Sisense granskning och betyg

Sisense är ett företag som samlar ny fart i BI-utrymmet för självbetjäning. I september 2018 tillkännagav företaget en ny investering på 80 miljoner dollar från New York-baserade riskkapitalbolaget Insight Venture Partners. Om du känner till BI-verktyg kommer du sannolikt att bli imponerad av Sisense (som endast prissätts av anpassad offert). Det är en attraktiv produkt med betydande kraft. Sisense saknar fortfarande varumärkesigenkänningen för andra BI-tungvikter som IBM Watson Analytics och Microsoft Power BI. Men med sitt intuitiva användargränssnitt (UI) och det betydande djupet i dess datavisualiseringsfunktioner är Sisense allvarligt värt att överväga.

Medan dess UI och kommandon inte är så nära bekanta som Microsoft Power BI, är det ett allvarligt hot mot Tableau Desktop med tanke på dess översta hyllan funktionaliteter, till exempel in-chip snarare än i minne, och naturliga språkkommandon och frågor du kan använda i tredjepartsappar som Microsoft Skype och Slack. På allvar kan du ställa en fråga i Skype och Sisense kommer att besvara dig i Skype. Det räcker för att till och med IBM Watson Analytics ska sitta upp och ta uppmärksamhet. Inga bekymmer ännu, Watson, eftersom inte allt i Sisense stöder naturligt språk, vilket är en del av anledningen till att det inte är ett av våra redaktörers val.

På nackdelen är Sisense fortfarande lite för klumpig för att vara redo för prime time i en helt datademokratiserad organisation där du vill att människor ska använda data i sina jobbbeslut oavsett deras kompetensnivå inom datavetenskap eller statistik. Du vet, som alla i en given organisation kan använda Microsoft Word utan att behöva veta hur man skriver kod eller ens hur man stavar rätt. Det är riktigt att ha tillgång till Sisenses analys helt enkelt genom att sprida en naturlig språkfråga i en tredjepartsapp går långt mot att göra plattformen universellt användbar. Resten av plattformens användargränssnitt är dock fortfarande nödvändigt och det stämmer helt enkelt inte med den nivå av användarvänlighet som krävs för att tillfredsställa användare som inte är kunniga om data. Fortfarande arbetar företaget med denna svaghet och gör en förtjänst jobb som ger online-utbildning och lärdomar med ett välorganiserat supportavsnitt och en väl underhållen blogg.

Trots detta är detta en böter - vågar jag säga, badass- app det genomsnittliga och mycket skickliga affärsanalytiker kommer säkert att uppskatta. Det lyfter det mesta av bördan från skicklig personal, utan att behöva köpa ytterligare verktyg. Det är ett fullstackverktyg så det är mindre beroende av IT eller högkvalificerade resurser. Sisense spelar också trevligt med andra analyser och appar, vilket förklarar varför företaget tjänar hälften av sina intäkter från inbäddad användning i andra produkter.

Sisense har ännu inte nått kritisk massa på marknaden, men det kommer troligen att träffa den milstolpen snart. Samtidigt är företaget mamma på priser så du måste be dem om en offert. Det är också en nackdel med tanke på att det fortsätter att visa en låg total ägandekostnad (TCO). Det är svårt att göra matematik på detta krav utan att veta priset först.

Komma igång

Tänk på Sisense som består av två delar: Det finns det intuitiva webbgränssnittet och sedan finns det ElastiCube, Sisenses egna analytiska databas. ElastiCube måste laddas ner och köras lokalt, något jag inte har att göra med andra spelare.

Efter nedladdningen gick jag till Windows Start-menyn och öppnade Sisense ElastiCube Manager. Om du vill göra självstudien först med exempeldata som redan finns i systemet väljer du Arkiv> Ny ElastiCube-fil och namnger filen "handledning", "testning", "röra runt" eller något som senare kommer att betyda att det här är är inte filen du behöver för något annat. Följ sedan anvisningarna för att doppa tån innan du dyker ned i den djupa änden av poolen.

Efter att ha fått tillräckligt med kännedom om datavetenskap hoppade jag rakt in i djupet. Jag tittade på tutorials senare, och de är välgjorda och enkla att följa. Det är smartare att titta på dem först eftersom användargränssnittet inte är lika intuitivt som det borde vara och något av en besvikelse efter allt det naturliga språket.

Hur som helst, där var jag med Sisense öppen i min webbläsare och ElastiCube Manager öppen på mitt skrivbord. Jag gick rakt efter "Open File" på ElastiCube. Nej, det är tydligen inte vägen till mina uppgifter. Det tog upp lokala filer men skulle inte låta mig öppna mina CSV-filer (Comma Separated Values).

