Sisense anmeldelse og vurdering

Sisense er et selskap som samler nytt momentum i BI-plassen for selvbetjening. I september 2018 kunngjorde selskapet en ny investering på $ 80 millioner fra New York-baserte venture capital (VC) firma Insight Venture Partners. Hvis du er kjent med BI-verktøy, vil du sannsynligvis bli imponert over Sisense (som kun er priset med tilpasset tilbud). Det er et attraktivt produkt med betydelig kraft. Sisense mangler fortsatt merkevare-anerkjennelse av andre BI-tungvektere som IBM Watson Analytics og Microsoft Power BI. Men med det intuitive brukergrensesnittet (UI) og den betydelige dybden i datavisualiseringsfunksjonene, er Sisense alvorlig verdt å vurdere.

Mens brukergrensesnittet og kommandoene ikke er så nær kjent som Microsoft Power BI, er det en alvorlig trussel mot Tableau Desktop gitt øverste hylle funksjonaliteter, for eksempel in-chip snarere enn i minnet, og naturlige språkkommandoer og spørsmål du kan bruke i tredjepartsapper som Microsoft Skype og Slack. Seriøst kan du stille et spørsmål i Skype og Sisense vil svare deg på Skype. Det er nok til at til og med IBM Watson Analytics setter seg opp og tar varsel. Ingen bekymringer ennå, Watson, da ikke alt i Sisense støtter naturlig språk, noe som er en del av grunnen til at det ikke er et av våre redaktørvalg.

På ulempen er Sisense fremdeles litt for klønete til å være klar for prime time i en fullt datademokratisert organisasjon der du vil at folk skal bruke data i jobbbeslutningene sine uavhengig av ferdighetsnivå innen datavitenskap eller statistikk. Du vet, som alle i en gitt organisasjon kan bruke Microsoft Word uten å måtte vite hvordan du skriver kode eller til og med hvordan du stave riktig. Det er sant, å kunne få tilgang til Sisenses analyser ganske enkelt ved å kaste et naturlig språkforespørsel inn i en tredjepartsapp, går langt i å gjøre plattformen universelt nyttig. Resten av plattformens brukergrensesnitt er imidlertid fortsatt nødvendig, og det stemmer bare ikke med det nivået av brukervennlighet som er nødvendig for å tilfredsstille brukere som ikke er kunnskapsrike data. Fortsatt jobber selskapet med denne svakheten og gjør en credit jobb som gir online trening og læring med en godt organisert støtteavdeling og en godt vedlikeholdt blogg.

Likevel er dette en bot - tør jeg si, badass- app at gjennomsnittlige og dyktige forretningsanalytikere garantert vil sette pris på. Det løfter mesteparten av belastningen fra dyktig personale, uten å måtte kjøpe tilleggsverktøy. Det er et fullstabilt verktøy slik at det er mindre avhengighet av IT eller dyktige ressurser. Sisense spiller også fint med andre analyser og apper, noe som forklarer hvorfor selskapet bruker halvparten av inntektene fra innebygd bruk i andre produkter.

Sisense har ennå ikke nådd kritisk masse i markedet, men sannsynligvis treffer den milepælen snart. I mellomtiden er selskapet mamma på prisene, så du må be dem om et pristilbud. Det er også en ulempe, med tanke på at det fortsetter å gi lave totale eierkostnader (TCO). Det er vanskelig å gjøre matte på det kravet uten å vite prisen først.

Starter

Tenk på Sisense som består av to deler: Det er det intuitive webgrensesnittet, og så er det ElastiCube, Sisenses egenutviklede analytiske database. ElastiCube må lastes ned og kjøres lokalt, noe jeg ikke hadde med andre spillere å gjøre.

Etter nedlastingen gikk jeg til Windows Start-menyen og åpnet Sisense ElastiCube Manager. Hvis du vil gjøre opplæringen først med eksempeldata som allerede er i systemet, velger du File> New ElastiCube File, og navngir filen "tutorial", "testing", "messing", eller noe som senere vil bety at dette isn er ikke filen du trenger for noe annet. Følg deretter instruksjonene for å dyppe tå i før du dykker ned i den dype enden av bassenget.

Etter å ha nok kjent med datavitenskapen, hoppet jeg rett i den dype enden. Jeg så tutorialene senere, og de er godt utført og enkle å følge. Det er smartere å se de første, da brukergrensesnittet ikke er så intuitivt som det burde være, og noe av en skuffelse etter all naturlig språklig godhet.

Uansett, der var jeg med Sisense åpen i nettleseren min og ElastiCube Manager åpen på skrivebordet mitt. Jeg gikk rett etter "Open File" på ElastiCube. Nei, det er tydeligvis ikke veien til dataene mine. Det hentet lokale filer, men ville ikke la meg åpne CSV-filene mine (Comma Separated Values).

