Tableau Data Management

Antes, as organizações coletavam e gerenciavam apenas os dados corporativos relevantes. Hoje, todos os departamentos (incluindo marketing, vendas e financeiro) têm diversos tipos de dados e necessidades analíticas especializadas para maximizar seu valor. As pessoas estão coletando dados antes mesmo de saber o que fazer com eles, e alguns dados departamentais e suas aplicações muitas vezes são desconhecidos pela TI.

Além disso, algo que contribui para essa proliferação dos dados é todo o trabalho realizado para deixar os dados nas condições e no formato adequados para análise. Nos modelos tradicionais, a TI geralmente prepara os dados para um caso de uso analítico específico e depois continua mantendo os bancos de dados e arquivos. À medida que mais dados se acumulam, a TI busca estabilidade para manter o ambiente de dados, mas enfrenta desafios para descontinuar tabelas e fontes de dados, sem saber ao certo qual será o impacto para os usuários finais e preocupada com o risco de inutilizar painéis essenciais aos negócios.

A análise moderna ajudou a mudar a função da TI, que passou da criação de relatórios para a manutenção e a proteção dos sistemas que possibilitam a autossuficiência das decisões impulsionadas por dados em toda a organização. Os usuários corporativos agora estão trazendo diversos tipos de dados de seu interesse, mas isso ainda não é feito de forma escalonável. Muitos processos ainda são manuais e podem envolver a transferência dos dados de sistemas governados a outros não governados para análise. A TI está abraçando a governança como forma de oferecer um ambiente controlado para a exploração dos dados e da análise em vez de restringir o acesso e criar um gargalo. Porém, a TI ainda carrega a responsabilidade de escalonar a análise de autoatendimento para um público maior, o que exige a operacionalização e a automação de processos, além de um equilíbrio entre controle e agilidade.

À medida que as empresas dependem cada vez mais da tomada de decisões impulsionadas por dados para promover mudanças organizacionais, mais pessoas querem ter acesso aos dados e analisá-los. Embora alguns usuários corporativos estejam desenvolvendo habilidades de dados mais avançadas, a maioria não sabe quais dados deve usar e onde encontrá-los. Os usuários comuns enfrentam vários desafios, que vão desde convenções de nomenclatura e estruturas de dados complexas até a compreensão de bancos de dados e a identificação de quais tabelas devem unir. Quando o acesso aos dados era restrito a apenas algumas pessoas na empresa, era mais fácil procurar o especialista de dados “oficial” para pedir ajuda. Hoje, esse modelo não é capaz de acompanhar o crescimento dos casos de uso dos dados e a adoção rápida da análise moderna.

Descobrir como os ativos de dados estão sendo usados em toda a organização sempre foi ou um processo investigativo (“quem está usando isto e como?”) ou um desafio de programação, em que os conteúdos eram extraídos na tentativa de encontrar respostas. Vamos supor que uma tarefa de ETL falhe ou que haja uma tabela que precisa ser removida de um banco de dados. Em um modelo tradicional de gerenciamento de dados, um administrador pode atualizar um wiki ou enviar um e-mail na esperança de que as pessoas envolvidas recebam a mensagem. Mesmo que uma organização tenha um catálogo de dados empresariais com descrições úteis dos dados, linhagem documentada e indicadores do quão atualizados são os dados, com que regularidade os usuários acessam esse outro sistema para consultar se os dados que estão usando são confiáveis e estão atualizados antes de iniciar suas análises?

Os requisitos de conformidade também estão aumentando o desafio de garantir que as pessoas usem os dados certos, o que pode distorcer a percepção da organização e dificultar o gerenciamento adequado de dados confidenciais. Se a TI quiser que os usuários finais saibam quais dados podem usar e se há um problema de qualidade, as pessoas precisam ter acesso a informações sobre essa qualidade no contexto da análise, e não em um sistema ou uma ferramenta separada. Apresentar esses metadados de forma direta para os usuários os ajuda a saber que podem confiar nos dados.

Administração e descoberta de dados

Os administradores e engenheiros de dados podem adicionar descrições e metadados a bancos de dados, tabelas e colunas, além de certificar ativos de dados para ajudar os usuários a encontrar dados confiáveis e recomendados. Os desenvolvedores também podem usar métodos de metadados da API REST do Tableau Server para atualizar determinados metadados de forma programática. Os engenheiros de dados e administradores de bancos de dados aproveitarão os metadados de uso para determinar alterações em tabelas com a finalidade de otimizar as fontes de dados.

Os autores de conteúdo podem pesquisar fontes de dados, bancos de dados/arquivos ou tabelas existentes no Tableau Server ou no Tableau Online para ver se os dados de que precisam já existem, o que ajuda a minimizar fontes de dados duplicadas. Os consumidores de conteúdo podem encontrar dados confiáveis com mais facilidade enquanto navegam, consultando descrições e informações de uso/certificação sobre os ativos de dados. Ao observar uma visualização, os usuários podem acessar descrições de campos com facilidade na guia Detalhes de dados no painel, podendo assim ter a certeza de que estão usando os dados certos para análise.

Análise de impacto e linhagem

A TI pode fazer a análise de impacto para entender quais ativos de dados e usuários serão afetados por alterações, como um administrador de banco de dados ou engenheiro de dados que altera uma coluna ou tabela ou um administrador de dados que modifica um cálculo. A TI pode enviar um e-mail aos usuários afetados dos ativos de dados diretamente na plataforma do Tableau.

Os usuários corporativos podem ver rapidamente a linhagem dos dados que estão usando para análise, incluindo a origem e o proprietário dos dados, se eles são certificados ou não e o histórico de execução de fluxos de preparação, antes mesmo de abrirem uma visualização. Usuários mais avançados podem encontrar conteúdo analítico publicado no servidor e começar imediatamente a explorar cálculos nas pastas de trabalho.

Alertas e avisos de qualidade

Os engenheiros e administradores de dados podem configurar avisos de qualidade de dados no ambiente de servidor ou usando uma API. Esses indicadores (Aviso, Descontinuado, Dados desatualizados ou Em manutenção) ajudam a alertar os usuários sobre o status dos ativos de dados e apresentam informações adicionais, como se uma atualização está atrasada ou se há dados faltando que podem influenciar a análise. Os proprietários de fluxos de preparação, como analistas ou administradores de dados, recebem diretamente alertas sobre erros na execução da preparação (por exemplo, em caso de tempo-limite do banco de dados ou uma coluna faltando) para que eles possam tomar medidas com rapidez.

Os usuários corporativos verão indicadores de qualidade dos ativos de dados no contexto de sua análise no Tableau. Assim, pessoas com todos os níveis de conhecimento podem se sentir confiantes para tomar decisões comerciais com os dados ou, no caso de um aviso, podem ler informações compartilhadas pela TI para decidir se devem ou não prosseguir com a análise.

Integração com a API de metadados

A TI pode usar a API de metadados para expandir o potencial de sua solução existente de gerenciamento de metadados. Abra no Tableau metadados que os engenheiros e administradores de banco de dados compilaram em tabelas de metadados ou em um catálogo empresarial e extraia metadados do Tableau para usar em outros aplicativos de dados e fluxos comerciais.

Os usuários corporativos podem ter visibilidade do trabalho que a TI realizou com metadados valiosos do catálogo empresarial diretamente no lugar em que é mais provável que eles vejam e usem as informações: no contexto de suas análises, no Tableau.