Whitepaper
Tableau Data Management
Vertrauen, Sichtbarkeit und Governance für die Selfservice-Analytics in großem Umfang
Tableau hat die Business-Intelligence-Landschaft mit der modernen Selfservice-Analytics in kürzester Zeit völlig verändert. Dank der intuitiven visuellen Analysemöglichkeiten können Fachleute ihre eigenen Datenfragen untersuchen und ihre Analyse leicht wiederholen, um neue Erkenntnisse zu gewinnen – ohne sich dabei auf die IT verlassen zu müssen. Angesichts der zunehmenden Verbreitung moderner Analytics steht die IT vor der Herausforderung, die richtigen Daten zu kuratieren, zu verwalten und zu fördern, während Geschäftsanwender Schwierigkeiten haben, relevante, vertrauenswürdige Daten für ihre Analyse zu finden.
Tableau hat sich zum Ziel gesetzt, den Menschen dabei zu helfen, Daten zu sehen und zu verstehen. Diesbezüglich investieren wir für unsere Benutzer in einzigartiger Weise in Datenmanagement. Mit einer hochvisuellen Lösung, welche die Benutzer im Rahmen ihrer Analyse erreicht, verhelfen wir jedem im Unternehmen zu der Erkenntnis, dass er die richtigen Daten hat uns sich bei der Entscheidungsfindung darauf verlassen kann. Das Erhöhen von Sichtbarkeit, Auffindbarkeit und Vertrauen hilft beim Skalieren einer verwalteten Datenumgebung. Dies bedeutet, dass die IT die Verbreitung von Datenquellen und analytischen Inhalten besser verwalten kann, während die Endbenutzer die Möglichkeit haben, die gesuchten Daten schneller zu finden und sich bei ihrer Analyse sicher zu fühlen.
Herkömmliche Datenmanagementprozesse lassen sich nicht mehr skalieren
Damit die moderne Analytics erfolgreich ist, müssen Unternehmen ein Gleichgewicht zwischen Aktivierung und Governance herstellen, ohne dabei die Sicherheit zu gefährden. Für die Skalierung bedeutet dies, dass die Herangehensweise an das Datenmanagement geändert werden muss, um die Sichtbarkeit zu verbessern und den Endbenutzern zu helfen, vertrauenswürdige Daten zu finden.
Unternehmen haben in der Vergangenheit nur relevante Unternehmensdaten erfasst und verwaltet. Jetzt hat jede Abteilung – von Marketing und Vertrieb bis hin zu Finanzen – unterschiedliche Arten von Daten- und Nischenanalyseanforderungen, um ihren Wert zu maximieren. Die Mitarbeiter erfassen Daten, bevor sie wissen, was sie damit anfangen sollen, und die IT hat einige Abteilungsdaten und deren Anwendungen möglicherweise gar nicht auf dem Schirm.
Zu dieser Verbreitung von Daten trägt auch all die Arbeit bei, die geleistet wird, um die Daten in die richtige Form und in das richtige Format für die Analyse zu bringen. In herkömmlichen Modellen bereitet die IT häufig Daten für einen bestimmten Analytics-Anwendungsfall vor und verwaltet anschließend die Datenbanken oder Dateien weiter. Während sich immer mehr Daten ansammeln, bemüht sich die IT um Stabilität, um die Datenumgebung zu unterstützen. Sie sieht sich jedoch mit dem Problem konfrontiert, Tabellen und Datenquellen zu verwerfen, wobei die Auswirkungen auf die nachgeschalteten Benutzer unklar sind, und dabei womöglich geschäftskritische Dashboards zu zerstören.
