纽约市的非营利组织DonorsChoose致力于跟踪和分析当地学校获得的财务捐助。在它试图为学校管理者、当地国会议员和记者出具一份报告时，它意识到数据可视化软件并不是万能的。乍一看，数据可视化系统对这种非技术组织来说应该是最好的选择了，不过该组织的数据科学家Vlad Dubovskiy表示，传统的数据可视化软件有诸多限制。

　　Dubovskiy表示，他考察过Yellowfin商务智能、Gooddata公司和Tableau软件的可视化软件，但都不满意，最终选择了Looker Data Sciences的系统。因为它可以以个性化的方式运行高级的报告。Dubovskiy说道：“我们已经能够编写真正复杂的业务规则了。”

　　这并不是说传统数据可视化软件系统无法提供个性化服务，或者裕兴高级的分析。Dubovskiy表示，组织中如果没有数据科学家，就需要过度依赖供应商。而DonorsChoose有自己的数据科学家团队，就可以选择比自服务可视化更高级的工具。

　　Dubovskiy表示，Looker系统确实能够将数据进行图形可视化，但这不是选择它的主要原因，因为很多数据可视化系统都有这个功能。我们之所以选择Looker，是因为它专有的可以定义报告标准的LookerML语言。在这种语言下，他拥有了更多的权限，可以制作相关性更高的报告。

　　最近，DonorsChoose使用Looker系统出具了捐赠指数报告，这份报告揭示了很多慈善捐赠的特点，无论是对普通教育学校还是对高等教育学校。报告显示，曼哈顿、布鲁克林和芝加哥收到的慈善捐赠最多。级别越低的学校越能收到更多的捐赠。科学、技术、工程和数学项目更易获得捐赠。

　　DonorsChoose从2000年成立之初就搜集这些数据。但他们不知道如何让学校和地区从这些数据中受益，方便它们筹款。最初，DonorsChoose只是开放了数据库，但只有技术人员才能从中发现关联，提取价值。所以在2013年，DonorsChoose就部署了报告系统。

　　DonorsChoose选择的应用与数据可视化软件有很多共同之处。大数据和传统商务智能的界限并不明显。Dubovskiy认为，你可以称它为大数据系统，不过它解决的并不是大数据问题。数据可视化软件也是这样，它们能够从数据中提取价值，但远没有大数据那么丰富。

　　不同的技术等级，需要不同的应用。对于初涉数据分析的组织来说，数据可视化软件是一个不错的选择，但对于DonorsChoose这种有数据科学家团队的中型组织，就需要Looker这种更成熟的软件。

　　最后，Dubovskiy建议到：“不要去做完美主义者。任何事都不能一蹴而就。先做好基础的工作，再逐渐提升。”