国产最强?室友用了直呼牛逼

如果说有什么通用软件领域是国内产品的技术要比国外产品更好,那估计只有报表工具了。

数据库、操作系统这些耳熟能详的基础软件,国产货和外国货相比是个什么状态,大家也都心知肚明;开发工具、编译器、甚至浏览器(要看内核哟)也差得远;文字处理倒是有不错的国产软件,但也不能说比国外的更好。当然也许还有新品正在奋起直追甚至弯道超车,但在已经有足够用户群的领域,实在太难找到国产软件更好的例子了。

与众不同的是,国产的报表工具却要比国外竞争产品强得太多,十多年来基本上把国外产品打到销声匿迹了,只剩几个开源产品还能靠免费混着,甚至很多国外产品会主动承认这方面就是不灵。

这里的原因可能是外国人的复杂报表比较少,这方面需求刺激要少一点。欧美确实是这种状态,但日本人的复杂报表并不少,可也没什么象样的报表工具出来。而且,Excel也是美国人搞的,也有很多为了适应复杂格式和计算规则的功能,做得就非常好。外国的报表工具不仅是复杂报表能力差得远,常规报表技术也赶不上国产软件,是全面地弱,几乎找不到一条能和国产产品并驾的功能点。

不管什么原因了,报表工具领域确实是国产软件远远强过国外产品。

这需要提一下国产报表工具的开创者润乾报表。十几年前,润乾报表提出了新的模型,实现了报表计算和格式的统一,同时解决了绘制和计算的困难,将开发效率提高了数量级;而且使用纯Java完成了报表工具的开发,适应了当时正在普及的WEB应用趋势,从而建立起对国外产品的技术优势地位。目前对复杂报表适应较好的报表工具(全都是国内产品)都在采用这套模型和类似的技术体系。

报表BI不分家,说了报表工具自然会再说BI软件。这里说的BI是指狭义的BI,也就是以多维分析为基础的交互分析产品,主要就是按各种维度做汇总统计。

BI是国外产品的强项,国外的报表产品基本被打没了,但在国内活跃的国外BI产品仍然不少,特别是近年来热门的“敏捷BI”概念,看起来还有越来越热门的趋势。

然而,在这个领域,国产软件的技术含量也还是更强!

国产的BI产品,在WEB适应能力、企业级技术架构、兼容性等多方面都强于国外BI软件。有不少国际大牌BI产品一直只能在Windows下工作,近两年才开始有Linux版本,还磕磕碰碰的;对于数据库的支持也常常被做死,稍微不太常见的数据库就可能不支持或者支持的功能不全面;WEB的适应性也不灵,浏览器支持得不好甚至有的就不直接支持。有时候真会感叹怎么技术会如此之差,如果国产货做成这样,根本没法在市场上混的。

国外BI产品其实在国内普遍卖得还不算差(至少都有一段时间卖得不错),但用得好的很少。N年前这些国外产品的代理商有个shelfware的说法,说卖的不是software,而是shelfware,买来就放架子上不用了。

看起来技术如此之差的国外BI却在欧美混得风生水起,不仅卖得好,从论坛上看用得也不错,这又是咋回事?

国外的BI产品,使用者是业务人员,使用场景常常是桌面,最多也就是部门级。业务人员自己对着一些数据做些分析,相当于Excel的一个升级版。这种用法确实足够“敏捷”,常常也用不着数据库,折腾Linux服务器也是多余。

国内则不同,BI系统是个大型企业级应用,由IT部门主导建设,多维分析界面都做在浏览器上,整体是个大系统,后台是统一的数据仓库。这就需要采用的BI软件要有较好的集成性,能支持后台大型数据库、unixPnux这些操作系统,前端要能支持浏览器界面。这种模式下,国外产品在技术上出现水土不服也不奇怪了,因为人家本来也不是为这种场景设计的。出于各种原因购买了国外BI产品,试图实施成企业应用时,常常是把集成商累个半死,骂娘事件常常发生。建企业级BI系统用国外BI产品就是自找苦吃。但是,如果你拿着国外BI产品当单机软件在桌面用,那人家好着呢。国外BI产品显得技术差,主要在企业级应用中的不适应,而桌面应用的竞争点并不在技术上。

国内BI和国外BI,根本就是两个物种!企业级BI沉重无比,和“敏捷”这个词完全没有关系。

国内就没有桌面BI市场吗?

