Seite 1 │17

SELF-SERVICE BI IN ANALYSEPROGRAMMENEIN VERGLEICH ZWISCHEN QLIK SENSE, TABLEAU UND MICROSOFT POWER BI

SWIE

Eva Lesny – BI Consultant, Sulzer GmbH

Seite 2 │17

Inhaltsverzeichnis

1. Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

2. Grundsätzliche Bedienung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

3. Visualisierungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

3.1 Geo-Visualisierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

3.1.1 Qlik Sense . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

3.1.2 Tableau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

3.1.3 Microsoft Power BI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

3.2 ABC-Analyse der Produkte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

3.2.1 Qlik Sense . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

3.2.2 Tableau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

3.2.3 Microsoft Power BI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

3.3 Warenkorbanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

3.3.1 Qlik Sense . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

3.3.2 Tableau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

3.3.3 Microsoft Power BI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

3.4 Integration von R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

3.4.1 Qlik Sense . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

3.4.2 Tableau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

3.4.3 Microsoft Power BI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

4. Fazit & Empfehlungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

Seite 3 │17

1. EinleitungOb Fahrzeugsensoren, Smartphones, Soziale Netz-

werke, Online-Anwendungen oder Internet der Dinge

– die Menge der gesammelten Daten in unserer Um-

welt wächst rasant.

Durch Analyse dieser Daten, vor allem durch die gra-

fische Aufbereitung, werden Informationen und somit

nutzbares Wissen gewonnen. Dieses Wissen liefert

die Grundlage für Unternehmensentscheidungen und

dient der Ableitung von kurz-, mittel- sowie langfristi-

gen Strategien, etwa in der Prozess- und Produktop-

timierung, der Bewertung von Unternehmensrisiken,

der Schaffung neuer Kundenservices oder der Redu-

zierung von Streuverlusten durch eine gezieltere Kun-

denansprache bei Werbemaßnahmen. Dadurch kön-

nen entscheidende Wettbewerbsvorteile entstehen.

Eine zügige Informations- und Wissensgewinnung ist

essentiell. Denn je schneller wichtige Entscheidung

getroffen und neue Strategien umgesetzt werden, des-

to mehr Vorteile hat ein Unternehmen gegenüber den

Konkurrenten. Der klassische Berichtsprozess wird

dieser Anforderung nicht gerecht – Self-Service BI ist

die Lösung.

In der Self-Service BI erstellen Fachanwender die be-

nötigten Analysen, Berichte und Dashboards selbst, le-

diglich die Datenhaltung liegt nach wie vor in IT-Hand.

Dadurch wird die IT-Abteilung entlastet und kann sich

auf ihre zentralen Aufgaben (wie zum Beispiel Gover-

nance, Quellsystemoptimierung und Berechtigungen)

konzentrieren. Die Fachanwender wechseln von einer

bloßen Nutzung der Daten zum Erforschen der Daten.

Infolgedessen erhalten sie eine tiefere Einsicht und

können die gewonnenen Informationen besser verste-

hen und interpretieren. Das bedeutet, durch Self-Ser-

vice BI werden die Informationen nicht nur schneller

gewonnen, es können auch an aktuelle Entwicklungen

besser angepasste Entscheidungen getroffen werden.

Inzwischen gibt es eine Fülle von Herstellern, die auf

den ersten Blick gleichwertige Self-Service Analyse-

tools anbieten. Einen ausführlichen Anbietervergleich

entsprechender Lösungen bietet das Gartner-Institut.

In diesem werden die Programme nach deren „ability

to execute“ und „completeness of vision“ bewertet.

