数据杂谈&:Tableau 推动智能分析时代

标语:管窥 Tableau 的智能数据准备、发现、推荐以及推出的查询功能

文章目录

    • 前言
    • 1.0 关于 TABLEAU 的新兴智能功能
    • 2.0 自助式BI和分析先驱
    • 3.0 实用功能的时间线
    • 4.0 Tableau 智能功能的竞争性定位
    • 5.0 从最佳做法着手
    • 6.0 解决信任和透明度的问题

数据杂谈&:Tableau 推动智能分析时代_第1张图片

前言

在商业智能 (BI) 及分析领域即将迎来的后续突破中,我们将见证使用机器学习和人工智能改善数据访问 和数据质量,揭示以前未被发现的深入见解,建议分析,提供预测分析和行动建议。更重要的是,在 自然语言 (NL) 界面的帮助下,不具备数据科学知识或查询语言知识的业务用户 将能够更容易地探索信 息、获得见解并更好地做出数据驱动型决策
BI 和分析供应商正在至少四个领域开发“智能”功能,涵盖数据准备、数据分析和发现、NL 查询和预 测。这些智能功能有助于推动实现超越自助式分析的发展,帮助向业务用户进一步普及数据分析。本报 告探讨 Tableau Software 已经推出并正在着力开发的智能功能,以及这些功能将如何使 Tableau 客户受 益。报告结尾就筹划实施智能分析功能的企业提供了建议。
下面是我用processon 做的一个大致的数据分析模式的大致流程图,可以看出现在提倡的自助性分析模式,当中涉及到的很多环节业务人员可以直接参与,这样的好处不言而喻,让更多的业务人员了解数据并使用数据去做下一步业务的决策,这个正是tableau的宗旨。
数据杂谈&:Tableau 推动智能分析时代_第2张图片
在忙碌的工作和学习间隙中,自行tableau是一件了不起的事!而如何有效的学习tableau?如何正确‘打开”tableau的方式?让我们少走点数据分析的弯路?相信大家一定会说看视频或者直播之类的。哦对了,国内最早获得Tableau官方双认证的顾问袁勋老师最近直播带路,带领大家一起学习,并且解答您在学习或者工作当中Tableau遇到的问题。

1.0 关于 TABLEAU 的新兴智能功能

数据杂谈&:Tableau 推动智能分析时代_第3张图片

第一代商业智能 (BI) 系统的复杂性和 IT 技术的要求使企业一度心灰意冷,而大约十年前,企业开始采 用自助式产品进行数据发现和数据可视化。这种自助式分析方法解放了分析师和精通数据的业务用户, 使他们无需等待 IT 部门的帮助就可以分析数据。在过去的五年中,自助式分析需求不断增长,并已经 扩展到数据准备和基础预测分析领域。 而这五年间的另一个趋势是机器学习 (ML) 及人工智能 (AI) 方面的重大突破。云计算推动了 ML、神经 网络、机器视觉和自然语言 (NL) 理解技术的进步。上述进步促进了面向消费者“智能”个人助理产品 的创新,例如 Alexa、Google Assistant 和 Siri,而这些产品则又激起了人们对 ML 和 AI 驱动型商业软 件智能功能的兴趣, Tableau 用户目前可利用的智能功能有:最佳匹配可视化建议、自动聚类分析和预测,以及个性化 意图驱动型建议。Tableau 通过 Tableau Prep 添加了自助式数据准备功能,其中包括数 据清理和数据联接等智能功能。下面是智能推荐可视化图形(每个Tableau desktop都有)

2.0 自助式BI和分析先驱

而且从软件收入和客户数量来看,过去的几年里,Tableau 一直是 市场领导者。然而,分析市场正在不断演变,朝着所谓的智能分析时代迈进。
新兴的智能功能利用 ML 辅助人们完成各项任务,包括数据准备、数据发现和用户查询意图(基于历史 数据访问模式)的理解。当自然语言理解功能与 AI 驱动 NL 查询相关联时,ML 同样也会促进新兴自动 预测功能的发展。自助式服务使得 BI 和分析获得了更广泛的用户基础,而智能功能则有望开辟一个新 的普及时代,让所有用户都能够更容易地进行数据发现、分析、预测甚至基础数据准备。
数据杂谈&:Tableau 推动智能分析时代_第4张图片