Därefter klickade jag på "Ansluta till data" och det tog mig till en guide med anslutningar, varav det finns gott om. Där fick jag veta att CSV-kontakten är en av flera som är förinstallerade. Ett klick till på "Arbeta med data", och det kom en fråga som pekade på en "+" -knapp där jag kunde ladda upp min lokala CSV-data.

Jag kommer att kalla de tre klickande humlarna och inga allvarliga famlar, vilket innebär att om du är en erfaren affärsanalytiker så är det inte svårt att utforska systemansökningen. Men om du inte är det, kommer du förmodligen att hitta dig själv helt förlorad, snabbt. Det finns en betydande inlärningskurva här så titta på lektioner och ta anteckningar.

Men kort sagt, klicka på Lägg till data, välj dina datakällor och ange dina inloggningsuppgifter efter behov för att ansluta. Alla tillgängliga tabeller presenteras i varje databas , och du väljer sedan de du vill använda. Du kan förhandsgranska och kartlägga flera datakällor innan du lägger till ditt schema. Skapa en koppling görs genom att dra och släppa. Stora datamängder kan kombineras i en enda kub. Efter det kunde jag analysera data och skapa instrumentpaneler med webbgränssnittet. Allt detta låter enkelt och det är om du har arbetat med BI-appar tidigare, men inte så mycket om det här är din första ansträngning att arbeta med data.

Du kan hämta in data från flera datakällor, inklusive eBay, Facebook, QuickBooks och PayPal. Det integreras också med molnlagringsplattformar som Box. Dessutom kan du integrera data från databas-som-en-tjänst (DBaaS) -plattformar som Google BigQuery.

När data laddats följde jag meddelandet till Build-kommandot där jag kunde konfigurera och bygga en ElastiCube. Där fick jag två alternativ: Bygg schemaändringar och bygg hela ElastiCube. Ännu en gång, första tidtagare och låga användare kan stanna ut och bli förvirrade. Jag valde det första alternativet och systemet tog cirka fyra minuter att slutföra bygg- och importprocessen. Då var jag redo att designa en instrumentpanel och köra valfritt antal ad hoc-analyser. Nu hade jag också en ElastiCube-fil på mitt skrivbord.

Upptäcktsprocessen

Klicka på "Dashboard" i ElastiCube Manager så flyttas du automatiskt till Sisense webbgränssnitt i din webbläsare. Alternativt, vid ett senare tillfälle, behövde jag inte öppna ElastiCube Manager först. Jag gick helt enkelt till webbgränssnittet för att använda data redan i ElastiCube. En gång blev jag ombedd att välja en datauppsättning (från de som redan finns i ElastiCube), alias en kub. Jag kunde också ge den nya instrumentpanelen ett namn här innan jag klickar på Skapa.

Under underrubriken "Widget" på nästa sida bad den mig att välja data igen. Men den här gången betydde det inte för mig att välja en hel datauppsättning eftersom jag redan hade gjort det på föregående sida. Snarare betydde det för mig att välja fält från tabellerna i de valda datamängderna. Om du väljer fält från olika tabeller som du inte redan har anslutit till får du ett felmeddelande - ännu en punkt i processen där affärsanvändare kan snubbla. Det finns ett "Try Again" -kommando men det gör ingenting om tabellerna inte är sammanfogade. Jag hoppade tillbaka till ElastiCube och gick med i borden där.

Från min kub valde jag fälten "märke" och "enhet" och sedan en visualisering: treemap. Klicka på knappen "Skapa", skrev en titel i titelfältet, lade till ett par filter och voila: Jag hade en interaktiv visualisering att utforska. Om du är en vanlig Tableau Desktop-användare tänker du att den här processen är cool och supereffektiv. Om du är mer en "Säg mig som det är" -användare av IBM Watson Analytics, kommer det att ta dig en stund att förstå nog om denna app för att verkligen uppskatta den.

Datavisualiseringar

Till skillnad från andra BI-appar med självbetjäning, är värdet av visualiseringar i Sisense inte i antalet design och format som du kan välja från, men i djupet av insikter de avslöjar. Kort sagt, de multidimensionella widgetarna gör interaktiva "drill till var som helst" visualiseringar som ger massor av insikter genom att helt enkelt bläddra med musen över dem eller klicka på olika avsnitt. Sisense låter också användare flytta om och ändra storlek på visualiseringar på instrumentpaneler innan de delas så att de är lättare att läsa i antingen e-post eller flödeslägen, vilket gör det idealiskt för visning på flera enheter.

Jag skulle dock hävda att det tillgängliga djupet för dess visualisering kanske är den viktigaste differentieraren för Sisense. Dessa innebär att en analytiker eller en lekman lätt kan upptäcka mer än de ursprungligen förväntade sig från någon given analys utan ytterligare ansträngning. Men för att denna fördel ska kunna realiseras fullt ut i en datademokratiserad organisation måste Sisense först göra det lättare för lekanvändare att komma till denna punkt.