Nul
Ring til os jaded, men vi blev fanget lidt af overraskelse på udgydelsen af entusiasme blandt 15,000 Tableau konferencedeltagere tidligere i denne uge. Det er et stykke tid siden vi ramte en begivenhed med en sådan vedvarende energi niveauer. Den begejstring, der var i skærende kontrast til, hvad vi så på Lag flere uger tilbage. Afholdt på Mandalay Bay casino knap en uge efter Motorvejen 91 høstfest tragedie i Las Vegas, arrangementet var en bekræftelse af, ikke give efter for indenlandske terrorister.
På en måde, Tableau ‘ s forløb fra skrivebordet til virksomhedens spejle, der af Microsoft en generation siden. Selskabets påstand til berømmelse var, at det faktisk var de første til at levere på den oprindelige og lange uopfyldte løfte om BI: at sætte et dashboard på alles desktop, lige som Microsoft var i midten af den revolution, der sneg Pc ‘ er gennem bagdøren, indtil de blev en del af standard IT infrastruktur i virksomheden.
En præsentation af JP Morgan gav en god sag i punkt af hindringerne for, at self-service i en stor virksomhed: virksomhedens BI-rapportering praksis blev stukket i et vandfald cyklus, hvor nye rapporter, der ofte tog måneder for at producere. Begrebet brugere, der har kontrol over deres egne data blev anset for at være undergravende for en organisation i et stærkt reguleret industri. Ligesom mange store organisationer, banken havde bare om alt, når det kom til software, så det var ikke overraskende, at en af de afdelinger som havde en kopi af Tableau, der sidder som shelfware.
Det var en lang slog fra den tid, at enheden fik Tableau op og kører på Tableau for resten af organisationen til at købe ind i selvbetjening. Og da begyndte de, i første omgang implementering drejede ud af kontrol med flere hundrede desktop licenser, før nogen overbevist om, at DET at samle op Tableau server produkt.
Men lige som opfattelsen af en fælles service, miljø, for at bringe DEN i nærmere overensstemmelse med den virksomhed, begyndte at tage ud, afbrydelser som London Whale og nedslagtningen af bestemmelser efter boliger krisen fandt sted. Det blev klart, at banken ikke kunne tillade, at self-service, og til at bringe overensstemmelse med adskillelse af opgaver og lignende mandater. En vigtig strategi for at overvinde denne forskel var at give hver afdeling sin egen self-service indhegnet have, så brugere fra studerende lån ikke ville se pant data ved en fejl. Så kom der en fælles omkostninger tilbageførsel model, der måles med brug, efterligne praksis, der er blevet rutine i skyen.
Capping det ud, JP Morgan er rullende ud en Tableau center of excellence for at fremme den bedste praksis, der holder kaos i skak, som DET formelt omfatter Tableau som officielt godkendt teknologi. Mød den nye chef, forhåbentlig ikke den samme som den gamle chef.
For store IT-organisationer, Tableau er ofte dømt skyldig indtil bevist uskyldig. Ved første blush, self-service, vises i strid med styring. Tableau ‘ s udfordring er, at mens indholdet leverer det er højt i værdikæden, er det typisk den sidste kilometer af fødekæden, når det kommer til at levere denne information. Når det kommer til de direktiver, som GDPR, hvor du kræve kontrol: Ved indtagelse eller længere opstrøms, hvor de oplysninger, der er gemt? Håndteringen af dette spørgsmål er et arbejde i gang på Tableau, som endnu til at formulere sin strategi. I alle retfærdighed til Tableau, det er ikke ligefrem topper på den liste med ønsker for sine kunder, som selv kan (endnu) ikke fuldt ud er klar over, hvad de vil blive konfronteret med.
Tableau ‘ s udvidelse af sin mission fortsætter, som det morphs fra desktop værktøj til end-to-end platform udbyder. Højdepunkterne i år omfatter et generations skifte i dets back-end, som den nye Hyper teknologi, der erstatter den gamle Tableau Data Ekstrakt (TDE) motor; en afrunding ud af sin tilslutningsmuligheder med Udvidelser API; og den forestående udvidelse af dens self-service footprint for at gå opstrøms med Projektet Maestro data forberedelse.
