tableau和power bi？tableau

其实tableau和power bi的问题并不复杂，但是又很多的朋友都不太了解tableau，因此呢，今天小编就来为大家分享tableau和power bi的一些知识，希望可以帮助到大家，下面我们一起来看看这个问题的分析吧！

Tableau与Powerbi比较

tableau像IOS，Powerbi像Android。

tableau像手机相机，powerbi像单反相机。

tableau操作界面十分简洁，易懂，美观。powerbi操作界面复杂。

tableau80%的功能可以通过鼠标拖拉拽实现，powerbi只用鼠标能实现的功能少于20%.

画图能力。

tableau的图表库只有24种，其他的雷达图，桑吉图，股价图等得通过这24种图、绕着弯衍生出来，做完一个复杂图，过几天你大概率是记不起来怎么做的。

powerbi图表库是开源的，可以使用官方的，也可以直接引用其他作者的现成的图，更换自己的数字就行。

另外，在地图方面，tableau的比较慢，powerbi用的是自家的bing地图，速度很快。

售价

tableau单机版2000多元一个月，有破解版。

powerbi单机版免费，服务器版要收费。

学习环境

tableau在国内没有活跃的社区，国外的社区浏览速度很慢，而且是全英文。tableau在国内只有几个代理公司在其微信公众号上发些命题作文式的文章，宣传自己功能很强大。我曾经问tableau公司的人，为何不做个服务器在国内的社区？让用户把自己的问题提出来，tableau的分析师答疑解惑，但没有下文，估计是中国管理层权力太小。

powerbi的中国社区有很多，有各种大V推出的教程、星球圈、微信群。

本地化搞得不好的外国产品，很难有好的发展前景。

技术前景

从AI角度，powerbi发展潜力更大。

假想在未来，有个语音识别数据机器人，你问他“某个公司在某个省最近5年销量什么样？”，机器人迅速调出一个柱状图出来，这样的数据分析AI产品是未来的趋势，powerbi现在通过输入英文，调出结果，已有点那个意思。

BI发展到AI产品是大趋势，这个阶段有多长？不确定。而这个周期就是数据分析师存在的意义。如果有一天BI产品成功转型到AI，那90%数据分析师就失业了，公司买个机器人就行。

数据分析师应该密切关注BI产品的升级内容，清楚自己离被机器替代的还剩多少时间？

国产BI软件还需时间。

国产BI产品典型代表是FineBI，参加过他们的技术日会议，用户活跃量很大。

我自己下试用了几天，放弃，原因:

1.操作逻辑比powerbi复杂，更别说是tableau。

2.共同学习的环境差，只有官方的视频教程，其中一个教程的录制者是在感冒期间录的，隔几分钟就能听到吸鼻涕的声音，实在难以忍受。

3,要花钱。在手机上看报表，好像得花5000元买个插件，Powerbi是免费。

4.曾经问过一个统计专家关于Finebi的前景，他说BI产品的核心是其逻辑体系，Finebi如果按照现在的迭代速度，10年后发展会很不错，关键是得能存活下来。

总结下来，Finebi适合企业用户，企业花钱买FineBI的服务，业务员不需要懂任何数据分析技能，只需要提需求，FineBI的人给你做好了，然后你在成品报告的基础上做点修修补补的工作。

总结。

如果仅是为了减少重复工作，自动更新图表数据，而且要注重美观，tableau比powerbi强。如果你的数据很复杂，要创建很多自定义的分析指标、自定义的报表、满足各种奇思妙想，只能选powerbi。另外，要关注BI产品的升级内容，知道自己离被机器替代还差多久。

PowerBI 致敬 Tableau 10大表计算

有伙伴说一段时间没有更新文章，这一次顶十次。明明能拆成十期的文章，非要一次写完，没办法，厚道。

客观地讲，PowerBI作为快速发展的BI产品，在很多方面仍然需要打磨，以前我们似乎更多来说 PowerBI有多厉害，但这并不影响我们客户地向更加优秀的伙伴学习，例如：在 Tableau确实有太多的优点，PowerBI需要去学习，期待希望微软的产品经理们。（也只能期待了...）

在数据分析中，除了简单汇总或简单变换以外，很多需求是需要有额外的辅助才能实现的，在 PowerBI中，这些全部以 DAX函数给出，来构建模型的语义层；而在 Tableau中，自有她的一套巧妙设计，我们不妨来对比研究一下对于同样的略微复杂的功能是如何在不同的产品中实现的。由于我们这里主要是研究 PowerBI，故给出 Tableau的实现效果，对其涉及公式不再详细讨论，而将这些精力留给对 PowerBI的描述。

