Whitepaper
Tableau Data Management
Vertrouwen, zichtbaarheid en beheer voor selfservice-analytics op schaal
De moderne selfservice-analytics van Tableau hebben het business intelligence-landschap veranderd. Nu mensen met domeinexpertise de beschikking hebben over intuïtieve, visuele analyse, kunnen ze hun eigen datavragen verkennen en hun analyse gemakkelijk itereren om nieuwe inzichten te ontdekken, zonder te hoeven wachten op de IT-afdeling. Met de toenemende implementaties van moderne analytics staat IT voor de uitdaging om de juiste data te verzamelen, beheren en promoten voor zakelijke gebruikers die moeite hebben om relevante, betrouwbare data te vinden voor hun analyse.
Het is onze missie om mensen te helpen data te zien en te begrijpen en daarom investeert Tableau op een unieke manier in databeheer voor onze gebruikers. Met onze zeer visuele oplossing die gebruikers aanspreekt in de context van hun analyse, kunnen medewerkers van de organisatie ervan op aan dat ze de juiste data hebben en dat ze hier voor de besluitvorming op kunnen vertrouwen. Meer zichtbaarheid, betere vindbaarheid en groter vertrouwen helpen bij het opschalen van een beheerde dataomgeving. Hierdoor kan IT de toenemende hoeveelheid van databronnen en analytische inhoud beter beheren en kunnen eindgebruikers sneller de gezochte data vinden en vertrouwen hebben in hun analyse.
Traditionele databeheerprocessen zijn niet meer schaalbaar
Voor een succesvolle toepassing van moderne analytics moeten organisaties een evenwicht vinden tussen facilitering en beheer, zonder dat dit ten koste gaat van de veiligheid. Wie wil schalen, moet de aanpak van het databeheer richten op verbetering van zichtbaarheid en ondersteuning van eindgebruikers die betrouwbare data willen vinden.
Toename van datavolumes, variëteiten en analytische gebruiksscenario's
Voorheen konden organisaties zich beperken tot het vastleggen en beheren van de relevante bedrijfsdata. Nu heeft elke afdeling, van marketing en sales tot finance, diverse typen data en specifieke behoeften voor niche-analyses om de waarde van die data te maximaliseren. Mensen leggen data vast nog voordat ze weten wat ze ermee moeten doen, en sommige afdelingen hebben data en applicaties waar IT misschien niet eens weet van heeft.
Deze wildgroei van data wordt verder nog bevorderd door al het werk dat wordt gedaan om de data de juiste vorm en de juiste indeling te geven voor analyse. In traditionele modellen is het doorgaans de IT-afdeling die de data voorbereidt voor een specifiek gebruiksscenario voor analytics, en blijft IT de databases of bestanden beheren. Naarmate meer data worden verzameld, probeert IT de dataomgeving te stabiliseren en ondersteunen. IT is echter terughoudend om tabellen en databronnen buiten gebruik te stellen om eventuele negatieve gevolgen voor gebruikers downstream en verstoring van bedrijfskritische dashboards te voorkomen.
De evoluerende rollen van IT en zakelijke gebruikers bij analytics
Door moderne analytics is de rol van IT veranderd: in plaats van alleen rapportage zorgt IT nu voor het onderhoud en de beveiliging van de systemen die zelfstandige, datagestuurde besluitvorming in de hele organisatie mogelijk maken. Zakelijke gebruikers maken nu gebruik van diverse soorten data die zij belangrijk vinden, maar die nog niet schaalbaar zijn. Veel processen worden nog steeds handmatig uitgevoerd, waardoor data voor analyse mogelijk moeten worden verplaatst van beheerde naar onbeheerde systemen. Aangezien IT de toegang niet wil beperken en geen knelpunten wil veroorzaken, probeert IT data en analytics in goede banen te leiden door middel van beheer. IT is ondertussen nog wel verantwoordelijk voor het opschalen van selfservice-analytics naar een breder publiek. IT moet daarom niet alleen een balans vinden tussen controle en agility, maar ook zorgen voor operationalisering en automatisering van processen.
