Analytics-området är glödhet i den digitala värdekedjan, megatrenden BIG data måste ju analyseras!

Den 3/12 körde vi en analytic ”battle” mellan QlikView och SAP Lumira desktop på vårat kontor i Malmö. Syftet med dagen var att test det välrenomerade verktyget QlikView mot SAP:s utmanare Lumira. Bägge produkterna gör anspråk på att adressera området Business Discovery

  • Descriptiv analytics – What?
  • Diagnostic analytics – Why?
  • Predictive analytics – What is likely to happen?

Dagen gick ut på att utnyttja bägge verktygens in-memory teknik, d.v.s inte utgå från några aggregat utan göra beräkningar/analyser direkt på raddata. Samt visualisera informationen.

Business Discovery empty

Under dagen medverkade Tobias Hoff, BI Driver within Global Marketing at IKEA, för att hålla fokus på kunddimensionerna, samt djup kompetens inom Qlikview från TetraPak, Qliktec och nu på IKEA. Tobias är en guru inom analyticsområdet och talat vid flera internationella Analytics symposium. Håll utkik om han är talare, han spänner över hela området och många dimensioner (teknik, kund, förvaltning, affärsnytta).

Analytic battle(Tobias Hoff och Karl Bergström)

Vi utgick från 40 miljoner celler (2,1 miljoner rader samt 20 dimensioner).

 

Datan laddas in i Qlickview och Lumira på någon minut. SAP Lumira erbjuder bl.a två intressanta sätt.

  • Ladda data rakt in i Lumira Desktop (som då blir det vanliga tabeller i Lumira)
  • Ladda in i HANA och sedan konsumeras av Lumira desktop (då har datan omvandladts till kolumnbaserade tabeller)
    • Detta medför en kompimering på 10 ggr. (Vår exempelfil gick från 500Mbyte till 50 Mbyte)
    • I dagsläget kan inte Qlikview läsa data från HANA views

Sedan var det dax att visualisera datan. Vår reflektion mellan verktygen var att Lumira Desktop har ett modernare utseende än QlikView. Slutsatsen under dagen var att Qlik Sense liknade mer Lumira.

Welcome to Lumira

Welcome to Qlikview

Bägge verktygen kan på ett mycket bra sätt visualisera informationen baserat på raddata. Det går snabbt och är enkelt att bygga.  Qlikview har en fördel som jag tycker saknas i Lumira, ”Associated search”.  Denna funktion gör det möjligt att se värdena man har filtrerat men även dom som inte blivit filtrerade. Detta omvända sökande ger en enkel väg framåt när man upptäcker mönster som man inte initialt hade tänkt på.

Qlikview och Lumira adresserar båda ”Data discovery” och dom kan hantera stora datamängder. PC-versionerna (som vi testade) klarar miljontalsrader utan problem. Skulle man ha behov för större analyser blir det aktuellt med serverversionen av Qlikview och Lumira. Om man utgår från data som finns i HANA så kommer datan bli ca 10 ggr mindre än om man läser in den direkt i Lumira desktop.

Vi gjorde ytterligare stress och volym tester som ni ser nedan:

2 ½  minuter tog det att ladda 4 miljoner rader (1Gbyte CSV-fil) in i SAP Lumira desktop och det gick finfint att visualisera denna datamängd

4 minuter tog det att ladda 7 miljoner rader (2 Gbyte CSV-fil). Totalt innehöll filen 140 miljoner celler och det funkade fint att köra analyser på. Mindre än 1 sekund att få svar på analyserna. Att skapa ännu större filer blev ett problem. För det inte funkar att kopiera data in i filer med denna storlek.

Vem vann då, Qlikview eller SAP Lumira?

Business Discovery

Som alltid kan man säga det beror på :-). Men jag tycker att Qlikviews ” Associated Search” var riktigt bra, och det saknas i Lumira. Jag kommer bevaka om denna funktionalitet är planerad (Lumira får ny funktionalitet varje månad). I dagsläget ligger denna typ av funktionalitet i SAP BusinessObject 😦 . Så baserat på det vi testade får jag (som fullständig SAP-nörd) säga att Qlikview vann på poäng :-). Lumira har predictive analytics funktionalitet, som Qlikview saknar. Men detta område hann vi inte djupanalysera. Vid nästa tillfälle vi träffas kan detta vara ett intressant ämne.

Skulle du vara intresserad av att delta i denna typ av “Jamsession” så vänligen ta kontakt med oss på Acando. Vi planerar att köra olika Jamsessions, styrt av mega-trenderna runt digitalisering exempelvis BIG data, omni-channel och IoT.