也有的,这些年也越来越多,但主要是民企,还不算是IT购买的主流。这些用户也确实常常在使用国外BI产品。

国内的主流需求还是企业级BI,结果导致大部分BI厂商也都把产品做成这样了。国外XXX产品做得好,国内有某些BI厂商打着将成为“中国的XXX”为旗号来开展业务的,但真面向客户时,又都被无情的市场赶到了企业级BI的路子上去了,BI界的“中国的XXX”从来没有出现过。

到底是哪边的需求出问题了?

我国的!

中国大部分企业还不需要BI。大行业竞争不充分,躺着也挣钱,做分析的动力不足。所谓的BI,经常是让领导阶层看看炫丽的效果就完了,大都在宏观层面,不能说对决策彻底没用,但BI辅助的企业经营决策应该是相对微观的,什么价位的产品好卖、什么样的人群愿意买、…,这是一线业务主管的任务,不是领导的任务。民企竞争充分,但规模小时也没有太多数据,没法做BI;稍大些规模的确实在用了,也就是刚才说的国内桌面BI市场,这种BI才能做到微观层面的决策辅助作用。

另一个原因是一线人员的技能也不足,很多概念和运算都不太懂,自由分析也不大用得起来,结果也就是固定报表有用,因为这只要输入几个参数就完了(有些“中国的XXX”开始不提供复杂报表功能,但在竞争中也都被迫补上这一环,转而宣称自己报表做得好)。国内客户考察BI时常常会特别关注拖拽方式而不是数据分析功能,而国外很多一线分析人员甚至能自己写SQL准备数据。

多方鼓吹忽悠下,很多机构也认为上了BI就能决策科学了。BI常常是为了上而上,由IT部门来主导,或是总部业务部门推动,而不是一线业务人员有多强劲的需求。这时候造出企业级BI也就是正常的结果了。

技术上讲,浏览器里的多维分析也是个面子货,看起来炫,其实没法用。允许胡乱拖拽的结果经常是后台撑不住,小则卡顿,严重了谁都用不了。这是BI产品本身无能为力的数据仓库问题,数据仓库也没办法,你瞎查询谁也撑不住。而桌面就没问题,你查死自己与别人无关。

企业BI就没有用吗?

那当然也不是。

随着市场的正常化,企业BI的市场依然很有前景,但需要由有丰富行业经验的软件开发商来主导,而不是通用BI厂商来做。有了行业经验才知道业务用户最关心什么、把什么参数指标做活或做死,界面才会方便。比如现在有很多标签属性(是否值,客户是不是大学生,有没有信用卡),数量可能达到几百上千,通用BI会把这些都当成维度统一处理,界面就会很难用。有行业经验的开发商则会把标签按业务合理分类甚至联动,就会好用很多。行业经验支持下的交互界面,对应的后台计算是设计过的,计算量可控,定制界面还可以对计算量巨大的动作做出限制,这样数据仓库也能撑住了。企业BI还可以提供数据准备功能,允许业务人员取出部分数据以进一步在桌面做灵活分析,但要做好脱敏处理,这也需要行业知识。

有了行业知识的加持,企业BI就可能从面向宏观的面子货变成面向微观的一线经营辅助工具了,即使使用的技术手段并没有特别的变化。基于行业经验建设的企业BI解决大数据量的查询筛选,再配合灵活的桌面BI解决小数据量的灵活运算,这才是合理的BI应用场景。

现在有不少行业客户已经开始这么做了,不再直接采购通用BI软件。

不过,如前所述,BI(以及报表工具)还是有一些技术门槛的,主要从事行业应用软件开发的公司未必很擅长,虽然有业务知识,也更清楚用户的需求,但仍然需要有相当的技术积累才能完成完整的BI系统,而完全靠自己去实现这些基础技术也是一件成本很高风险较大的事情。

这就要再提一下润乾报表了,现在的润乾报表中已发展出相当完整的BI基础功能,并且将这些代码开源了

市面上绝大多数国产BI软件都会提交成一个独立使用的平台,有自己的用户及资源管理机制,没什么可集成性(更不会开源)。行业软件开发商也只能在边上做一些配置,而无法深度控制和改造,很难把自己的行业知识融汇进去。而润乾BI的设计定位则是中间件(和其报表工具一样),因而有非常好的集成性,而且还是开源提交的(当然也免费),也就易于改造。这些强大丰富的基础BI技能就可以方便地开放给应用软件厂商,无缝地嵌入到他们的系统中,从而低成本高效率地开发出自有的企业BI应用软件。

  • 42
    点赞
  • 24
    收藏
    觉得还不错? 一键收藏
  • 34
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论 34
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值