紐約市的非營利組織DonorsChoose致力于跟蹤和分析當地學校獲得的財務捐助。在它試圖為學校管理者、當地國會議員和記者出具一份報告時，它意識到數據可視化軟件并不是***的。乍一看，數據可視化系統對這種非技術組織來說應該是***的選擇了，不過該組織的數據科學家Vlad Dubovskiy表示，傳統的數據可視化軟件有諸多限制。

Dubovskiy表示，他考察過Yellowfin商務智能、Gooddata公司和Tableau軟件的可視化軟件，但都不滿意，最終選擇了Looker Data Sciences的系統。因為它可以以個性化的方式運行高級的報告。Dubovskiy說道：“我們已經能夠編寫真正復雜的業務規則了。”

這并不是說傳統數據可視化軟件系統無法提供個性化服務，或者裕興高級的分析。Dubovskiy表示，組織中如果沒有數據科學家，就需要過度依賴供應商。而DonorsChoose有自己的數據科學家團隊，就可以選擇比自服務可視化更高級的工具。

Dubovskiy表示，Looker系統確實能夠將數據進行圖形可視化，但這不是選擇它的主要原因，因為很多數據可視化系統都有這個功能。我們之所以選擇Looker，是因為它專有的可以定義報告標準的LookerML語言。在這種語言下，他擁有了更多的權限，可以制作相關性更高的報告。

最近，DonorsChoose使用Looker系統出具了捐贈指數報告，這份報告揭示了很多慈善捐贈的特點，無論是對普通教育學校還是對高等教育學校。報告顯示，曼哈頓、布魯克林和芝加哥收到的慈善捐贈最多。級別越低的學校越能收到更多的捐贈。科學、技術、工程和數學項目更易獲得捐贈。

DonorsChoose從2000年成立之初就搜集這些數據。但他們不知道如何讓學校和地區從這些數據中受益，方便它們籌款。最初，DonorsChoose只是開放了數據庫，但只有技術人員才能從中發現關聯，提取價值。所以在2013年，DonorsChoose就部署了報告系統。

DonorsChoose選擇的應用與數據可視化軟件有很多共同之處。大數據和傳統商務智能的界限并不明顯。Dubovskiy認為，你可以稱它為大數據系統，不過它解決的并不是大數據問題。數據可視化軟件也是這樣，它們能夠從數據中提取價值，但遠沒有大數據那么豐富。

不同的技術等級，需要不同的應用。對于初涉數據分析的組織來說，數據可視化軟件是一個不錯的選擇，但對于DonorsChoose這種有數據科學家團隊的中型組織，就需要Looker這種更成熟的軟件。

***，Dubovskiy建議到：“不要去做***主義者。任何事都不能一蹴而就。先做好基礎的工作，再逐漸提升。”

原文鏈接：http://www.36dsj.com/archives/6193