Boletín Ninja
Suscríbete a la newsletter y recibe la guía ninja del Big Data y la Inteligencia Artificial.
En el episodio de hoy de Un podcast ninja sobre Big Data comparamos las herramientas de visualización y Business intelligence más top del mercado:
Poder BI, Qlik Sense y Tableau
Power BI originalmente empezó como un complemento para Excel de Microsoft, pero rápidamente se convirtió en un producto independiente. Como está integrada en Office 365 pues se ha propagado muy rápido.
En las empresas es bastante normal usar la suite de Office así que Power BI viene de serie.
Luego, Qlik Sense, empezó como QlikView, y luego Qlik Sense llegó con la intención de ofrecer una interfaz más intuitiva para el usuario, y se convirtió en el caballo de batalla de Qlik.
Qlik Sense soporta tanto versiones basadas en la nube como gestionadas por el cliente.
Finalmente Tableau, ganó popularidad gracias a su amplia biblioteca de demos y a su objetivo de crear visualizaciones simples para el usuario.
En cuanto a la parte de visualización de datos, que es en realidad la parte que nos ha traído hasta este episodio, las tres herramientas tienen incluidos los gráficos típicos que solemos necesitar para hacer un dashboard.
Gráficos de barras, columnas, gráficos de dispersión, gráficos de líneas… tampoco necesitaríamos complicarnos más.
Peeeero si se nos va un poco la olla con esto y queremos usar visualizaciones rarunas o especiales Tableau es la herramienta que permite más tipos de gráficos, un mayor grado de personalización de las visualizaciones y unos dashboards que pueden ser tan grandes cómo decidamos.
En el extremo contrario de la personalización de visualizaciones está Qlik Sense, ya que aquí es un poco más complejo conseguir un dashboard único sin utilizar programación.
Aunque Qlik Sense permite el uso de extensiones para ampliar las capacidades de personalización, estas no son tan fáciles de aplicar o tan accesibles como las que podríamos encontrar en Power BI, por ejemplo.
Otro tema es la flexibilidad de dónde funcionar con estas herramientas.
Si antes os contaba que Power BI ha podido crecer súper rápido gracias a que está incluida en la suite de Microsoft Office tiene la pega de que es complicado utilizarla fuera de ahí o de Azure, la nube de Microsoft.
Así como Qlik Sense y Tableau pueden integrarse en cualquier arquitectura de datos ya sea en la nube o en un centro de datos privado, Power BI nos limita a estar en el entorno Microsoft.
Este tipo de flexibilidad permite que tengamos el control de los datos y de las herramientas que queremos usar.
Otra característica importante a tener en cuenta en una herramienta de análisis de datos y visualización como Power BI, Tableau y Qlik Sense es cómo de fácil es importar los datos desde otras plataformas que hacen de fuentes de datos.
Por ejemplo, si trabajamos con datos de múltiples plataformas como Google Analytics, Stripe y Shopify, y queremos analizarlos todos juntos en una herramienta de business intelligence, es importante saber si conectar estas fuentes de datos será un proceso sencillo o nos causará un dolor de cabeza antes de decidir qué herramienta utilizar.
Entonces, en cuanto a conectividad con fuentes de datos, Power BI es la que más posibilidades tiene porque evidentemente Microsoft es la compañía más popular de las que están detrás de estas herramientas.
En cuanto a la conectividad de Qlik Sense, tiene una conectividad directa con las fuentes de datos más populares pero para algunas fuentes de datos como Shopify o plataformas de pago hay que hacer algún apaño o utilizar plataformas de terceros que se dedican precisamente a esto.
Tableau, por su parte se queda un poco por detrás en cuanto a conectividad con fuentes de datos.
Sí que soporta las más típicas como Excel, Google analytics, almacenes de datos de Amazon, Azure o BigQuery peeero para ingestar datos de algunas plataformas hay que pasar sí o sí por herramientas de terceros.
Una vez hemos importado las fuentes de datos, un tema importante en una herramienta de inteligencia de negocio es la capacidad de transformar estos datos.
Como buenos ninjas de los datos que somos, ya sabemos que no podemos funcionar con los datos tal y como nos llegan de la fuente de datos.
Tenemos que hacer algo con los valores faltantes, escalar algunas variables numéricas y esas cosas que llamamos ingeniería de características.
Power BI (y también Excel) cuenta con Power Query, que se encarga de conectar varias fuentes de datos y transformarlas según nuestras necesidades para luego poder seguir con el análisis que tengamos entre manos.
Lo que pasa es que a Power BI se le puede hacer bastante bola hacer esto con datasets muy grandes.
En cuanto al modelado, aunque tiene todas las funcionalidades esperadas, hay que establecer las conexiones y relaciones entre los datos a mano por lo que si en vuestro flujo de análisis hay muchas fuentes de datos diferentes con distintas tablas, se os puede hacer bola a vosotros.
Qlik es más eficiente en este aspecto.
