【产品对比】赢在自我的战场：TABLEAU vs. 帆软(1)

最近很多人问TableauVS帆软的区别，此前一直没有深度用过帆软的产品，所以不能妄加判断；问的人多了，我想有必要努力公平客观的做一个对比。即便作为Tableau Partner，我也不想像高级五毛一样狭隘地对比单个产品功能的好坏，我希望尽可能客观、公平的对比两家公司的产品线、产品理念的上下文背景、不同的成长前景与体系，以及综合的部署成本。一年之后，我会重新修订此文，从而跟上变化中的形势。

我们完全不要假想在一个绝对度量下给两家公司不同的分数，并评价一个高低优劣，最好的产品不是成为“优秀的它”，而是成为“最合适和最优秀的自己”，因此不同的产品适合于不同类型、不同阶段的公司，或者服务于同一类客户的不同业务场景。当然，在更多的人眼中，也会有看点见的未来，真正的好产品既能活在当下，也能引领未来。

一、公司与产品线

帆软是国内BI领域最具有竞争力的企业；它倡导“为企业发展的不同阶段的提供一站式大数据BI解决方案”，包含了Report报表、BI商业智能、Mobile移动分析和可视化数据大屏四个细分产品。公司成立于2006年，至今员工超过1000+，累计合作客户8400家（Nov 2019官网）。我身边有几家企业在用帆软，特别是它的Report产品。

Tableau是国际上敏捷BI的代表，连续七年占据Gartner的BI魔力象限“领导者”地位，它的口号是“Tableau 帮助人们查看并理解数据”，如今的产品线包含Prep Builder、Desktop、Server三大金刚，以及Public、Reader、Mobile三大工具，并通过扩展和组件拓展了越来越宽广的边界，Data Management 和Server management尤为不错，可惜价格也很是不菲。公司成立于2003年，2013年在纽交所上市；员工超过3500+，全球客户86000+，中国4000+，每年营收超过1/3用于研发，也因此虽然股价很好，但是利润一直为负。

2019年6月份，Salesforce以157亿美元的高溢价全资收购了Tableau。独立的软件公司在独角兽公司挤压下生存会非常艰难，与最好而且磅礴发展的CRM公司强强合作，也是一种很好的归宿。

二者除了上述客观的差别之外，还有一个特别重要的不同，前者不仅是一家软件公司，更是一家服务公司，它通过实施服务与客户深度绑定，我想几乎可以用“无实施不帆软”来表示这种深度的依赖性——这几乎是双刃剑，有力推动了产品发展的同时，也影响了自助BI的成长。相比之下，Tableau更像是一家软件公司，主要提供通用型软件工具，虽然也提供白皮书、蓝皮书、行业交流活动等服务，但是一直以“销售性附加”的方式为之，这也限制了它在内容方面的积累，以及行业内的拓展速度——这是Tableau在国内持续“不适性感冒”的重要原因。

很明显，这是一家本土公司与国际化公司的差异，是深耕十几年中国市场的软件开发与实施服务公司，与世界级软件开发公司的差异。两家公司的产品线研发方向，虽然都有BI软件的底子，但是路线也迥然不同，我们会在易用性对比与本土化对比时分析二者的产品假设和路线。

二、产品对比的易用性维度

我用Tableau的时间稍久一些，近来也下载学习了帆软BI5.0，感觉确实差异不小。放下利益上的瓜葛，作为一名从业务出身的分析师，我想分享自己的个人观点，供大家参考。如有不恰当之处，欢迎各界人士随时批评，我也随时会修订。简而言之，我想从易用性与持久价值、前瞻性与平台性、本土化、综合成本等多个方面做一下对比。

