别再纠结!ThoughtSpot Cloud与DataFocus Cloud对比全揭秘

基于搜索的分析真正有助于企业精英实现自助服务。从以用户的视角思考出发,它将诸如"您业务的哪些部分不盈利?"等业务问题转化为可付诸行动的见解。ThoughtSpot Cloud和 DataFocus Cloud(DFC)引领着基于搜索的分析新时代。 DFC 以更合理的成本,拥有更全面的协作系统、更高程度的可视化定制以及更丰富的可视化效果。 尽管这两款工具在搜索方式和公式使用等方面有许多相似之处,但仍存在很多差异。阅读本文,助您挑选更适合您的工具。

1. 简介

ThoughtSpot Cloud旨在通过其易于使用的分析平台打造一个更注重数据驱动的世界。它是一款现代分析云工具,助力企业基于数据开展业务。 同样,作为一款软件即服务(SaaS)平台,DataFocus Cloud在云端提供便捷的数据分析和数据可视化服务。其目标是将企业精英转变为数据专家,DFC 能将人类语言转化为精美的可视化图表。

2. 对比

2.1 人工智能搜索

ThoughtSpot 中的搜索是交互式的,只有点击"GO"时才会查询数据。其搜索框中不能直接输入公式。输入错误信息后,必须清除错误部分才能创建公式。此外,它只允许用户输入结构化语言,且必须符合 ThoughtSpot 的语法,否则会报错且无法识别。ThoughtSpot 搜索部分不支持人工智能。 DataFocus 中的搜索是实时的,当用户输入文本时,搜索框会立即解析并返回结果数据。输入框支持直接输入公式。并且允许用户自由输入自然语言文本,我们的搜索框会自动从用户输入中解析相关信息并返回相应的数据结果。如果您发现解析结果不正确,还可以使用 GPT 解析来帮助理解您的问题,并借助人工智能大模型获得您想要的结果。

2.2 人工智能聊天

ThoughtSpot 中的人工智能对话功能称为 Ask Sage,但它只能在实时看板(liveboard)中操作。您需要先创建一个答案,然后将其固定到仪表板中,接着在相应的数据表详细信息中启用 Sage 功能。之后,您可以进入实时看板查看页面进行操作并使用 Ask Sage。此外,Ask Sage 只会将您的问题转换为符合 ThoughtSpot 语法的问题,不会为您提供分析和解决问题的思路。 DataFocus 中的人工智能对话功能称为 FocusGPT。您可以轻松进入 FocusGPT 页面与数据表进行聊天,并自由地与它交流。它会为您提供拆解思路。如果您的问题可以使用数据表中的搜索结果回答,它会直接将您的问题转换为查询问题并返回您的搜索结果数据。如果您觉得结果不符合预期,还可以手动修改。

2.3 数据洞察

ThoughtSpot 中的洞察数据功能称为 SpotIQ,它可以在搜索结果和数据表上执行以生成 SpotIQ 报告。其洞察数据方法仅提供三种趋势:异常值、相关性。 DataFocus 中也有数据洞察功能,它可以针对搜索结果和数据表执行。在搜索页面上,您不仅可以直接查看当前搜索结果的摘要内容,还可以直接看到使用五种洞察方法(趋势、异常值、相关性、突变和比例)获得的洞察结果。对于时间序列数据,我们还为您提供归因分析功能。为您提供全面便捷的数据分析。

2.4 界面

2.4.1 主页

对于新用户,ThoughtSpot 提供引导游览以帮助更好地理解和使用系统。用户可以通过右上角的信息中心重新访问引导游览。如图 2 - 1 所示,DFC 为初学者使用引导窗口来学习如何使用该平台,包括如何搜索关键词、创建图表等。

ThoughtSpot 的主页主要显示资源、指标以及热门的实时看板和答案,如图 2 - 2 所示。用户可以在主页上跟踪重要指标、搜索资源等。 DFC 的主页主要列出资源,如图 2 - 3 所示。可以通过右上角的"新手上路"按钮随时打开引导窗口。此外,用户还可以在此邀请其他成员。

