作为 Tableau 忠实粉丝，每每使用国产 BI就“哀其不幸，怒其不争”——这里的“不幸”并非时运，而“不争”也不是像帆软在市场宣传方面毫无下限。我所言的“不幸”是惋惜国产 BI 几乎成为了鱼虾混杂的泥潭，“不争”则是缺乏清醒的产品经理和研发人员。
如果有哪家产品做的真的好，哪怕没有达到 Tableau 或者 PowerBI 的世界一流水准，我也是乐意鼓掌的，但目前的现状却是，明明产品一团糟，却宣传恨不得说“世界第一”；产品中的用词混乱、符号不一，背后的设计毫无章法。
某个意义上，很多国产 BI 的宣传简直是“降低 BI 民智”的“毒药”！这是我不能容忍的。
WARNING：近期有厂家举报我的文章，说是伤害了“国产 BI”，网信办的工作人员很无奈地打电话来让我写个说明。有这个闲情，不会好好做做产品吗？ 另外，我的 wordpress是付费服务，托管在境外，不属于国内管辖。即便如此，我也没有捏造谣言吧。 请某些产品自重！
否则我就免费给你们做做宣传，把你们地产品拆解一下，让所有用户都看看是什么情况 ！
为了让BI 厂家稍加清醒，我希望冒着一点点商业风险，来一个测评系列。
特别说明：为了降低某些风险，B 站的测评系列设置了充电可看。
- QuickBI——“名”不副实
- 帆软——“抠脚大汉”
- 永洪——“英雄”迟暮
- 观远——失衡“少年”
- SmartBI— “老骥伏枥”
一、QuickBI——国产BI 的“奇迹”和”后发劣势“
眼看它起高楼，眼看它宴宾客，眼看它满bug……作为第一款测评产品，也是我最为失望的产品，也许是 Gartner 的光环给了我太高期待，最后反落得最痛心。
- 国产 BI 的“奇迹”：QuickBI 的“后发劣势”（上） 2024/10/10
- 国产 BI 的“奇迹”：QuickBI 的“后发优势”（中） 2024/10/19
- 国产BI的“奇迹”：QuickBI 计算功能测评（下） 2024/11/10
- 大失所望！QuickBI产品试用、评测视频三则 2024/2/2
1、数据：关于数据源和数据集（上）
连接数据体验很差、维度度量设置错误、计算体验糟糕，可见背后完全没有章法，几乎确定是某些开源工具之魔改（从计算角度看，似乎与有数 BI 有“同源”之处）
远离 Quick，BI 健康：QBI 数据准备和数据模型 2024/5 重新录制
为什么重新录制？因为它没有关系模型，却要给人关系模型的错觉！联结、关系、连接都分不清！
比如下图所示，你满心欢喜地以为自己在构建一个关系，结果却只是一个 Join，就像一个人拿着入学通知书去了“清华大学”，进了门才知道“青鸟大学”！
视频如下，点击可跳转到 B 站：
2、可视化，羸弱不堪
神奇的转聚合？数据类型和字段角色设置错误！无法设置多个坐标轴、筛选功能太差……
2024/10更新一篇博客，特别说明为什么逻辑上有问题：国产 BI 的“奇迹”：QuickBI 的“后发优势”（中） 2024/10/19
3、关于计算(下)
存在太多限制性要素，虽然学习了 lod 函数，但整个计算的体系明显有不自洽之处。
【2024/11补充】近期新写了一篇文章，批评计算的体系，欢迎参考 国产BI的“奇迹”：QuickBI 计算功能测评（下）
比如，最基本的 SUM（）<0判断无法完成、LOD 无法嵌套 if、缺乏筛选优先级设置……
如若总结一句话，我就想说：
你到底凭“什么”进的 Gartner？？？配吗？
二、帆软FineBI —— Report 的灵魂？不羁的商业？
如果说 QuickBI “最不应该”进入 Gartner，那么帆软 BI 就“最不能”。它的产品实力和市场宣传野心之间的割裂，会在披上 Gartner 外衣之后进一步癫狂，让他们更加认清不到自己的处境。
最新发布： 帆软BI6.1升级有感：“天下苦秦久矣” 2024/6/18
1、数据连接和准备
看似大而全，其实是过度迎合市场和缺乏主见的结果。
2、可视化：学习不足，形式有余
缺乏可视化最重要的支点（字段的连续 和 离散角色分类），所以 tableau 框架只能“形似”难说“神似”。
3、高级计算不“高级”？
走火入魔的计算体系。
国产BI之帆软（下）高级计算“不高级” 2024-05-04 22
三、永洪 vividime-——换个马甲想出海，你还好吗？
永洪这几年发展慢了，落后于市场。
1、数据源和数据集测评
——结论：毫无数据模型的概念，计算亦无章法。
2、报告编辑
