最近,Tableau的CEO Adam Selipsky宣布离职,这一事件的重要性远超媒体的轻描淡写。对而言,这标志着一直在听到的不满声音是真实的:Tableau的时代已经结束。
回顾Tableau的辉煌时期,它在2003年成立,并在2010年代初真正崭露头角。用户将这个工具誉为“革命性”和“改变生活”。他们的年度会议门票在几分钟内售罄,参与者会聚集在一起,自豪地展示着印有“We Are Data People”的纪念品,参加轮滑社交活动和“Iron Viz”比赛。正如所说,它确实有过一段辉煌时刻。
要理解这种热潮,值得回忆一下Tableau时代到来之前的生活。那时,“数据”团队实际上只是一些IT人员构建一些SSRS报告,或者是被指定的“数字人”知道如何使用Excel。那些努力将数据注入组织的人,除了一个电子表格和一个梦想之外,几乎没有什么。
通过使数据看起来美观且易于交互,Tableau成为了向业务其他部分传递数据的方式。用明亮、直观的仪表板取代了冷冰冰的电子表格,这些仪表板对任何人都是随时可访问的。作为回报,数据在会议中占有一席之地,被邀请参加更多会议,并拥有了自己的团队。
对许多人来说(也喝过这种“酷爱”饮料),看到数据被庆祝而不是被边缘化,是令人振奋和兴奋的。Tableau告诉,从事数据工作不仅很酷,而且无疑是重要的。
生活在一个与Tableau辉煌时期截然不同的世界。数据不再需要倡导;事实上,大多数公司都在经历数据FOMO(错过恐惧症)的高峰。随着所有关于数据科学的炒作,他们无法向数据问题投入足够的资源。
但与其说这是一个更加辉煌的辉煌时期,不如说这是一个令人失望的经历:
"机器学习专家在寻找新工作的开发者中名列前茅,占14.3%。数据科学家紧随其后,占13.2%。" [1]
"在90%已经对AI进行了一些投资的公司中,不到五分之二的公司报告说在过去三年中从AI中获得了商业收益。" [2]
显然,还有很多工作要做。
虽然重要的是要认识到Tableau使当前对数据的关注和投资成为可能,还必须指出其统治时期留下的挑战,以便可以利用当前的机会。
那么,这些阻碍前进的幽灵是什么呢?
数据 === 仪表板
对许多商业用户来说,数据现在与仪表板同义。虽然这种看似无害的误解实际上会导致一系列下游效应,主要是:
认为Tableau会“修复”数据问题。
许多公司错误地认为,数据团队唯一需要的是Tableau(或Power BI)。这种思维方式忽视了将数据源整合在一起、清理和转换数据以及进行实际分析的更常见痛点,如果问任何分析师,这些是任何分析中最令人痛苦的部分。如果不投资这些问题,就是在告诉数据团队,他们的工作比业务对它的解释更不重要。
要求仪表板做得太多。
由于Tableau是许多团队唯一用来展示数据的工具,他们被迫将一切都变成仪表板,这大大降低了一个更微妙、深思熟虑的分析可能产生的影响。通过剥离分析师的上下文、解释和叙述,仪表板变成了一个罗夏测试,每个人都可以看到他们想看到的东西。
虽然用户现在更习惯于查看基本图表,在教育商业伙伴基本数据概念方面几乎没有取得进展。
仪表板没有给提供解释的舞台,例如,为什么相关性不等于因果关系。这意味着几乎不可能解释更复杂的预测模型或统计分析的重要性,这些是实现当前时代梦想所必需的。
工具的超专业化
分析师的疯狂工作流程。
"如果有一个按钮可以摧毁世界上所有的Tableau服务器,按下那个按钮。" -匿名数据专业人士
记住一开始提到的那些“不满的低语”……
需要在再次为数据的相关性和关注度而战之前,迫切需要找到解决这些问题的方案。要做到这一点,需要开始关注以下两个领域:
呈现不仅仅是数字
数据 + 上下文 >> 数据(来源:)
是时候给数据更多的发言权了。仪表板对于有共同上下文和直接决策的事情很棒。但对于许多事情来说,这些条件并不满足,因此需要一种新的方法。
和其他人一直在推崇数据笔记本作为一种解决方案。它们可以讲述故事,解释方法,并构建漂亮的视觉效果,而不会牺牲交互性或呈现性。
通过使用更多的笔记本,可以开始摆脱对仪表板上瘾的文化。可以开始与商业伙伴合作,而不是在一堵想象中的墙上来回投掷问题和图表。
选择数据团队想要的工具
当潜在雇主只有Tableau和几乎没有其他数据工程或数据分析工具(例如,在未经转换的MySQL 5数据库上运行Tableau)时,数据分析师和科学家会看到红旗。这表明他们没有优先考虑这些分析师将要做的工作。这需要停止。尽快。
根据团队正在进行的分析,“正确的”工具会有所不同。但是有很多选择,只需要确保在投资使伟大分析成为可能的工作,就像在工具上让业务看到它一样。
嘿,可能会留住一些数据科学家,根据统计数据,他们最有可能四处寻找。
结论
都欠Tableau很多,因为它在业务中对数据的关注。要充分利用这个机会,进入数据的新黄金时代,需要解决和补救一些阻碍前进的Tableau时代的幽灵。
[1] Walter, Richard, “如何机器学习创造新职业 - 以及问题”,金融时报,2017年11月。
[2] S. Ransbotham, S. Khodabandeh, R. Fehling, B. LaFountain, D. Kiron, “用AI获胜,” MIT斯隆管理评论和波士顿咨询集团,2019年10月。
[3] 标题图片由Luke Chesser在Unsplash上提供。