1、易用性与持久价值

【小结】以我多年Tableau经验而言，在易用性上Tableau占据了绝对的优势，即便是与微软相比也毫不逊色，和帆软相比更是跑赢几条大街。它的“先问题后图形”的理念帮助它赢在面向业务人员、做到了真正的人人易用，而帆软Report几乎必须要看IT用户或者实施团队才能完成，BI工具也远非易用，有点像是传统BI的产品借助了业务BI的思维方式而已。所以帆软并非真正的BI软件，也难以做到真正的自助式分析。但是，它自有它赢的地方。

随着数据越来越被重视，将来会有更多的业务人员转向专职或兼职的业务分析，这类业务人员普遍没有系统的技术知识，跨界而来，产品的易用性就首当其冲是第一要求。一旦入门，接下来就要考虑产品能否带来长久的业务价值，这决定了客户对产品和服务的粘性。因此，易用性和持久价值，应该是横向对比产品的最重要因素。

先说Tableau，我当年花了两天的时间就爱上Tableau，对于像我这样没有技术背景的人，Tableau可以说是超然脱俗，令人爱不释手；不过一个月后因为LOD沮丧了很久，感觉一时无法理解LODs和表计算的抽象逻辑。三年后，我虽然已经可以给企业分享并做培训课程，但是诸如API等很多地方依然没有做到烂熟于胸，新推出的集值（set action）和参数值（parameter action）也是花了一些时间去领会和实践。所以，我经常给大家讲我的Tableau学习体会和产品评价，总结起来，大概有两句话：

“对于业务人员而言，Tableau入门简单，（这有助于帮助学习者立刻把数据转化为价值），同时，学习和成长的坡道又足够长，有助于在长期学习中建立专业壁垒，从而在企业中保持重要地位，成为专业的商业分析师。”

“Tableau的学习虽有坎坷，但是学习技术是可以一劳永逸，真正的成长障碍是对业务的理解，是提问题的能力和分析问题的思路。对业务的理解是真正的护城河。”

相比之下，帆软的两款产品中，Report明显需要相当的技术背景才能驾驭，像我这种非技术背景的人，如果不能较完整地理解产品的逻辑和技术方法，是难以真正用于实践转化为价值的。也正因此，帆软组织了庞大的实施团队，来为购买report的客户提供开发和定制工作，倘若没有这个环节，它的功能展现就会大打折扣。如果足够易用，为什么几乎所有客户都要通过实施才能部署？这种“无实施不帆软”的特征也成为了它们的地雷阵，有的客户因为实施服务不能满足组织机构和业务的灵活变化，几乎放弃了帆软，甚至拿不到服务费，这也是我一直不倡导Tableau实施服务的原因——还有谁比自己更了解自己的业务吗？

相比之下，帆软的BI产品就简单的多，可以对得起“自助化分析”的称号，就入门而言，它的各项功能（连接数据、拖拽式分析、多种图表样式等）也够足够。帆软最为出彩的地方，大概是它深耕多年形成的行业模板，进一步降低了思考的成本。很多客户使用BI产品，在快速上手之后遇到的最大问题往往是，我要做什么？ 帆软的行业方案，至少提供了一段时间模仿和学习的样本，这一点比Tableau通用的三个示例仪表盘更加符合不同层次的需求。

我们把两个公司的主要产品线做一个对比，我想可以用下面的图来展示。

我们使用帆软的产品，会发现非常明显的“重report”的痕迹，主打的Report报表功能带有浓重的技术色彩。而在BI中新建一个仪表板，中间的提醒是“添加组件”，其中包含了各种的行业模板，虽然界面和Tableau有异曲同工之处，但是在很多的功能上，B/S架构必然会因为灵活性丧失很多功能，比如和Tableau desktop相比，不支持随时输入的“即席计算”（用过Tableau的人才知道这是多么令人兴奋的功能）、不能双击自动添加到视图、无法创建集合、不能创建参数、字段不能拖入中间面板区域、过滤器不能直观显示等等。我在整合仪表板阶段，也经常找不到回去修改工作表的路，相比Tableau可用的控件又太少，限制了发挥的想象力。

