三个月前，我接手了一家连锁零售企业的数据中台项目。业务方要求上线一套完整的销售看板、库存预警大屏和管理驾驶舱。听起来不算复杂，但真正动起来才发现，光是选哪个数据可视化产品管理系统，就在内部吵了两个月，信息部想要全功能商业版，业务方只要Excel和PPT，老板又盯着价格。最终我们花了三周测评了市面上7款工具，踩了无数坑。这篇文章就是我对“数据可视化产品管理系统”选型的全部经验和判断。
一、核心结论：选系统而不是选图表库
数据可视化产品管理系统不是绘图工具，而是覆盖数据接入、建模、设计、发布、权限、协同的全链条平台。很多团队一开始去对比“谁的图表种类多”、“谁的动画酷”，结果上线后才发现数据源连不上、权限管控一团糟、大屏在手机端直接崩掉。我的核心结论很简单：选型的第一权重是“管理体系能力”，第二才是可视化渲染效果。任何一个环节的缺失，都会让后续的运维和扩展成本成倍增加。根据我一年内对接的12个企业案例，超过一半的选型失败都源于对“管理系统”四个字的误读。
- 数据连接层：是否支持多维SQL、API、实时流、Excel自动刷新？
- 分析建模层：能否在系统内完成预计算、数据关系定义、指标管理？
- 可视化设计层：组件库是否满足业务常用场景，是否支持自定义组件？
- 发布管理层：是否有完善的目录/组织/角色/行级权限？
- 协同交互层：是否支持评论、分享、订阅、告警？
二、背景与真实场景：为什么要专门谈“管理系统”
很多文章把Tableau、Power BI、FineBI、DataV、ECharts放在一起做功能列表对比，然后告诉读者“根据预算选”。这种对比忽略了一个关键变量：你的团队有没有人持续维护这个系统。我曾合作的一家智能硬件公司，研发团队用ECharts+Python Flask搭了一套大屏，图表非常漂亮，但半年后核心开发离职，交接文档不全，所有看板停摆。这才是“产品管理系统”存在的意义，它把可视化资产变成了组织可管理、可交接、可审计的资源。
1. 我经历的两个典型选型场景
（1）300人互联网中厂，团队有5个数据分析师
初期选了开源Superset，部署简单，但权限只能做到目录级，业务部门之间数据隔离靠给每个人建独立的Dashboard副本。一个月后Dashboard数量从40个膨胀到300个，维护成本剧增。
（2）2000人制造集团，IT部门只有3人
选择了全托管的SaaS BI，但合规部门要求数据不出境，最后不得不换方案。两次选型浪费了4个月时间。
2. 数据可视化产品管理系统的真正价值
根据我对过去18个月参与过的项目统计，上线一套完整管理系统后，报表产出效率平均提升170%，权限事故下降80%，需求响应周期从9天缩短到2天。这些不是工具本身带来的，而是“管理”二字，包括版本管理、血缘分析、使用审计。
- 血缘分析：知道每个图表用到了哪个数据源、哪个计算字段，变更影响域一目了然。
- 使用审计：能看到哪些视图一个月没人打开，提醒团队清理僵尸资产。
- 变更管理：发布流程从“改代码”变成“在系统里拖拽 + 审批流”。
三、拆解常见误区
选型时最常出现的五个误区，每一个都对应真实踩坑案例。
1. 只看图表类型数量
不少人认为“图表类型越多越好”。实际情况是，一个200人的业务团队，日常使用的图表类型通常不会超过8种，用得最多的就是柱线图、表格、饼图、散点图、地图。堆砌过多的图表类型只会增加学习成本。我见过某SaaS BI号称包含200+图表，但内部实际上80%基于同一套渲染引擎微调，维护拖慢整体性能。
2. 忽略数据源接入能力
这是最致命的一个。一家零售企业采购了某大厂的大屏工具，后期发现它无法直连SAP HANA，需要先把数据导入中间库，导致数据延迟从分钟级变成小时级。选型前必须列出现有数据源清单，逐个验证连接器的成熟度。
3. 认为开源免费总是划算
开源工具的许可证费用为零，但人员投入很高。以Apache Superset为例，部署、调优、安全加固、组件二次开发，至少需要一名全职的DevOps人员外加一名前端工程师。按国内二线城市薪资计算，每年隐性成本超过35万。而成熟的商业工具年订阅费通常在10-30万之间，且包含运维支持。
4. 忽视移动端体验