Lediglich drei Programme erhalten die Bezeichnung

„Leader“: Qlik Sense, Tableau und Microsoft Power

BI. Aufgrund der im direkten Vergleich höheren Wer-

tungen werden in diesem Whitepaper deshalb nur die-

se Tools untersucht.1

1 Untersucht wurden folgende Produktversionen:Qlik Sense Desktop 3.2 SR2 (qliksensedesktop:10.18.3)Tableau Desktop Professional Edition 10.2.1 (10200.17.0328.0755) 64-BitMicrosoft Power BI Desktop 2.48.4792.721 64-bit (Juli 2017)

Seite 4 │17

2. Grundsätzliche BedienungDie Tools von Qlik Sense, Tableau und Microsoft Po-

wer BI sind plattformunabhängig und als Desktopver-

sionen, Apps und cloudbasiert erhältlich oder komplett

browserbasiert betreibbar.

Alle drei Programme verfügen über eine einfache Be-

nutzeroberfläche und sind größtenteils durch Drag &

Drop bedienbar. Ein wesentlicher Unterschied liegt in

der Erstellung von Visualisierungen. Während bei Qlik

Sense und Power BI zunächst ein passendes Dia-

gramm ausgesucht wird, werden bei Tableau zuerst

Dimensionen und Kennzahlen ausgewählt. Tableau

wählt automatisch ein passendes Diagramm. Bei allen

drei Programmen kann der Diagrammtyp im Nachhin-

ein noch geändert werden.

Bei der Unterstützung verschiedener Datenquellen un-

terscheiden sich die Anwendungen kaum. So können

bei allen drei Programmen Daten aus Dateien (zum

Beispiel Excel, csv, ...), aber auch von Servern (zum

Beispiel SAP Hana, Oracle, Hadoop, Spark, …) gela-

den werden.

Auf die Daten kann – je nach Datenquelle – live und als

Extrakt zugegriffen werden. Beim Extrahieren der Da-

ten werden diese stark komprimiert und erlauben ein

schnelleres Arbeiten. Bei Qlik Sense und Tableau ist

die maximal zu ladende Datenmenge nur durch phy-

sikalische Grenzen wie Hardware-Ressourcen (zum

Beispiel den Arbeitsspeicher) begrenzt2, bei Microsoft

Power BI liegt die Begrenzung des Datenspeichers bei

10 GB.3

Die Skriptsprache zum Laden und Transformieren der

Daten in Qlik Sense erinnert stark an SQL. Entspre-

chend sind hier Transformationen wie Berechnungen,

Datenvalidierungen, Zusammenfügen von Tabellen

und viele weitere möglich. Das Datenmodell besteht

aus einer oder mehreren Tabellen, die über Schlüssel

verbunden sind. Auch in Microsoft Power BI können

Daten sehr gut transformiert werden. Das Datenmodell

besteht ebenfalls aus einer oder mehreren Tabellen,

die über Schlüssel verbunden sind. Bei Tableau hin-

gegen müssen die Tabellen über einen Join-Opera-

tor verbunden werden. Daten können zwar ebenfalls

transformiert werden, jedoch sind die Transformati-

onsmöglichkeiten nicht so mächtig wie in den beiden

anderen Programmen.

Die Unterscheidung zwischen Kennzahlen und Dimen-

sionen ist in den Programmen unterschiedlich gere-

gelt. In Qlik Sense ist weder ersichtlich, ob eine Spalte

eine Dimension oder Kennzahl darstellt, noch ist der

Datentyp erkennbar. Bei Tableau sind Dimensionen

und Kennzahlen entsprechend getrennt. Ein Icon vor

dem Spaltennamen zeigt den Datentypen an. Bei Mi-

crosoft Power BI sind Spalten ohne Icon Dimensionen,

während bei Kennzahlen der Datentyp durch ein Icon

angezeigt wird.

2 Qlik: „Laden und Modellieren von Daten“ [Online]. https://help.qlik.com/de-DE/sense/1.1/pdf/Laden%20und%20Modellieren%20von%20Daten.pdf [Zugriff am 7. September 2017]. S. 91.Tableau: Zeilen- oder Spaltenbegrenzungen für Daten. 2017. http://kb.tableau.com/articles/howto/maximum-limit-for-rows-or-columns-of-data?lang=de-de [Zugriff am 7. September 2017].3 Microsoft: Power BI Dokumentation: Verwalten Ihres Datenspeichers. https://powerbi.microsoft.com/de-de/documentation/powerbi-admin-manage-your-data-storage-in-power-bi/ [Zugriff am 7. September 2017].