2.4.2 数据页面

数据表的详细页面显示与该表相关的信息。如图 2 - 4 所示,ThoughtSpot 列出了列信息、连接信息、数据样本、摘要统计信息以及依赖的答案/实时看板。

如图 2 - 5 所示,DFC 显示与列、关系(连接)、预览以及依赖的答案/仪表板相关的信息。DFC 提供更多地理类型和父列来形成树状索引。此外,用户可以在此快速追加或覆盖数据。

2.4.3 搜索页面

ThoughtSpot 和 DataFocus 都将搜索页面分为三部分:列信息、搜索栏和可视化。不同之处在于:

  1. 撤销、重做、重置

ThoughtSpot 提供这些选项,以便用户在更喜欢之前的搜索结果时无需重新搜索。

  1. 列类型

DFC 在列名前显示小图标以显示列的类型。这些类型包括文本、时间、地理和数字,如图 2 - 6 所示。

3. 列显示

ThoughtSpot 中的列名按字母顺序排列,而 DFC 中按属性和度量进行组织。后者的显示方式更便于对属性和度量进行分类。

2.4.4 资源页面

  1. 标签

ThoughtSpot 云和 DataFocus 云都使用标签来快速对资源进行分类。不同之处在于 ThoughtSpot 使用文本作为标签,而 DFC 除了使用文本外还使用彩色圆点,如图 2 - 7 和图 2 - 8 所示。

  1. 资源

ThoughtSpot 的所有资源(答案和实时看板)都列在主页上,而 DFC 使用单独的资源模块来显示资源,包括项目、答案、仪表板和表格。此外,DFC 提供两种不同的显示方式:列表和缩略图,以满足不同的查看需求,如图 2 - 9 所示。

3. 操作

在 ThoughtSpot 的主页上,用户可以共享、删除资源并将其标记为收藏。而在答案/实时看板页面上,用户还可以应用标签、导出 TML 和编辑 TML,如图 2 - 10 所示。

用户可以在 DFC 的资源模块上移动、删除、导出、应用标签、共享、收藏、公开资源并更改资源的所有者,如图 2 - 11 所示。

2.4.5 导航栏

ThoughtSpot 云的导航栏位于顶部,而 DFC 的导航栏位于顶部和左侧。

ThoughtSpot 有 8 个不同的模块,DFC 有 10 个。除了主页、搜索、资源、管理/用户中心页面外,ThoughtSpot 还有一个"SPOTIQ"页面来帮助自动分析数据,以及一个"DEVELOP"页面来构建交互式数据应用程序。DFC 提供日志模块来查看操作日志、数据模块来查看资源的使用分析和访问 API、管理页面来设置不同资源的配置以及进行管理。

仪表板可以固定在 DFC 的顶部导航栏上。因此,用户可以随时快速访问那些重要的仪表板,如图 2 - 12 所示。

2.5 数据源

在 ThoughtSpot 的免费试用版中,用户可以上传 1 个扁平数据文件(CSV),限制为 10 M,或者连接到云数据仓库,如 Snowflake、Amazon Redshift 等。

DataFocus 云提供 4 种获取数据的方式,免费试用版仅限制容量,而不限制获取数据的方式:

  1. 导入本地文件(多种文件类型),限制为 500 M;

  2. 上传数据仓库,适用于数十亿数据等大数据场景;

  3. 连接到数据库。DFC 在这里作为一个数据仓库,并实时更新资源。此外,可以同时连接不同的数据库。然后用户可以同时对来自不同数据库的数据表进行连接分析;