相比之下，Tableau则要灵活的多，你可以通过拖拽连续字段到视图的轴上，替换当前轴、混合到当前轴或者添加双轴。“所见即所得”的即席计算，更是把Tableau的灵活性推向了极致。

可以说，B/S的灵活性以功能的实用性为代价，进而大幅度降低了用户的易用性。同时，我们对比了一下进程的情况，结果可能也对帆软不太友好。我分别打开了一个窗口，帆软的两个本地程序占据了4G的内存，浏览器demo占据了1.4G，可为惊骇；相比之下，我打开了Tableau desktop和prep的默认文件作为对照，起点之少，出乎我的意料，随着文件的增加内存也会增加，不过是以相互独立的程序出现，也没有帆软占地为王的架势。

单从上面的展现而言，Tableau与帆软的入门学习基本一致，但是Tableau具有罕见的灵活性和强大功能，而且成长的跑道远远超过同类产品。很多大中型企业招聘分析师时，都会把Tableau作为一个能力选项；而帆软的实施人员，则更多的属于其企业内部和学校联合培养的学生。

作为帆软独特之处的FineReport，则是Tableau明显的短板。这一点，Tableau并没有要弥补的意思，为什么？而且两个产品面临的“国情”和假设不同。

2、易用性的背后逻辑假设和设计理念 （补充）

很多人问我为什么Tableau的图形如此之少？其实这也正是Tableau如此简单的原因之一。

面向IT的BI产品往往以图形为优先，BI产品经理期望提供越来越多的图形选择，用户仅需要根据提示填充数据——即“图形先于数据”的设计理念；这样的理念之下才会有150+、200+的丰富图形，一个条形图就可以产生几十种变种。

而面向业务的BI产品，走向了相反的路，不以穷尽图形为目标，而已模拟业务人员的思考过程为指导，所以是从问题到图形的思路，根据问题、寻找数据、展示图形——即“问题先于图形”的设计理念。因此，Tableau仅仅有十几种推荐的图形，它按照问题把所有的可能大概分为部分/总体占比、排序、时间序列、相关性、分布、地理位置分析、文本图等有限的类型，并通过标记（颜色、形状、大小、标签、工具提示）丰富无限可能。

也正因此，我把LOD（详细级别）和AGG（聚合）称之为从Excel到Tableau的本质性跳跃，因为在这样的设计理念下，我们可以把可视化分析过程，分为“问题——详细级别——聚合——可视化——决策”的步骤，这才是业务人员的真正思考过程。

三、“中国国情”与两个产品的假设

前几日联系我六年前工作的一家国企单位，惊然发现他们的数据治理和数据操作还停留在六年前的水平。你就知道，中国有多少的企业用户，其实还停留在五年前，甚至十年前的数据阶段——特别是很多老人盛行的国企和保守民企。

这不是它们的错，中国人对看不见的价值总是不慌不忙，直到猛然发现业务被因此而掣肘才会惊醒，惊醒也不一定会行动；这也许是普遍相信“唯物主义”的一种副作用。在符合国情这一方面，我认为帆软做的很成功，比Tableau要明显好的多，如今“外来的和尚不念经”，留的本土的和尚自得其乐。

1、从口号到策略

帆软BI口号是“上BI选帆软，专注BI十三年”，宣传语简单粗暴无以复加，但是管用，因为它面对的群体需要的是解决问题，数据文化不足以用愿景来打动他们。因此从产品路线上，帆软用数据填报/流转，推动中小企业甚至僵尸国企的数据进步，然后慢慢导入BI产品，实现真正的数据改革，在它的赛道上，这是最恰当的选择。倘若它高开高走的策略主攻互联网企业和先进企业，必然会是另一条道路，当然大概率它无法从无锡走向全国。

在数据收集的细分阶段，我曾经用过帆软“简道云”这个产品，并无惊人之处，但是代表了简单业务流和数据采集云端化的趋势，未来发展一定会越来越好，不仅可以单独开发，也可以与报表和BI产品结合，可以很好地弥补中小企业数据不统一、数据文化低的问题。

