国产 BI 的“奇迹”：QuickBI 的“后发优势”（中）

作者注：国庆节前，我在去往武汉的漫漫高铁上写了一个“QuickBI 测评”主题文章，没想到小破站迎来数百次转发。当然，“好景不长”，节后某机构就投诉下架，理由是“侵害商誉”。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

冷静下来想想，第一，打脸不打脸；第二，不打脸的前提是“能听进意见”，哪怕是假装的呢。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

原计划要写一个长长的“QuickBI 测评”（下），最近时间有限，不如长话短说，这里仅就仪表板之可视化图形举例一二，以为“中篇”，以飨诸君。本文以案说“法”，少作发挥；如果这篇文章还能被投诉，那我内心将只有悲凉。‍‍‍‍‍‍

‍‍

01—回顾和展望：评价基准‍‍‍‍‍‍‍‍‍‍

优秀 BI 应该至少在三个层面做到技术扎实、前后统一、理论自洽。‍‍‍‍‍‍‍‍‍

- 数据模型：包括物理模型和逻辑模型，其中逻辑模型是承接数据和指标、可视化的关键，也是国产 BI 普遍薄弱的环节。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

- 可视化框架：主流的有 JS 范式和 笛卡尔范式，前者如 PBI，后者如 Tableau；国产 BI 嘴上都说抄Tableau，其实普遍是学 PBI，因为容易（当然 DAX 除外，某软就快学废了）。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

- 计算体系：数据世界都是计算，数据合并、可视化都可以视为计算的特殊形态。

在上篇中，我提到的 QuickBI 的几个致命问题：‍‍

https://xilejun.com/other-bi/cn_bi/quickbi-is-it-the-best-bi-of-china/

- 只有物理模型，没有逻辑模型；还把连接、联合、关系等多个概念放在一起，影响了使用者的理解，这是我强烈反对的；某种程度上阻碍了使用者构建标准的分析理解。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

- 数据表的约束过于严苛，在存储引擎中映射出来的“数据库字段名称”被滥用；数据类型过于简单等等，都是成为优秀 BI 分析平台的障碍。‍‍‍‍‍‍

‍

- 字段属性、字段角色、字段计算混乱，归根到底是数据表和计算的理解有明显的“认知漏洞”。特别是计算，创下了国产 BI 混乱体系的巅峰。 ‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

本篇简化篇幅，从可视化角度一窥“可视化框架”的问题种种，也希望其他国产 BI 以此为戒。‍

02—从QuickBI 之柱状图看可视化

可视化的图形可以分为三类：‍‍‍‍

一类：“三图一表”的简单展示，即条形图、折线图、饼图和交叉表‍

二类：分布和相关性，典型如直方图、散点图和盒须图‍‍‍

三类：结构性分析，典型如百分比条形图和 RFM 类问题‍‍‍‍‍‍

后面两种直接拿来考验 QuickBI 太难了，本次只看最简单的“柱状图”和折线图。

废话不说，直接上案例。‍‍

示例1：极简的柱状图的扩展限制

极简柱状图只有一个维度（分类）和一个度量（答案），如下所示。随着字段增加，问题随着复杂，可视化工具应该做好极简柱状图增加多个维度、度量，标记颜色、标签等的可能性。

问题是，Subcategory 已经在“类别/维度”区域，竟然无法添加到“颜色图例”！

当然，如果注意到这里的“颜色图例”后面竟然标记了“维度”，你就应该猜到，颜色中无法增加度量！！！也就是不能为销售额最多的着深色以突出！

示例2：两个分类字段的柱状图‍‍‍‍‍‍

如果在“类别”中增加两个维度字段，QBI 竟然把字段值用连字符拼接放在横轴上！还弄个角度倾斜着，为什么不直接换行呢？

如果想要两个字段不拼接，QBI 单独设计了一个 新区域“拆分/维度”。注意，它是独立于“类别”“值轴”和“颜色图例/维度”的新区域。

内行人应该能看出来了，QuickBI 对每个可视化图形都做了完全自定义的改造，这种改造初衷一定是为了“易用性”和“差异化”，但是稍不留神就会翻车。

03

—

从QuickBI 之折线图看可视化

相比于柱状图，折线图的关键是“折线”所依赖的日期轴，“轴”Axis 的背后是连续性，不管是数字轴（quickbi 称之为值轴），还是日期轴。

我们可以看一下Quickbi 中日期轴的创建和变化。‍‍‍‍‍‍‍‍

‍

示例3：日期折线图

日期字段默认会预设多个计算字段（相当于 datetrunc 截取，虽然后面只是标记 month）。把 order_date(month) 加入“类别轴/维度”，把 Quantity 加入“值轴/度量”，就会出现下图。‍‍‍‍

看上不还不错。

但要注意的是，既然日期是连续的坐标轴，都能生成轴axis 的“ order_date(month) ”日期字段和 “quantity 总和”数值字段就具有了某种意义上的一致性！‍‍‍‍‍‍‍‍‍‍‍‍‍‍

我们可以把这种共同特征称之为“连续性”。‍‍

也正是因为这种共同特征，日期也可以用数字来表示，比如常见的“UNIX时间戳”，就是从1970年1月1日（UTC/GMT的午夜）开始所经过的秒数（不考虑闰秒），这是人类觉得不友好，但是计算机和未来智能机器人会非常喜欢的“时间记忆法”，因为它可以建立不同国家、时区的人类和机器之间的公共基准！‍‍‍‍‍‍‍‍‍‍‍‍‍

