阿里创业员工分享公司的BI选型之路！自研、开源的坑都踩过

一、业务背景与需求梳理

年初盘年度计划的时候计划今年要上BI的，但疫情的原因一拖再拖，也正好在那时候需求爆发，各种业务各种问题各种数据各种分析，意识到不上不行了，负荷扛不住啊，于是就开始立项，进行BI选型调研。

 

这里把自己的调研笔记整理成文分享，仅代表个人观点。

公司现在的数据需求主要分为两类：

• 临时需求：业务突然想看看这波活动的效果怎样，（数据指标的定义可能随时改，随时加）

• 固化需求：每周要看，每月要看的数据，（数据的定义已经非常明确）。

对于这两类需求，我们现在的处理方案是：

• 对于临时需求：写HQL到Hive里去查一遍，然后将结果转为excel发送给需求人员。

• 对于固化需求：编写脚本，结合Hive跑出结果，将结果写入对应DB库，然后通过第三方开源的BI工具进行汇总展现。

这样做简洁明了，但很明显的问题：

• 开发成本太高：每来一个需求，不管是临时需求还是长期需求，都需要进行定制开发，这种情况下，我们的人力深陷其中。

• 使用不灵活：一个报表，只能进行展示，没有分析功能，如果要进行分析，需要将数据复制到excel里，利用excel进行处理分析，而我们的数据使用人员不一定具备这种能力。

• 资源浪费：不同人员开发的报表，很多情况下存在很多重复计算。

• 体验吐槽：hue的查询速度特别慢，做select from简单的查询，要等一分钟以上（底层引擎tez太慢！！）

在这种情况下，我们准备构建其实就是选型一个多维分析平台，让业务方自己能够取数，而且最好不用SQL，因为我们的业务方大部分不会SQL(尽管我们已经开展SQL培训，但还是有一定门槛)。

基于以上，我们进行了BI选型的产品调研。

二、产品试用分析分析

基于大家讨论了解以及几个群里同行推荐比较多的BI工具，一轮筛选后，最后筛选出了下面几个产品作为重点调研对象：Superset、Metabase、FineBI。

1、Superset

 

整体上，个人体验下来，感觉如下：

• 安装教程较为蛋疼，和装mysql一样蛋疼

• 只支持单表获取，不支持表连接计算速度取决于你的数据库的速度

• 可视化选择非常丰富，基于经纬度的地理位置可视化方案有好几套

• 权限控制非常细，细到每个功能键；

• 可惜最大的问题是对于业务分析师的用户体验不是很好，可视化流程是要对不同图形方案做对应参数设置，权限控制也非常复杂。

各方面的具体情况如下：

1）数据源与数据管理

• 支持的数据库非常丰富：Druid、Hive、Impala、Kylin、Spark SQL、BigQuery、Pinot、ClickHouse、Google Sheets、Greenplum、IBM Db2、MySQL、Oracle、PostgreSQL、Presto、Snowflake、SQLite、SQL Server、Teradata、Vertica、支持上传本地CSV文件

• 数据表模型的管理，可设置字段类型，维度/可否过滤/可否做时间列，二次加工字段，统计指标

• chart可用的数据表得一个一个从数据库里添加（SQL工具箱可以全部看到），不是很方便。

• 深度支持durid

2）chart单图&dashboard看板

• 单图制作流程：选择数据源(表或视图)->选择图表类型->设置图表参数（指标/维度/过滤条件）。选择数据源只能从数据表列表页选择，进到分析页面后无法更换数据源；由于切换不同的图表类型时就要按照不同图重新填写参数，在自助分析时用起来不大方便；