Seite 5 │17

Jedes der drei Programme hat das Potenzial für wei-

terführende Analysen. In Qlik Sense kann mit einem

„Set Analysis“-Ausdruck der Datenbereich bestimmt

werden, über den aggregiert wird. In Tableau wird mit

einem „LoD-Ausdruck“ (Level-of-Detail) die Detail-

genauigkeit einer Berechnung festgelegt. In Microsoft

Power BI werden mithilfe der funktionalen Sprache

„DAX“ (Data Analysis Expressions) benutzerdefinierte

Spalten und Kennzahlen erstellt und deren Aggregati-

on und Granularität festgelegt.

Abbildung 1: Qlik Sense Abbildung 2: Tableau Abbildung 3: Microsoft Power BI

Seite 6 │17

3. VisualisierungenIn diesem Kapitel werden klassische Analysen, wie sie

in einer Vertriebsabteilung verwendet werden könnten,

visualisiert. Es werden beispielhaft drei unterschiedli-

che, komplexere Analysen vorgeführt.

3.1 Geo-VisualisierungEin Unternehmen will die Länder, Regionen und Städte

seiner Kunden und die erzielten Umsätze und Gewin-

ne auf einer Karte sichtbar machen.

3.1.1 Qlik SenseQlik Sense stellt Koordinaten für viele Städte sowie

Bereichsdaten für Länder zur Verfügung, auf die beim

Laden zugegriffen werden kann. Es können aber auch

eigene Koordinaten und Bereiche geladen werden.

Geo-Visualisierungen lassen sich in Qlik Sense schnell

erstellen. Auf dem Diagrammtyp „Karte“ wird per Drag

& Drop eine Dimension (sowohl Orte als auch Nicht-

Geodaten wie beispielsweise Kunden) sichtbar ge-

macht. Eine Kennzahl kann zur Farbgebung verwendet

werden, in einer Punktekarte (Abbildung von Koordi-

naten) kann zusätzlich eine Kennzahl die Punktgröße

anpassen. Es ist nicht möglich weitere Kennzahlen in

der QuickInfo anzuzeigen. Die Legende liefert zwar die

Bedeutung der Farben, aber nicht die der Punktgröße.

Bei einem Drilldown werden nur die Koordinaten einer

Ebene (zum Beispiel Stadt) geplottet, deshalb ist die-

ser nicht geeignet um die jeweils anderen Ebenen mit-

einander zu vergleichen.

Abbildung 4: Qlik Sense Geo-Visualisierung

Seite 7 │17

3.1.2 TableauIn Tableau werden Geodaten automatisch geographi-

sche Orte zugeordnet. Diese können für jedes Geo-

datum angepasst werden. Werden eigene Koordinaten

geladen, müssen diese in der Darstellung explizit ver-

wendet werden.

Eine Geo-Visualisierung kann sehr schnell erstellt wer-

den. Sobald ein geographisches Feld auf das Arbeits-

blatt gezogen wird, erstellt Tableau eine Karte. Kenn-

zahlen können verwendet werden, um die Punktgröße

und -farbe anzupassen. Die Farbe kann dabei beliebig

vergeben werden, so dass z. B. eindeutig zwischen

positiven und negativen Beträgen unterschieden wer-

den kann. Die Bedeutung der Größe und Farbe wird in

der Legende symbolisiert. Weitere Kennzahlen sowie

Nicht-Geodaten (wie Kunden) werden über die Quick-

Info abgebildet.

Ein Drilldown von beispielsweise Land-Region-Stadt

ist möglich, wenn eine Drilldowngruppe verwendet

wird.