  4. 在授权外部资源后使用 API 访问数据

以下是 DFC 支持的数据源类型。

DataFocus还向用户展示了所有数据表之间的关联性。更重要的是,它支持通过APIs导出数据的功能。

2.6 易用性

2.6.1 搜索

界面的差异在[第 2.1.3 节](#第 2.1.3 节 "#_%E6%90%9C%E7%B4%A2%E9%A1%B5%E9%9D%A2")中描述。 ThoughtSpot 和 DFC 在此处都可以使用多个数据表。此外,添加列的方式类似:在搜索框中输入、双击列名以及使用添加按钮。 一个主要的区别是,ThoughtSpot 会突出显示搜索栏和数据窗格。用户需要点击"Go"或未突出显示的区域来确认搜索。DFC 没有设置突出显示,系统会在选择列后自动返回结果。 另一个区别是,在 DFC 中,搜索栏上的列名可以移动以更改顺序,一些可视化图表(如表格)会相应地改变。在 ThoughtSpot 系统中,列名的顺序不能直接移动,用户需要重新输入搜索栏或在表格中拖动列。

2.6.2 关键词

ThoughtSpot 和 DFC 都提供了一系列关键词,包括时间、字符串、排名等。 DFC 支持更丰富的关键词,例如:前 2 到 5 名、增长量、每月的前 5 天等。效果如下所示。

2.6.3 筛选器

这两款工具都支持通过关键词进行筛选,在表格、图表轴以及实时看板/仪表板上添加筛选器。此外,用户可以批量添加筛选器。不同之处在于:

  1. 选择 DFC 还支持直接在图表中进行筛选,点击并选择区域以包含数据。然后点击"重置"按钮使隐藏的数据再次显示,如图 2 - 17 所示。

  2. 筛选器表单 筛选器表单基本相同。DFC 还提供时间和度量的最小值和最大值,以帮助用户确定边界。在属性方面,DFC 提供"排除空值"选项。

  3. 实时看板/仪表板上的筛选器 在编辑模式下,用户可以在 ThoughtSpot 的实时看板上添加筛选器。不过,在免费试用期间,用户可能没有添加筛选器的权限。 在 DFC 仪表板的查看页面上,通过点击数据点或选择图表的某个区域,所有图表将同时进行筛选,如图 2 - 19 所示。点击"恢复"按钮可以取消此效果。

2.6.4 公式

可以通过搜索框或公式编辑器添加公式,并且公式可以嵌套,即可以在另一个公式中使用公式。ThoughtSpot 和 DFC 提供各种类型的公式,包括转换、聚合、时间等。此外,借助公式助手,用户可以更轻松、更快速地编写公式。 为了方便用户,DFC 利用提示来帮助更快地编写公式(也会提示语法)。DFC 的完整公式列表在此处显示:[公式列表](<wiki.datafocus.ai)。%25E3%2580%2582 "http://wiki.datafocus.ai)%E3%80%82")

2.7 数据处理

为了处理数据,ThoughtSpot 和 DataFocus Cloud都使用视图/中间表创建嵌套查询。此外,连接操作可以应用于视图/中间表。

DFC 有两种不同类型的中间表:中间答案表和中间连接表。前者通过搜索 - 分析页面创建,并以聚合形式显示度量,而后者在表模块或资源模块上创建,并显示与原始数据表相同的数据。

此外,DFC 提供一些高级数据转换功能:

  1. 行与列的转换

行和列可以自由转换,无需复杂的公式或操作,并且转换效果可以随时取消。

  1. 列拆分

拆分后的列数(拆分数量)和拆分分隔符可以自定义。因此,用户可以根据需要拆分列。此外,数据表的结构不会改变。

  1. ETL 工具

DFC 有自己的 ETL 工具,用于从不同来源提取数据。

2.8 可视化

2.8.1 表格

两款工具支持的表格类型

  1. 视图表/网格表

普通表格以二维形式展示数据。

  1. 透视表

透视表使用树状结构展示数据。

DFC 支持的另一种表格类型是交叉表,它以多维形式展示数据。交叉表可以满足各种复杂的业务需求,如图 2 - 25 所示。

配置

  1. 视图表/网格表

ThoughtSpot 和 DFC 都支持数字格式、汇总统计以及一些表格格式配置。然而,DFC 提供更多类型的配置,包括颜色、对齐方式、索引、热力图模式等。详细的网格表配置可在此查看:[表格属性](#344 - 表格属性)。

