Nachbericht Tableau Conference 2020 Tableau integriert Einstein Analytics in BI-Plattform

Tableau, ein Spezialist für Datenvisualisierung, führt seine Plattform mit der von Salesforce zusammen, um seinen Kunden zusätzlich auch die KI- und Machine-Learning-Funktionen von Einstein Analytics zu bieten. Das Ergebnis wird Tableau CRM heißen. Weitere Integrationen mit Salesforce-Produkten, wie MuleSoft, sollen folgen.

Anbieter zum Thema

Bissantz & Company GmbH

salesforce.com Germany GmbH

QUNIS GmbH

Tableau Germany GmbH

Auf seiner Kundenkonferenz „Tableau Conference 2020“, an der laut CEO Adam Selipsky rund 120.000 Online-Besucher teilnahmen, kündigte der BI- Spezialist Tableau eine tiefe Integration zwischen seiner Datenvisualisierungsplattform und Salesforces eigenen BI-Funktionen an, die in Einstein Analytics zusammengefasst sind. Diese Integration mit dem Ziel der Interoperabilität soll Tableau-Kunden in erster Linie mit Vorhersagefunktionen versorgen, die in alle Ebenen der Analyse eingebettet werden. Sie bekommen zudem Konnektoren zu Einstein Analytics Datacore, zu MuleSoft, zu Datorama und anderen Bestandteilen von Salesforce Customer 360. Das Ergebnis wird „Tableau CRM“ heißen.

Einstein Discovery in Tableau

„Einstein Discovery in Tableau“ ist das erste Ergebnis der Integrationsbestrebungen. Geschäftliche Nutzer sollen damit KI-Funktionen aus Einstein Analytics erhalten, die es ihnen erlauben, automatisch relevante Muster aus den zur Verfügung stehenden Daten zu entdecken. Der Produktmanager Robert Brill demonstrierte, dass die geschäftliche Nutzung ohne Code und ohne manuelle Datenmodellierung, sondern nur mit Mausklicks erfolgen kann. Sein Beispiel zeigte, wie sich das Interaktions-Level eines Unternehmens mit einem Kunden oder einer Einkommensgruppe sowohl visualisieren als auch in (relativer) Echtzeit vorhersagen lässt. Der nächste Schritt nach dieser Predictive-Analytics-Phase ist Prescriptive Analytics. Dann erhält der Anwender eine Empfehlung, wie er seine Erkenntnis profitabel nutzen kann.

Einstein Discovery ist eine zentrale KI-Technologie innerhalb von Salesforce. „Damit lassen sich automatisch statistisch signifikante Muster in Daten finden, die Schlüsselerkenntnisse vermitteln und leistungsfähige prädiktive Modelle erzeugen können“, sagt Mark Jewett, Senior Vice President, Product Marketing bei Tableau. „Das versetzt Unternehmen in die Lage, Kundenverhalten vorherzusagen, so etwa die Wahrscheinlichkeit eines Kaufes oder ob ein Kunde ein Produkt zurückschicken wird.“

„Unternehmen sind begierig darauf, Vorhersagefähigkeiten in ihre BI- und Analyse-Umgebungen einzufügen“, weiß Doug Henschen, Analyst bei Constellation Research. „Aber ihr Enthusiasmus lässt rasch nach, wenn sie erfahren, dass sie dafür eine Schwadron von Data Scientists engagieren und bezahlen müssen.“ Die Integration von Einstein Discovery verspreche, die Weiterentwicklung von Tableau Richtung Maschinen-gestützte Augmented Analytics zu beschleunigen, ohne dass sich durchschnittliche Geschäftsanwender neue Fachkenntnisse erwerben müssten oder die Selbstbedienungsfunktionen gemindert würden.

Integration von Datorama

„Ein weiteres gutes Beispiel für die Weiterentwicklung Tableaus Richtung maschinebasierter Intelligenz ist die Integration von Datorama in Tableau, die wir kürzlich lanciert haben“, so Jewett weiter. „Datorama bringt die Fähigkeit, Marketingdaten zu verknüpfen sowie Harmonisierungsfähigkeiten ein, während von Tableau-Seite tiefgründige Datenerkundung und Analyse kommen. Dadurch können Marketingfachleute den größten Nutzwert aus ihren sich ständig verändernden und erweiternden Datenmengen ziehen.“

Die Daten, mit denen die Anwender in Einstein Discover arbeiten sollen, müssen erstens von hoher Datenqualität und zweitens mit gesichertem Zugriff versehen sein. Für die Datenqualität sorgt der Prep Builder, den Tableau im Frühjahr vorgestellt hat und der mittlerweile vollständig im Browser läuft. Für die Zugriffssicherheit gibt es nun eine neue Funktion. Mit wenigen Codezeilen lassen sich Zugriffsrechte auf Zeilenebene organisieren, etwa für Manager, Vertriebler, Data Scientists usw. Im nächsten Schritt sollen die Authentisierungsfunktionen in Tableau mit denen in Salesforce vereinheitlicht werden.