本文全部是案例，案例来自于实际，Tableau举例了十个案例，为了处于学习目的，这里将变换下案例，但保持本质不变，来达到花费最小精力学习最多收益的效果。

参考文章《10大Tableau表计算》：

推荐实践方式：

以下详细对比每个案例并给出在 PowerBI中的实现。

在 Tableau中，利用表计算，可以计算从任意值开始的百分比变化。假设您对某个股票组合感兴趣，并且想评估它们从某个时间点开始的相对表现。为此，需要设置一个“投资日期”，并将这些股票标准化到同一个时间点，用线条显示百分比变化。可使用滑块调整参考日期。效果如下：

Tableau表达式：

以及：

在 PowerBI中，模拟类似的需求，实现选定任意时间点，显示不同时间相对于该时间的销售额的增长率。效果如下：

Power BI DAX表达式：

以及：

小结：

您可能想参照一个公共基准点查看数据，而不是查看一段绝对时间范围的数据。例如，这里有三部《玩具总动员》电影的票房收入。如果按星期看一下自首映日开始的总收入，比较起来就容易多了：

Tableau表达式：

在 PowerBI中，模拟类似的需求，实现按照首次销售计算不同类别的销售额趋势。效果如下：

首先构造了一个坐标轴，然后根据当前坐标轴位置来计算，PowerBI DAX表达式为：

小结：

希望一次执行两遍表计算的情况很常见。例如，查看某个细分市场随时间变化的增长或收缩对公司的重要性可能很有意义。为此，必须先按细分市场计算随时间变化的销售额汇总，然后将其作为随时间变化的销售总额百分比来查看。这也称为多遍聚合，在 Tableau中不写公式也可以完成这种聚合。

在 Tableau中仅需要设置就可以完成：

以及：

在 PowerBI中，模拟类似的需求，实现按照不同类别显示其当年积累销售额占整体销售额的比例。效果如下：

Power BI DAX表达式：

小结：

这里我们需要了解产品在一个月和一年内的排名，然后显示排名随时间的变化。为此，我们创建一个凹凸图，其中以折线图形式显示随时间的变化。可在左侧看到复印机和传真机已经从销售不佳的产品变成目前的销售前 3甲。还可以看到，传真机和复印机的购买量波动很大。

Tableau中这样计算：

在 PowerBI中，模拟类似的需求，实现按照不同类别显示其不同时间段的排名。效果如下：

在 PowerBI中，在报告层面可以实现传达同样信息的效果，但从报告层的细节来说，仍无法做到 Tableau的融合性，例如：

无法做到最少可视化元素的完备性以及整体性，PowerBI产品经理有的玩了。

当然 PowerBI DAX表达式：

小结：

现在需要监视呼叫中心未结支持案例的数量，或者有货的库存数量。但是系统未记录未结案例的滚动合计，您需要推算出来。这等于开案日的案例数+新开案例数+重开案例数–已结案例数。

表面看来，这是简单计算。但是，每日开案数量是根据上一个结案日推算的，后者又是根据当日开案数量推算的。这形成了计算的循环引用。

效果如下：

在 Tableau中的大致实现方式：

以及：

以及：

充分看出在 Tableau中的报表层提供了很多控制以实现计算。

在 PowerBI中，模拟类似的需求，实现计算每天的累计未发货量，未发货量由昨日累计订单量-昨天累计发货量得到，效果如下：

PowerBI DAX表达式：

这看似一种递归的效果，但其实可以转化为非递归实现，在 Tableau和 PowerBI两者中都并非真正的递归，在 PowerBI DAX中是不支持真正递归的，当然在这种案例中也不用使用真正的递归。

小结：

对于考试分数或订单优先级等数据，适合采用加权平均分析。也许您想查看各种产品类型所有订单的平均优先级，并且想按订购量加权该优先级，这样订购量大的产品就会得到更高的优先级分数。可以使用加权平均优先级分数来优化订购量大、优先级高的产品的供应链。这里，我们使用 Superstore销售数据进行加权平均：

在 PowerBI中，模拟类似的需求，实现按子类别销售额利润率加权来计算类别的平均销售额，效果如下：

PowerBI DAX表达式可以直接由快速度量值给出：

生成的 PowerBI DAX表达式如下：

小结：

如果您管理公司的配送运营，可能会对哪些产品的运输成本高于平均值感兴趣。在 Tableau 6中，可以计算整个时间窗口的平均值，并在计算中使用该值对各值进行分组和配色。

