Quick BI 评测报告

简介: 本文详细记录了一名项目经理对阿里云Quick BI的全面评测过程。从申请试用账号到数据上传、数据集创建,再到可视化分析与智能功能体验,作者深入探讨了Quick BI的各项功能。文中提到Quick BI具备强大的数据处理能力和友好的用户界面,尤其在可视化和智能化方面表现出色。但同时也指出了数据清洗功能不足、图表配置有限及智能助手能力需提升等问题。整体而言,Quick BI是一款适合项目经理高效分析数据的工具,未来若能优化上述问题,将更具竞争力。

我是一名项目经理(移动端手游、软件产品等方向),日常工作涉及大量的数据分析任务,包括市场情况分析和产品内部数据的监控与分析。为了更好地支持决策制定,我需要一个高效且易用的数据分析工具。因此,我决定对阿里云的Quick BI进行一次全面的评测。


任务1:了解Quick BI并申请试用账号

产品定位与基础信息

Quick BI是一款全场景数据消费式的BI平台,旨在通过智能的数据分析和可视化能力帮助企业构建数据分析系统。它可以帮助用户制作漂亮的仪表板、格式复杂的电子表格、酷炫的大屏以及有分析思路的数据门户,并将这些报表集成到业务流程中,通过邮件、钉钉、企业微信等方式分享给同事和合作伙伴。


试用账号申请流程体验

1. 访问官网:首先,我访问了Quick BI的官方网站,并找到了试用申请入口。
00001.png


2. 填写信息:在申请页面上,我填写了必要的个人信息和公司信息。整个过程非常简洁明了,没有遇到任何技术问题。(因为是试用,所以这里选择配置的时候无须做任何调整,不过在选择配置的时候我尝试进行了切换配置,出现了下文的异常。)
00002.png
00003.png
image.png
以上均是正常操作,不过后面我对【智能搭建】配置和【智能问数】进行切换选择配置的时候,右下角的价格计算会有时候不一样,如下图:
00005.png
00006.png
经过尝试,我复现了这个情况:
首先默认选择配置是专业版【智能搭建】配置和【智能问数】都是0,当我将版本切换为“高级版”(或其他版本)时,返回来切换回专业版在将【智能搭建】配置和【智能问数】选择50,价格就变的很大;
而刚进入默认配置(或者通过上面步骤操作后,刷新页面)直接【智能搭建】配置和【智能问数】配置修改50时,价格是0元;

不过后面我根据专业版【智能搭建】配置和【智能问数】配置50的试用下单成功了。
00007.png

这里不管是试用场景还是真实场景,购买计费的计算价格处肯定有个BUG,建议官方尽快的处理并修复,避免用户造成扣费损失或是官方业务损失;


3. 登录使用:完成付费购买完成后,我顺利登录并开始使用Quick BI。(这里也有个缓存问题,我完成购买后,直接点击前往控制台,但刚开始给我跳转到了试用申请界面,我刷新了两次页面才顺利的进入到了控制台)
image.png

建议

  • 增加引导教程:虽然申请流程非常简单,但对于初次使用的用户来说,对购买所需配置的功能不太了解,可以在申请配置的时候增加一个选配助手功能,或者增加一系列的选配模版,不同的模版有套餐价,且配置模版多样性,满足不同的业务场景所需,帮助他们更快地上手。
  • 购买商品计费计算BUG:不管是试用场景还是真实场景,购买计费的计算价格处肯定有个BUG(如我上面的流程可复现),建议官方尽快的处理并修复,避免用户造成扣费损失或是官方业务损失;。

任务2:准备测试数据 -- 上传Excel文件并制作数据集

数据上传与数据集创建

为了快速上手Quick BI的主要功能,我按照官方准备的模拟数据上传了一份Excel格式的测试数据(我在官方模拟数据表中增加了2列,一列是用了参数相乘函数,另一列是合并了两列的单元格后进行参数相乘函数,以此来拓展评测数据集识别功能),并创建了一个数据集。具体步骤如下:


