纽约的一家非盈利性组织机构致力于跟踪分析当地学校的财务捐助情况。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。
