Tableau Data Management

組織はこれまで、関連する会社データのみを取得し、管理していました。しかし現在、マーケティングおよび営業から財務までのあらゆる部門が多様な種類のデータを保有しており、その価値を最大化するためのニッチな分析ニーズがあります。人々は、データで何をするべきかを知る前にデータを取得しており、IT の管理下にない部門データやアプリケーションさえあります。

データを分析に適した構造や形式に変換するためのすべての作業も、データの急増の要因となっています。従来のモデルでは往々にして、IT 部門が特定の分析ユースケースのためにデータを準備し、そのデータベースやファイルを引き続き維持しています。取得するデータがさらに増えていくと、IT 部門はそのデータ環境をサポートするための安定性を求めるようになりますが、表やデータソースを廃止した場合にそれらがダウンストリームのユーザーに及ぼす影響が不明であること、さらにビジネスクリティカルなダッシュボードを破壊してしまう可能性があることへの配慮など、多くの課題に直面します。

モダン分析により、IT 部門の役割はレポートの作成からシステムの維持と保護にシフトしています。これにより、組織全体で各自がデータドリブンな意思決定を行えるようになっています。現在、ビジネスユーザーは自分にとって重要なさまざまなタイプのデータを取り込んでいますが、その方法は依然としてスケーラブルなものではありません。多くのプロセスが未だに手動であり、分析のために、管理されたシステムから管理されていないシステムへとデータを移動する場合もあります。IT 部門は、アクセスを制限してボトルネックを引き起こすのではなく、データおよび分析の探索に対するガードレールとしてガバナンスを採用しています。しかし、IT 部門は引き続きセルフサービス分析をより広範なオーディエンスに拡張する責任を担っており、これにはプロセスの運用と自動化、および制御と俊敏性のバランスが必要になります。

組織は、組織変更に関してますますデータドリブンな意思決定に依存するようになっているため、データへのアクセスと分析を依頼する人も増えています。より高度なデータスキルを開発しているビジネスユーザーもいますが、ほとんどのユーザーはどのデータを使用すべきか、またはデータがどこで見つけられるのかを知りません。データベースについて、命名規則から複雑なデータ構造まで理解すること、また、どの表を結合すべきか把握することは、日常的なユーザーにとっては難しい課題です。データへのアクセスが会社の少数の人に制限されていた時代なら、「頼りになる」データ専門家に尋ねるだけなので簡単でした。しかし今、その方法では、増え続けるデータのユースケースおよびモダン分析の採用の急増に合わせて拡張することはできません。

組織全体でデータ資産がどのように使用されているかを明らかにするために従来から使用されているのは、裏付けに乏しい情報に頼る方法 (誰がどのようにこれを使用しているか?) または難しいコーディングを使用する方法 (回答を見つけるためにコンテンツをスクレイピングする) です。たとえば ETL ジョブが失敗した場合、またはデータベースから削除することが必要な表がある場合、従来のデータ管理モデルでは、影響を受ける人々がメッセージを受け取れることを期待して、管理者が Wiki をアップデートするか大量のメールを送信します。組織が、エンタープライズデータのカタログ、それらデータの分かりやすい説明、文書化されたリネージ、データの鮮度に関する指標を持っていたとしても、エンドユーザーは分析を開始する前に、それらのデータが保存されている別のシステムにログインして、使用するデータが信頼できるか、および最新であるかを頻繁に確認するでしょうか?

また、適切なデータをユーザーが使用できるように保証することを、さらに困難にする要因があります。それはコンプライアンス要件です。これに違反すると、機密データを適切に管理する組織であるという評判が損なわれます。どのデータを使用するべきか、および品質問題があるかどうかについてユーザーが理解できることを IT 部門が望むのであれば、品質に関する情報を、別のシステムやツールを使用するのではなく分析のコンテキスト内で確認できることが必要になります。これらのメタデータをユーザーが直接手に入れられるようにすることで、ユーザーはデータを信頼できるようになります。

データの変換とディスカバリ

データスチュワードとデータエンジニアは、データベース、表、列に説明とメタデータを追加し、データ資産を認証することで、信頼および推奨されるデータをユーザーが見つけられるようにすることができます。また開発者は、Tableau Server REST API のメタデータメソッドを使用して、特定のメタデータをプログラムで更新できます。データエンジニアとデータ管理者は、使用状況のメタデータで表の変更を通知し、データソースを最適化できます。

コンテンツ作成者は、Tableau Server および Tableau Online の既存のデータソース、データベース、ファイル、または表を検索して、必要なデータがすでに存在しているかどうかを確認し、データソースの重複を最小化できます。コンテンツ消費者は、データ資産の説明、使用状況、承認を確認することで、信頼されるデータをブラウジングで簡単に見つけられます。ユーザーは、Viz の参照時に簡単にダッシュボードの [データの詳細] タブでフィールドの説明を見ることができるため、分析に適切なデータを使用しているという信頼が生まれます。

リネージとインパクト分析

データベース管理者やデータエンジニアが列または表を変更すること、あるいはデータスチュワードが計算を修正することで、どのデータ資産とユーザーがその変更の影響を受けるのかについて、IT 部門はインパクト分析を実行して把握することができます。IT 部門は Tableau プラットフォーム内から、影響を受けるデータ資産所有者にメールを送信できます。

ビジネスユーザーは、分析に使用しているデータのリネージを素早く確認できます。そのリネージには、データのオリジンおよび所有者、認証済みかどうか、準備フローの実行履歴などが含まれており、Viz を開く前に確認できます。さらに高度なユーザーは、サーバーにパブリッシュされている分析コンテンツを見つけ、ワークブックで計算して詳細を探索できます。

品質に関する警告とアラート

データエンジニアとデータスチュワードは、サーバー環境または API を使用して直接、品質に関する警告を設定できます。警告、廃止、古いデータ、メンテナンス中などの指標によって、データ資産のステータスに関するアラートを示すとともに、たとえば更新の遅延やデータの不足など、分析に悪影響を及ぼす問題に関する追加情報を提供できます。データスチュワードやアナリストなどの準備フロー所有者は、データベースのタイムアウトや列の不足など、準備の実行失敗に関するアラートを直接受信するため、迅速に対処できます。

ビジネスユーザーは、Tableau での分析コンテキスト内で、データ資産の品質指標を確認できます。これにより、あらゆるスキルレベルのユーザーが自信を持ってデータで意思決定を行うことができ、また警告が発生した場合は IT 部門からの情報を読み、分析を進めるかどうかを判断できます。

メタデータ API の統合

IT 部門はメタデータ API を使用して、既存のメタデータ管理ソリューションの力を拡張できます。データベース管理者およびエンジニアは、メタデータ表またはエンタープライズカタログで変換したメタデータを Tableau に取り込み、Tableau からメタデータを抽出して他のデータアプリケーションやビジネスフローで使用できます。

ビジネスユーザーは、エンタープライズカタログからの貴重なメタデータを使用した IT 部門の作業への可視性が得られ、Tableau の分析コンテキスト内でそれらの情報を確認し、使用することができます。