自助式分析的时代正让位于 ML 和 AI 辅助型智能分析的时代

3.0 实用功能的时间线

数据杂谈&:Tableau 推动智能分析时代_第5张图片

查阅了大量的Tableau官方文档,咨询了资深的Tableau用户,在这里感谢Tableau community 的 Waqas Tufail大佬给我纠正了Tableau的发展的时间线。现在带领大家正确的回顾一下Tableau的功能”发展史”。
Tableau 对智能功能最初的投资可以追溯到 2007 年,但是于 2016 年随着智能分析趋势的到来,开始对 智能功能加大投资力度,如图 1 所示。自 2016 年起,Tableau 不断而稳定地发布了一系列智能功能。 下文依照时间顺序逐一介绍这些智能功能。
2007 年 智能显示。2007 年 Tableau 引入“智能显示”功能,起初是一系列可供使用的可视化选项。根据所选 择的分析数据,“智能显示”缩小了可用可视化类型的选择范围,并还能突出显示建议的方法。推荐可 视化加快了分析的速度,同时为给定类型的数据或分析提供最适当的可视化建议
2016 年 聚类分析。这是一种基于数据中的 ML 点相关性、模式、趋势和影响因素的自动发现方法,为业务用 户呈现具有深入分析价值的特定数据维度或数据组合。2016 年,Tableau 将发现导向型聚类分析引入 Tableau Desktop,帮助用户识别数据中的隐藏关系。在 2018 年春季发布的版本中,Tableau 添加了群 集自拟合功能,可以刷新和自动重新计算已保存的群集数据,包括 Tableau Server 上的数据提取。 预测。初期的智能预测功能只是简单的趋势预测,凭借简单算法推断历史趋势的未来走向,但这仅是一 个没有将季节性等因素考虑在内的生硬工具。2016 年,Tableau 引入自动预测功能,并能够生成指数 平滑模型。该功能可自动从八种不同的时间预测模型系列中进行选择,自动挑选出合适的超参数。
2017 年 智能数据表、数据联接和数据源建议。意图驱动型建议功能运用 ML 技术,并基于数据连接模式和用 户行为,根据个人、群组、工作角色、权限和其他变量对数据表、数据联接和数据源提出建议。2017 年,Tableau 引入智能数据表和数据联接建议功能,挖掘 Tableau Server 上现有的数据连接模式。同年 年底,Tableau 添加了更为复杂的数据源建议功能,该功能能够基于用户特定模式推断用户的意图。
2018 年 Tableau Prep。一些 BI 和分析供应商引入自助式数据准备功能,并内置于他们的 BI 和分析产品 中。2018 年 4 月,Tableau 推出 Tableau Prep 功能。这是一种新型可视化数据准备功能,脱胎于此前 代号为 Project Maestro,前后进行了两年的研发项目。 Tableau Prep 为数据准备提供了专用的功能集和独立的用户界面,然而工具集仍与 Tableau 工作流的其 余部分集成在一起。例如,Tableau Prep 用户可以利用任何连接到 Tableau 的数据源,一旦在 Prep 中 完成组织和清理,数据就可以在 Tableau Desktop 或基于浏览器的用户界面中供预览和检索。
2020年更是引入了数据问答的划时代功能。帮助人们输入关键字就能可视化的查看数据。

4.0 Tableau 智能功能的竞争性定位

数据杂谈&:Tableau 推动智能分析时代_第6张图片

正如关于 NL 查询的“优势和不足”分析中提到的,Tableau 并不是第一家提供多种智能功能的公司, 但是它自 2016 年起加快了投资步伐。Tableau 在提供预期智能功能方面已经拥有良 好的开端。Tableau Prep 的引入和即将发布的 NL 查询功能,智能功能系列正在持续壮大。针对基于可用智能功能的公司级别标准分析平台,相比之下,Tableau 通过为成千上万 的客户提供内置功能,正推动着智能分析时代的前进。 对于 Tableau 而言,存在的风险来自于大型供应商收购创新型初创企业,并将其智能功能推广为主流产 品。Tableau正在跟进大型供应商的智能分析举措,其中包括 IBM、Microsoft、Oracle、Salesforce 和 SAP;独立企业如 Qlik 和 Tibco Spotfire;以及一些创新型初创企业。自 2018 年年起到现在2021年10月,Tableau 就开 始紧跟这股潮流。客户和潜在客户应该紧跟智能分析领域的最新研发项目和 Tableau 路线图。

5.0 从最佳做法着手

数据杂谈&:Tableau 推动智能分析时代_第7张图片

市场可能正在从自助式时代转向智能时代,但只要企业需要考虑、测试和部署这些新技术,就不可避免 地会用到以下三种基于 ML 和 AI 的最佳做法:

建立一个涉猎广泛的跨职能团队不要光着眼于培养众所周知的商业/ IT 合作关系,要确 保双方团队都有全能代表,包括关键业务相关者以及 IT、软件开发和数据、分析部和数 据科学专家。

选对项目无论选择哪种智能功能或供应商(注意事项如下),您都应该选择正确的项目 作为试点测试案例。选择不太大、不太耗时、不太冒险但又不至于太小、太不重要而被 忽略的项目。从简单、快速胜利,可以看到明显回报的项目开始入手。积累一定的成功经 验之后,开始做一些难度稍微增加的项目。

采用敏捷方式敏捷系统性开发运维 (DevOps) 的特点是开发周期快速迭代、多功能团队 代替业务部和 IT 部门进行反复评审,以及在尽可能多的地方应用自动化和监控系统。

6.0 解决信任和透明度的问题

数据杂谈&:Tableau 推动智能分析时代_第8张图片

信任和透明度是企业在采用 ML 和 AI 技术时将面临的两个最大问题。根据需要改 变管理和培训,从而增强基于 ML 和 AI 的建议和建议行动的可信度。如果能够了解如何以及为什么做 出这些决定和建议,人们就会更容易接受计算机的辅助并接受此流程中的变化。这就是透明度发挥作用 的地方。智能系统应该是可解释的,而非不可思议的。 为了简化复杂的技术并支持自助式功能,包括 Tableau 在内的供应商正在将自动化和幕后决策应用于内 部复杂过程,例如算法的选择。“黑盒”(不透明的)预测系统的危险在于,它可能不会做出最符合组 织或客户利益的决策或建议。总的来说,Tableau 的理念是用算法来辅助人类。值得一提的是,Tableau 的自动预测和自动聚类功能可以转换为手动控制。

你可能感兴趣的:(数据杂谈,人工智能,数据挖掘,数据分析)