Abbildung 5: Tableau Geo-Visualisierung

Seite 8 │17

3.1.3 Microsoft Power BIIn Microsoft Power BI werden Geodaten automatisch

Koordinaten zugeordnet. Werden eigene Koordinaten

geladen, müssen diese in der Darstellung explizit ver-

wendet werden. Für einzelne Geodaten können die Ko-

ordinaten nicht verändert werden. Allerdings werden

Orte durch zusätzliche Angabe des Landes relativ gut

erkannt, so dass eine Anpassung nur selten nötig ist.

Abbildung 6: Microsoft Power BI Geo-Visualisierung

Geo-Visualisierungen können sehr schnell per Drag

& Drop eines Geodatums auf das Arbeitsblatt erstellt

werden. Eine Kennzahl kann zur Bestimmung der

Punktfarbe verwendet werden, eine weitere für die

Punktgröße. Es gibt keine Legende für die Punktgröße

und -farbe, die Farbe kann aber frei vergeben werden,

so dass z. B. eindeutig zwischen positiven und nega-

tiven Beträgen unterschieden werden kann. Weitere

Kennzahlen und Nicht-Geodaten können nur über die

QuickInfo angezeigt werden. Ein Drilldown von bei-

spielsweise Land-Region-Stadt ist auch ohne vorheri-

ge Erstellung einer Drilldowngruppe möglich.

3.2 ABC-Analyse der ProdukteEin Unternehmen möchte mithilfe einer ABC-Analyse sei-

ne Produkte nach den Umsätzen in drei Klassen einteilen.

3.2.1 Qlik SenseABC-Analysen können in Qlik Sense nicht leicht er-

stellt werden, da die Berechnungen händisch durch

den Benutzer über „Set Analysis“-Ausdrücke vorge-

nommen werden müssen.

Abbildung 7: Qlik Sense ABC-Analyse

Seite 9 │17

In der Darstellung als Diagramm können nicht alle

Werte auf einmal angezeigt werden. Die Farben kön-

nen für alle im Diagramm abgebildeten Werte über

eine Formel angepasst werden, ansonsten erfolgt die

Farbzuweisung von Qlik Sense über die Reihenfolge.

In der Tabelle ist eine bedingte Farbgebung ebenfalls

über eine Formel einstellbar.

Der Vorteil der Diagramme ist, dass sie gut für andere

Dimensionen wiederverwendet werden können.

Abbildung 8: Qlik Sense ABC-Analyse Tabelle - nur „Tires and Tubes“

Seite 10 │17

3.2.2 TableauDie Erstellung einer ABC-Analyse in Tableau ist nicht

einfach, obwohl die Berechnung des kumulierten Ge-

samtumsatzes in Prozent eine „schnelle Tabellenbe-

rechnung“ ist, so dass der Benutzer diese nicht selbst

über eine Formel berechnen muss. Tableau bietet für

Pareto-Diagramme eine Anleitung als Schulungsvi-

deo 4 und geschriebenen Text 5 an.

Abbildung 9: Tableau ABC-Analyse

Abbildung 10: Tableau ABC-Analyse Tabelle - nur „Tires and Tubes“

Das Balkendiagramm kann so angepasst werden, dass das komplette Diagramm sichtbar ist.

4https://www.tableau.com/learn/tutorials/on-demand/pareto-charts5https://onlinehelp.tableau.com/current/pro/desktop/en-us/pareto.html

Seite 11 │17

Die Farbgebung ist nicht so einfach wie die gewohnte

Farbgebung. Diese erfolgt hier über Parameter. Dies

hat allerdings den Vorteil, dass die Klassengrenzen

schnell angepasst werden können.

Die Diagramme sind nur teilweise für andere Dimensi-

onen wiederverwendbar.

3.2.3 Microsoft Power BIDie Berechnungen, die für eine ABC-Analyse nötig

sind, erfolgen über komplexe „Measures“, deren Ag-

gregationen konkret für eine Dimension festgelegt

werden und deshalb nicht für andere ABC-Analysen

wiederverwendet werden können.