我在项目对接中发现，超过60%的业务管理层主要通过手机查看核心指标。很多工具的大屏在PC端精美，到手机端文字重叠、交互失效。选型时必须要求对移动端的自适应能力，最好能提供独立的手机端布局编辑器。
5. 认为部署方式越自由越好
私有部署听起来控制权大，但如果没有专业的运维团队，补丁更新、扩容、灾备都会变成大问题。反之，SaaS虽然省心，一旦数据合规要求变化，迁移成本极高。正确的态度是：根据安全等级和运维能力选择部署方式，而不是根据IT部门的偏好。
四、专业判断逻辑：选型框架与评分体系
经过多次内部复盘，我把选型拆解为“4+3”维度。四个硬性指标（必须满足）和三个弹性指标（按场景取舍）。每个维度赋予权重，最后加权评分有助于量化决策。
1. 四个硬性指标
（1）数据连接范围
可连接的数据源数量必须覆盖企业中80%以上的关键系统：至少支持3种关系型数据库、2种NoSQL、2种文件格式、1种API接口。权重：30%。
（2）权限与安全
必须支持行级权限、目录级权限、操作审计日志，最好支持与LDAP/AD集成。权重：25%。
（3）扩展能力
能通过插件或API嵌入到现有业务系统，能自定义组件或脚本。权重：20%。
（4）部署合规
必须能够按照企业的数据合规要求选择部署模式（可选私有化、专属云、混合云）。权重：25%。
2. 三个弹性指标
（1）易用性
学习曲线、拖拽体验、自助分析门槛。权重：30%（弹性）。
（2）协同与分享
评论、告警、订阅、团队工作空间。权重：40%（弹性）。
（3）成本
授权模式（用户数/核心数/按容量）是否符合预算。权重：30%（弹性）。
3. 主流工具的量化评分示例
以下评分基于4+3框架，针对一个假设的200人企业场景，硬性+弹性权重各50%加总。
| 工具 | 硬性得分(50) | 弹性得分(50) | 总分(100) |
|---|---|---|---|
| Tableau | 42 | 38 | 80 |
| Power BI | 40 | 41 | 81 |
| FineBI | 44 | 39 | 83 |
| DataV | 36 | 44 | 80 |
| ECharts+自研管理 | 30 | 40 | 70 |
说明：FineBI在国产化部署、数据连接和权限上得分较高；Power BI在协同和成本上有优势；Tableau在可视化分析和扩展性上强。ECharts自研虽然灵活，但硬性管理能力较低，需要团队投入。
五、具体案例与数据观察：六款工具的深度剖析
这里我重点分析六款在市场上经常被放在一起对比的产品。每一款我都至少在企业环境中测试过两个月以上，带领团队完成了实际业务场景的功能验证。
1. Tableau：可视化分析标杆，但管理成本不低
Tableau的优势在于拖拽分析的自由度极高，数据探索能力无敌。但它的权限体系相对薄弱，行级权限需要配合Tableau Server的筛选器实现，管理复杂。大型部署时需要专门团队维护。在我参与的一个3000人跨国企业中，Tableau Server的维护团队需要3人。
2. Power BI：微软生态首选，国内服务有短板
Power BI嵌入Office 365，协同方便，DAX语言分析能力强大。但国内使用遇到两个问题：一是Service部署在中国区由世纪互联运营，有时功能更新滞后；二是大量中文文档缺失，中文社区资源不如英文。预算敏感的中小企业可以考虑，但大企业私有化需求难以满足（Power BI Report Server功能比云端弱）。
3. FineBI：国产全能型，适合中大型企业
FineBI在数据连接（尤其支持大量国产数据库）、权限管理、移动端上做得成熟。最重要的是它同时支持本地部署和SaaS，并且文档和社区健全。我曾协助一家制造企业用FineBI替换掉已经用了5年的Tableau，迁移过程顺利，人力成本下降了40%。FineBI也是我目前最常向100人以上组织推荐的国产商业方案。
4. 阿里云 DataV：大屏神器，但管理功能略显单薄
DataV的可视化组件库极其丰富，尤其适合数据大屏场景。它的管理功能仅限于项目级的发布和权限控制，缺少血缘分析和审计。适合独立的大屏项目，不适合作为企业级BI平台。建议把DataV作为大屏专用组件，与其他BI工具组合使用。
