L'annuncio della scorsa settimana che il CEO di Tableau Adam Selipsky si ritira sembrava più significativo della copertura mediatica informale che ha ricevuto. Per me, era un segno che i mormorii di malcontento che aveva sentito erano veritieri: l'era del Tableau è finita.
i giorni di gloria
Sebbene Tableau sia emerso per la prima volta 2003, veramente accelerato all'inizio degli anni '90. 2010, e cosa era. Gli utenti hanno segnalato lo strumento come “rivoluzionario” e “cambio vita”. Le sue lezioni annuali sono andate esaurite in pochi minuti. I membri si sono incontrati con centinaia di altre persone, brandendo con orgoglio uno swag che diceva "We Are Data People"’ mentre frequentava i social e le gare di pattinaggio a rotelle “Ferro Viz”. Come ho detto, Stavo vivendo un momento regale.
Per capire l'esagerazione, cosa importante ricordare la vita appena prima che l'era di Tableau entrasse in scena. Al tempo, le squadre di “dati” in realtà sono state solo poche persone IT a creare alcuni report SSRS, o il “tipo di numeri” nominato [sic.]”Chi sapeva come usare Excel. Le persone che lottano per inserire dati nell'organizzazione avevano poco più di un foglio di calcolo e un sogno.
Rendendo i dati belli e facili da interagire, Tableau è diventato il modo per distribuire senza problemi i dati al resto dell'azienda. Abbiamo sostituito i fogli di calcolo freddi con dashboard brillanti e intuitivi accessibili a chiunque in qualsiasi momento. In cambio, i dati si sono seduti al tavolo, sono stati invitati a più riunioni e hanno ottenuto la propria attrezzatura.
per molti di noi (Ho anche bevuto il kool-aid), è stato incoraggiante ed emozionante vedere i dati celebrati, non sono stati relegati in secondo piano. Tableau ci ha detto che essere nei dati non era solo bello, ma anche inconfutabilmente importante.
Cosa è cambiato?
Viviamo in un mondo molto diverso dai Glory Days di Tableau. Non c'è più bisogno di difendere i dati; in realtà, la maggior parte delle aziende sta vivendo un picco di dati FOMO (paura di perdere). Con tutto il clamore della scienza dei dati, non possono dedicare risorse sufficienti al problema dei dati.
Ma invece di essere un giorno di gloria ancora più glorioso, è un'esperienza deludente troppo spesso:
“Gli specialisti dell'apprendimento automatico sono in cima alla lista di sviluppatori che hanno affermato di essere alla ricerca di un nuovo lavoro, con un 14,3 per cento. Gli scienziati dei dati sono arrivati al secondo posto, con un 13,2 per cento “. [1]
E ancora più schiacciante:
“Tra 90% delle aziende che hanno investito nell'intelligenza artificiale, meno di 2 decennio 5 riportare i profitti commerciali dell'intelligenza artificiale negli ultimi tre anni”. [2]
Eh. Chiaramente, c'è del lavoro da fare.
La inquietante
Sebbene sia essenziale riconoscere che Tableau ha consentito la nostra attuale era di meritata attenzione e investimento nei dati, dobbiamo anche sottolineare le sfide che sono rimaste dopo il suo regno per poter sfruttare le nostre attuali possibilità.
Quindi, quali sono questi fantasmi che si frappongono sulla nostra strada?
Dati === Consiglio
Per molti utenti aziendali, data è ora sinonimo di dashboard. Anche se è un malinteso apparentemente benigno, questo in realtà provoca molti effetti collaterali, vale a dire:
- Pensare che Tableau "si risolverà".’ i tuoi problemi con i dati. Molte aziende commettono l'errore di rendersi conto che tutto ciò di cui il loro team di dati ha bisogno è Tableau. (o Power BI). Questo tipo di pensiero ignora i punti deboli più comuni della raccolta di fonti di dati., pulire e trasformare i dati ed eseguire l'analisi stessa, Quello, se chiedi a qualsiasi analista, sono le parti più traumatiche di qualsiasi analisi. Non investendo in questi problemi, stai dicendo al tuo team di dati che il loro lavoro è meno importante dell'interpretazione dell'azienda.
- Chiedere ai pannelli di controllo di fare troppo. Poiché Tableau è l'unico strumento a disposizione di molti team per presentare i dati, se ven obligados a convertir todo en un pannelloUn panel è un gruppo di esperti che si riunisce per discutere e analizzare un argomento specifico. Questi forum sono comuni alle conferenze, seminari e dibattiti pubblici, dove i partecipanti condividono le loro conoscenze e prospettive. I pannelli possono riguardare una varietà di aree, Dalla scienza alla politica, e il suo obiettivo è quello di favorire lo scambio di idee e la riflessione critica tra i partecipanti.... Controllo, che riduce significativamente l'impatto che potrebbe avere un'analisi più dettagliata e dettagliata. Cancellando il contesto, spiegazione e narrativa dell'analista, i pannelli diventano un test di Rorschach in cui tutti possono vedere ciò che vogliono vedere.