3、【国产BI测评】永洪BI：可视化尚可，筛选和计算“乏善可陈”
四、观远 BI——后起之秀，路在何方？
个人目前相对喜欢的国产 BI，虽然易用性较好，专业性不足，但技术主导、必要的自律、订阅的责任，让市场正在接受它。
1、国产BI之观远（上）数据中心：易用性和功能的取舍 V1.1
2、观远可视化：易用性背后
【国产BI之观远BI（中）：简单可视化及其限制性-哔哩哔哩】
3，观远分布分析，筛选和计算
⚠️ 函数缺乏有效性验证等问题，官方承诺正在修复，不日上线。
【国产BI之观远BI（下）：分布分析、筛选和计算评价-哔哩哔哩】
总而言之，观远是易用性不错，但深度欠佳的 BI 新生态，对业务场景理解略显不足。
五、SmartBI
放弃，不值得。
六、最后的对比（更新中）
Apr 28, 2024 补充；May 12, 2024 更新 quickBI
| 产品名称 | 数据集/模型 | 字段角色、计算 | 可视化 |
|---|---|---|---|
| Tableau/基准 | 10 分（评价基准） 1、物理层和逻辑层双层结构； 2、逻辑关系支持多对多、基数、引用完整性，支持自定义计算匹配 3、物理层易用，JOIN 和 Union 功能清晰 4、功能之间的衔接匹配，性能考量 | 10 分（评价基准） 1、维度、度量，连续、离散，行级别、聚合，多种字段角色清晰、合理，没有歧义 2、数据类型不简、不繁，逻辑分类位置合理 3、基于计算的自定义（组、筛选、集等）功能合理 4、性能（从隐藏、计算角度评估） | 10 分（评价基准） 1、可视化框架清晰，易用性与可扩展性 2、分布分析：从简单到高级的易用性 3、基于高级计算的分析易用性（FIXED） |
| QuickBI | 4分 1、 2、本地数据连接体验差，限制性多、物理名称映射竟然用于join 连接，Join 没有 right join；数据准备和数据集割裂。 3、数据集中 隐藏、移除功能混乱 4、数据集阶段的维度、度量分类不合理，“分组维度”也不好 | 3分， 1、数据类型、字段角色、显示格式，三层混乱，竟然在计算字段时选择！底层逻辑缺乏章法！！- 5 2、关联计算设计错误， 3、聚合判断、LOD计算嵌套无法实现。 4、隐藏功能设置不合理（性能因素） | 5分， 1、不支持多坐标轴、颜色配置体验差、 2、筛选功能弱、…… |
| 永洪 vividime | 5分， 1、Excel没有模型层，无法在数据集中落指标； 2、数据集支持关系、ETL 和物理层 Join，但功能割裂严重。 | 5分， 1、维度、度量设置看似合理，但实则逻辑混乱——聚合可以转维度可见 2、连续和离散， 3、数据类型支持弱 4、隐藏功能设置不合理（性能因素） | 5分， 1、可视化定制弱， 2、筛选、过滤列功能设计极其不合理！筛选功能弱 3、BUG 较多（计算、FIEXD 不支持嵌套） |
| 观远 BI | 3分， 1、没有关系模型， 2、物理层处理需要 ETL（易用但功能混乱） | 6 分 1、卡片易用 很不错，组合简单 2、筛选功能略显孱弱 3、高级图形不足，易用性建立在深度不足基础上 | 7 分 1、计算字段必须选择数据类型，函数设定不佳 2、高级计算，比如窗口函数、LOD 缺失 3、 |
| 有数 BI | |||
| 帆软 BI | 4.5分， 1、物理层，功能混乱、衔接错乱，数据类型过于简单， 2、逻辑关系，易用性差（基数为必选），没有引用完整性，不支持计算 3、数据准备和 ETL 混杂在一起，可能引起性能问题，功能混乱。 4、数据模型阶段无法写 聚合指标，影响指标一致性 （严重问题） 5、关系模型似乎不支持多个匹配条件，不支持计算，不支持引用完整性 ——模型脆弱得很！ | 6.5分 1、支持维度和度量分类 2、没有连续、离散的可视化字段角色 3、字段缺乏独立性，计算转角色无法编辑，视图计算缺乏易用性，不支持视图中角色调整（维度<>度量） 4、排序功能设计不合理 5、筛选功能设计不合理，聚合筛选无法解释 6、分组功能混乱，没有数据桶、分层结构，没有集等功能 7、性能不足 | 5分 1、LOD 没有优先级，性能太差，设计不合理 2、没有窗口函数自定义功能 3、基础函数尚可 4、学习了 LOD，却没有对应的筛选功能，筛选设计乱七八糟 |
| Tableau | 10 分（评价基准） | 10 分（评价基准） | 10 分（评价基准） |
最后说明，所有测评没有经过任何厂家之道，仅仅代表个人立场。
6月23日 补充帆软说明