Nu organisaties vaker vertrouwen op datagestuurde besluitvorming voor organisatorische veranderingen, willen steeds meer mensen toegang tot data en analysemogelijkheden. Sommige zakelijke gebruikers slagen erin meer geavanceerde datavaardigheden te ontwikkelen, maar de meesten weten niet welke data ze moeten gebruiken en waar ze die kunnen vinden. Naamconventies, complexe datastructuren, inzicht in databases en het samenvoegen van tabellen zijn een uitdaging voor gewone gebruikers. Toen minder personen toegang hadden tot data, was het gemakkelijker om dingen gewoon te vragen aan de data-expert. Maar dit model kan niet meegroeien met het toenemende aantal gebruiksscenario's voor data en de snelle intrede van moderne analytics.
Mensen hebben binnen context behoefte aan transparantie en vertrouwen
De vraag hoe data-assets in de hele organisatie worden gebruikt, is historisch gezien heel simpel ('wie gebruikt ze en hoe?') of een arbeidsintensieve activiteit waarvoor veel programmacode is vereist. Stel dat een ETL-opdracht mislukt of dat er een tabel moet worden verwijderd uit een database. In een traditioneel databeheermodel kan een beheerder een wiki updaten of een bulk-e-mail uitsturen in de hoop dat het bericht iedereen bereikt die de gevolgen hiervan ondervindt. Zelfs als een organisatie een bedrijfsdatacatalogus heeft met nuttige databeschrijvingen, gedocumenteerde herkomst en indicatoren voor de actualiteit van de data, dan is het nog maar de vraag in hoeverre eindgebruikers inloggen op dit andere systeem om te zien of de gebruikte data betrouwbaar en up-to-date zijn voordat ze met hun analyse beginnen.
De uitdaging om ervoor te zorgen dat mensen de juiste data gebruiken, wordt nog groter door compliancevereisten en dit kan een negatieve invloed hebben op het zicht op correct beheer van gevoelige data binnen de organisatie. Als IT wil dat eindgebruikers begrijpen welke data ze moeten gebruiken en dat er een eventueel kwaliteitsprobleem is, dan hebben ze informatie nodig over de kwaliteit van de data in de context van hun analyse, niet in een apart systeem of afzonderlijke tool. Als deze metadata rechtstreeks worden geleverd aan de gebruikers, dan weten ze dat ze hun data kunnen vertrouwen.
Uit onderzoek van Gartner blijkt dat dataconsumenten snellere datalevering eisen en dat dataproducenten onder steeds hogere druk staan om snel toegang te realiseren tot data en deze te beoordelen, te kwalificeren en te leveren. Deze dubbele tendens overstijgt de mogelijkheden van traditionele oplossingen voor databeheer (en dan met name integratie).
De unieke aanpak van Tableau voor databeheer
Veel klanten hebben ons gemeld dat ze problemen hebben met de enorme variëteit aan data, de ongebruikte investeringen in datawarehouses en andere managementtools, en waarborgen dat mensen de juiste data krijgen om de besluitvorming te sturen. Onze aanpak van databeheer onderscheidt zich van traditionele oplossingen, omdat wij metadata beschikbaar maken en managementprocessen integreren in het populaire Tableau-analyseplatform. Zo bieden we een nuttige visuele ervaring voor zowel IT als gewone gebruikers én breiden we de kracht van bestaande investeringen in databeheer uit.
We versterken zowel IT als bedrijf
Traditionele databeheeroplossingen zijn meestal niet specifiek ontworpen voor gebruik door meerdere eindgebruikers. We onderkennen hoe belangrijk het is dat eindgebruikers een deel van de traditionele verantwoordelijkheden voor databeheer delen met beheerders als we een selfservice-omgeving willen opschalen om meer mensen toegang te bieden tot data.
We richten ons op analyse
Andere oplossingen voor databeheer kunnen helpen bij de migratie van data of de integratie van applicaties, maar bij Tableau richten we ons vooral op analyse. We weten hoe nuttig het is om mensen de informatie die ze nodig hebben, te geven waar en wanneer ze die nodig hebben, namelijk direct in de flow van hun analyse.
We staan achter de kracht van visuele interactie
We denken dat een visuele interface de beste manier is om met data te communiceren. Of je nu op zoek bent naar de juiste data, je data wilt voorbereiden voor analyse of op zoek bent naar inzichten: met visuele interacties wordt het proces sneller en eenvoudiger.