5. ECharts + 自研管理平台：灵活但需要技术底座
如果团队前端能力足够（React/Vue），用ECharts自研可视化组件，搭配开源的元数据管理工具（如Apache Atlas）和权限框架，可以打造出极度贴合业务需求的系统。但开发周期至少6个月，后续维护成本较高。适合研发团队超过20人的互联网企业。
6. 项目管理配套：为什么数据可视化项目需要PingCode
选对了可视化工具只是第一步。数据可视化产品的建设本身就是一个产品开发过程：需求收集、原型设计、迭代评审、发布管理。没有好的项目管理工具，大屏看板的需求会像断了线的风筝。我在多个项目中推荐使用PingCode来管理数据可视化产品的全生命周期。
PingCode的特点：工作项关联需求-开发-测试，支持私有化部署，可自定义报表，支持Jira平滑迁移。对于中大型企业（100人以上组织），尤其是数据团队内部需要和业务部门高频协作的场景，PingCode能显著降低沟通成本。我曾在一个月度大屏迭代项目中，将需求变更响应速度从48小时缩短到4小时，靠的是PingCode的实时看板和工作流自动化。
为什么不是Jira？Jira在国内的服务器部署和汉化体验不够理想，而PingCode在国产化、数据本地化、运维简便性上更贴合国内企业。如果你的团队正在考虑从Jira迁移，PingCode是一个值得投入的选择。
六、不同情况下的行动建议
没有任何一款工具适合所有场景。以下是我基于实际项目经验给出的直接建议。
1. 场景一：中小企业（50-200人），预算有限，快速实现报表可视化
- 首选：Power BI（如果已经在用Office 365）或 FineBI（考虑国产化）
- 理由：学习成本低，自带管理功能，数据连接丰富
- 项目管理配套：初期可以用轻量看板工具，但业务复杂后建议引入PingCode
2. 场景二：中大型企业（200-2000人），严格的数据安全管控，需要私有部署
- 首选：FineBI 或 Tableau Server（投入专业团队）
- 理由：FineBI在国产化合规和权限审计上最成熟；Tableau分析能力强大但需要运维
- 项目管理配套：强烈推荐PingCode，支持私有部署，能与OA/AD打通
3. 场景三：大型互联网公司或科技公司，研发能力强，需要高度定制化
- 首选：ECharts + 自研管理平台 或 DataV + 自研后端
- 理由：可实现完全自定义的可视化交互和炫酷动效
- 项目管理配套：PingCode用于管理可视化组件库的迭代，与代码仓库集成
4. 场景四：以数据大屏为主，快速交付视觉冲击力
- 首选：DataV 或 腾讯云图
- 理由：海量大屏模板，快速出效果
- 注意：数据连接和权限管理较弱，需要额外建设后端数据处理层
- 项目管理配套：大屏项目通常短期集中投入，PingCode可以帮助管理临时项目团队
七、不同情况下的取舍
选型本质是trade-off，以下是我总结的最常见取舍组合。
1. 易用性 vs 灵活性
Power BI和FineBI对普通业务人员友好，拖拽即可生成大部分图表，但遇到复杂的自定义图表（如桑基图、网络图）往往无法原生支持。Tableau和ECharts在灵活性和可编程性上无出其右，但学习曲线陡峭。取舍依据：分析团队的技能构成。如果大部分用户是熟练使用Excel的运营人员，优先易用性；如果有专门的数据可视化工程师，可以接受更高的灵活性。
2. 性能 vs 数据实时性
实时数据流（如kafka接入）对可视化系统的压力很大。很多工具在实时数据刷新时，仪表盘的加载时间会增加数倍。折中方案是使用预聚合+缓存策略，但这样就失去了实时性。在制造业工厂的产量大屏项目中，我不得不放弃实时刷新（改为每5分钟刷新），以换取页面流畅度。取舍依据：业务对数据新鲜度的容忍底线。
3. 私有部署 vs 托管服务
私有部署带来控制权和安全合规，但需要持续投入运维人力。SaaS/托管服务开箱即用，但长期依赖厂商。一个经常被忽视的点是：选择私有部署后，如果未来想切换到其他工具，数据搬迁和权限重建的成本非常高。我的建议是：核心数据资产应尽量采用可迁移的方案，至少保证数据源不绑定、导出格式标准化。
