finebi和powerbi有自己的文件格式吗

FineBI和PowerBI的数据模式都支持实时和抽取模式，但是抽取模式下，由于FineBI的采用的分布式架构引擎进行数据的列式存储（支持十亿大数据量），PowerBI的数据引擎在抽取模式下仅仅是将数据以行式储存方式导入，所以在面对海量大数据时FineBI比PowerBI计算速度更快、性能处理更加强大。另外在数据编码上，FineBI支持对数据进行多种编码类型转换，PowerBI对这方面的转换是不支持的。

在基础数据关联建模方面，FineBI和PowerBI都能够对基础的元数据建立维度表和事实表之间的关联关系，形成关联模型，以提高数据可视化分析阶段的效率。关联操作上PowerBI建立数据关联可以直接进行关联连线设置，这里比FineBI更为便捷。

但是深入使用对比会发现，PowerBI的数据模型建立之后只能针对当前报表进行使用，而FineBI建立好的数据关联模型则是以基于业务为主题的业务包形式进行存储，这样一来FineBI的数据关联模型在做可视化分析时也就能够无限复用了。

但是在数据源种类整合时，PowerBI无法对不同来源的数据进行实时整合建模，例如下图所示，PowerBI会自动禁用多个数据源的实时建模，需要将数据模式全部修改为抽取数据才可以进行整合关联建模。

而FineBI在处理跨数据源关联建模时，由于特有的智能内存化机制，即时面对不同来源的实时数据，FineBI也能智能进行内存化关联建模，这方面强于PowerBI。

b数据加工

对于数据的清洗加工处理方面，PowerBI提供了一些可视化界面的操作选项，结合M语言和DAX函数，可以进行数据加工处理，但需要用户有一定的公式编码书写能力。

FineBI在数据加工处理方面，提供可视化操作的自助数据集功能，可以做过滤、分组汇总、新增列、合并表、自循环列、行列转换等操作，数据清洗和数据加工处理门槛相对较低。

数据建模+数据加工能力总结：

PowerBI和FineBI在数据建模和数据加工能力方面的综合能力对比，FineBI总体强于PowerBI，另外PowerBI在数据建模加工所需要的M语言和DAX函数对用户的技术能力要求相对较高，但相反，如果掌握这两门语言，也是能讲数据分析玩得很6的。