در این بخش گزارش گاتنر Gartner 2023 در ادامه بخش قبل به بررسی نقاط ضعف و قوت نرم افزار های هوش تجاری Google ، IBM ، Incorta و PowerBI می پردازیم.
ابزار هوش تجاری گوگل در گزارش گارتنر Gartner یک چالش است. Google Cloud’s Looker یک پلتفرم ABI با معماری ابری است که تجزیه و تحلیل های بسیار کنترل شده، از جمله تجسم های خودسرویس و یک لایه مدل سازی معنایی مبتنی بر LookML را ارائه می دهد.
استودیو Looker می‌تواند به تنهایی در یک ظرفیت سلف‌سرویس کار کند. پلتفرم هوش تجاری متمرکز بر توسعه‌دهنده Looker یک چارچوب مشترک و کنترل‌شده نسخه‌ای را برای ساختن BI داخلی و برنامه‌های کاربردی به مشتریان ارائه می‌دهد.
در سال 2022، گوگل پلتفرم Looker را یکپارچه کرد، علاوه بر این، Google دسترسی مستقیم به Google Sheets ، Salesforce (Tableau) و Microsoft Power BI را فراهم کرده است، و دامنه‌ی دسترسی به لایه معنایی تحت کنترل خود را گسترش داده است.
نقاط قوت نرم افزار هوش تجاری Google
- لایه Governed self-service semantic: ابزار هوش تجاری گوگل اکنون LookML را به مجموعه ابزارهای داخلی خود، از جمله Looker Studio (سابق Data Studio) و Google Sheets اضافه کرده است. این اتصال local را برای Salesforce (Tableau) و Microsoft Power BI به عنوان یک لایه Governed self-service semantic ارائه می دهد.
- پشتیبانی تصمیم و منابع گردش کار: Looker شامل «بلوک‌ها»، داشبوردهای از پیش ساخته شده و قابلیت‌های اکتشاف داده است. بلوک‌ها بر اساس مدل‌های داده LookML ساخته شده‌اند که از داده‌های منابع داخل و خارج از محیط Google Cloud Platform (GCP) استفاده می‌کنند.
- یکپارچه سازی GCP : Looker از یکپارچه سازی عمیق با فناوری های داده منبع باز که از طریق پلتفرم گسترده تر هوش تجاری Google Cloud ارائه می شود، سود می برد. ابزارهایی از جمله Dataproc، Dataprep و Composer .
نقاط ضعف نرم افزار هوش تجاری Google
- تمرکز بر توسعه‌دهنده/مهندس داده: برخلاف مدل‌سازی داده‌های کشیدن و رها کردن بصری و تجزیه و تحلیل پیشرفته رقبا، Looker به برنامه‌نویسی برای توسعه‌دهندگان و مدل‌سازان داده نیاز دارد.
- حلقه مدل‌سازی تحلیلی ناقص: یکپارچه‌سازی مجموعه ابزارهای Looker، به‌ویژه استودیو Looker، قابلیت‌های پشتیبانی‌شده برای تجزیه و تحلیل سلف‌سرویس را به ارمغان می‌آورد که قبلاً به تنهایی در Looker امکان‌پذیر نبود. با این حال، هیچ مسیر توسعه‌ای برای گنجاندن بینش‌های ایجاد شده در استودیو Looker در مدل معنایی Looker گسترده‌تر وجود ندارد.
- تقویت بومی محدود: بینش خودکار در مقایسه با رقبای Looker ضعیف باقی می‌ماند. برخی از قابلیت‌های این دسته تنها در صورت ترکیب محصولات Google خارج از Looker، مانند BigQuery ML، در دسترس هستند.
IBM
IBM در گزارش هوش تجاری گاتنر ” Gartner 2023 “یک چشم انداز است. IBM Cognos Analytics با Watson قابلیت‌های اصلی ثابتی را در سراسر استقرار ترکیبی، چند ابری، عمومی و درون محل ارائه می‌دهد. Cognos Analytics در Cloud Pak for Data را می توان در AWS، Azure، GCP و IBM Cloud مستقر کرد.
مشتریان ممکن است انتخاب کنند که از آن همراه با مجموعه کانتینری سرویس های D&A IBM، از جمله ذخیره سازی، مجازی سازی داده ها، پالایش داده ها، کاتالوگ داده و خدمات DSML استفاده کنند.
در سال 2022، IBM مرکز محتوای Analytics را اضافه کرد، یک قابلیت پلتفرم جدید که دارایی های تجزیه و تحلیل سازمان را از چندین فروشنده از جمله IBM، مایکروسافت، Salesforce و Google یکپارچه می کند. با تجزیه سیلوهای تحلیلی، کاربران می توانند به محتوای چندین فروشنده پلت فرم ABI دسترسی داشته باشند.