Moderne Analytics hat dazu beigetragen, die Rolle der IT von der Berichterstellung zur Instandhaltung und Sicherung der Systeme, die eine Autarkie für datengesteuerte Entscheidungen im gesamten Unternehmen ermöglichen, zu verlagern. Geschäftsanwender bringen nun verschiedene Arten von Daten ein, die für sie von Bedeutung sind, jedoch in einer derzeit noch nicht skalierbaren Form. Viele Prozesse sind noch manuell und umfassen möglicherweise das Verschieben von Daten von kontrollierten zu nicht kontrollierten Systemen zu Analysezwecken. Die IT befasst sich mit der Governance als Leitfaden für die Erkunung von Daten und Analytics, anstatt den Zugriff einzuschränken und einen Engpass zu verursachen. Aber die IT ist weiterhin verantwortlich dafür, Selfservice-Analytics einem breiteren Publikum zugänglich zu machen, was die Operationalisierung und Automatisierung von Prozessen sowie ein Gleichgewicht zwischen Kontrolle und Agilität erforderlich macht.
Da sich Unternehmen bei organisatorischen Veränderungen zunehmend auf datenbasierte Entscheidungen verlassen, fordern immer mehr Menschen den Zugriff auf und die Analyse von Daten. Während einige Geschäftsanwender fortgeschrittenere Datenkompetenzen entwickeln, wissen die meisten nicht, welche Daten sie verwenden sollen oder wo sie zu finden sind. Namenskonventionen, komplexe Datenstrukturen, das Verständnis für Datenbanken und die Frage, welche Tabellen verbunden werden sollen, stellen für den normalen Benutzer Herausforderungen dar. Als der Datenzugriff auf weniger Personen im Unternehmen beschränkt war, war es einfacher, einen Datenexperten zu befragen. Dies lässt sich heute neben wachsenden Anwendungsfällen für Daten und der schnellen Einführung moderner Analytics nicht mehr skalieren.
In der Vergangenheit war es entweder anekdotenhaft, herauszufinden, wie Datenbestände im gesamten Unternehmen verwendet werden – „wer nutzt dies und wie?“ – oder eine Herausforderung beim Programmieren, wo Inhalte auf der Suche nach Antworten genauestens untersucht wurden. Angenommen, ein ETL-Job schlägt fehl oder eine Tabelle wird aus einer Datenbank entfernt. In einem herkömmlichen Datenverwaltungsmodell hätte dann vielleicht ein Administrator ein Wiki aktualisiert oder eine Massen-E-Mail versendet, in der Hoffnung, dass die Betroffenen die Nachricht erhalten. Selbst wenn ein Unternehmen über einen Unternehmensdatenkatalog mit hilfreichen Datenbeschreibungen, dokumentierten Herkunftsangaben und Indikatoren für die Aktualität der Daten verfügt, wie oft melden sich die Endbenutzer bei diesem anderen System an, um festzustellen, ob die von ihnen verwendeten Daten vertrauenswürdig und aktuell sind, bevor sie ihre Analyse beginnen?
Darüber hinaus machen Compliance-Anforderungen es schwieriger, sicherzustellen, dass die Mitarbeiter die richtigen Daten verwenden. Dies kann die Wahrnehmung eines Unternehmens in Bezug auf die ordnungsgemäße Verwaltung sensibler Daten beeinträchtigen. Wenn die IT-Abteilung möchte, dass die Endbenutzer verstehen, welche Daten sie verwenden sollten und ob es ein Qualitätsproblem gibt, benötigen die Benutzer im Rahmen ihrer Analyse Informationen zu ihrer Qualität – und nicht in einem separaten System oder Tool. Indem diese Metadaten direkt zu den Benutzern gebracht werden, erhalten diese durch Wissen vermittelte Sicherheit, dass sie ihren Daten vertrauen können.
Die Datenkonsumenten fordern eine beschleunigte Bereitstellung von Daten, während die Datenproduzenten laut Gartner-Umfragedaten dem erhöhten Druck ausgesetzt sind, schnell auf Daten zugreifen, diese überprüfen, qualifizieren und bereitstellen zu müssen. Herkömmliche Datenmanagementlösungen (und insbesondere Integrationslösungen) können beide Anforderungen nur schwer erfüllen.
