El anuncio de la semana pasada de que el CEO de Tableau Adam Selipsky se retira se sintió más significativo que la cobertura mediática informal que recibió. Para mí, fue una señal de que los murmullos de descontento que había escuchado eran ciertos: la Era de Tableau terminó.
Los días de gloria
Aunque Tableau surgió por primera vez en 2003, verdaderamente se aceleró a principios de la década de 2010, y lo que fue. Los usuarios informaron la herramienta como «revolucionaria» y «que cambia la vida». Sus conferencias anuales se agotaron en minutos. Los integrantes se reunían con cientos de personas más, blandiendo con orgullo un botín que decía ‘We Are Data People’ mientras asistían a eventos sociales de patinaje sobre ruedas y competencias de «Iron Viz». Como dije, estaba teniendo un momento real.
Para comprender la exageración, es importante destacar recordar la vida justo antes de que la era de Tableau llegara a la escena. En aquel entonces, los equipos de «datos» eran en realidad solo unas pocas personas de TI que creaban algunos informes de SSRS, o el «tipo de números» designado [sic.]”Que sabía cómo utilizar Excel. Las personas que luchaban por inyectar datos en la organización tenían poco más que una hoja de cálculo y un sueño.
Al hacer que los datos se vean bien y sea fácil interactuar con ellos, Tableau se convirtió en la forma de suavizar la entrega de datos al resto de la compañía. Reemplazamos las hojas de cálculo frías con paneles de control intuitivos y brillantes que eran accesibles para cualquier persona en cualquier momento. A cambio, los datos obtuvieron un asiento en la mesa, fueron invitados a más reuniones y consiguieron equipos propios.
Para muchos de nosotros (yo además bebí el kool-aid), fue alentador y emocionante ver que los datos se celebraban, no se relegaban a un segundo plano. Tableau nos mencionó que estar en los datos no solo era genial, sino además irrefutablemente importante.
¿Qué ha cambiado?
Vivimos en un mundo muy distinto al de los Días de gloria de Tableau. Ya no es necesario defender los datos; en realidad, la mayoría de las compañías están experimentando un pico de datos FOMO (miedo a perderse). Con todo el bombo publicitario de la ciencia de datos, no pueden dedicar suficientes recursos al problema de los datos.
Pero en lugar de que este sea un día de gloria aún más glorioso, es una experiencia decepcionante con demasiada frecuencia:
“Los especialistas en aprendizaje automático encabezaron su lista de desarrolladores que dijeron que estaban buscando un nuevo trabajo, con un 14,3 por ciento. Los científicos de datos ocuparon un cercano segundo lugar, con un 13,2 por ciento «. [1]
Y aún más condenatorio:
«Entre el 90% de las compañías que han realizado alguna inversión en inteligencia artificial, menos de 2 de cada 5 informan ganancias comerciales de la inteligencia artificial en los últimos tres años». [2]
Eesh. Claramente, hay trabajo por realizar.
La inquietante
Aunque es esencial reconocer que Tableau ha permitido nuestra era actual de merecida atención e inversión en datos, además debemos señalar los desafíos que quedaron tras su reinado para que podamos aprovechar nuestra posibilidad actual.
Entonces, ¿qué son estos fantasmas que se interponen en nuestro camino?
Datos === Tablero
Para muchos usuarios comerciales, los datos ahora son sinónimo de cuadros de mando. Aunque es un malentendido aparentemente benigno, esto en realidad causa una gran cantidad de efectos posteriores, a saber:
- Pensar que Tableau ‘solucionará’ sus problemas de datos. Muchas compañías cometen el error de hacerse cargo que lo único que necesita su equipo de datos es Tableau (o Power BI). Este tipo de pensamiento ignora los puntos débiles más comunes de reunir las fuentes de datos, limpiar y transformar los datos y hacer el análisis en sí mismo, que, si le pregunta a cualquier analista, son las partes más traumáticas de cualquier análisis. Al no invertir en estos problemas, le está diciendo a su equipo de datos que su trabajo es menos importante que la interpretación de la compañía.
- Pedir a los paneles de control que hagan demasiado. Dado que Tableau es la única herramienta que disponen muchos equipos para presentar datos, se ven obligados a convertir todo en un panel de control, lo que reduce significativamente el impacto que podría tener un análisis más detallado y detallado. Al borrar el contexto, la explicación y la narrativa del analista, los paneles se convierten en una prueba de Rorschach donde todos pueden ver lo que desean ver.