Deretter klikket jeg på "Tilkobling til data", og det tok meg til en guide som viser kontaktene, hvorav det er mange. Der lærte jeg at CSV-kontakten er en av flere som er forhåndsinstallert. Et klikk til på "Arbeide med data", og det ble bedt om en "+" -knapp der jeg kunne laste opp de lokale CSV-dataene mine.

Jeg vil kalle at tre klikk-humler og ingen alvorlige famler, noe som betyr at hvis du er en erfaren forretningsanalytiker, så er det ikke vanskelig å utforske systemopplæringen. Men hvis du ikke er det, vil du sannsynligvis finne deg helt fortapt, fort. Det er en betydelig læringskurve her, så se tutorials og ta notater.

Men kort sagt, klikk på Legg til data, velg datakildene dine og skriv inn påloggingsinformasjonen etter behov for å koble til. Alle tilgjengelige tabeller presenteres i hver datagrunnlag , og deretter velger du de du vil bruke. Du kan forhåndsvise og mash flere datakilder før du legger til skjemaet. Oppretting av sammenføyning gjøres ved å dra og slippe. Store datasett kan kombineres i en enkelt kube. Etter det kunne jeg analysere dataene og lage dashboards ved hjelp av webgrensesnittet. Alt dette høres enkelt ut, og det er hvis du har jobbet med BI-apper før, men ikke så mye hvis dette er din første forsøk på å jobbe med data.

Du kan hente inn data fra flere datakilder, inkludert eBay, Facebook, QuickBooks og PayPal. Det integreres også med skylagringsplattformer som Box. I tillegg kan du inkorporere data fra DBaaS-plattformer som Database-as-a-Service som Google BigQuery.

Når dataene var lastet, fulgte jeg ledeteksten til Build-kommandoen hvor jeg kunne konfigurere og bygge en ElastiCube. Der ble jeg presentert for to alternativer: Bygg skjemaforandringer og bygg hele ElastiCube. Igjen, første tidtakere og lekne brukere kan stoppe ut og bli forvirrede. Jeg valgte det første alternativet, og systemet tok omtrent fire minutter å fullføre bygge- og importprosessen. Da var jeg klar til å designe et dashbord og kjøre et hvilket som helst antall ad hoc-analyser. Nå hadde jeg også en ElastiCube-fil på skrivebordet.

Oppdagelsesprosessen

Klikk på "Dashboard" i ElastiCube Manager og du blir automatisk flyttet til Sisense sitt webgrensesnitt i nettleseren din. Alternativt på et senere tidspunkt hadde jeg ikke behov for å åpne ElastiCube Manager først. Jeg gikk rett og slett til webgrensesnittet for å bruke data allerede i ElastiCube. En gang på, ble jeg bedt om å velge et datasett (fra de som allerede er i ElastiCube), også kalt en kube. Jeg kunne også gi det nye dashbordet et navn her før jeg klikker på Opprett.

Under overskriften "Widget" på neste side ba den meg om å velge data igjen. Men denne gangen betydde det ikke for meg å velge et helt datasett, da jeg allerede hadde gjort det på forrige side. Snarere betydde det for meg å velge felt fra tabellene i de valgte datasettene. Hvis du velger felt fra forskjellige tabeller som du ikke allerede har blitt med i, får du en feilmelding - enda et punkt i prosessen som forretningsbrukere kan snuble til. Det er en "Try Again" -kommando, men det gjør ikke noe hvis tabellene ikke er sammenføyd. Jeg sprang tilbake til ElastiCube og ble med på bordene der.

Fra kuben min valgte jeg feltene "merke" og "enhet" og deretter en visualisering: treemap. Klikk på "Opprett" -knappen, skrev en tittel i tittellinjen, la til et par filtre og voila: Jeg hadde en interaktiv visualisering å utforske. Hvis du er en vanlig Tableau Desktop-bruker, vil du synes denne prosessen er kul og supereffektiv. Hvis du er en "Fortell meg som den er" bruker av IBM Watson Analytics, vil det ta deg en stund å forstå nok om denne appen til å virkelig sette pris på den.

Datavisualiseringer

I motsetning til andre BI-apper med selvbetjening, er verdien av visualiseringer i Sisense ikke i antall design og formater du kan velge fra, men i dybden av innsikten de utsetter. Kort sagt, de flerdimensjonale widgetene gjengir interaktive, "drill hvor som helst" visualiseringer som gir mye innsikt ved å bla musen over dem eller klikke på forskjellige seksjoner. Sisense lar også brukere flytte og endre størrelse på visualiseringer på dashbord før de deles, slik at de er lettere å lese i enten e-post- eller feedmodus, noe som gjør det ideelt for visning på flere enheter.

Jeg vil imidlertid hevde at den tilgjengelige dybden i visualiseringen den kan være den viktigste differensiereren for Sisense. Dette betyr at en analytiker eller lekmann lett kunne oppdage mer enn de opprinnelig forventet fra en gitt analyse, uten ytterligere anstrengelser. Men for at denne fordelen skal bli fullt ut realisert i en datademokratisert organisasjon, må Sisense først gjøre det lettere for lekbrukere å komme til dette punktet.