Tableaus andere Herangehensweise an das Datenmanagement
In unzähligen Gesprächen mit Kunden haben wir eindeutige Probleme mit einer Vielzahl von Daten, ungenutzten Investitionen in Data Warehouses und andere Verwaltungstools gesehen sowie Herausforderungen bei der Sicherstellung, dass die Mitarbeiter für die Entscheidungsfindung die richtigen Daten erhalten, festgestellt. Unsere Herangehensweise an das Datenmanagement unterscheidet sich von herkömmlichen Lösungen dadurch, dass sie Metadaten aufdeckt und Verwaltungsprozesse in die Tableau Analytics-Plattform integriert, auf der die Benutzer bereits aktiv sind. Dies bietet nicht nur ein visuelles Erlebnis, das der IT und den regulären Benutzern große Vorteile bringt, sondern das auch die Leistung bestehender Datenmanagement-Investitionen steigern kann.
Herkömmliche Datenverwaltungslösungen sind normalerweise für mehrere Endbenutzer konzipiert. Wir wissen, wie wichtig es für die Skalierung einer Selfservice-Umgebung ist, in der mehrere Menschen auf Daten zugreifen sollen, dass Endbenutzer einige der herkömmlichen Datenmanagementaufgaben mit Administratoren teilen.
Während andere Datenmanagementlösungen bei der Migration von Daten oder der Integration von Anwendungen hilfreich sein können, konzentriert sich Tableau weiterhin stark auf die Analytics. Wir wissen, dass es wichtig ist, den Menschen die benötigten Informationen zum gewünschten Zeitpunkt und am gewünschten Ort zu geben – direkt bei ihrer Analyse.
Wir glauben, dass eine visuelle Benutzeroberfläche die beste Möglichkeit ist, mit Ihren Daten zu interagieren. Unabhängig davon, ob Sie nach den richtigen Daten suchen, Ihre Daten für die Analyse vorbereiten oder sie nach Erkenntnissen durchsuchen – visuelle Interaktionen machen den Prozess schneller und einfacher.
Wir wissen, wie wichtig es ist, Ihre vorhandenen Investitionen zu nutzen, wenn sich die Datenumgebung Ihres Unternehmens weiterentwickelt. Wir bieten eine beispiellose Auswahl – von Ihren Bereitstellungsoptionen bis zu unseren zahlreichen nativen Datenkonnektoren – und stellen unserer Datenmanagementlösung dieselbe Flexibilität und Erweiterbarkeit zur Verfügung.
Einführung des Tableau Data Management Add-ons
Mit unserer Herangehensweise an das Datenmanagement befähigen wir die IT, eine skalierbare, kontrollierte und autarke Datenumgebung in einer sich ständig ändernden Datenlandschaft zu entwickeln und zu pflegen. Das Tableau Data Management Add-on umfasst Tableau Prep Conductor und Tableau Catalog.
Sichtbarkeit
Erhöhen Sie die Sichtbarkeit der Datenressourcen Ihres Unternehmens, um Ihre Umgebung effizienter zu verwalten.
Governance und Vertrauen
Bauen Sie Governance und Vertrauen zu den Daten auf, die zur Entscheidungsfindung im gesamten Unternehmen herangezogen werden.
Auffindbarkeit
Verbessern Sie die Auffindbarkeit, damit Benutzer schnell und sicher die richtigen Daten für ihre Analyse finden können.
Skalierbarkeit
Verwalten Sie Daten im großen Umfang auf effektive Weise – mit wiederholbaren Prozessen, um Daten und Metadaten auf dem neuesten Stand zu halten.