Abbildung 11: Microsoft Power BI ABC-Analyse

In der Darstellung fehlt der Überblick über alle Werte.

Es ist keine bedingte Farbformatierung möglich.

Abbildung 12: Microsoft Power BI ABC-Analyse Tabel-

le – nur „Tires and Tubes“

In einer Tabelle ist eine Farbformatierung mit anpassba-

ren Klassengrenzen zwar möglich, aber nicht optimal.

Alternativ kann für die Visualisierung ein sogenanntes

„Wasserfalldiagramm“ verwendet werden. In diesem

wird automatisch eine Kennzahl kumuliert. Deshalb ist

die Erstellung sehr einfach und schnell. Ein Nachteil

dieser Darstellung sind die geringen Modifikations-

möglichkeiten.

Abbildung 13: Microsoft Power BI ABC-Analyse als

„Wasserfalldiagramm“

Seite 12 │17

3.3 WarenkorbanalyseEin Unternehmen möchte wissen, welche Subkate-

gorien oft zusammen gekauft werden. Hierfür soll die

Konfidenz6 in Prozent berechnet werden.

3.3.1 Qlik SenseUm die Warenkorbanalyse zu visualisieren, muss die

Tabelle mit den Bestellpositionen und der Subkatego-

rie neben dem initialen Laden ein zweites Mal geladen

werden, damit die Analyse erstellt werden kann. Die

Anzahl der zu ladenden Datensätze entspricht der An-

zahl der Bestellpositionen.

Die Erstellung des eigentlichen Diagramms ist einfach,

allerdings wird für die Berechnung ein „Set-Analysis“-

Ausdruck benötigt. Die Farbformatierung erfolgt über

eine Formel und ist dadurch nicht selbsterklärend. Es

fehlt eine Gesamtansicht über alle Subkategorien.

3.3.2 TableauEine Variante der Warenkorbanalyse ist die Dar-

stellung als Hervorhebungstabelle. Hierfür müssen

weitere Daten geladen werden. Da die Tabelle über

den Join-Operator verbunden wird, wird für jede

Bestellung jede Bestellposition mit allen anderen

Bestellpositionen kombiniert. Die Gesamtanzahl der

Datensätze steigt enorm an. Zudem muss die Wa-

renkorbanalyse in einer separaten Datei erfolgen, da

durch das zusätzliche Laden alle anderen Berechnun-

gen verfälscht werden.

Abbildung 14: Qlik Sense Warenkorbanalyse

6Anzahl der Bestellungen mit beiden Subkategorien / Anzahl der Bestellungen mit einer Subkategorie

Abbildung 15: Tableau Warenkorbanalyse

Abbildung 16: Tableau Warenkorbanalyse gesamte Ansicht

Seite 13 │17

Die Erstellung dieser Tabelle ist einfach, da die Be-

rechnung der Konfidenz über eine „schnelle Tabellen-

berechnung“ erfolgen kann. Die Hervorhebungstabelle

(Standardtabelle) enthält bereits eine bedingte Farbfor-

matierung. Es können alle Spalten und Zeilen ange-

zeigt werden, um einen Überblick zu bekommen.

Seite 14 │17

3.3.3 Microsoft Power BIEs muss eine weitere Tabelle geladen werden, die pro

Bestellung jede Bestellposition mit allen anderen Bestell-

positionen kombiniert. Somit steigt die Gesamtanzahl der

Datensätze enorm an. Durch Transformationen kann die

Anzahl der zu ladenden Daten verringert werden.

Die Erstellung der Visualisierung ist sehr einfach, da

die Berechnung als Prozentzahl eine Standardberech-

nung ist. Die bedingte Farbformatierung ist in der Ta-

belle integriert.

