigt konkurrenskraftigt med resten av fältet, särskilt med högt prisade, företagsinriktade spelare som Domo. Där SAP Analytics Cloud lyser ljusare än avancerade konkurrenter, IBM Watson och Tableau Desktop är i sina omedelbara och enkla tillägg av responsiva sidor för publicering till mobila enheter, dess realtidsanalys med strömningsdata och den nämnda centraliserade användarupplevelsen (UX). Din IT-avdelning kan också få en centraliserad bild av företagets analystillgångar via den nya SAP Analytics Hub. Att betrakta SAPs BI Suite är lite fragmenterad över flera produkter, det är ett stort plus för IT-användare.

Bland de senaste uppdateringarna har SAP lagt till stöd för skript med R-språket, vilket nu är praktiskt taget obligatoriskt för datapersonal som arbetar med prediktiv analys och maskininlärning (ML), men inte så mycket för affärsanalytiker och allmänna användare. Det finns också en ny Apple iOS-mobilapp och live-anslutningar till SAP: s BW / 4HANA, S4 / HANA och Universes databaser. SAP Analytics Cloud kan dock ta in data från icke-SAP-källor, vanligtvis från hybridmiljöer. Det finns över 400 tillägg och ett enormt ekosystem för partner och utvecklare som hela tiden arbetar för att lägga till mer.

Komma igång

Ladda upp mina testdata var en bris och tog bara några sekunder. Det här var samma CSV-datauppsättning som jag testade alla BI-appar för självbetjäning ur ett affärsanalytikerperspektiv, vilket betyder att det var stort men inte stort.

Som jag nämnde är appen uppstart på ett berättande sätt för att hjälpa användare att gå igenom processen. Mitt första drag, med min affärsanalytikhatt, var att klicka på knappen "Skapa en ny berättelse" för att importera mina data och skapa en modell. Hade jag kopplat en datavetenskapshatt eller en avancerad användarhatt (som jag med rätta kan hävda som min), kunde jag ha hoppat över historieläget och gått direkt till modelleraren där jag kunde lägga till alla slags saker, till exempel formler, geoberikningar och hierarkier. Jag kunde också göra mer fantasifulla visualiseringar i slutet av borrningen, men tyvärr går jag inför min egen historia.

Story Mode är lika enkelt som SAP Analytics Cloud blir, men det finns en fångst. Uppgifterna ska vara rena innan du laddar upp dem, vilket betyder att inga fält saknas och inga avvikelser i data i något fält. Så se till att alla adresser skrivs på samma sätt, till exempel. Ange dem på exakt samma sätt eftersom det inte finns något enkelt sätt att göra något betydande förarbete efter att data har laddats upp - något vi gärna skulle vilja se förändra i framtida versioner. Ja, det finns en "Validera data" -knappen som snabbt kommer att returnera en kort rapport om din datahygien baserat på ett prov. Men saker blir lite grumliga där.

Vid första anblicken verkade systemet hålla sin virtuella näsa och bara antydde att mina data behövde saneras. Det sa till mig att det fanns en fråga men inte vad den frågan var. Eftersom vart och ett av rapportfältets fält hade information i dem antog jag att det var allt det hade att säga i frågan. Det var inte förrän jag klickade runt den rapporten att jag upptäckte mer information och därmed att problemet i slutändan var en kartläggningsproblem. Rutan för "Fyll tomma ID-celler med ett standardvärde" markerades som standard. Det finns inget tydligt sätt att indikera "applicera" eller "ok" eller "gå vidare nu." Inte ett idealiskt verktyg för förberedelse av data och anvisningarna saknar säkert för företag.

Upptäcktsprocessen

På stapeln överst finns flera symboler och lite text. Den första som läser från vänster är Data View. Det visar sig att det här är en databehandlingsvy, som låter mig göra några mindre dataförfaranden som att byta beteckningen på en kolumn från dimension till mått eller vice versa. Det här är inte något jag skulle kalla data prep, dock Det är verkligen datamanipulation, som inte är samma sak men en bra funktion ändå.

Måttkolumner innehåller kvantitativ numerisk information medan en dimensionskolumn är kvalitativ data och kan vara i siffror eller text. Med andra ord kan det vara användbart att ändra en kolumns beteckning, men det har sina gränser.

När jag klickade på Data View, använde systemet automatiskt allt jag sa till det att göra tidigare när jag träffade "validera data" efter importen, vilket inte var riktigt mycket. Det finns en sparaikon i fältet men du kan lätt förbise den medan du är upptagen efter att följa anvisningarna.

Nästa meddelande pekar på "Infoga" i den översta fältet och uppmanar dig att lägga till diagram och andra saker på sidan. Det visar sig att det är där du väljer mått, mått, diagramstrukturer och filter. Ja, det här betyder att "Infoga" är där du faktiskt börjar upptäcka data. Inte intuitivt.

Jag kommer inte att ta dig igenom varje kommando, men räcker med att säga att förutom den universella sparaikonen, den gamla välbekanta skivritningen, har nästan ingenting på den fältet varit meningsfullt för mig vad gäller vilka funktioner som låg under. Till exempel fick skiftnyckelsymbolen mig att förvänta mig inställningar eller ett systemverktyg men istället Jag hittade "Berättelsesdetaljer" och "Inställningar." Bara så att du vet är "Berättelsesdetaljer" där du ger ditt dokument en titel och en kort beskrivning, medan "Inställningar" är ett stort antal saker som sidstorlek och egenskaper och kakelinställningar. Det hela var lite förvirrande och lämnade mig att utforska systemet oftare än data.

Datavisualiseringar

SAP Analytics Cloud har grundläggande visualiseringar och föreslår automatiskt ett format som passar de data du valt men du kan ändra till ett annat format om du föredrar det. Du kan sedan kopiera och klistra in visualiseringen på en befintlig berättelsessida eller skapa en ny berättelse. Detta gör att du kan skriva en datahistoria i bilder och sedan skapa nya berättelser efter behov, som alla kan ändras när som helst. Mallarna är användbara när du berättar din berättelse på ett sammanhängande och sammanhängande sätt. Anpassningar är enkla med designpanelen och byggverktyget. Jag gillade den hela berättelseshistoriken eftersom det är det som använder datavisualisering: att berätta affärshistorien.

För fler alternativ i visualiseringar kanske användare också vill kolla in SAP: s nya Lumira 2.0-verktyg, som kombinerar Lumira-visualiseringar med SAP Design Studios.