网站首页 > 教程文章 正文
数据可视化,BI界的新势力:阿里巴巴和蛛网时代算是其中的佼佼者了,这两家不管是技术还是展现模式等,都远远突破了原有旧势力的模式。不仅仅是将最终展现搬到了浏览器上,而且也将设计器也搬到了浏览器之上,让用户随时随地都可以进行数据可视化的编辑操作。而这两家的主力产品均覆盖了数据大屏和数据报表两个领域。阿里的是DataV和QuickBI,蛛网时代则是云蛛系统的DataView和AutoBI。那么这两大产品的共同点和不同点又是什么呢?下面小编就为您唠叨唠叨。
我们先说共同点。上述四款产品都是BS类型的产品,即将数据报表、数据大屏放在浏览器上进行展示。这个和国内的其他厂商,包括帆软、润乾、SmartBI等,都差不多。只是这四款产品使用的技术相对能更新一些,展现形式炫酷程度也更好一些。然后是这四款产品的设计器都是放在浏览器上的,这个就和国内原先的旧势力有所不同。这种模式,极大的方便了用户,让用户随时随地都可以进行数据可视化的编辑,而这种集成了Web设计器的独特方式,也成为了区别新旧势力的分水岭。
接着,我们就来说说重点,它们之间的不同。首先呢,AutoBI和DataView这两个家伙是商用开源的,QuickBI和DataV则是闭源的。从部署方式说呢,DataV和QuickBI是支持云化及本地化部署的,而DataView和AutoBI只支持本地化部署,从这一点说,阿里的产品就会覆盖更多的用户,有利于产品客户下沉,让更多的用户用得上这么好的产品,而这一点蛛网时代的产品做得就不够好,只能本地化部署。
再次就是设计器的不同,DataV和QuickBI是有单独的后台设计器的,可以说每个页面都需要在设计器里进行设计,页面里的所有组件都是共享这个设计器的,这个和我们过去的客户端独立安装的设计器,有点类似,就是把这些搬到了浏览器之上。整个的操作和过去客户端设计器,没啥太大的区别,比如熟悉帆软的客户,比较容易快速上手阿里的设计器,这点比较的友好。再来说说蛛网时代的设计器,这个理念比较的独特,独特到什么程度呢?蛛网时代的云蛛系统里面是没有前后端的概念的,都是通过账号进行区分的。即普通用户看到的最终页面,Admin等拥有权限的用户登录后,这个页面就是一整个设计器,可以在这里面对页面对组件做任何的编辑操作。通过这种“奇葩”的设计,满足了所见即所得的要求,从而极大的提升了生产力。而且在页面中,没有全局设计器的概念,每个组件都有其自身的设计器,通过配置每个组件的属性,从而及时的查看是否匹配,是否合适,让用户第一时间,像照镜子一样,看看自己的搭配,设计等等是否合适.......这些实时性要求的满足,让对使用过云蛛系统的用户都不禁大为赞叹,确实是非常便利。而正是追寻时效性的所见即所得,才催生了DataView和AutoBI这种奇葩的设计,很反人类,但是很受用!
接着就是页面样式分辨率布局的不一样。DataV和QuickBI这块通过页面百分比的布局,以及一些分辨率的自适应等操作,满足了大部分用户的需求,只要不是特别的极其苛刻的要求,都是可以满足的。而且产品提供了多种现成的皮肤样式选择,用户只需要在现有大屏的基础上修修改改,就可以做出自己炫酷的大屏,这个确实非常的方便,值得赞一个的。而DataView和AutoBI这块,也可以支持这种页面的百分比,而且它有个特色,就是原生支持页面像素级布局,可以随意摆放组件的布局,甚至可以将两个组件,甚至更多的组件叠放在一起,这个设计确实非常的赞,能够解决非常多极其苛刻的需求。至于皮肤样式这块,AutoBI和DataView这哥俩就没有DataV和QuickBI这么友好了,系统本身提供的皮肤极其简单,也少得可怜。这里面不得不提云蛛系统的试衣模式,就是皮肤主题这块云蛛系统是把这块的设计交还给了用户,充分发挥用户的主观能动性。也就是说云蛛系统是一个模特,穿什么衣服展现什么样的气质是用户说得算的,用户做什么样的衣服给云蛛系统穿上,云蛛系统就是什么样的气质,而这个操作对用户来说就是设计一个静态页面这么简单。通过这种方式,满足用户各种各样定制化的要求,从而让工具开发达到媲美人工定制的程度。
最后就是页面组件的控制这块了。DataV和QuickBI这块可以实现99%的传统需求,地图控制图形,控制图表,查询框控制图形图表等等。DataView和AutoBI则采用了突破性的技术分体式BI,不仅一个组件可以控制N个组件,同时组件之间还可以互相控制,甚至是闭环级别的控制,都是可以的,不仅能完成DataV和QuickBI的控制,还可以图图、表表等等各种排列组合的控制,从而满足各种苛刻的控制要求。这块话,DataView和AutoBI绝对是胜出一筹。上述就是DataV、QuickBI和DataView、AutoBI的一些主要区别,至于更具体请期待后续的对比哦。
猜你喜欢
- 2025-03-07 可视化大屏制作,不可错过的7个经验!
- 2025-03-07 数据可视化:如何打造高效的仪表盘
- 2025-03-07 DataX-Web - 可视化分布式数据同步工具
- 2025-03-07 用DataV和Echarts可以实现的炫酷数据可视化大屏效果实例
- 2025-03-07 36【源码】数据可视化:基于 Echarts + Python 动态实时大屏
- 2025-03-07 37【源码】数据可视化:基于 Echarts + Python 动态实时大屏
- 2025-03-07 数据可视化10大案例分析
- 最近发表
-
- 网络安全干货知识 | 手把手搭建 k8s docker 漏洞环境
- docker+k8s 报错(k8s docker login)
- K8s 集群运行时:从 Docker 升级到 Containerd
- 轻松掌握k8s安装(使用docker)知识点
- 什么是 k8s(Kubernetes)?Docker 与 Kubernetes选择哪一个?
- 从 Docker 到 K8s:初学者常见的误区盘点
- Docker容器是什么?K8s和它有什么关系呢?
- Docker 是什么? 它与K8S之间是什么关系?
- Docker是什么?K8s是什么?如何从0到1实现Docker与K8s全流程部署
- K8S与Docker的区别(k8s与docker的区别是啥)
- 标签列表
-
- location.href (44)
- document.ready (36)
- git checkout -b (34)
- 跃点数 (35)
- 阿里云镜像地址 (33)
- qt qmessagebox (36)
- mybatis plus page (35)
- vue @scroll (38)
- 堆栈区别 (33)
- 什么是容器 (33)
- sha1 md5 (33)
- navicat导出数据 (34)
- 阿里云acp考试 (33)
- 阿里云 nacos (34)
- redhat官网下载镜像 (36)
- srs服务器 (33)
- pico开发者 (33)
- https的端口号 (34)
- vscode更改主题 (35)
- 阿里云资源池 (34)
- os.path.join (33)
- redis aof rdb 区别 (33)
- 302跳转 (33)
- http method (35)
- js array splice (33)