Wie gut ist Amazon QuickSight zur Datenvisualisierung?

In meinem letzten Beitrag habe ich bereits einen Überblick aller gängigen Tools zur Datenvisualisierung gegeben. Dieser hat keinen Anspruch auf Vollständigkeit, denn es gibt eine schier unendliche Menge verschiedener Software am Markt. Diese miteinander zu vergleichen führt hier deutlich zu weit und ist auch nicht zielführend, da die Tools sich teilweise erheblich unterscheiden.

Wichtig ist, im Vorfeld eines solchen Projekts die Erwartungen, Anforderungen und Ziele zu definieren, und anhand dieser dann mögliche Tools zu evaluieren.

Ein Tool das seit ca. 2 Jahren am Markt ist und schon wegen dem prominenten Hersteller von Analysten beäugt wird, ist Amazon QuickSight, als Teil der AWS und gehostet in der Cloud. Wir haben uns das Tool mal im Detail angeschaut, um den möglichen Einsatz für unsere Kundenprojekte zu beurteilen. Dabei gilt uns Microsoft Power BI als direkter Vergleich, da es für uns das Tool ist, was sich im Einsatz bei zahlreichen Kundenprojekte über die letzten Jahre immer wieder bewährt hat.

Power BI ist Bestandteil der Office-365-Suite von Microsoft, auch wenn sich die Bedienung an verschiedenen Stellen stark vom gewohnten 365-Standard unterscheidet.
Power BI ist als Desktopversion herunterzuladen, QuickSight ist als Web-Applikation verfügbar. Beide Systeme sind natürlich auch mobil verfügbar.

Power BI arbeitet mit einer Vielzahl von verschiedenen Datenquellen und richtet sich sowohl an Self-Service-Analysten als auch an versierte Entwickler. Der Funktionsumfang ist enorm. Daher wird auch für Anwender schnell die Grenze erreicht, wo zur optimalen Nutzung nur noch Experten helfen können.

QuickSight von Amazon ist wesentlich eingeschränkter – damit aber auch einfacher zu bedienen. Die Auswahl an Visualisierungen ist sehr klein, Eigenentwicklungen oder auch die Verwendung von Drittanbietern ist nicht möglich.

Auch ist das Erstellen von Grafiken in QuickSight extrem eingeschränkt, während in Power BI fast alles möglich ist: Farben, Schriftarten, Positionen von Legenden und Beschreibungen können fast beliebig angepasst werden. So wird ein individueller Look & Feel nach Bedürfnissen der Nutzer realisiert.

Was die Kosten betrifft, so sind beide Tools in der Basisversion kostenlos. Power BI in der Cloud kostet dann 8,40 Euro im Monat. Der Preis für die Premium-Version basiert auf der Kapazität In Abhängigkeit von einer notwendigen Verteilung der Ergebnisse und des Nutzungsgrads können dabei sehr schnell sehr hohe Kosten entstehen. Die QuickSight-Kosten basieren hauptsächlich auf der Menge der zu betrachteten Daten. Auch hier ist die Freimenge schnell überschritten und die Kosten steigen erheblich.

Um sich für eines der Systeme zu entscheiden, ist eine sehr genaue Analyse der zu verarbeitenden Datenmenge notwendig. Denn hier zeigen sich grundlegende Unterschiede zwischen den beiden Systemen: Power BI kann eine Vielzahl unterschiedlichster Datenquellen einbinden, von der Flatfile (Excel, Text) bis zu relationalen Datenstrukturen. Beziehungen der Daten untereinander können im System definiert werden. Es können sowohl normalisierte und denormalisierte Daten als auch ein Mix aus beiden bedient werden. Das macht eine Analyse und Visualisierung in Power BI sehr smart.
Der Ansatz mit QuickSight ist ein anderer. Auch QuickSight kann seine Daten aus unterschiedlichsten Quellen beziehen. Der Schwerpunkt liegt aber auf Quellen aus der AWS-Struktur (Redshift, RDS Aurora, S3).
QuickSight arbeitet mit Datasets. Ein Dataset ist eine strukturierte Ansammlung von Daten, vergleichbar mit einem Excel-Sheet. In einer Visualisierung kann immer nur ein Dataset verwendet werden. Beziehungen zwischen einzelnen Datasets gibt es nicht. Damit wird die zu analysierende Datenmenge erhöht, je nach Analyse um ein Vielfaches, da für mehrere Analysen i. d. R. mehrere Datensets benötigt werden.
In der Praxis bedeutet das, dass ein Dataset aus einer Flatfile bestehen kann (z. B. einem Excel-Sheets – aber nicht aus mehreren Excel-Sheets). Kommen die Daten aus Datenbanken, so sind hier entsprechende Views einzurichten (ein View entspricht einem Dataset). Es ist sinnvoll, Berechnungen bereits in diesen Views durchzuführen, denn in QuickSight selber gestalten sich Berechnungen als schwieriger als in Power BI.
Die Verarbeitung von großen Datenmengen aufgrund dieser Basis mit der In-Memory-Technologie Spice ist dafür dann aber extrem schnell.