1. 创建一个新空间:首先进入Quick BI工作台,然后在左侧【我的工作空间】中选择任意空间进入(这里我选择手动创建一个新空间):
00002.png


2. 上传数据源文件:进入工作空间后,让我们尝试把测试文件上传为数据源。如下图所示,进入【数据源】模块,点击“新建数据源”并选择“本地文件”,或者直接点击下方“快速创建”中的“本地文件”选项(这里文件类型还是支持的挺多的)。
00003.png


果真,我在上传被我修改的数据文件的时候出现了报错,traceId:d1a5dbcb-9203-4092-8cd6-ebe338186887
sheet解析失败:表格中不允许存在合并单元格。好在有错误提示:
00004.png


那么我只能修改删除合并单元格的列了,修改后重新上传成功,不过这我提一点:我在EXCEL数据源最后一列的参数类型设置成“XXX元”格式,上传后仅显示数值,不过这倒是影响不大;如下图:
00002.png
00001.png


(完成数据上传后,如果需要修改数据名称或者字段名称,我们可以自己在下图所示进行调整,当然我们也可以通过创建数据集,将数据源excel进行替换、删除、修改、增加等操作,还是很灵活的。)
00001.png


3. 创建数据集:数据集是Quick BI数据分析的直接来源,后续的可视化分析、智能分析等模块都依赖数据集提供的数据。数据集中的数据由数据源加工而来,接下来我们进行数据集的创建。点击“创建数据集”后,将左侧的数据源文件拖拽到右侧的灰色区域。
00001.png


00002.png


这里我们可以对字段进行预览检查,预览字段后,我们发现一个问题:因为“订单号”字段是一串数字,系统将其识别成了度量字段(即需要参与聚合计算的指标),但实际上这是一个维度字段。因此,点击该字段旁的设置icon,将其转换为维度字段:
image.png


这里我们可以将其转换为数值维度,并将其调整到最前端(这里我测试居然有小数点,但是无法切换为整数):
image.png


image.png


同理我们需要检查下其他字段信息是否异常,这里我们发现日期处需要修改:
00003.png


同时我们把城市ID和订货单价的显示格式也进行调整(城市ID为整数,订货单价修改为小数点后两位):
00004.png


4. 保存数据集:到此为止,我们数据采集和建模的任务就完成啦。
00001.png


体验感受

  • 数据处理能力强:Quick BI能够很好地处理复杂的Excel文件,自动识别字段类型并提供了灵活的编辑选项。
  • 用户界面友好:界面设计简洁明了,即使是初次使用的用户也能轻松上手。

建议

  • 增强数据清洗功能:虽然Quick BI提供了基本的数据清洗功能,但在处理大规模数据时,希望能提供更多高级的数据清洗工具,如批量替换、正则表达式等。
  • 提升导入速度:对于较大的Excel文件,导入时间较长,希望未来版本可以优化这一环节,另外像导入的excel表不支持合并的单元格,希望也能优化支持起来。

任务3:进行数据可视化分析 -- 搭建一张仪表板

步骤1:进入任务2中上传数据源、制作数据集的工作空间,打开【仪表板】模块,新建一张仪表板。此处我们把鼠标hover在“新建仪表板”按钮上,先选择“空白新建”:
00001.png


步骤2:这里我们可以手动创建,也可以选择模版创建,还可以让智能助手创建:
00001.png


这里我优先尝试使用智能助手创建,但是我等待了十几分钟都没结果,于是果断放弃。
image.png


这里我进行了手动创建,值得一提的是,手动创建后,其功能就令我眼前一亮了,对数据分析真的是很灵活,很直观很便捷,仪表盘功能十分强大,这里我不赘述了,每个人的业务场景不一样,但是相信他是大家想要的:
image.png