Weitere Integrationen

Ebenso wie „Einstein Discovery in Tableau“ kommen die weiteren Neuerungen sukzessive in der ersten Hälfte des Jahres 2021. Dazu gehören Kopplungen auf Funktions- wie auf Datenebene. Die Tableau-Datenbank soll nativ mit dem Datenspeicher von Einstein Analytics verknüpft werden. Neben den entsprechenden Sicherheitsmerkmale auf Salesforce-Seite soll die Verbindung auch von einer Performance-Optimierung profitieren.

Die Datenvorbereitungsfähigkeiten, die etwa der Prep Builder mitbringt, soll sowohl Tableau als auch Einstein Analytics lesen als auch jeweils dorthin schreiben können. Auf diese Weise sollen gereinigte und vertrauenswürdige Daten allen Nutzern zur Analyse zur Verfügung stehen. Davon und von der Leistungssteigerung dürfte besonders die Hybrid Query Engine „Hyper“ in Tableau profitieren.

Zwischen Tableau und Einstein Analytics sollen Inhalte jeder Art, wie etwa Diagramme, problemlos ausgetauscht werden, um die Gestaltung von Dashboards zu beschleunigen und für alle Nutzer den Zugang dazu zu erleichtern. Zu diesem Zweck will Tableau sogenannte „Dashboard Starter Kits“ anbieten. Die Demokratisierung von BI-Nutzung, etwa durch Self-Service, ist von Anfang das Anliegen von Tableau. Nun kommen auch die Nutzer jeder Salesforce-Cloud hinzu.

Zur Integrationsplattform MuleSoft wie auch zur Marketing-Intelligence-Lösung Datorama will Tableau jeweils native Konnektoren entwickeln, die sowohl Anwendungen als auch APIs zugänglich machen. Der große Rahmen für alle diese Komponenten ist Salesforce Customer 360. Diese Lösung bietet dem Salesforce-Nutzer Zugang zu einer Vielzahl von geschäftlichen Aspekten, von Marketing über Vertrieb bis zu Service.

KI als Black Box?

Doch mit all den neuen KI- und Machine-Learning-Fähigkeiten in Salesforce Customer 360 erhält der geschäftliche Anwender von Algorithmen große Gestaltungsmacht. Wie transparent gestaltet Tableau künftig diese Algorithmen, wenn sie nicht zur Black Box verkommen sollen, die den Kunden ausschließt?

„Es gibt keine Black Box, denn wir bei Tableau glauben daran, dass der primäre Wert von KI und Machine Learning darin liegt, Menschen dabei zu helfen, schneller bessere Entscheidungen zu fällen“, so Jewett. „Bei uns gibt es keine ,Licht-aus-AutoML‘-Box.“

Vielmehr binde Tableau den Anwender ein und biete ihm Transparenz über den ganzen Vorgang hinweg. „Das bedeutet, dass wir eine Art Leitplanken in das Produkt eingebaut haben, und Tableau wird, je nach der Art der Daten, auf Herausforderungen hinweisen und Personen dazu anhalten, entsprechende Maßnahmen zu ergreifen.“ Zu diesen Herausforderungen gehören verbreitete Stolperfallen in Machine Learning wie rückwirkende Etikettierung (rückwärts gewandte Vorurteile), überangepasste Modelle (man sucht nach Kollinearität, also nach gleichartigen Verläufen) und Ausreißer (also Anomalien oder scheinbare Datenfehler im prädiktiven Modell, die das Gesamtbild verzerren).

Jewett: „Der Vorteil für geschäftliche Anwender bestehe indes darin, dass KI- und Machine-Learning-Technologien sie der Notwendigkeit entheben, sich auf Data Scientists oder umfangreiches Programmieren zu stützen. Das befreit diese Mitarbeiter, sodass sie sich auf profitablere Tätigkeiten konzentrieren können. KI entfernt Menschen nicht aus dem Prozess, sondern erhebt sie vielmehr zu Entscheidern.“

(ID:46914367)