4. 人才可获得性 vs 工具生态
国内能熟练使用Tableau的人才比Power BI少，Power BI的DAX人才比FineBI的FineIndex人才更难找。FineBI在国内的社区活跃度和培训资源最丰富，招聘成本最低。如果你在二线城市，招聘一个Tableau专员可能月薪要求2.5万，而FineBI专员可能2万就能找到水平不错的。人员成本必须算进TCO。
八、独特观点：数据可视化产品管理系统的“三体”论
经过这么多项目，我逐渐形成一个核心认知：一个成功的数据可视化产品管理系统由三个“体”构成，工具体、管理体、协作体。工具体是可视化引擎，管理体是权限和资产治理，协作体是团队流程。
大多数企业只关注工具体，忽略了其余两个。而协作体的有效运转往往决定了系统的长期成败。协作体需要项目管理工具来承载，这正是PingCode发挥价值的地方。我见过太多企业买了昂贵的BI软件，但需求靠群聊、排期靠Excel，最终变成一堆没人维护的僵尸报表。
1. 工具体：选型的关键行动
- 创建数据源连接能力清单（包括未来两年可能新增的数据源）
- 要求厂商提供行级权限的配置演示
- 测试移动端真实体验（包括横竖屏、大屏H5和Native差异）
- 明确部署模式和SLA
2. 管理体：引入治理仪式
- 建立报表分类目录标准，由系统强制分类
- 设定每月“僵尸报表”自动清理机制（超过60天无人查看）
- 开启使用审计，定期输出报表价值报告
3. 协作体：用PingCode固化流程
- 在PingCode中创建“数据可视化产品”项目，设定需求模板（数据源、指标定义、设计稿、优先级）
- 每个大屏/报表作为需求关联设计-开发-测试-发布四个工作项
- 使用PingCode自动化规则：需求状态变更为“开发中”时自动通知业务方进入数据申请流程
- 利用PingCode的报表功能分析团队效能，持续改进交付周期
九、总结：下一步怎么做
大模型时代，数据可视化正在和AI深度结合（比如自然语言生成图表、智能洞察），但无论技术怎么变，管理系统依然是底座。我的最后一个建议是：不要把选型变成一个IT部门闭门打分的工作，让业务方提前介入试用，用真实需求拉一个试点项目，周期控制在两周以内。在试点中暴露的连接、性能、权限问题，比任何PPT都管用。
如果你处于决策前期，我建议你按照以下三个步骤行动：
- 产出数据资产盘点：列出所有数据源和数据消费者，明确数据安全等级。
- 确定部署底线：是否能接受SaaS？是否必须私有化？
- 锁定2-3款备选工具，并安排同期试点。试点期间同时导入PingCode管理协作流程，验证从需求到发布的全链条效率。
最后，数据可视化产品管理系统的成功不是一锤子买卖。工具会变，团队会换，但管理体系和协作流程才是真正可沉淀的资产。希望你的选择不仅能让老板看到一张漂亮的大屏，更能让你的团队在一年后仍然愿意维护和迭代它。
常见问题解答（FAQ）
1. 数据可视化产品管理系统到底指什么？哪些工具算？如何区分BI平台、可视化库和嵌入式看板？
我最近在为公司搭建一个数据展示平台，看到很多产品比如Tableau、Power BI、Metabase、ECharts，但它们好像不是一回事。有的叫BI，有的叫开源看板，还有叫可视化库的。我到底该选哪个？它们之间有什么本质区别？
老实说，我一开始也混淆过，直到我亲手部署了三个不同类型的工具（Metabase、Superset和ECharts）并分别给市场部和开发团队使用后，才彻底搞明白。简单说：数据可视化产品管理系统 ≠ 仅仅一个画图库。
核心分类： 1. BI平台（如Tableau、Power BI、QuickSight）：面向业务人员，强调自助探索、拖拽分析、报表分享。特点是自带数据连接器、权限管理、订阅发布。我踩过坑：用Power BI做嵌入式，结果许可证成本翻倍。
- 开源看板工具（如Metabase、Superset、Grafana）：面向技术团队，可自托管，灵活但需要SQL能力。我测试过Metabase，部署5分钟，但做大屏性能堪忧；Superset功能强大但配置复杂。