Insgesamt kann man also sagen, dass Power BI und QuickSight nicht wirklich vergleichbar sind, sondern sich grundlegend unterscheiden. QuickSight ist – wie ein Großteil der gängigen Tools zur Datenvisualisierung, die momentan am Markt sind – ein gutes Tool, um Daten relativ einfach und schnell abzubilden. Aufgrund der SPICE-Technik und der Einfachheit der Datenbasis, ist QuickSight zur schnellen AdHoc-Analyse bestens gewappnet. Wer umfangreiche, professionelle und durchgestylte Analysen, Reports und Dashboards erstellen will, ist mit Power BI besser bedient. Mit dem Microsoft Tool kann man Visuals und Measures selbst definieren, inklusive möglicher Aggregationen, Expressions, Filtern und neuen Spalten. Das ganze kann dann in ansprechenden Auswertungen und Dashboards im Corporate Design dargestellt werden.
Wer mit QuickSight analysiert, sollte sich vorher schon etwas im Klaren sein, was er analysieren will. Dann kommt er durchaus schnell zu Ergebnissen. Mit Power BI kann man sich auch inspirieren lassen und neue Möglichkeiten entdecken.

Die gängigsten Visualisierungstools zur Datenanalyse

In unserer heutigen digitalen Welt sind Daten ein wichtiger Baustein für Unternehmen, um fundierte Entscheidungen zu treffen und das Geschäft zu optimieren. Um die Datenbasis so zu analysieren, dass Entwicklungen, Chancen und Risiken gut erkennbar sind, gibt es diverse Business Intelligence Tools zur Visualisierung der Daten.

Heute möchte ich die gängigsten Visualisierungstools am Markt kurz und übersichtlich vorstellen.

IBM Cognos Analytics von IBM Deutschland GmbH: In der IBM-Cloud Daten ohne Support der IT-Abteilung analysieren und visualisieren. Reporting, Embedded-, Web- und Mobile BI lassen sich alle mit einer Plattform realisieren.

MicroStrategy Enterprise Software Platform von MicroStrategy Deutschland GmbH: Weltweit enorme Datenmengen analysieren und daraus resultierende Erkenntnisse in Form von Berichten und Dashboards unternehmensweit kommunizieren. Auch hier ist Mobile BI selbstverständlich.

Pentaho Business Analytics von Pentaho: Geschäftsanalysen auf einer offenen Plattform in Berichten und Dashboards analysieren. Ausgelegt für Big Data (beispielsweise aus dem Internet der Dinge) und Echtzeit-Analysen.

Qlik View und Qlik Sense von Qlik Germany: Führender Anbieter von Data Discovery, liefert intuitive Lösungen für Self-Service-Visualisierungen und Analytics.

Tableau Desktop von Tableau Germany: Sticht hervor durch die leichte Erlernbarkeit und Verwendung. Der Nutzer wird befähigt, Muster zu erkennen und Trends zu identifizieren. Alles in der Cloud.

SAP Analytics Cloud, SAP Lumira von SAP: Natürlich darf SAP nicht fehlen. Eine flexible Analytics-Plattform in der Cloud im Selbstbedienungs-Modus. Der Anwender erhält Empfehlungen zur Umsetzung der individuellen Anforderungen.

SAS Visual Analytics von SAS Institute GmbH: Reports und Datenvisualisierungen in Sekunden durch die Verwendung der In-Memory-Verarbeitung.

TIBCO Spotfire von TIBCO Software: Eine leistungsfähige BI-Software zur Datenanalyse mit umfangreichen Funktionen, insbesondere für Location Analytics mit Konnektivität zu SAP BW und Teradata Data Warehouse.

Microsoft Power BI und Cortana Analytics: Analysen, Reports und Dashboards. Integration von verschiedenen Apps und Unterstützung von Excel und Machine Learning.

Salesforce Analytics / Einstein: Reporting, Dashboard-Anzeige, Realtime-Analyse, Mobile BI (Bild), Predictive Analytics, Was-wäre-wenn-Szenarien und Machine Learning.

OpenText BIRT Analytics: Eine große Entwicklergemeinde für Embedded BI ermöglicht Reporting- und Analysefunktionen in fast jeder beliebigen Anwendersoftware.

Splunk Enterprise Intelligence von Splunk: Erfassung von allen Arten von Maschinendaten (vom Smartphone über sonstige Sensoren bis zu großen Containerschiffen und Bohrplattformen). Nicht unbedingt für Business Reports ausgelegt, aber sehr schnelle Infrastrukturdaten-Erfassung. Ein Toolkit ist integriert für Machine Learning und Security Analytics.

ServiceNow Analytics von ServiceNow: Services, Support, Betriebsabläufe, Software-Installationen, Business-Projekte, Security, Governance und HR Services verwalten. Es werden Textanalysen unterstützt und eine sehr ausgeprägte Datenintegration.

Amazon Quicksight: Ziel ist das schnelle Zusammentragen von Daten aus vielen Quellen, diese auszuwerten und grafisch aufzubereiten. Mit der In-Memory-Technologie SPICE werden große Datenmengen in Rekordzeit verarbeitet.

Um die Tools optimal einzusetzen, sollte, zusammen mit einem erfahrenen Anbieter von BI Lösungen die individuellen Anforderungen bewerten und anschließend ein geeignetes Analyse-Dashboard entwickelt werden, das sämtliche im Unternehmen eingesetzten Systeme anschließt. So gelangen Sie zu einer optimalen Lösung, die alle Geschäftsprozesse übergreifend abbildet und eine Basis für strategische und operative Entscheidungen bildet.

Wir nutzen bei unseren Kundenprojekten bereits seit Jahren bevorzugt Power BI, da das Tool erstens umfangreich und zuverlässig ist und darüber hinaus eine übersichtliche grafische Oberfläche bietet, die Trends und Entwicklungen optimal darstellt. Daher werde ich in einem künftigen Beitrag nochmal vertieft auf dieses Tool eingehen und es der momentan viel diskutierten Quicksight Lösung von Amazon gegenüberstellen.