3.4 Integration von RDie Skriptsprache R wird inzwischen immer öfter für

statistische Berechnungen in BI eingesetzt. Deshalb

ist es von Vorteil, wenn R in den Analyseprogrammen

integriert werden kann.

3.4.1 Qlik SenseIn der aktuellen Version ist R noch nicht in Qlik Sense

integriert, ein API Support für die Integration von R ist

für folgende Versionen jedoch geplant 7. Einige Erwei-

terungen bieten bereits die Möglichkeit zur R-Integra-

tion. So kann mit einer Erweiterung auf „Forecasting

with ARIMA“ 8 zugegriffen werden.

Abbildung 17: Microsoft Power BI Warenkorbanalyse

Abbildung 18: Qlik Sense Forecast ARIMA

7 Qlik: Innovation in Visual Analytics. 2017. [Online]. http://go.qlik.com/rs/497-BMK-910/images/Qlik%20Statement%20of%20Direction%202017%20-%20A4.pdf [Zugriff am 4. August 2017]. S. 16.8 F. Heiba: 3rd Party Engine Connector Extension. 19 September 2016. http://branch.qlik.com/#!/project/5756d6de3cc4c57c9d9f6346 [Zugriff am 4. August 2017].

Seite 15 │17

Wie gewohnt werden Dimensionen und Kennzahlen

angegeben. Nach Auswahl der Funktion „ARIMA“ wird

der Forecast angezeigt (siehe Abbildung 18).

Abbildung 19 stellt die Verknüpfung von Qlik Sense

zum R-Server dar. Nach Auswahl der „3rd Party Engi-

ne“, der Funktion, dem Dateninput und Output werden

die benötigten Daten von Qliks In-Memory-System

abgerufen und an den R- beziehungsweise Matlab-

Server gesendet. Dieser berechnet die Anfrage und

schickt ein Ergebnis zurück, das dann visualisiert wird.

Abbildung 19: Verknüpfung Qlik Sense zu R9

3.4.2 TableauIn Tableau können Dateien des Typs .RData oder .rda

geladen werden, wobei jeweils nur das erste Objekt

pro R-Datei geladen wird.10 Folgende Objekttypen wer-

den unterstützt: Vektoren, Zweidimensionale Matrizen,

Faktoren, Daten-Frames.

Zusätzlich können Berechnungen in R durchgeführt

werden (Beispiel: Abbildung 21), deren Ergebnisse

anschließend visualisiert werden können (Beispiel:

Abbildung 22). Hierfür wird ein R-Skript in ein berech-

netes Feld geschrieben. Dabei muss der Datentyp des

Ergebnisses bereits bekannt sein11 und für jeden Da-

tensatz (Zeile) muss ein Ergebnis zurückgegeben wer-

den. Damit Tableau das Skript zu R schicken kann, ist

ein R-Server notwendig (z. B. Rserve). Abbildung 20

verdeutlicht diesen Prozess.

Abbildung 20: Verknüpfung von Tableau zu R12

Abbildung 21: Berechnung von Klassen mit kMeans in

R in Tableau (Fisher‘s Iris data set)

9 Quelle: F. Heiba: 3rd Party Engine Connector Extension. 19 September 2016. http://branch.qlik.com/#!/project/5756d6de3cc4c57c9d9f6346. [Zugriff am 4. August 2017:10 Tableau: Statistische Datei. 23 Juni 2017.. https://onlinehelp.tableau.com/current/pro/desktop/de-de/help.html#examples_statfile.html#Rdata. [Zugriff am 2. August 2017].11 Mögliche Datentypen-Rückgabewerte: Zeichenketten, Wahrheitswerte, ganze Zahlen, reelle Zahlen12 Quelle: B. Beran: Building Advanced Analytics Applications with R and Python Integration. https://www.tableau.com/learn/webinars/building-advanced-analytics-applications-r-and-python-integration. Zeit: 15:34 [Zugriff am 1. August 2017].