We bieden flexibiliteit en keuzemogelijkheden
We begrijpen hoe belangrijk het is je bestaande investeringen te benutten naarmate je bedrijfsdataomgeving zich ontwikkelt. We bieden een ongeëvenaarde keuze, van jouw implementatiemogelijkheden tot onze vele native dataconnectors, en onze oplossing voor databeheer biedt dezelfde flexibiliteit en uitbreidbaarheid.
Maak kennis met de Tableau Data Management-add-on
Met onze aanpak van databeheer kan IT een schaalbare, beheerde en zelfstandige dataomgeving ontwikkelen en onderhouden in een steeds veranderend datalandschap. Zowel Tableau Prep Conductor als Tableau Catalog zijn inbegrepen in de Tableau Data Management-add-on.
Zichtbaarheid
Verhoog de zichtbaarheid van de data van je organisatie om je omgeving efficiënter te beheren.
Beheer en vertrouwen
Bevorder het beheer van en vertrouwen in de data die worden gebruikt voor de besluitvorming in de hele organisatie.
Vindbaarheid
Boost de vindbaarheid zodat gebruikers snel en vol vertrouwen de juiste data voor hun analyse kunnen vinden.
Schaalbaarheid
Beheer je data effectief en op schaal met herhaalbare processen om data en metadata up-to-date te houden.
![Schedule flow animated gif](https://www.tableau.com/sites/default/files/schedule_flow_animated_0.gif)
Tableau Prep Conductor
Schemastromen gemaakt met Tableau Prep Builder voor uitvoering in een gecentraliseerde, schaalbare en betrouwbare serveromgeving, zodat de data van je organisatie altijd up-to-date zijn. Geef beheerders inzicht in de voorbereiding van selfservice-data in de hele organisatie. Met Tableau Prep Conductor kun je de stromen beheren, bewaken en beveiligen in je Tableau Server- of Tableau Cloud-omgeving. Meer informatie
![lineage project animated gif](https://www.tableau.com/sites/default/files/lineageprojecttr_1.gif)
Tableau Catalog
Beheer je analytics met een volledig overzicht van de data in je Tableau-omgeving. Stel alle gebruikers in staat om betrouwbare data te vinden, te begrijpen en te gebruiken met krachtige zoekfuncties, een datawoordenboek, herkomstdata en impactanalyse. Voltooi de integratie met je bestaande metadatasystemen via de Metadata API, waarbij nuttige metadata worden uitgewisseld met Tableau, zodat ze beschikbaar zijn daar waar mensen analyses uitvoeren. Meer informatie
Nauwe integratie met het Tableau-platform
Essentiële informatie is beschikbaar waar mensen die nodig hebben: in de context van hun analyse. Zakelijke gebruikers kunnen beheerde data gemakkelijk vinden in Tableau zonder te zoeken via wiki's of in te loggen in een bedrijfscatalogus om te verifiëren of ze betrouwbaar en up-to-date zijn. Daarnaast kan IT gebruikmaken van de bestaande functies van het Tableau-platform, van beveiliging en machtigingen tot monitoring en beheer. En je hoeft niets in te stellen: de data-assets in je Tableau Server-omgeving worden automatisch gecatalogiseerd.
De Tableau Data Management-add-on heeft een aparte licentie, los van je Tableau Server- of Tableau Online-implementatie.
Het nut van Tableau Data Management voor iedereen in je organisatie
Wanneer je data zijn ingevoerd en opgeslagen, worden ze voorbereid en geanalyseerd en vervolgens gedeeld met de hele organisatie. We hebben databeheerprocessen, zoals het vernieuwen van voorbereidingsstromen, het toevoegen en openen van metadata en het begrijpen van dataherkomst, nauw geïntegreerd met Tableau Server en Tableau Online (de plek waar IT en zakelijke gebruikers al gebruikmaken van de analytische workflow).
Hoe vind ik de juiste data voor mijn analyse?
Datacuratie en -detectie
Data-stewards en data-engineers kunnen beschrijvingen en metadata toevoegen aan databases, tabellen en kolommen, en kunnen data-assets certificeren om gebruikers te helpen bij het vinden van betrouwbare en aanbevolen data. Ontwikkelaars kunnen ook gebruikmaken van metadatamethoden in de Tableau Server-REST API om bepaalde metadata programmatisch bij te werken. Data-engineers en databasebeheerders kunnen gebruiksmetadata inzetten om tabellen te wijzigen en databronnen te optimaliseren.