همچنین، آی‌بی‌ام چندین پیشرفت در قابلیت‌های تقویت‌شده‌اش ایجاد کرد، فیلتر موجودیت زمانی، پیش‌بینی چند متغیره، کتابخانه سری‌های زمانی، تولید زبان طبیعی و جستجو را بهبود بخشید.
نقاط قوت نرم افزار هوش تجاری IBM
- پیشنهاد جامع و نقش‌های پشتیبانی شده: ابزار هوش تجاری IBM یکی از معدود فروشندگانی است که می‌تواند از گزارش‌دهی سازمانی، کاوش بصری کنترل‌شده و سلف‌سرویس در یک پلتفرم پشتیبانی کند.
- گزینه‌های استقرار انعطاف‌پذیر: پلتفرم هوش تجاری IBM گزینه‌های استقرار از جمله در محل، SaaS، میزبانی شده در IBM Cloud و استقرار با پلتفرم IBM Cloud Pak for Data ارائه می‌دهد.
- نقشه راه برای اعمال تجزیه و تحلیل در همه جا: IBM یکی از معدود پلتفرم های ABI را برای «? what if» ارائه می دهد.
نقاط ضعف نرم افزار هوش تجاری IBM
- کاهش آگاهی از بازار:نرم افزار هوش تجاری IBM تلاش های قابل توجهی را برای بازاریابی D&A گسترده و چشم انداز خود با محوریت IBM Cloud Pak for Data انجام داد. در حالی که این چشم انداز همگرایی بازار را از نظر تکنولوژیکی در بر می گیرد، بر اساس پرس و جوهای گارتنر، این پیام با ارزیاب های بازار همخوانی ندارد.
- عدم وجود محرک‌های پذیرش فروش: علیرغم اینکه IBM یک فروشنده بزرگ با پیشنهاد D&A گسترده است، IBM از یک برنامه کاربردی محل کار دیجیتال “uplift” (به عنوان مثال، Google Workspace، Microsoft 365، Zoho Workplace) بهره می برد.
- قیمت در مقابل جایگزین های فروشنده ابری: قیمت مجوز اشتراک Cognos به ازای هر کاربر در هر ماه برای مشتریان جدید به میزان قابل توجهی کاهش یافته است، در حالی که قیمت هر کاربر بالاتر از سایر ارائه دهندگان Cloud Service است.
Incorta
Incorta یک ابزار هوش تجاری حاشیه ای در این گزارش گارتنر است. پیشنهاد ارزش کلیدی Incorta توانایی آن در مدل‌سازی سریع داده‌ها از برنامه‌های کاربردی سازمانی مانند SAP، Oracle، Salesforce و JD Edwards است.
در سال 2022، نرم افزار هوش تجاری Incorta Marketplace معرفی شد – ویترینی برای برنامه های کاربردی داده و اجزای برنامه که شرکا و مشتریان می توانند در آن مشارکت داشته باشند. فروشنده همچنین فهرست برنامه های داده خود را که محتوای از پیش ساخته شده را برای آنها فراهم می کند، گسترش داد.
نقاط قوت
- گزارش‌دهی عملیاتی چابک: کاربران تجاری می‌توانند با شاخص‌های عملکرد کلیدی سطح بالا (KPI) شروع کنند و به جزئیات سطح تراکنش بپردازند، پرس‌و‌جوهای موقتی را صادر کنند و به مناطق عملکردی و منابع داده دسترسی پیدا کنند.
- امنیت و مقیاس پذیری: ابزار هوش تجاری Incorta با میلیاردها رکورد کار می کند که صدها بار در روز به طور مستقیم از برنامه های سازمانی به روز می شوند. Incorta یک پلتفرم واحد را ارائه می دهد که می تواند در سطح دپارتمان شروع شود، اما عملکرد و حاکمیت، از جمله امنیت دقیق، مورد نیاز برای پذیرش سازمانی را فراهم می کند.
- جذابیت قوی برای مشتریان با بلوغ پایین: بازخورد مشتریان نشان می‌دهد که Incorta تمایل دارد در فهرست نهایی سازمان‌هایی قرار بگیرد که سطح بالایی از بلوغ داده و تجزیه و تحلیل ندارند و به دنبال تقویت سریع قابلیت‌های خود هستند که عمدتاً از خودکارسازی فرآیند ایجاد انبار داده ناشی میشود.
نقاط ضعف
- فقدان عملکرد برای مصرف کننده تقویت شده: پلتفرم هوش تجاری Incorta فاقد NLQ، بینش خودکار و قابلیت های همکاری است. مشتریان Incorta باید برای این قابلیت‌ها به ادغام با شرکای شخص ثالث اعتماد کنند.