  1. 透视表

除了上述功能外,ThoughtSpot 还支持透视表的热力图模式、透视汇总以及压缩行标题。

与网格表类似,DFC 中的透视表可以配置热力图模式、颜色和字体。此外,还可以在此处添加小计行以展示更多细节,如图 2 - 24 所示,蓝色行即为小计行。透视表的完整配置可在此查看:透视表

  1. 交叉表

同样,用户可以设置表格的字体、颜色、对齐方式,还可以添加并固定标题、总计列和行,如图 2 - 26 所示。

2.8.2 图表

ThoughtSpot 支持 25 种类型的图表,且定制性相当有限。用户只能选择显示标签或一些辅助线。

DFC 支持超过 50 种类型的图表。具有高度的定制性,用户可以根据不同的图表类型更改颜色、格式、悬浮文本以及其他图表配置。

从四个方面描述具体的图表:

  1. 常见图形

对于最常见的图表之一------饼图,ThoughtSpot 仅支持一种形式,如图 2 - 27 所示。

DFC 提供多种形式,如饼图、玫瑰图、环形图和旭日图。

2. 地图

ThoughtSpot 提供地理气泡图、地理热力图和地理区域图。

DFC 支持几种不同类型的地图,如轨迹图、GIS 位置图、经纬度位置图、3D 地球柱状图等。此外,用户可以上传自己的地图或地理数据。

  1. 高级图形

ThoughtSpot 提供蜡烛图来展示价格随时间的波动,如图 2 - 31 所示。

DFC 支持一些更高级的图形来展示不同类型的数据,如和弦图、网络图、子弹图、箱线图等。

4. 动态图形

DFC 还有动态图表来展示数据随时间的变化或添加动画以使可视化更加生动,如时间序列气泡图、3D 地球飞行线等。

2.8.3 实时看板/仪表板

ThoughtSpot 的定制程度相对较低,尤其是在实时看板方面,而 DFC 的仪表板可以高度定制。差异从三个方面介绍:

方面 ThoughtSpot 云 DataFocus 云
添加答案 答案页面 仪表板编辑页面
图表大小 5 种预设大小 自定义
布局 固定网格 2 种布局:自由、网格
  1. 添加答案

在 ThoughtSpot 中,用户只能在答案查看页面将答案添加到实时看板。

而在 DFC 中,用户可以在仪表板编辑页面添加或替换答案。

  1. 图表大小

ThoughtSpot 上的图表大小可以更改为 5 种不同的预设大小,而 DFC 上的图表大小可以通过输入高度和宽度进行自定义。此外,图表可以自由拖动以更改大小。

3. 布局

ThoughtSpot 中的图表可以在网格中自由移动,其他图表会相应地调整位置。

DFC 中的网格布局与 ThoughtSpot 中的布局类似。而在自由布局下,图表可以任意移动,如图 2 - 36 所示。

除了上述方面,DFC 还支持许多其他不同的仪表板定制。例如,用户可以添加文本、图像、视频和媒体对象,在此查看整个自定义对象:[自定义组件](#532 - 自定义组件)。此外,还提供了一系列模板来帮助用户更快地创建仪表板,如图 2 - 37 所示。

2.8.4 速度

在响应搜索、更改图表类型等方面,DataFocus 云比 ThoughtSpot 更快。

2.9 资源管理

如[第 2.1.4 节](#第 2.1.4 节 "#_%E8%B5%84%E6%BA%90%E9%A1%B5%E9%9D%A2")所述,ThoughtSpot 和 DFC 使用标签来帮助管理资源。此外,DFC 有两种显示模式以满足不同的查看需求。为了在答案或其他资源之间切换,ThoughtSpot 和 DFC 都有小导航栏来快速在不同类型的资源之间切换。

