BI商业智能，这个我安利过很多次。
作为当下最广泛使用的数据分析工具，它的好处实在太多啦：
对比Excel、Python、R，不用写代码，不用写SQL，降低了数据分析的准入门槛，小白上手毫不费劲。能快速响应报表需求，准备好数据，出张报表也就是1个小时的事，再不济当取数机器也是极佳的选择。数据挖掘可视化应有尽有，对比Excel，以及开发级的Echarts，简直良心便利，随时随地出报告，直接Pass掉PPT。……
什么BI分析工具好用？
这个还真不能一刀切下定论。
大家听得最多的莫过于Tableau、微软的PowerBI，还有我经常推荐的FineBI。
这3款BI工具各自凭借着可视化、Excel的影响力、以及企业级广泛应用的优势，在市面上都闯出口碑了。而且功能和版本也都在不断更新。
所以，本文花了3天的功夫，整理了近万字的功能对比，看看这三个产品功能优势和差异究竟在哪里？
主要这样几个角度考量：
产品背景数据对接能力数据建模和数据加工数据可视化OLAP计算分析数据挖掘集成应用数据权限管控学习与技术服务一、产品背景
Tableau即公司名，是最早的一代自助式BI分析工具，一直以来最被人称赞的其可视化，能基于可视化做很多数据分析扩展。
PowerBI是微软的，14年15年开始初见苗头，之前主要是基于Excel的高级功能，包括PowerQuery，PowerPivot，PowerView和PowerMap，后来作为PowerBI集合推出。
FineBI源于帆软公司，帆软早期做报表软件，finereport很厉害，在商业领域。后来逐渐发展商业智能BI，目前最新版已迭代到V5.0。
讲到产品就要谈谈其定位了，就像介绍人要说姓氏一样。Tableau更多定位是可视化分析的工具，所以可视化很突出。PowerBI有走Excel路子的趋势，发力个人用户，个人数据分析。FineBI更倾向于企业级应用的BI，很多功能都体现其企业级的基因。
二、数据对接能力
常规的文件数据如Excel、CSV、TXT等，三者都可以直接导入对接分析。
传统的数据库例如Oracle、SQLServer、MySQL这三款也都可以直接连接取数分析。
大数据平台方面，对于现今比较流行的大数据平台如Kylin、Derby、Gbase、ADS、Hbase、Mongodb，PowerBI还不支持。这个Tableau、FineBI目前都有接口可以直接对接。FineBI还可以根据数据量以及并发情况选择直连或分布式连的对接方案。
多维数据库的连接，比如SAPBW、HANA、Essbase等数据仓库，PowerBI还不支持，这块Tableau可以直接连接，FineBI可以通过服务器数据集进行对接。
FineBI数据连接
数据接口开发方面，在一些需要基于java定制的api程序数据集，PowerBI和Tableau都不支持进行对接，FineBI则可以进行对接，基于javaapi的程序数据集。不过这是国外产品的老子态了。
PowerBI对于一些联机服务器数据源支持的比较好，面向分析，例如Google分析、appFigures等数据。
三、数据建模和数据加工
1、数据建模
首先，三者都是自助式BI，都是自动建模了，这是和传统BI的显著区别之一。打个比方，假设我们要抽取一个数据库的几张表的数据来分析，当导入表时会根据键自动关联，或者手动设置关联联系。
Tableau建立数据模型属于宽表模型，相当于是在原来元数据表的基础上根据新的关联关系再新生成一个结果集，之后的分析都是基于这个结果集来的，元数据发生变化，除非你手动更新，分析结果也不会有变化。
FineBI也是类似的原理，不过建立的骨架数据关联模型都是基于元数据的，元数据变化，分析结果也实时变化。
PowerBI的数据模型建立之后只能针对当前报表进行使用。且在数据源种类整合时，PowerBI无法对不同来源的数据进行实时整合建模，例如下图所示，PowerBI会自动禁用多个数据源的实时建模，需要将数据模式全部修改为抽取数据才可以进行整合关联建模。
其次，FineBI和PowerBI的数据模式都支持实时和抽取模式，但是抽取模式下，由于FineBI的采用的分布式架构引擎进行数据的列式存储（支持十亿大数据量），PowerBI的数据引擎在抽取模式下仅仅是将数据以行式储存方式导入，所以在面对海量大数据时FineBI比PowerBI计算速度更快、性能处理更加强大。另外在数据编码上，FineBI支持对数据进行多种编码类型转换，PowerBI对这方面的转换是不支持的。
2、数据加工
