Open Exchange比较不同的商业智能技术是非常有趣的。我很好奇它们在功能、开发工具、速度和可用性方面有什么不同。
在这个应用程序中，我选择了一个有欧洲各国水状况的数据集。这是一个开源的数据集，包含1991年到2017年的观测数据。
团队和我决定使用IRIS BI、Tableau、PowerBI和InterSystems Reports（由Logi Reports驱动）在这个BI数据集的基础上制作一个模型
对于前端，我们通过Embedded Python在PythonFlask中制作了一个网页界面。
顺便说一下，其结果可以在这个网页上看到：http://atscale.teccod.com:8080/
你可以看看demo stand (演示台)，因为从资源库部署一个容器可能需要多至20分钟的时间。大量的python包，后面会有更多的原因。
主页面
数据
事实上，数据似乎很小，期间只有17年 :)
因此，在现有的基础上，我想延续数据集，为此使用了一个神经网络。使用同样的嵌入式Python，使用了Tensorflow，这个包下载后占据了511MB，不要惊讶
实际上，这也是容器部署时间长的原因--为神经网络下载了很多包，相当多的相关包，安装时间很长。不过会有一篇关于神经网络和Integrated ML（一体化机器学习）的单独文章，我很快会发表。
我还要说的是，预测的结果被输入到同一个数据库，所以你可以通过BI工具看到数据集。但是预测只针对法国的一条河，请仔细看一下。因为我们只有足够的力量计算一件事。完整的预测会花很长的时间。
数据立方体
数据立方体是在IRIS中制作的，同时立方体也是在Adaptive Analytics（由AtScale驱动）中制作的。因此，IRIS的BI仪表盘是在IRIS上建立的，其余的工具（Logi、PowerBI、Tableau）从AtScale上获取数据。
仪表板
实际上商业智能系统是以多种形式呈现的。
这是在python中的Dash。
我们喜欢的IRIS BI
InterSystems报告（由Logi报告提供）。
PowerBI
Tableau 样例
完成
对于所介绍的所有BI系统，源文件都可以在资源库中找到。你可以看到报告和仪表盘是如何工作的，并在你未来的项目中使用它们。
通过它们，你可以直观地看到一个特定的系统是如何工作的，也可以了解一个特定的系统有哪些开发工具。
我们没时间来制作一个页面，让你可以输入各种参数和条件，使用神经网络的可能值进行计算。这里有一些先决条件，有一个实施神经网络的例子，以及在其帮助下所做的预测，这些都是在嵌入式Python中实现的。神经网络已被训练，启动脚本也是可用的，位于 https://github.com/teccod/water-conditions-Europe/blob/main/iris/src/PythonFlask/pages/ml/ml_run.py文件夹中。
谢谢你阅读这篇文章，我在等待评论和反馈。很快就会有一篇关于在嵌入式Python和IntegratedML（一体化机器学习）中比较神经网络的文章，我将把它附在这篇文章中。