- Aunque los usuarios ahora se sienten más cómodos mirando gráficos básicos, hemos avanzado poco en la educación de nuestros socios comerciales en conceptos de datos fundamentales. Los cuadros de mando no nos dan el escenario necesario para explicar, a modo de ejemplo, por qué la correlación no es igual a la causalidad. Esto significa que se volvió casi imposible explicar la relevancia de nuestros modelos predictivos o análisis estadísticos más complicados que se requieren para hacer realidad los sueños de nuestra era actual.
Hiperespecialización de herramientas
Flujo de trabajo loco del analista. Fuente: count.co
- Una de las mejores cosas de Tableau al principio fue que simplemente se sentaba en la parte de arriba de su base de datos, lo que facilitaba la conexión a su pila existente de herramientas de datos sin mucho esfuerzo. Este modelo ha sido utilizado por casi todas las herramientas de datos desde entonces, creando herramientas separadas para canalizaciones de datos, limpieza de datos, transformación de datos, análisis de datos y, desde luego, visualización de datos. Este enfoque está fragmentando por completo los flujos de trabajo de los analistas, lo que provoca un dolor significativo y retrasos en cada análisis. Como consecuencia, la mayoría de los analistas y científicos de datos han adoptado una mentalidad de «no es mi herramienta de datos»: reconocen a Tableau como un mal necesario para que su trabajo se note. Mira este Reddit hilo para verlo por ti mismo.
«Si hubiera un botón que pudiera destruir todos los servidores de Tableau del mundo, lo presionaría». -Profesional de datos anónimos
Recuerda esos ‘murmullos de descontento’ que mencioné al principio …
Cazafantasmas
Tenemos una necesidad cada vez más urgente de hallar soluciones a estos problemas antes de que nos encontremos nuevamente luchando por la relevancia y la atención a los datos. Para hacer eso, debemos comenzar a enfocarnos en las siguientes dos áreas:
Presente más que números
Datos + Contexto >> Datos (fuente: Autor)
Es hora de dar más voz a los datos. Los paneles son excelentes para cosas en las que existe un contexto compartido y una decisión sencilla. Pero para muchas cosas, esas condiciones no se cumplen y, por eso, necesitamos un nuevo enfoque.
Yo, y otros, hemos estado haciendo sonar el tambor en los cuadernos de datos como una solución desde hace tiempo. Pueden contar la historia, explicar la metodología, y Cree imágenes agradables sin sacrificar la interactividad o la presentabilidad.
Al usar más cuadernos, podemos comenzar a desprendernos de una cultura que ha estado ansiosa por los paneles de control. Podemos comenzar a trabajar con nuestros socios comerciales en lugar de lanzar preguntas y gráficos de un lado a otro sobre una pared imaginaria.
Elija las herramientas que el equipo de datos desee
Los analistas de datos y los científicos ven una señal de alerta cuando un empleador potencial tiene Tableau y poco más con respecto a ingeniería de datos o herramientas de análisis de datos (a modo de ejemplo, ejecutar Tableau en su base de datos MySQL 5 sin transformar). Esto indica que no están priorizando el trabajo que harán estos analistas. Esto debe terminar. LO ANTES POSIBLE.
Dependiendo del análisis que esté haciendo su equipo, las herramientas ‘correctas’ serán diferentes. Pero hay tantas opciones por ahí, solo necesita asegurarse de que está invirtiendo en el trabajo que se necesita para realizar un gran análisis tanto como está en una herramienta para que la compañía la mire.
Y bueno, probablemente terminará manteniendo algunos de esos científicos de datos que, según las estadísticas, probablemente estén comprando.
Conclusión
Todos le debemos mucho a Tableau por la atención actual que reciben los datos en nuestras compañías. A pesar de esto, para aprovechar esta posibilidad y avanzar hacia una nueva Edad de Oro de los datos, debemos abordar y remediar algunos de los fantasmas de la era de Tableau que nos están frenando.
Los cuadernos de datos presentan una opción que puede brindarle a su equipo la flexibilidad que necesita para comenzar a pasar de Tableau a la próxima era.
En Count, estamos entusiasmados de ser parte de este nuevo movimiento de herramientas de datos diseñadas para los desafíos modernos. Puede obtener más información sobre el cuaderno Count aquí.
Referencias
[1] Walter, Richard, «Cómo el aprendizaje automático crea nuevas profesiones y problemas”, Financial Times, noviembre de 2017.
[2] S. Ransbotham, S. Khodabandeh, R. Fehling, B. LaFountain, D. Kiron, “Ganar con IA,”MIT Sloan Management Review y Boston Consulting Group, octubre de 2019.
[3] Imagen de encabezado de Luke Chesser sobre Unsplash
Los medios que se muestran en este post no son propiedad de DataPeaker y se usan a discreción del autor.