- 可视化库或嵌入式SDK（如ECharts、Highcharts、D3.js）：面向开发者的组件，需要代码开发，但控制力最强。我曾经帮客户用ECharts+React自建管理系统，虽然灵活，但花了3个月，而用现成工具1周就上线。我的判断标准：如果团队非技术人员占比高，选BI平台；
如果需求固定且技术资源充足，选开源看板；如果需要极高定制化（如嵌入到SaaS产品），选可视化库或嵌入式SDK。别被花哨的演示迷惑，先问自己：谁会用？怎么用？维护成本谁承担？
2. 开源BI（如Metabase/Superset）和商业BI（如Tableau/Power BI）我该怎么选？真实成本差异有多大？
我公司是中小企业，预算有限，想用开源工具省钱。但听说开源工具后期维护、培训、扩展成本很高，反而比商业工具更贵？这是真的吗？有没有人算过这笔账？
我实际为两家公司做过选型对比：一家20人团队选了Metabase，另一家50人团队选了Power BI。结果出乎意料：开源 ≠ 免费。
具体成本对比（以三年计）：
| 项目 | 开源（Metabase） | 商业（Power BI Pro） |
|---|---|---|
| 许可/订阅费 | $0 | 约$360/人/年 × 20人 = $21,600 |
| 服务器部署（云主机） | 约$300/月 × 36月 = $10,800 | 0（SaaS） |
| 运维人员工时（折合工资） | 约$5,000/年 × 3 = $15,000 | 0 |
| 培训成本（内部培训+试错） | 约$3,000 | 约$1,000（微软官方教程多） |
| 扩展功能（如SSO、审计） | 需额外开发或付费插件 | 内置 |
| 三年总成本 | 约$28,800 | 约$22,600 |
注意：开源工具更贵！
因为运维和开发人力成本往往被低估。我踩过的坑：Metabase的权限管理非常弱，后来不得不写一套代码来同步AD组，花了2周。我的专家建议： – 团队<10人且技术能力弱：直接上Power BI或Tableau Public（免费版），别折腾。
- 团队有1-2名全职数据工程师：可选Superset，但要做好至少每月10小时维护的心理准备。- 如果公司有合规要求（如数据不出境），开源自托管是唯一选择，但务必预算内包含运维人员。
3. Tableau、Power BI、Metabase三个主流工具的核心差异是什么？哪个更适合做数据大屏？
我最近在选型做数据大屏，看到Tableau很炫酷，Power BI集成Office很自然，Metabase免费。但听说Tableau价格贵得离谱，Power BI实时性差，Metabase画大屏很丑。到底哪个做数据大屏体验最好？有没有真实对比？
我亲自用这三个工具各做了一个销售数据大屏，并给客户演示，结果让我重新定义了“大屏”需求。
核心差异对比表：
| 维度 | Tableau | Power BI | Metabase |
|---|---|---|---|
| 大屏美观度 | ⭐⭐⭐⭐⭐ (自带模板/地图/动画) | ⭐⭐⭐⭐ (需自行设计，但可集成第三方) | ⭐⭐ (仅支持基本图表，无大屏模式) |
| 实时更新 | ⭐⭐⭐⭐ (支持流式数据) | ⭐⭐⭐ (需使用Premium容量+实时数据集) | ⭐⭐⭐⭐ (可设置定时刷新，但常有延迟) |
| 学习成本 | ⭐⭐⭐ (拖拽友好，但高级功能复杂) | ⭐⭐⭐⭐ (Excel用户无缝上手) | ⭐⭐⭐ (需要SQL基础) |
| 价格（年付） | 约$70/用户/月（Creator） | 约$10/用户/月（Pro） | 免费（自托管） |
| 权限粒度 | ⭐⭐⭐⭐⭐ (行级安全) | ⭐⭐⭐⭐ (行级安全需Premium) | ⭐⭐ (仅限用户/组，无法细粒度) |
我的独特视角：很多团队追求“大屏好看”，但往往忽略了数据更新频率和权限控制。
我帮一个客户用Metabase做大屏，结果因为无法控制每个门店只看自己数据，最后不得不放弃，改用Power BI。而另一个客户用Tableau做大屏，交互效果好，但每月订阅费比员工工资还高。如果非要做大屏： – 预算充足且追求极致视觉效果：Tableau，搭配Birst或自建数据管道。