对于数据的清洗加工处理方面，PowerBI提供了一些可视化界面的操作选项，结合M语言和DAX函数，可以进行数据加工处理，但需要用户有一定的公式编码书写能力。
TableauDesktop没有系统的数据加工功能，今年最新发布的Tableauprep对数据清洗和数据加工方面做了较大的弥补，从数据清理/调整、检查/筛选数据、联接/合并数据都拥有着比较体系的数据加工策略，可以无缝对接TableauDesktop使用，不过需要同时安装TableauPrep和TableauDeskTop。整体数据工作流还是非常清晰、直观的。
FineBI对一些有关数据的加工处理功能，统称为“自助数据集”。包括过滤、分组汇总、新增列、合并表、自循环列（可以有树结构的数据进行分层等集团性企业）、行列转换等操作。都可以快速进行处理，且可视化无代码。
四、数据可视化
从图表丰富度和可视化报告制作能力来比较。
1、图表丰富度
可视化展现能力方面，Tableau最佳，FineBI次之，随后PowerBI。
Tableau除了常规的图表之外，还有盒须图、标靶图等和分析模型深度结合的图表。FineBI也不弱，常规图表都拥有，在数据地图方面，更是有流向地图、点地图等更实用的图表。PoweBI内置的图表种类相对较少，像玫瑰图、多层饼图、词云图、热力地图、流向地图等，需要进行市场图表拓展下载使用，图形属性方面还算丰富，可以由用户自定义进行图表样式属性的设置调节。
操作方面，FineBI和Tableau是大差不差的，都是基于著名的图形语法(TheGrammarOfGraphics)设计，以“形状“和对应的“颜色“，“大小“，“提示“，“标签“等属性进行图表类型替代。
在分析区域有两个轴，横轴和纵轴，把所要分析的指标和维度拖拽到两个轴，就会自动出可视化图，图表也是根据分析情况自动给推荐的。
还支持用户将字段绑定到图表的颜色、大小、形状、标签等属性。这样一来图表的可视化展现能力也就更加丰富灵活了，我们可以通过数据——图表属性的无限组合，尽情地进行数据可视化认知的探索和洞察。
Tableau界面
PowerBI就是拖拽图表组件，选定数据的方式来展现。
2、Dashboard展现能力
再来看看3个工具的Dashboard展现能力。
PowerBI首届数据可视化大赛的冠军作品，指标合理呈现，布局直观简洁，秉承微软一贯的方块美。
FineBI的Dashboard，下图是其中内置的一个比较典型的驾驶舱demo，总体来说更加细腻，柱形图圆角、字体颜色、风格、展现形式等，图表还可以有一些闪烁动效。
Tableau的可视化更加丰富，有种信息图的感觉，布局也更加自由。
五、OLAP计算分析
从OLAP多维能力角度来看，3个工具都支持用户进行钻取、联动、切片、切块等分析操作。
计算分析能力方面Tableau和FineBI都支持用户进行排名、排序、过滤、同比、环比、方差、标准差、中位数等快速计算操作，但是在一些高级计算例如移动平均、四分位等分析计算场景，Tableau拥有者更加强大的计算分析能力。
FineBI的快速计算提供现成的同期/环期、同比/环比、排名、累计值、所有值、百分比计算等等，还挺方便的。
另外Tableau在一些需要进行高级计算的场景下，还支持与Matlab进行集成计算，使用MATLAB预处理数据，并将该数据保存到Tableau数据提取中以便进一步分析。
PowerBI大量的计算需要依靠DAX函数来进行运算，有种Excel函数既视感，其实一些常用的计算公式比如同期环期、同比环比像FineBI可以直接快速计算。
六、数据挖掘能力
FineBI最新版5.0增加了五类现成的数据挖掘算法，分别为时间序列、聚类、分类、回归和关联规则，还支持R语言的集成。时间序列算法和聚类算法还和图表分析相结合，拖拽操作即可立马看到预测和聚类的结果。
不考虑时序关联分析
多元线性回归
PowerBI目前在数据挖掘这方面没有成熟的分析模块，只是简单的集成了一个R语言的执行脚本组件供用户书写代码集成使用。
Tableau目前在数据挖掘内置时序分析预测、聚类算法，可进行简单数据挖掘计算处理（类似分类、关联分析、逻辑回归等算法则是没有的），同时也支持与R语言和Python集成以进行深度的数据挖掘分析。
七、集成应用能力
WEB级别的集成应用方面，PoweBI开放了丰富的接口供大家集成使用，还支持自定义开发集成第三方图标插件。Tableau和FineBI也有WEB接口，比如进行Iframe网页集成，但是无法进行代码级别的自定义图表开发集成。
在移动集成应用中，FineBI支持