此外,DFC 有项目,类似于计算机中的文件夹。因此,用户可以将各种资源放入项目中以更好地对它们进行分类。

2.10 协作

在免费试用期间,用户可能无法使用 ThoughtSpot 中的权限或组功能。然而,即使在免费试用期间,角色和部门模块也对所有用户开放。

2.10.1 权限/角色

为了让不同用户拥有不同的能力,ThoughtSpot Cloud使用权限,而 DataFocus Cloud使用角色。 权限包括"可以管理 ThoughtSpot"、"可以下载数据"等,由管理员设置和授予。此外,权限是用户可以执行的详细操作,如下载、编辑、共享等。 另一方面,角色是根据不同模块进行分类的,如资源、部门、日志等。然而,这些角色是预设的系统角色,用户也可以添加自定义角色以满足更多需求。可以为不同的自定义角色设置详细的权限,如成员是否可以编辑仪表板,如图 2 - 42 所示。查看完整的角色列表:[角色](#1011 - 角色)。

2.10.2 组/部门

权限被分配给组,然后用户被添加到组中。因此,组可以决定成员被允许做什么。此外,组可以属于其他组。 DFC 中的部门更像现实中的部门,每个用户可以属于一个或多个职位以及部门。然后,通过分配不同的角色,用户可以访问不同的资源。例如,"技术"部门下"前端"部门的"开发人员 Bob"可以添加和管理新资源。在此查看整个部门结构:[部门结构](#1013 - 部门结构)。

2.10.3 共享

通过点击 ThoughtSpot 中的共享按钮,可以通过电子邮件将资源共享给用户或组。 DFC 内的共享有两种不同的方式。一种是在系统内为成员分配访问权限,另一种是通过外部查看地址,外部用户可以通过链接或二维码查看和与资源进行交互。

2.11 成本

ThoughtSpot Cloud和 DataFocus Cloud按使用量/容量计费。下表显示了完整的定价计划。

ThoughtSpot - 团队版 ThoughtSpot - 专业版 ThoughtSpot - 企业版/通用版
按月计费 在线购买 按年计费 按使用量付费 按使用量付费
每月 95 美元 每月 2500 美元 联系销售

3 结论

ThoughtSpot Cloud和 DataFocus Cloud是两款引领时代的基于搜索的数据分析工具。在关键词方面,搜索可能有很多相似之处,但界面、可视化、用户管理等方面差异很大。 ThoughtSpot Cloud在团队版中提供广泛的关键词搜索和协作功能。然而,可视化相对较少,尤其是在可视化及其定制方面。 DFC 拥有丰富的图表类型、图表配置和仪表板配置,使可视化更加美观和生动。此外,全面的系统使协作更加容易和系统化。DataFocus Cloud将继续创造更好的数据分析体验。在此试用:DFC

相关推荐
云小遥1 小时前
Cornerstone3D 2.x升级调研
前端·数据可视化
学掌门2 小时前
用Python做数据分析之数据处理及数据提取
开发语言·python·数据分析
芳菲菲其弥章4 小时前
【数据分析三:Data Storage】数据存储
数据库·数据挖掘·数据分析
用余生去守护7 小时前
vba学习系列(11)--批退率&通过率等数据分析
学习·数据分析
lilye6612 小时前
精益数据分析(101/126):SaaS商业模式优化与用户生命周期价值提升策略
大数据·数据挖掘·数据分析
anyup1 天前
10000+ 个点位轻松展示,使用 Leaflet 实现地图海量标记点聚类
前端·数据可视化·cursor
springfe01012 天前
图形化表达方法
uml·数据可视化
終不似少年遊*2 天前
【数据可视化】Pyecharts-家乡地图
python·信息可视化·数据挖掘·数据分析·数据可视化·pyecharts
仟濹2 天前
「Matplotlib 入门指南」 Python 数据可视化分析【数据分析全栈攻略:爬虫+处理+可视化+报告】
python·信息可视化·数据分析·matplotlib