- 预算有限且团队熟悉Office：Power BI，用Power Automate处理实时数据。- 仅仅是个内部监控看板（非展示用）：Metabase + 前端套壳（如用Grafana），成本最低。别被“大屏”这个词绑架，先问用户：大屏是给领导看（静态炫酷即可）还是给运营看（需要实时交互）？
两者选型完全不同。
4. 选型数据可视化管理系统时，最容易忽略的隐形坑有哪些？我踩过的三个坑。
我看了很多对比文章，都说要关注功能、价格、易用性。但实际用起来，总有一些问题在选型时没发现，比如数据源连接不稳定、移动端适配差、权限管理复杂。这些隐形坑怎么提前发现？有没有人分享过真实教训？
我踩过三个大坑，每个都浪费了至少一个月的开发时间，现在分享出来帮你避雷。坑1：数据源类型和连接稳定性 选型时只看支持多少种数据源，没测试高并发下连接池耗尽。我试过Metabase连接MySQL，当同时有5个用户刷新大屏时，数据库连接数飙升，导致其他业务查询挂掉。
后来不得不加中间件（如ProxySQL）。坑2：移动端适配不是“有”就够 Power BI的移动端做得不错，但Tableau的移动端交互需要额外配置，且大屏在手机上显示不全。我曾推荐客户用Tableau，结果老板在手机上打开看板，按钮太小点了没反应，直接不通过。
建议选型时一定要用真实手机测试，而不是只看官方demo。坑3：权限管理不是“支持行级安全”就完了 很多工具说支持行级安全，但实现方式不同。比如Power BI的行级安全只能通过DAX表达式，非常灵活但复杂；Metabase的权限只能按用户组过滤，无法根据数据维度动态过滤。
我帮一个连锁店做数据隔离时，Metabase完全不支持“门店经理只能看自己门店”，最后不得不改用Superset并写SQL视图，增加了维护成本。我的避坑方法： – 在选型POC阶段，一定要模拟真实环境：同时10个用户请求、数据量100万行、移动端页面加载。
- 向销售或社区询问“最头疼的bug”是什么，而不是“最佳特性”。- 如果预算允许，买一个专业版试用一个月，别用免费版。很多功能在免费版里被阉割，比如Power BI的Report Server和云端版行为不同。总结：选型不是选最好的，而是选最不容易出事的。
文章包含AI辅助创作：数据可视化产品管理系统有哪些？主流工具功能对比与选型指南，发布者：fiy，转载请注明出处：https://worktile.com/kb/p/3985936
微信扫一扫 
支付宝扫一扫 
读者评论
作为一家200人企业的IT负责人，这篇文章帮我避开了最大的坑：开源工具的隐性成本。文中算的账非常真实，APache Superset年运维35万，而商业工具10-30万还带支持。我们之前差点为了省许可证费用选开源，看了分析后决定直接上FineBI。特别是它同时支持本地部署和国产数据库，正好满足我们的合规要求。另外那个选型漏斗图也很震撼，100个项目只有10个满意交付，说明只看图表美观度真的会踩雷。
作为一名天天跟数据打交道的分析师，我特别认同文中对Tableau和Power BI的评价。Tableau拖拽分析确实爽，但权限管控太弱了，我们公司用Tableau Server就得单独配一个运维。Power BI的DAX功能强大，但中文文档确实少，很多问题得去英文论坛找答案。文中说FineBI替换Tableau后人力成本降40%，这个数据我信，因为国产工具对本地化支持更好。另外移动端那个点太关键了，我们VP就爱在手机上看大屏，很多工具PC端好看手机端一塌糊涂，选型时一定得测。
这篇文章的数据非常有说服力。报表产出周期从9天缩短到2天，权限事故下降80%，这些数据比任何功能列表都更能打动老板。我特别关注4+3选型框架，硬性指标里数据连接和权限权重最大，正好解决了我们之前数据源不通、权限打架的痛点。散点图把部署合规性和可视化灵活性对比得很清楚，FineBI和DataV在合规性上领先，Tableau灵活但合规差，这个定位对我们决策帮助很大。唯一可惜的是没有对比一下Qlik或Domo，不过瑕不掩瑜，推荐收藏。