Tableau Prep Conductor
Planen Sie mit Tableau Prep Builder erstellte Schemata so, dass sie in einer zentralisierten, skalierbaren und zuverlässigen Serverumgebung funktionieren und die Daten Ihres Unternehmens so stets auf dem neuesten Stand sind. Ermöglichen Sie den Administratoren einen Einblick in die Selfservice-Datenvorbereitung des gesamten Unternehmens. Mit Tableau Prep Conductor können Sie Datenschemata in der Tableau Server- oder Tableau Cloud-Umgebung verwalten, überwachen und sichern. Mehr erfahren.
Tableau Catalog
Verwalten Sie Ihre Analytics mit einer vollständigen Ansicht der Daten in Ihrer Tableau-Umgebung. Ermöglichen Sie allen Benutzern das Auffinden, Verstehen und Verwenden vertrauenswürdiger Daten mit leistungsstarken Such-, Datenwörterbuch-, Abhängigkeits- und Folgeanalysen. Integrieren Sie mithilfe der Metadaten-API Ihre vorhandenen Metadatensysteme und tauschen Sie mit Tableau wertvolle Metadaten aus, um zu erfahren, wo Personen Analysen durchführen. Mehr erfahren.
Enge Integration in die Tableau-Plattform
Kritische Informationen stehen Menschen dort zur Verfügung, wo sie sie benötigen – im Rahmen ihrer Analyse. Geschäftsanwender können auf einfache Weise kontrollierte Daten in Tableau finden, ohne Wikis durchsuchen oder sich bei einem Unternehmenskatalog anmelden zu müssen, um sich so zu vergewissern, dass diese Daten vertrauenswürdig und aktuell sind. Darüber hinaus kann die IT vorhandene Features und Funktionen der Tableau-Plattform nutzen – von Sicherheit, Governance und Berechtigungen bis hin zu Überwachung und Management. Keinerlei Einrichtung erforderlich – die Datenbestände in Ihrer Tableau Server-Umgebung werden automatisch katalogisiert.
Das Tableau Data Management Add-On wird separat von Ihrer Tableau Server- oder Tableau Online-Bereitstellung lizenziert.
So kommt Tableau Data Management jedem in Ihrem Unternehmen zugute
Nach dem Erfassen und Speichern Ihrer Daten werden sie aufbereitet, analysiert und anschließend im gesamten Unternehmen abrufbar gemacht. Wir haben Datenmanagementprozesse – wie das Aktualisieren von Vorbereitungsabläufen, das Hinzufügen und Zugreifen auf Metadaten sowie das Verstehen der Datenabhängigkeit – in Tableau Server und Tableau Online integriert, in denen sich IT- und Geschäftsbenutzer bereits im Analytics-Workflow befinden.
Datenkuratierung und Data Discovery
Datenverwalter und Datentechniker können Datenbanken, Tabellen und Spalten Beschreibungen und Metadaten hinzufügen sowie Datenbestände zertifizieren, um Benutzern die Suche nach vertrauenswürdigen und empfohlenen Daten zu erleichtern. Entwickler können zudem Metadatenmethoden in der Tableau Server REST-API verwenden, um bestimmte Metadaten programmgesteuert zu aktualisieren. Datentechniker und Datenbankadministratoren profitieren von der Verwendung von Metadaten, um Änderungen in Tabellen mitzuteilen und Datenquellen zu optimieren.
Inhaltsautoren können vorhandene Datenquellen, Datenbanken und Dateien oder Tabellen in Tableau Server und Online durchsuchen, um festzustellen, ob die benötigten Daten bereits vorhanden sind, und so doppelte Datenquellen minimieren. Inhaltskonsumenten können vertrauenswürdige Daten beim Browsen leichter finden, indem sie Beschreibungen sowie die Verwendung und die Zertifizierung von Datenbeständen sehen. Während Sie einen Blick auf die Daten werfen, können Benutzer auf einfache Weise auf die Feldbeschreibungen auf der Registerkarte „Datendetails“ auf dem Dashboard zugreifen, um sicherzugehen, dass sie die richtigen Daten für die Analyse verwenden.