- Anche se ora gli utenti si sentono più a loro agio guardando i grafici di base, abbiamo fatto pochi progressi nell'educare i nostri partner commerciali sui concetti fondamentali dei dati. I dashboard non ci forniscono lo scenario necessario per spiegare, come esempio, perché la correlazione non è uguale alla causalità. Ciò significa che è diventato quasi impossibile spiegare la rilevanza dei nostri modelli predittivi più complicati o delle analisi statistiche necessarie per realizzare i sogni della nostra era attuale..
Iperspecializzazione degli strumenti
Flusso di lavoro dell'analista pazzo. Fonte: conteggio.co
- Una de las mejores cosas de Tableau al principio fue que simplemente se sentaba en la parte de arriba de su Banca datiUn database è un insieme organizzato di informazioni che consente di archiviare, Gestisci e recupera i dati in modo efficiente. Utilizzato in varie applicazioni, Dai sistemi aziendali alle piattaforme online, I database possono essere relazionali o non relazionali. Una progettazione corretta è fondamentale per ottimizzare le prestazioni e garantire l'integrità delle informazioni, facilitando così il processo decisionale informato in diversi contesti...., semplificando la connessione al tuo stack esistente di strumenti di dati senza troppi sforzi. Da allora questo modello è stato utilizzato da quasi tutti gli strumenti di dati., creazione di strumenti separati per le pipeline di dati, pulizia dei dati, trasformazione dei dati, analisi dei dati e, Certo, visualizzazione dati. Questo approccio frammenta completamente i flussi di lavoro degli analisti, che provoca dolore e ritardi significativi in ogni analisi. Dovuto, La maggior parte dei data scientist e degli analisti ha adottato una mentalità di “non il mio strumento dati”: riconoscere Tableau come un male necessario per far notare il proprio lavoro. Mira è su Reddit ciao per vedere di persona.
“Se esistesse un pulsante che potesse distruggere tutti i server di Tableau nel mondo, lo premerei”. -Professionista dei dati anonimi
Ricorda quei "mormorii di malcontento"’ quello che ho detto all'inizio …
acchiappa fantasmi
Abbiamo un bisogno sempre più urgente di trovare soluzioni a questi problemi prima di ritrovarci ancora una volta a lottare per la rilevanza e l'attenzione ai dati.. Fare quello, dovremmo iniziare a concentrarci sulle due aree seguenti:
Presenti più dei numeri
Dati + Contexto >> Datos (fonte: Autore)
È tempo di dare più voce ai dati. I dashboard sono ottimi per le cose in cui c'è un contesto condiviso e una decisione facile. ma per tante cose, tali condizioni non sono soddisfatte e, perché, abbiamo bisogno di un nuovo approccio.
Me, e altri, è da un po' che stiamo battendo il tamburo sui datapad come soluzione. Possono raccontare la storia, spiegare la metodologia, e Crea immagini piacevoli senza sacrificare l'interattività o la presentabilità.
Usando più taccuini, possiamo iniziare a liberarci di una cultura che desiderava ardentemente dashboard. possiamo iniziare a lavorare insieme a i nostri partner commerciali invece di lanciare domande e grafici avanti e indietro su un muro immaginario.
Scegli gli strumenti desiderati dal team dei dati
Gli analisti di dati e gli scienziati vedono una bandiera rossa quando un potenziale datore di lavoro ha Tableau e poco altro in termini di ingegneria dei dati o strumenti di analisi dei dati (come esempio, esegui Tableau sul tuo database MySQL 5 non trasformato). Ciò indica che non stanno dando priorità al lavoro che faranno questi analisti. questo deve finire. IL PRIMA POSSIBILE.
A seconda dell'analisi che sta facendo la tua squadra, gli strumenti "giusti".’ saranno diversi. Ma ci sono così tante opzioni là fuori, devi solo assicurarti di investire nel lavoro che serve per fare un'ottima analisi tanto quanto sei in uno strumento che l'azienda può guardare.
E bene, probabilmente finirà per mantenere alcuni di quei data scientist che, secondo le statistiche, probabilmente stanno comprando.
conclusione
Tutti dobbiamo molto a Tableau per l'attenzione che i dati stanno ricevendo oggi nelle nostre aziende.. Nonostante questo, per sfruttare questa possibilità e andare verso una nuova età dell'oro dei dati, dobbiamo affrontare e rimediare ad alcuni dei fantasmi dell'era Tableau che ci stanno trattenendo.
I data notebook rappresentano un'opzione che può offrire al tuo team la flessibilità di cui ha bisogno per iniziare a passare da Tableau all'era successiva.
E conta, siamo entusiasti di far parte di questo nuovo movimento di strumenti dati progettati per le sfide moderne. Puoi saperne di più sul taccuino Conte qui.
Riferimenti
[1] Walter, Richard, “Come l'apprendimento automatico crea nuove professioni e problemi", Financial Times, novembre 2017.
[2] S. Ransbotham, S. Khodabandeh, R. mancante, B. La Fontana, D. Kiron, “Vinci con l'IA,”MIT Sloan Management Review e Boston Consulting Group, ottobre di 2019.
[3] immagine di intestazione di Luca Chesser su Unsplash
Il supporto mostrato in questo post non è di proprietà di DataPeaker e viene utilizzato a discrezione dell'autore.