• 支持的可视化图形种类十分丰富，48种可视化方案；

• 看板的过滤功能非常弱，连最基本的日期过滤组件没有，通过单图中的过滤器组件实现，只能针对单个数据表做出过滤组件，然后应用到看板上，此功能也很不方便。

• 提供简单的图表钻取探索功能（直接跳入到单图里面），但不支持图表的联动；

• 看板不能直接复制克隆，要做复制一个看板只能重新编辑选择单图；

• 看板支持自动刷新，刷新最小时间粒度为10秒

3）SQL查询

• 支持关联填补字段/表信息

• 支持跨库关联查询

• 一个多选项卡环境，一次处理多个查询

• 查询结果可视化，需要保存成视图，再跳转到chart页面；且需要对该视图做赋权（过程非常不方便）

• 可对查询历史记录做搜索；

• 支持使用Jinja模板语言 进行模板化，该语言允许在SQL代码中使用宏

4）权限管理

• 通过对角色设置权限，用户指定角色，实现权限的控制

• 权限控制的粒度非常细，支持功能型的权限控制（表的修改可细分到删除，新增操作），支持对菜单，数据源，数据表，字段，图表，看板的权限控制

• 权限的配置非常复杂，繁琐

• 不支持数据行级控制

5) 二次开发

• 技术架构：Python+Flask+Recat+Redux+SQLAlchemy

• 原属Airbnb的开源项目，背后有大公司团队支持维护，版本更新，bug修复，二次开发有较大保障

• 支持restful API

2、Metabase （开源，gihub star 15,670）

 

整体上，个人体验下来，亮点特色如下：

• 交互体验对业务人员非常友好。通过一个对看板和单图做了一个全局搜索的功能，营造一种”ask a question“的智能场景，即通过搜索框咨询，系统告诉你答案，且整个产品的界面非常简洁明。

• 制作单图时非常简单，以数据为中心，去选择不同的图形（不可选的图形自动打灰）。基本做到了半分钟就能完成一个单图的分析。

• 但但是最大的不足是权限管理实在太弱，只有可修改/可见的粗粒度控制，对表是否可删除都没法单独控制。

各方面的具体情况如下：

1）数据源与数据管理

• 支持的数据库相对较弱：Postgres、MySQL、SQL Server、Redshift、SQLite、Google BigQuery、H2、Oracle、Vertica、Snowflake、MongoDB、Druid、Presto、SparkSQL
  （特别需要注意的是：其中Druid的版本为2.0版本，所以不支持sql查询，威力大打折扣；另外也不支持Hive,Kylin）

• 统一的数据模型管理入口，添加数据表/视图后，设置维度/度量字段（该部分做得很细，设定的类型做了很丰富的扩展）

• 提供定时任务，数据库同步（小时级别）

• 自助的表字段信息透视功能，智能化探索，自动出看板，自动关联数据的分布（加分酷炫功能）

 

2）chart单图&dashboard看板

• 单图制作流程非常简单：选择数据源->选择过滤条件->选择分析指标->选择分组维度->选择可视化类型

• 支持的可视化图形种类仅能满足基本需求，14种可视化方案（包含漏斗、带变化的数字、地图）

• 对一些图表可做细节控制，比如表单按条件控制行颜色,调整字段位置，显示迷你彩条，前后缀设定

• 支持基本的过滤条件，包含日期段（通过筛选器的字段与单图中字段的关联）

• 提供简单的图表钻取功能，但不支持图表的联动

• 可一键复制已有看板

• 自动刷新数据最小粒度到1分钟

• 分享上支持：公开链接，公开嵌入（博客网页），在应用中嵌入

• 使用Pulses按计划发送数据给Slack（一个国外的聊天工具）或发送电子邮件

3）SQL查询

• 支持关联填补字段/表信息

• sql查询结果可直接切换图形展示方案

• 不支持跨库关联查询

• 原生查询中的变量允许使用筛选组件或URL参数来动态替换查询中的值

4）权限管理

• 通过对角色设置权限，用户指定角色，实现权限的控制

• 权限设置力度非常弱，只能设置是否可访问权限（可访问的数据可能直接被删除）

• 权限设置对象较浅：仅可对数据源，数据表，图表，分析项目集合的权限控制，不到数据行级

• 字段级的字段控制可设置可见不可见（敏感字段场景），但不能分角色管理

5）二次开发

• 技术架构：Clojure+Recat+Redux

• 提供了完整的API文档，可凭借丰富的API与文档完成许多二次开发

3、FineBI（商业）

（此处已添加小程序，请到今日头条客户端查看）

• 5分钟完成数据分析，零代码操作，点击和拖拽完成分析，可半小时内作出数据报表。

• 满足多样的分析需求，数据处理，探索式OLAP分析，自助数据分析

• 主打自助数据集功能，普通业务人员就能对数据做筛选、切割、排序、汇总等，自助灵活地达成期望的数据结果

• 一键实现数据共享与管控，细致精准的数据权限管控，数据和报告可在全公司内分享，分享结果实时更新

• 支持超大数据量分析，采用先进的列式存储，具备高效计算能力和强大的数据压缩能力，支撑前端快速数据分析。

 