Hyper, som debuterer i den 10.5 beta-udgivelse, som lover at kraftigt øge kapacitet og skala for Tableau data ekstrakter; ekstrakter bruges, når der bygger på direkte forbindelser til source databaser bliver en flaskehals. Ganske vist, Hyper nok ikke ville blive udnyttet, hvis Tableau arbejdede mod in-memory platforme som SAP HANA eller Oracle in-memory, hvilket er allerede temmelig hurtigt.
Hyper kom fra en erhvervelse lidt over et år siden af en start, der er skabt af en forskergruppe ved det Tekniske Universitet i München (TUM). Oprindeligt designet som en high-performance in-memory-database til at understøtte transaktionen og analytiske behandling, Hyper tilpasser et gammelt design og idé og indfører en nuværende praksis. Det samler, snarere end fortolker koden, hvilket betyder, at det optimerer udførelsen ved maskinen kode lag for markant højere ydeevne. Og det gør resultaterne mere konsekvent ved at gennemføre ekstrem parallelisering, der sikrer, at alle kerner er holdt besatte, mens behandling en undersøgelse.
Annonceringen af de nye Udvidelser API stort set runder ud af Api ‘ er, som Tableau har været at skabe for at gøre det til en mere udvikler-venligt platform. Mens eksisterende Api ‘ er allerede mulighed Tableau visualiseringer til at udfylde tredjeparts-applikationer, Udvidelser gør lige det modsatte. Det giver mulighed for Tableau udviklere til at trække på eksterne funktionalitet. Så, for eksempel, kan du tilføje en tekstuel fortælling, der genereres af Automatiserede Indsigt til at udfylde en Tableau-skærmen, hvilket betyder, at du don ‘ t nødt til at springe til et separat program for at få det store billede på en forespørgsel. Eller hvis du er ved at undersøge data, kan du trække op metadata fra en Alation katalog.
Så er der meddelelse om, at Tableau vil snart udvide self-service opstrøms til data forberedelse med Projektet Maestro. Det er et område, der overlapper Tableau i de områder af partnere, som Trifacta eller især Alteryx. Tableau er der sigter mod at udvide den visuelle kode for mindre erfaring af sine data visualisering til at forberede data, giver lignende former for træk-og-slip kapaciteter.
Ganske vist, de linjer, afgrænsning er mere klar med Trifacta, som beskæftiger en specialiseret data tovtrækkeri sprog, der tager sigte på data ingeniører, som i modsætning til den linje af business-bruger, der passer til Tableau profil. Med Alteryx, det er et åbent spørgsmål, som det henvender sig til en mere ens bruger target, for ikke at nævne det faktum, at Tableau er det mest aktiv partner (som er baseret på fælles kunder). Ganske vist, Alteryx har dybere analytiske evner, såsom evnen til at give erhvervslivet brugere adgang til predictive analytics skrevet i R, men det har også stærkt promoverede sig selv som et data forberedelse værktøj. Vi mener, at nogle repositionering for Alteryx, fremhæver dens evne til at integrere Gnist og R-baserede avancerede analyser, bør være under opsejling.
Vi har altid ment, at erhvervskunder skal tage mere ansvar for at forberede og kuratering af deres egne data sæt, hvis det løfte af self-service er at blive realiseret. Vi har også troet på brugerne tager ansvar, er afgørende, hvis data søer er at opfylde deres løfte. Men for Tableau, tilføjer data prep stillet lidt af et dilemma. Det er ikke den slags Udvidelser API-style app, der kunne let at mase sig på en normal Tableau visualisering og tv. Men, for at holde workflow problemfri, du ønsker ikke at tvinge brugere til at starte op i et separat program. Og det sidste, verden har brug for er en anden enkeltstående data forberedelse værktøj. Ideelt set, visualisere og forberedelse af data bør være en iterativ proces, snarere end et vandfald, eller sekventiel proces. Som du visualisere data, du måske nødt til at gå dybere ned i dataene, og derfor pisk, at data i form.
Tableau er endnu ikke til at afgøre, hvordan det vil pakke Projektet Maestro kapacitet, men hvis det kommer til at tage råd fra peanut gallery, vil vi opfordre dem til at gøre dette til en deluxe-udgave add-on, snarere end en diskret værktøj.
0