下图是当前时间点的时间戳和日期的转换。‍‍‍

理解了这一点，你就理解了可视化最重要的字段角色：连续Continuous 和离散 discrete。‍

很可惜，quickBI 显然没有从这个角度构建可视化的基础架构，所以接下来的扩展，就会出现匪夷所思的现象。‍‍‍‍‍‍‍‍

示例4：折线图的简单扩展（分区）

比如，在上面折现基础上增加一个维度字段放在日期之前。竟然出现如下神奇的一幕：新字段和日期被拼接了——就像柱状图中所见的一样。‍‍‍‍‍

从这个角度看，quickBI 当然没有把日期的“连续性”视为是独立的特征，事实上，QuickBI 也确实没有连续、离散的功能，就像 PowerBI一样。‍

这里反映的另一个关键问题是，Country 字段不仅没有分区，反而和日期拼接后似乎还保持了“连续性”，这就出现了“United Status-202210”和“Canada-202210”这两个被自定义拼接的字段构建了连线！

这当然是毫无道理的。

当然，QuickBI 的工程师肯定在着急：吴老师，你用的功能不对，你应该用“拆分/维度”！！！

我们放在“拆分”中，就会出现United States 和 Canada 两个分区。

日期没有“连续性”特征的一个明证，就是它甚至可以被排序，这本应该是“City”这样的离散字段才应该具有的特征——只有没有连续性的字段才需要外部的排序依据。

04、QuickBI 可视化：向左还是向右？

为什么会出现这样的问题呢？这就是 QuickBI 在同时学习 Tableau 和 PowerBI 并尝试打造“瓴羊特色国产 BI”的时候，由于认知不足掉沟里了。‍‍

要知道，Tableau 和 PowerBI 是截然不同的两个道路，Tableau 是建立在连续和离散基础上的笛卡尔空间，PowerBI 是建立在 D3.JS 等 Chart Library 基础上的“定制化图表库”。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

Tableau 在笛卡尔空间基础上，构建了可视化的界面，可谓艺术品。‍‍

而 PowerBI 则围绕基本图形基础上，打造了几百个之多的可视化扩展。常见的图形的配置项目也各不相同。‍‍‍‍‍‍‍‍‍‍‍‍‍‍

来自 datama-solutions.github.io|

在使用上，你会发现Tableau 可以根据所点击字段自动切换可视化；PowerBI 和其他 BI 则反之，你需要先选一个类型。‍‍‍‍‍‍‍‍‍

虽然 Tableau 也在开发自己的可视化扩展，比如桑基图、Tableau Tableau，但是这是在笛卡尔标准空间之外的新体系；PowerBI 再怎么扩展，也不会出现另一条道路（或者说很难）。

‍‍‍‍‍

回看 QuickBI 的可视化，注意每个图形底部的说明，这毫无疑问是在学习 Tableau 的 “智能推荐”。

比如折线图，Tableau 的智能推荐是：“1个日期，0或多个维度，1个或多个度量”；而 QuickBI 的提示是“最少1个维度，最少一个度量”。‍‍‍‍‍‍‍

这里的关键是“1个日期”！‍‍‍‍

为什么它要在“维度”之外强调？你却舍弃了？‍‍‍‍‍‍‍‍

为什么单独说日期，因为连续性的日期构建“日期轴”，之后才有了折线。 ‍‍‍‍‍‍‍‍‍‍‍‍‍

但是，由于 QuickBI 中没有为字段区分连续、离散属性，那就失去了构建可视化的精髓。不仅各种提示千篇一律，甚至出现“明细表”中“不限制度量个数”的笑话！‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

可以看看 Tableau 的逻辑，QBI 没有学习最重要的“灵魂”，只剩了阉割的形式。

我觉得它入围 Gartner 不是它的错，是 Gartner 的错。

05—谦虚谨慎，戒骄戒躁‍‍‍‍‍‍‍

可惜的是，很多国产 BI 在“模仿”的时候，尚未通达理解，就开始各种魔改，或者自负地做出取舍，以至于最后不伦不类，还希望强加于分析师之上。

那如何说服分析师群体和表哥表姐，把最好的十年、二十年职业生涯，浪费在这样不负责的产品之上呢？

在我的《数据可视化分析》书中，有一段非常重要的话，我这里稍作修饰就是：‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

- 维度和度量，是问题上的字段角色定义‍‍

- 连续和离散，是可视化上的字段角色定义

如果不能理解这句话的深意，请不要说你是BI 产品的产品经理或者工程师！你的无知正在葬送“国产 BI ”的未来。

我也希望国产工具有朝一日发展起来，这样对整个行业的进步大有裨益，我也能获得更高质量的客户（而不是天天深陷泥潭，还要解释“大屏不是数据分析”）。

少数人以为我是抬Tableau、贬国产 BI，我只能说你 too young。‍‍‍‍‍‍‍‍‍‍‍‍‍

其一，Tableau 作为全世界敏捷 BI 的翘楚，20年的历史不需要我“抬”，国产 BI 都在“学习”甚至“像素级抄袭”已经说明它的地位。我喜欢 Tableau，只是简单的因为：Tableau 真正地影响了我的一生职业生涯。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

其二，如果我只是想“贬低”国产 BI，我大可不必说到“错误的细节”。有耐心的国产 BI 经理可以借此学习，没有耐心的可以置之不理。‍‍‍‍‍‍‍

几年之后，且看国产 BI 再洗牌。‍‍‍

希望 大家 还在饭桌上。‍‍‍‍‍

@喜乐君 咨询顾问｜上海唯知唯识创始人‍‍‍‍‍‍‍‍‍‍

业务分析师、数据咨询顾问

Tableau Visionary 2021～2024

《数据可视化分析:Tableau原理与实践》2020.8

《业务可视化分析:从问题到图形的Tableau方法》2021.7

《数据可视化分析:分析原理与Tableau、SQL实践》2023.9‍‍‍

………… MORE …………