五月份，简道云推送了更新，支持报表转为仪表盘，帆软正在把单个小产品发展为单一的小生态，就可以进一步下探市场，占领更多的三四线城市客户，从而保持自己50%以上的增长，也让庞大的实施团队进一步下探客户，拓展之前帆软BI和report难以覆盖的中小微客户。

相比之下，Tableau部署却不含数据库，完全没有数据录入前端，更不支持数据库回写，就显得有些“入乡不随俗”、“入寺院不念经”。当然，这并非错误，这与公司的发展背景与客户有关。

如今，Tableau也正在通过扩展来解决一些小众但是关键的需求，比如通过扩展API可以实现某种意义的“数据回写”，用户可以将几乎是白标的Tableau与内部产品深度结合，甚至作为二次开发产品。不过在本土化的道路上，这样的开放性策略还远远不够。

2、假设不同：两家公司的背景差异

与帆软强调报表功能的历史不同，Tableau是从可视化分析起家的，“无数据不分析”，早期但凡使用Tableau做可视化的客户，都具备了良好的数据治理基础，有完备的数据库和良好的数据文化，也就是说，Tableau天生就是贵族，它是用来做“锦上添花”的蕾丝和盛大妆容的，压根不懂得几千公里之外，还处在“社会主义初级阶段”中国广大企业的乡土状况。进入中国四年以来，这个问题肯定被很多客户反复提起过，即便是规模很大的企业想必也是如此。为什么？当下的中国，面临的是千百年来没有的大变革时代，有传统到掉渣的企业，也有世界瞩目的尖端公司，有不能熟练使用excel的大妈大叔，也有每日Github与世界同步的技术精英和业务专家。这就像一个大池塘，草鱼、鲤鱼、带鱼各在不同的层面，这是一个时代，又是多个时代。

所以，一身贵气的Tableau进入中国，沿袭美国的成长之路，必然是走各行头部客户的路线，以至于北上广深四个城市就贡献了绝大多数的营业额，这是情理之中，也是产品属性的必然。我们看帆软和Tableau的典型客户，就会发现明显的差异。绝大多数的世界500强都在用的敏捷BI，Tableau当仁不让，国内也是高开高走。只是当Tableau想要下探二线市场时，就会发现因为客户的数据基础不足而引发的明显水土不服。

因此，站在中国说产品，帆软更接地气，更加符合“广大中国企业客户”的基础需求，加上它在实施方面持续深耕，积累了大量的实施经验和行业知识，会持续保持高于Tableau的增长率也在预料之中。帆软赢在本土，赢在中间客户；而Tableau则赢在高端客户，赢在更优秀的产品体验、灵活性和在行业标志性的存在，这会形成庞大的潜在职业群体，进一步催生它的扩展。

蒲公英的成长依靠的是种子飘扬到远方；有人说，Tableau依靠大量的高质量离职群体带到了越来越多的新东家，这是可以想象的，即便是我，我也会这么做。它太好了，必然会带来巨大的潜在价值，抵消了推荐产品的各种负面风险。二三线城市没有这种文化，帆软的地推团队，更加辛苦，但是帆软本就应该赢在那个地方。

下一期，我想要完整对比二者的前瞻性与平台性，以及综合成本的差异，希望帮助更多的人，选择合适的BI平台。

• 【产品对比】赢在未来的战场：TABLEAU vs.帆软（2）

剧透：

• 什么是Tableau？Tableau是一套完整的企业大数据治理与分析框架，而非仅仅可视化分析。
• “数据分析的终点不是报告，报告只是一个站点”，因此好的“数据分析是全员分析”。
• 业务分析是趋势。数据就是资产，很多人不愿意自己照顾自己的资产，希望雇佣保安来看守，雇佣第三方团队去加一次漂亮的衣服。

May 23, 2019
May 24, 2019 revise
May 25, 2019 revise
Jun 19, 2019 revise