Tableau中的主要计算如下：

在 PowerBI中，模拟类似的需求，效果如下：

首先构建一个用来分组的辅助表作为图例，然后编写 PowerBI DAX表达式如下：

小结：

对于零售、智能或边界控制等不同的场景，通常需要了解在一个时间窗口内发生某一事件的次数。例如，一次可疑事件可能是一次意外，但是如果在 x天里发生次数超过 n次，那就值得调查一下。

这里 Tableau用到了参数和计算的结合，主要的计算如下：

在 PowerBI中，模拟类似的需求，实现 X天内小于上月日平均销售额的次数达到指定阈值，效果如下：

如果在连续的X天内次数超过了阈值次数则显示，否则不显示。

PowerBI DAX表达式如下：

小结：

您已使用 Tableau中的快速表计算功能，计算了所有月份的销售额移动平均，但现在希望进行扩展，以便选择要计算多少个时段的平均值。

淡蓝色线条显示所有月份的销售额总和，而橙色线条显示 15个时段的销售额移动平均。

在 Tableau中的设置和计算如下：

在 PowerBI中，模拟类似的需求，效果如下：

PowerBI DAX表达式如下：

小结：

您可能更想看到季度销售额与当年平均值（而不是绝对数）的差异。此处显示了与当年平均值和绝对订单数之间的差异。

在 Tableau中的主要设置和计算如下：

在 PowerBI中，模拟类似的需求，效果如下：

PowerBI DAX表达式如下：

虽然是达到同样的效果，在 PowerBI DAX中却要理解上下文转换以及取消外部筛选等高级的 DAX知识才能快速而准确地写出度量值。

小结：

通过对比用 Tableau和 PowerBI实现同样的 10种非默认效果的计算，可以对两种软件在某方面的设计有了一个局部的认知，可以总结为：

因此，我们可以对 PowerBI的报表计算能力有一个更准确的把握：

更多的思考：

从本文的 10个典型案例可以部分看出 Tableau作为完成报表层计算和展示时有良好和完备的能力，这也许得益于其初期就明确的精准定位，尤其看到在 Tableau 6时代就已经达到了完备的计算。在这方面，由于 PowerBI将数据准备，数据建模，数据可视化，报表制作融为一体，尤其是模型层计算和报表层计算并没有从系统化的角度做严格区分，导致任何报表需求的本质都是一个DAX查询，而报表层又没能做到：

这两点导致：

PowerBI的报表制作严重依赖于添加众多没有模型意义的辅助表以及过度复杂的相对重量级 DAX计算，虽然能证明 DAX的强大，但明显可以感受到在很多方面，这并不得心应手。

相信 PowerBI在报表层必然有更大的提升，至少完成两点：

最后，致敬 Tableau，没有这么优秀的对手，这么可能让 PowerBI变得更强大呢，通过对 Tableau的体会和理解，可以更多加深对 BI体系的思考，也更清楚 PowerBI的软肋，对于应对实际问题，如何基于现有的 PowerBI特点做出合理的设计也就给出了更多的方法。

Power BI License 部署成本分析 ( vs Tableau Server )

Power BI与Tableau Server的部署成本分析如下：

一、Power BI部署成本

Free用户：无需付费，但功能受限。Pro用户：每月9.99美元/人。若组织中有大量报告浏览者，总费用会非常可观。例如，100个浏览者每年的费用约为12000美元。本地部署用户：需购买Power BI Report Server，费用约在每个核心40007000美元。若选择Premium方案，费用则基于核心数和存储空间等计算。Premium用户：费用面向大型和超大型企业，包含硬件费用和用户费用。具体费用取决于所选方案和所需资源。二、Tableau Server部署成本

服务器成本：需自行购买硬件或采用云服务。以Azure IaaS A8 V2为例，8个核心每月成本438美元。存储成本：根据实际需求计算。以10TB为例，按Azure File Storage低至0.08美元/GB的价格估算，每月成本800美元。License成本：按用户数付费。例如，50个分析师需要50个Tableau Desktop账户，单个订阅70美元/月，总计3500美元/月。三、成本对比

在综合考虑硬件费用和用户费用的情况下，Tableau的部署成本大约是Power BI的三倍左右。但需注意的是，成本只是产品选型的一个考虑因素。如果数据可视化是企业商业分析中的核心需求，Tableau可能是更佳选择；而如果企业需要搭建一个具备广泛分析能力的数据平台，Power BI则可能更具优势。四、总结

在选择Power BI或Tableau时，除了考虑成本外，还需综合考虑企业的实际需求、功能需求、使用体验以及集成能力等因素。Power BI集成了微软生态，具有更低的成本和更好的使用体验；而Tableau则在数据可视化方面表现出色。

好了，文章到这里就结束啦，如果本次分享的tableau和power bi和tableau问题对您有所帮助，还望关注下本站哦！