整体上，个人体验下来，亮点特色如下：

• 上手使用需要适应下流程，先配置数据，处理自助数据集，再是可视化仪表板和图表，有点懵

• 制作可视化非常简单，交互有点类似Tableau，拖拽数据字段到维度框，立马呈现可视化，然后再基于可视化组件构建仪表板

• 有联动钻取功能大，也很智能，能自动关联到共性字段

• 数据处理功能很强大，自助数据集，能对数据处理的功能很多，包括分组汇总、修改数据字段、表合并等等

• 最大的亮点，权限控制非常细且实用，能细分到原始数据源、处理后的数据集、仪表板，能对不同角色用户管理，包括职位、部门等，有管理员和用户等权限管控，有点OA的味道，算是这几个里面最强大的

各方面的具体情况如下：

1）数据源与数据管理

• 支持的数据库非常丰富，下图可见

• 有个业务包功能，能够对不同的数据源做好分类，比如按部门或者按业务需求

• 可对数据表进行可视化管理、数据预览、血缘分析、关联视图等

2）chart单图&dashboard看板

• 可视化制作流程：连接数据源（数据库或导入excel）——自助数据集处理数据——根据数据制作图表组件——制作可视化仪表板。

• 可视化图表种类丰富，有50多种基本图表，然后加上图表间的重叠使用样式设置能达到100多种样式；

• 有分组、交叉、明细3种表格类型，特别复杂的表格不支持，有另外的报表软件finereport

• 仪表板有时间、文本、数值、查询等过滤组件，还有自定义条件过滤，过滤功能比较强大；

• 提供数据钻取、联动、跳转功能，能在仪表板直接互动，也能和其他仪表板互动，支持图表的联动；

• 组件、看板都可以直接复用，直接复制即可

• 有丰富的函数功能，在做可视化时可对数据进行二次的过滤、汇总、排序、以及自己写公式计算

• 仪表板有定时刷新功能，能单个仪表板、多个仪表板板和单个组件的自动定时刷新，需要JS写定时刷新频率

• 分享上支持仪表板公开链接，也可挂到它的决策系统中，也可嵌入到网页

• 仪表板直接分享、仪表板创建公共链接、挂出仪表板。

 

3）SQL查询

通过 JDBC 的方式直接连接数据库

• 支持跨库关联查询

• 支持SQL数据集，允许写SQL取数

• 支持可视化的数据预览，在业务包中添加并更新完成数据表以后，业务包编辑界面存在数据预览区域，可以查看已编辑成功的表数据。

• 可视化关联表和血缘分析

• 提供实时数据和抽取数据两种计算模式的 BI 工程

4）权限管理

• 可通过角色设置权限，权限受体包括部门、角色、职务、用户

• 可对人员管理、目录权限、管理系统、数据连接、数据权限（数据表）、分享权限、定时调度管理权限等设定权限，权限设置力度丰富

• 权限设置对象较深，可细致到组件还是数据行级

 

5) 二次开发

• 纯java开发，基本是零代码的工具

• 支持一定的二次开发，有API文档

总结

最后综合选型来看，此次BI选型的选项落在Metabase和FineBI，前者开源，后者商业。

 

开源有其弊端，权限功能太弱，没有平台运维的功能，界面都是英文，我们部门几个开发用还行，但考虑到后面可能面向全公司推广BI，选型上需要工具上手度能被业务方接受，且产品稳定性，需要技术和服务的保障。

 

横竖都是要采购成熟平台的，所以在预算可接受的范围内更青睐后者，功能满足度达90%，具体性能还得等测试，价格大概在二十万~几十万，看并发还有服务项目等。