Auteurs van content kunnen bestaande databronnen, databases en bestanden, en tabellen in Tableau Server en Tableau Online doorzoeken om te zien of de nodige data al bestaan, zodat ze het aantal dubbele databronnen tot een minimum kunnen beperken. Consumenten van content kunnen gemakkelijker betrouwbare data vinden tijdens het browsen doordat ze beschrijvende informatie, gebruik en certificering van data-assets kunnen inzien. Tijdens het bekijken van een visualisatie kunnen gebruikers gemakkelijk toegang krijgen tot de veldbeschrijvingen via het tabblad Data Details op het dashboard, zodat ze zeker weten dat ze de juiste data gebruiken voor de analyse.
Wat gebeurt er als deze data veranderen?
Dataherkomst en impactanalyse
IT kan impactanalyses uitvoeren om te begrijpen welke data-assets en gebruikers veranderingen zullen merken, bijvoorbeeld als een databasebeheerder of data-engineer een kolom of tabel aanpast, of als een data-steward een berekening wijzigt. IT kan de betreffende eigenaren van data-assets een e-mail sturen vanuit het Tableau-platform.
Zakelijke gebruikers kunnen, zelfs nog voordat ze een visualisatie openen, snel de herkomst zien van de data die ze gebruiken voor de analyse, met inbegrip van oorsprong en eigenaar van de data, eventuele certificatie, en geschiedenis van de voorbereidingsstroom. Meer geavanceerde gebruikers kunnen analytische inhoud vinden die is gepubliceerd op de server en kunnen de details van berekeningen in werkboeken verkennen.
Hoe weet ik dat ik deze data kan vertrouwen?
Kwaliteitswaarschuwingen
Data-engineers en data-stewards kunnen direct in de serveromgeving of via een API kwaliteitswaarschuwingen instellen. Deze indicatoren (waarschuwing, verouderde data, verlopen data, onderhoud) geven gebruikers informatie over de status van data-assets, met details over bijvoorbeeld een vernieuwing die is vertraagd of data die ontbreken waardoor de analyse mogelijk niet correct is. Eigenaren van voorbereidingsstromen, zoals data-stewards en analisten, ontvangen direct waarschuwingen als de voorbereiding mislukt, bijvoorbeeld in het geval van een time-out van de database of een ontbrekende kolom, zodat ze snel actie kunnen ondernemen.
Zakelijke gebruikers zien kwaliteitsindicatoren over data-assets in de context van hun analyse in Tableau. Dit kan mensen met diverse vaardigheidsniveaus helpen om met vertrouwen zakelijke besluiten te nemen aan de hand van de data. In het geval van een waarschuwing kunnen ze informatie van IT lezen om te besluiten of ze al dan niet willen doorgaan met de analyse.
Hoe kan ik de nodige data invoeren in mijn systeem?
Integratie van de Metadata API
IT kan gebruikmaken van de Metadata API om de kracht van je bestaande oplossing voor metadatabeheer uit te breiden. Metadata die door databasebeheerders en -engineers zijn verzameld in metadatatabellen of een bedrijfscatalogus, kunnen worden ingevoerd in Tableau en de metadata uit Tableau kunnen worden uitgevoerd voor gebruik in andere data-applicaties en bedrijfsstromen.
Zakelijke gebruikers kunnen inzicht krijgen in het gedane werk van IT met nuttige metadata uit de bedrijfscatalogus waar ze de informatie het meest waarschijnlijk zullen bekijken en gebruiken, namelijk in de context van hun analyse in Tableau.
Probeer de Tableau Data Management-add-on als onderdeel van je proefversie van Tableau Server. Ga vandaag nog aan de slag!
*Gartner ondersteunt geen van de leveranciers, producten of diensten die voorkomen in de onderzoekspublicaties en adviseert technologiegebruikers niet om alleen die leveranciers te kiezen met de hoogste scores of die op een andere wijze zijn uitgelicht. De onderzoekspublicaties van Gartner bevatten de meningen van de onderzoeksorganisatie van Gartner en moeten niet worden geïnterpreteerd als feitelijke verklaringen. Gartner wijst alle garanties, expliciet of impliciet, met betrekking tot dit onderzoek van de hand, met inbegrip van garanties van verhandelbaarheid of geschiktheid voor een bepaald doel.