Abhängigkeits- und Folgeanalyse
Es kann eine Folgeanalyse durchgeführt werden, um zu ermitteln, welche Datenbestände und Benutzer von Änderungen betroffen sind, z. B. wenn ein Datenbankadministrator oder Datentechniker eine Spalte oder Tabelle bzw. ein Datenverwalter eine Berechnung ändert. Die IT kann betroffene Inhaber von Datenbeständen per E-Mail über die Tableau-Plattform benachrichtigen.
Geschäftsanwender können die Abhängigkeiten der Daten, die sie für die Analyse heranziehen, schnell sehen, einschließlich Herkunft und Inhaber der Daten und unabhängig davon, ob sie zertifiziert sind oder nicht. Zudem haben sie einen schnellen Einblick in die Prep-Schemata-Ablaufverläufe, noch bevor eine Visualisierung geöffnet wird. Fortgeschrittene Benutzer finden möglicherweise auf dem Server veröffentlichte analytische Inhalte und können Berechnungen in Arbeitsmappen untersuchen.
Hinweise und Warnungen zur Qualität
Datentechniker und Datenverwalter können Datenqualitätshinweise direkt in der Serverumgebung oder über eine API festlegen. Diese Anzeigen – Warnung, Überholt, Veraltete Daten oder über Wird gewartet – helfen Benutzer auf den Zustand von Datenbeständen aufmerksam zu machen und liefern zusätzlichen Informationen, z. B. wenn sich eine Aktualisierung verzögert oder wenn Daten fehlen, die die Analyse beeinträchtigen könnten. Inhaber von Prep-Schemata, wie Datenverwalter oder Analysten, werden bei fehlgeschlagenen Vorbereitungsläufen, wie z. B. im Fall eines Datenbank-Timeouts oder einer fehlenden Spalte, sofort benachrichtigt, damit sie schnell de erforderlichen Maßnahmen ergreifen können.
Geschäftsanwender sehen die Qualitätsindikatoren zu den Datenbeständen im Rahmen ihrer Analyse in Tableau. Dies kann Mitarbeitern aller Qualifikationsstufen beim Fällen geschäftlicher Entscheidungen basierend auf den Daten die nötige Sicherheit vermitteln. Im Fall einer Warnung können sie die Informationen der IT auslesen, um zu entscheiden, ob sie mit der Analyse fortfahren möchten oder nicht.
Integration der Metadaten-API
Die IT kann die Metadaten-API verwenden, um die Leistung Ihrer vorhandenen Metadaten-Verwaltungslösung zu erweitern. Ziehen Sie Metadaten in Tableau, die von Datenbankadministratoren und -technikern in Metadatentabellen oder einem Unternehmenskatalog kuratiert wurden, und extrahieren Sie Metadaten aus Tableau, um sie in anderen Datenanwendungen und Geschäftsabläufen zu verwenden.
Geschäftsanwender können einen Einblick in die Arbeit erhalten, die die IT mit wertvollen Metadaten aus dem Unternehmenskatalog geleistet hat, in dem sie die Informationen am wahrscheinlichsten sehen und verwenden – im Rahmen ihrer Analyse in Tableau.
Testen Sie das Tableau Data Management Add-on im Rahmen Ihrer Tableau Server-Testversion – legen Sie gleich heute los!
*Gartner unterstützt keine der in den Forschungspublikationen erwähnten Anbieter, Produkte oder Dienstleistungen und empfiehlt Technologieanwendern nicht, nur Anbieter zu wählen, die über herausragende Bewertungen oder sonstige Kennzeichen verfügen. Die Forschungspublikationen von Gartner enthalten Meinungen der Forschungsorganisation von Gartner und sollten nicht als Tatsachenfeststellung ausgelegt werden. Gartner schließt jegliche ausdrückliche oder implizite Gewährleistung in Bezug auf diese Studie aus, ebenso jegliche Gewährleistung der Gebrauchstauglichkeit oder Eignung für einen bestimmten Zweck.