体验感受

  • 可视化效果出色:Quick BI提供了丰富的可视化组件,能够满足不同场景下的展示需求。
  • 操作简便:拖拽式操作极大地降低了学习成本,提升了工作效率。

建议

  • 优化图表配置:虽然Quick BI提供了丰富的图表类型,但在某些情况下,图表的配置选项较为有限,希望能够进一步丰富。
  • 增强交互性:比如画布的右侧无法推拉,我想看下最右侧的【数据】字段全称看不到,希望能自定义推拉。同时如下图所示,字段日期我数据集就一个字段,但是在这里这里出现了很多,而能拉到图表中的只有一项,其他提示均不行,这里希望对字段做出说明:
    00001.png

探索任务:智能化新体验 -- 智能问数和智能搭建

智能小Q助手体验

Quick BI还提供了智能小Q助手功能,可以通过对话的方式查询想要的数据或帮助搭建和美化报表。以下是我的体验:

  1. 智能查询:输入自然语言指令,系统能够快速返回相关数据结果,极大提高了查询效率,但是当我表述不清楚的时候,智能助手就显得效率很低了。
  2. 智能搭建:通过对话方式,智能小Q助手还能帮助用户搭建和美化报表,减少了手动操作的繁琐。

体验感受

  • 智能化程度:智能小Q助手功能给我感觉目前能力尚少,希望未来能强化。
  • 响应速度:查询效率高,但是搭建报表慢。
    00001.png

不过功能是正常能够使用的,就是和我的预期有点差异,比如我希望可爱风格出报表样式,他出了如下图所示(也没有可爱呀):
00002.png


建议

  • 扩展自然语言处理能力:尽管智能小Q助手已经具备较高的智能化水平,但在处理一些复杂的自然语言指令时仍有改进空间。
  • 增加个性化推荐:希望未来版本能够根据用户的使用习惯,提供个性化的报表推荐和优化建议,强化其能力。

20250318_122344-c-1742271971493.gif

总结与建议

优点

  • 强大的数据处理能力:Quick BI能够处理复杂的Excel文件,并提供了丰富的数据清洗和转换功能。
  • 友好的用户界面:拖拽式操作和丰富的可视化组件使得数据分析变得更加简单和高效。
  • 智能化功能:智能小Q助手功能极大地提高了工作效率,特别是在查询方面。

不足

  • 数据清洗功能有待加强:在处理大规模数据时,希望提供更多的高级数据清洗工具,且数据清洗准确程度有待加强。
  • 图表配置选项有限:部分图表类型的配置选项较少,希望能够进一步丰富。
  • 智能小Q助手:智能小Q助手功能有待加强;

建议

  • 优化导入速度:对于较大的Excel文件,希望未来版本能够优化导入速度。
  • 增加个性化推荐:根据用户的使用习惯,提供个性化的报表推荐和优化建议。
  • 加强智能小Q助手:智能小Q助手功能有待加强;

总的来说,Quick BI是一款功能强大且易于使用的BI工具,非常适合像我这样的项目经理进行数据分析工作。通过这次评测,我对Quick BI有了更深的理解,并对其未来的发展充满期待。希望以上评测内容能够为其他用户提供有价值的参考。