- رقابت از packaged analytic applications: بیشتر کسب و کار Incorta از ادغام با برنامه های بزرگ سازمانی ناشی می شود. به‌طور فزاینده‌ای، فروشندگان برنامه‌های کاربردی سازمانی، پلتفرم‌های تجزیه و تحلیل کاملاً جامع و BI را در برنامه‌های خود تعبیه می‌کنند و تقاضای کلی برای یک پلتفرم اتوماسیون انبار داده مانند Incorta را کاهش می‌دهند.
- عدم آگاهی از بازار: داده‌های جستجو و جستجوی گارتنر و همچنین بررسی آگهی‌های شغلی در وب‌سایت‌های شخص ثالث، شتاب کمتری را برای Incorta نسبت به رقبا نشان می‌دهد.
MS - PowerBI
مایکروسافت در گزارش گاتنر به عنوان یکی از لیدر ها شناخته میشود . پلتفرم اصلی ABI آن، Power BI، از طریق Microsoft 365، Azure و Teams یکپارچه‌سازی، قیمت‌گذاری انعطاف‌پذیر، عملکرد بالاتر از حد متوسط، دسترسی زیادی به بازار دارد.
در سال 2022، ابزار هوش تجاری PowerBI قابلیت ردیابی متریک را اضافه کرد که به تیم ها امکان می دهد اهداف و اولویت های کلیدی خود را در یک تجربه بصری مشترک هماهنگ کنند.
نقاط قوت
- همسویی با Microsoft 365، Teams و Azure Synapse: گنجاندن ابزار هوش تجاری Power BI در Microsoft 365 E5 کانالی عظیم برای گسترش این پلتفرم فراهم کرده است. از آنجایی که بسیاری از مشتریان برای همکاری از راه دور به تیم‌ها مراجعه می‌کنند، امکان دسترسی به Power BI و اکنون «اهداف» در همان رابط Teams یک ادغام قانع‌کننده برای کاربران تجاری است.
- ترکیب قیمت/ارزش: سرویس Power BI اکنون برای هر کاربر پیشنهادی دارد که برای سازمان‌های کوچک‌تر با 300 کارمند یا کمتر جذاب است. سازمان‌های بزرگ همچنان می‌توانند گزینه‌ی هر ظرفیت را انتخاب کنند، که با کاربران بیشتر مقرون به صرفه‌تر است. .
- سبد قدرت و جاه طلبی محصول: مایکروسافت چشم انداز روشنی برای استفاده متقابل از Power BI، Power Apps و Power Automate برای افزایش ارزش کسب و کار دارد. Power Apps را می توان در داشبورد Power BI جاسازی کرد یا می تواند به مجموعه داده های Power BI دسترسی داشته باشد.
نقاط ضعف
- حاکمیت ایجاد و انتشار محتوا: گارتنر تعداد فزاینده‌ای درخواست‌هایی از مشتریان Power BI دریافت می‌کند که در تلاش برای کنترل فرآیند ایجاد و انتشار محتوای تحلیلی هستند. مشتریان نگرانی خود را در مورد راه های متعدد برای انجام بیشتر وظایف مانند مدل سازی داده ها یا تبلیغ محتوا ابراز می کنند. به عنوان مثال، وظایف مدل‌سازی داده‌ها را می‌توان با مجموعه داده‌ها، داده‌ها، جریان‌های داده و Dataverse انجام داد.
- معماری باز و بدون headless محدود: در حالی که اکثر مشتریان خدمات Power BI از ادغام دقیق معماری مایکروسافت قدردانی می کنند، تقاضای فزاینده ای برای مشاهده قابلیت همکاری بیشتر در بین پلتفرم های رقابتی BI وجود دارد. به طور خاص، بسیاری از مشتریان Power BI به عنوان یک کاتالوگ تجزیه و تحلیل ، مایلند ادغام بازتر و بدون سر و صدای بیشتری با محصولات رقابتی مایکروسافت ببینند.
- Azure به عنوان تنها گزینه استقرار: مایکروسافت به مشتریان انعطاف پذیری برای انتخاب پیشنهاد IaaS ابری نمی دهد. در حالی که اتصال داده سناریوهای ابری ترکیبی را فعال می کند، سرویس Power BI آن فقط در Azure اجرا می شود. با این حال، مشتریانی که از Azure استفاده می‌کنند می‌توانند از قابلیت‌های دسترسی جهانی و چندجغرافیایی ارائه شده توسط پلتفرم ابری مایکروسافت استفاده کنند.