También permite la transformación de datos aunque hay que hacerlo mediante sus scripts particulares y eso conlleva un pequeño esfuerzo adicional de aprendizaje.
Es una herramienta mucho más rápida a la hora de manejar datasets más grandes y todas las relaciones entre los datos se indexan y conectan automáticamente, lo cuál puede ahorrar bastante trabajo.
Por otro lado, Tableau no viene preparada con una funcionalidad para la transformación de datos de base peeero podemos utilizar Tableau Prep Builder que sólo está incluida en el tier de Tableau Creator (75€/mes).
Sin embargo, incluso con Tableau Prep Builder, si sois muy expertos en la transformación de datos o necesitáis transformaciones avanzadas, es una herramienta que se os puede quedar corta.
A la hora de modelar los datos, Tableau puede ser un poco rollo, ya que hay que arrastrar las tablas una por una y en el orden correcto para conectar los datos, que también se hace a mano.
Hasta aquí, está claro que tanto Power BI como Tableau como Qlik van más allá e la visualización de datos ya que podemos ingestar datos de diversas fuentes, transformarlos e incluso combinarlos y modelarlos con más o menos dignidad, dependiendo de la herramienta.
Bien.
El siguiente paso que también han dado es la incorporación de modelos de Inteligencia Artificial.
Power BI cuenta con AutoML, lo que permite al usuario entrenar, validar y utilizar modelos de Machine Learning directamente en la herramienta.
Además, es capaz de extraer las características más relevantes de los datos para entrenar los modelos automáticamente y se integra a la perfección con Azure Cognitive Services.
Azure Cognitive Service permite durante la fase de preparación de los datos, enriquecer los datos de texto con análisis de sentimiento o extracción de frases clave entre otras cosas.
Para esto hace falta tener la opción premium, también os lo digo.
Power BI también se integra con Azure Machine Learning, permitiendo tanto la creación de nuevos modelos como la importación de modelos ya existentes.
Para ello, el científico de datos que se encarga de diseñar y entrenar los modelos en Azure Machine Learning únicamente tendría que dar acceso al modelo en cuestión al analista, que está trabajando con Power BI.
Después, al inicio de cada sesión, Power Query detectaría todos los modelos de Azure Machine Learning a los que tiene acceso el usuario y los mostraría como funciones de Power Query dinámicas.
Y para rematar, como no podría ser de otra manera, Microsoft ha integrado en Power BI, la capacidad de procesamiento de lenguaje natural para explorar nuestros datos con nuestras propias palabras.
Esto lo que hace es obtener visualizaciones rápidas a partir de preguntas en lenguaje natural.
Por su parte, Qlik Sense también cuenta con Qlik AutoML para generar modelos de aprendizaje automático fácilmente, aunque esto requiere una licencia aparte.
Comparativamente esta parte del Machine Learning y la analítica predictiva está menos desarrollada que en Power BI, la verdad.
Finalmente, Tableau tiene Tableau AI que genera una especie de resumen a partir de las métricas clave detectadas.
Además, integran modelos de Machine Learning para aplicarlos sobre los datos ya sea mediante analítica predictiva u otros casos de uso.
Tableau también cuenta con Einstein Copilot for Tableau, un asistente creado a partir de un modelo del lenguaje para guiarnos en el uso de la herramienta.
Einstein Copilot también sugiere visualizaciones y nos ayuda a automatizar cosas que hacemos repetidamente durante el proceso de análisis de datos.
Ahora empieza la parte más compleja: La de entender los modelos de precio de cada una.
Empezando por los precios de Power BI que ofrece dos opciones:
También hay una opción gratis asociada a una cuenta de Microsoft Fabric que permite crear informes.
Ahora, hablemos de los precios de Qlik Sense.
Qlik ofrece una licencia Qlik Sense estándar, por 20€ por usuario al mes con un mínimo de 10 usuarios que incluye todas las funcionalidades de las que hemos hablado menos la analítica predictiva y las funcionalidades de Machine Learning.
También tiene algunas limitaciones en cuanto a tamaño (menos de 50GB de datos al año).
Si se os va de presupuesto siempre podéis probar gratis durante 30 días.
Finalmente, Tableau ofrece varias licencias que varían en precio.
Así que, ahí lo tenéis, una comparativa completa entre Power BI, Qlik Sense y Tableau. Cada una con sus pros y sus contras… por si estáis pensando cuál aprender.
Espero que os guste el episodio.
Si es así, no olvidéis dejar un «Me gusta» y algún comentario al episodio en Ivoox o una valoración de 5 estrellas del podcast en Apple podcasts, en Spotify, en Youtube o donde quiera que escuchéis el podcast.
Recordad que si tenéis cualquier duda o pregunta podéis contactar conmigo a través del formulario de contacto o podemos seguir la conversación en Twitter.
Muchas gracias por estar ahí y os espero en el próximo episodio de Un Podcast Ninja sobre Big Data.