Seite 16 │17

Abbildung 22: Tableau Präsentation der Berechnung in

R (Fisher‘s Iris data set)

3.4.3 Microsoft Power BIEin R-Skript kann zum einen als Datenquelle und zum

anderen für die graphische Aufbereitung verwendet

werden.

Wird ein R-Skript als Datenquelle verwendet, können

nur „data.frames“ (tabellarische Daten) geladen wer-

den. Anschließend verhalten sich diese Daten wie alle

anderen geladenen Daten.

Diagramme die mit R erstellt werden (Beispiel: Ab-

bildung 23) verhalten sich größtenteils wie die an-

deren Visualisierungen. Sie können gefiltert werden

und aktualisieren sich, wenn Daten geladen werden.

Sie unterscheiden sich dadurch, dass keine QuickIn-

fo angezeigt wird. Die vom visuellen R-Element zum

Zeichnen verwendeten Daten sind auf 150.000 Zeilen

beschränkt. In CRAN veröffentliche Pakete werden

unterstützt, benutzerdefinierte Pakete werden nicht

unterstützt.13,14

Abbildung 23: Microsoft Power BI Fisher‘s Iris data

set – Clustering in R

13D. Iseminger: Erstellen von R-Visualisierungen im Power BI-Dienst. 6 Juni 2017. https://powerbi.microsoft.com/de-de/documentation/power-bi-service-r-visuals/. [Zugriff am 2. August 2017].14Alle unterstützten Pakete: D. Iseminger: R-Pakete im Power BI-Dienst. 6 Juni 2017. https://powerbi.microsoft.com/de-de/documentation/powerbi-service-r-packages-support/ [Zugriff am 2. August 2017].

Seite 17 │17

4. Fazit & EmpfehlungenQlik Sense, Tableau und Microsoft Power BI sind bei

einfachen Analysen (wie Zeitreihenanalyse, Top/Flop

etc.) für Self-Service geeignet, da sie größtenteils intu-

itiv zu bedienen und schnell zu erlernen sind. Bei der

Erstellung komplexer Analysen bedarf es allerdings ei-

nes versierten, erfahrenen Benutzers.

Zwischen den drei Lösungen offenbaren sich auf den

ersten Blick nur wenige Unterschiede in Bezug auf de-

ren Funktionsumfang. Alle Programme bieten ein gro-

ßes Sortiment an Diagrammtypen, wie zum Beispiel

Linien-, Balken- und Kreisdiagramme, Baumkarten

oder Geo-Visualisierungen.

Sowohl Qlik Sense als auch Microsoft Power BI bie-

ten mächtige Werkzeuge zur Transformation und Mo-

dellierung der geladenen Daten an, die Präsentation

der Daten ist eher schlicht gehalten. Der Fokus von

Tableau ist die Visualisierung der Daten und der Self-

Service-Gedanke. Dieses Programm bietet die größ-

te Unterstützung für den Benutzer durch vordefinierte

Berechnungen.

Bei der Integration von R zeigen sich deutliche Unter-

schiede. Während in Qlik Sense eine Integration nur

über Erweiterungen möglich ist, können in Power BI

Visualisierungen direkt in R erstellt werden und sogar

R Skripte als Datenquelle geladen werden. In Tableau

können Berechnungen in R durchgeführt werden, die

dann mit den in Tableau vorhandenen Diagrammtypen

dargestellt werden können.

Der Markt für BI-Lösungen ist sehr dynamisch und die

Möglichkeiten zur Darstellung der Informationen sind

sehr vielfältig. Der hier betrachtete Auszug kann daher

keinesfalls vollumfänglich sein, so dass sich in konkre-

ten Fall die Auseinandersetzung mit den spezifischen

Anforderungen empfiehlt, um eine optimale Lösung zu

finden.

Eva Lesny

Business Intelligence

Consultant

Sulzer GmbH | Frankfurter Ring 162 | 80807 München | www.sulzer.de

Andreas Karl

Teamleiter Business Intelligence

089 31858 - 4245

Kontakt