目录
相关文章
|
SQL 数据可视化 数据挖掘
Quick BI 评测报告
本文详细记录了对Quick BI的评测过程,涵盖从申请试用账号、准备测试数据到数据可视化分析及智能化体验的全流程。Quick BI作为一款领先的BI工具,支持通过拖拽等直观操作简化数据分析,并提供智能问数和智能搭建等功能提升用户体验。然而,在实际使用中也暴露出一些问题:试用申请流程繁琐、数据上传准确性待提高、部分功能需优化(如撤回机制缺失)以及发布前测试不足导致体验欠佳。建议增强数据处理能力、提升上传效率与准确率,并完善用户引导教程。总体而言,Quick BI虽具备强大功能,但仍需持续改进以更好地满足企业需求。
566 3
|
数据可视化 数据挖掘 BI
Quick BI评测报告
Quick BI评测报告
514 2
|
运维 监控 数据可视化
产品测评 | 大模型时代下全场景数据消费平台的智能BI—Quick BI深度解析
Quick BI是阿里云旗下的全场景数据消费平台,助力企业实现数据驱动决策。用户可通过连接多种数据源(如本地文件、数据库等)进行数据分析,并借助智能小Q助手以对话形式查询数据或搭建报表。平台支持数据可视化、模板快速构建视图等功能,但目前存在不支持JSON格式文件、部分功能灵活性不足等问题。整体而言,Quick BI在数据分析与展示上表现出强大能力,适合业务类数据处理,未来可在智能化及运维场景支持上进一步优化。
|
SQL 数据可视化 BI
挖掘QuickBI产品的独特价值——模板市场一键应用篇
模板市场一键应用的独特价值在于: - 所见即所得、丰富的数据看板模板参考,提效业务人员工作方式及时间,对于数据人来说,日常大量的数据需要分析,追求更快地赋能业务决策,同时可以有效降低设计数据看板的时长耗用,是BI产品很重要的一项落地企业业务的能力; - 一键应用按钮减少了业务人员对产品的学习成本、操作成本; - 拖拉拽字段的操作本身是敏捷BI工具相较于其它数据处理方式(如SQL、Python、Excel)的一大超越,但替换数据集的支持直接节省了用户进行拖拉拽,可谓又是一增效点。同时也可以帮助日常业务人员(非专业数据处理人员)快速理解他需要提供的分析数据的数据类型。
321 1
|
SQL 数据可视化 BI
Quick BI产品测评:从数据连接到智能分析的全流程体验
瓴羊智能商业分析-Quick BI是阿里云旗下的云端智能BI平台,连续五年入选Gartner ABI魔力象限。它提供从数据接入到决策的全链路服务,支持零代码操作、40+可视化组件与OLAP分析,实现跨终端呈现。其创新点包括云原生架构、企业级安全体系及智能决策引擎,适用于零售、金融等行业。评测中,通过免费试用与官方文档,体验了数据准备、仪表板搭建及智能小Q功能,发现智能化能力强大但部分文档需更新优化。
1361 67
|
SQL 数据可视化 大数据
QuickBI产品和服务的双重绝杀
作为一名大数据开发工程师,我从2020年开始接触阿里云服务,最初简单尝试了QuickBI的可视化功能。2022年,因公司需求深入使用QuickBI进行数据可视化,对比多款工具后选定QuickBI,因其模板丰富、生态完善和技术售后出色。使用过程中,QuickBI的技术支持帮助我解决了诸多难题,如图表配置、复杂需求调试和SQL问题排查。其API接口功能给我留下深刻印象,能有效解决用户权限控制问题。如今再次选择QuickBI用于实时数仓的数据可视化建设,希望它能继续保持优质服务,助力更多开发者成为数据报表大师。
447 9
|
数据采集 运维 DataWorks
DataWorks产品使用合集之打开quickbi报表时很慢,该怎么办
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。
271 0
|
存储 分布式计算 关系型数据库
实时数仓 Hologres产品使用合集之Hologres quickbi读holo是用的直读还是连接
实时数仓Hologres的基本概念和特点:1.一站式实时数仓引擎:Hologres集成了数据仓库、在线分析处理(OLAP)和在线服务(Serving)能力于一体,适合实时数据分析和决策支持场景。2.兼容PostgreSQL协议:Hologres支持标准SQL(兼容PostgreSQL协议和语法),使得迁移和集成变得简单。3.海量数据处理能力:能够处理PB级数据的多维分析和即席查询,支持高并发低延迟查询。4.实时性:支持数据的实时写入、实时更新和实时分析,满足对数据新鲜度要求高的业务场景。5.与大数据生态集成:与MaxCompute、Flink、DataWorks等阿里云产品深度融合,提供离在线
|
分布式计算 大数据 BI
MaxCompute产品使用合集之MaxCompute项目的数据是否可以被接入到阿里云的Quick BI中
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。

热门文章

最新文章