3.5
Older than 12 months
Tableau ist ein Platzhirsch im Bereich Business Intelligence
Video transcript
Hi, ich bin Chris Lubasch und heute kann ich mit euch kurz über den Branchenprimus im Bereich Datenanalyse und Visualisierung reden. Tableau. Ich habe in den letzten 14 Jahren mit vielen Unternehmen im Bereich Daten, digitales Wachstum und datengetriebenes Marketing gearbeitet und dabei auch mit Leroi Consulting eine eigene Beratungsagentur für Daten und Analytics mitgegründet. 2019 hat dann die Agenturgruppe Dept meine Firma Leroi übernommen, wo ich nun als Partner das digitale Wachstum für unsere Kunden sowie das internationale Thema rund um Daten und Analytics vorantreibe. Wie glücklich bin ich nun mit Tableau?
Ich würde sagen, ich gebe Tableau auf einer Skala von 1 bis 10 eine 7. Tableau ist eine Lösung zur Datenaufbereitung, Analyse und Visualisierung. Das heißt, ihr könnt damit beispielsweise Reports oder Diagramme, Dashboards bauen, um im Anschluss Erkenntnisse aus Daten zu gewinnen. Und darum geht es ja letztlich auch.
Ohne die Erkenntnisse sind viele Daten praktisch wertlos. Kein Wunder also, dass sich solche Tools inzwischen einer sehr steigenden Beliebtheit erfreuen. In den allermeisten Fällen wird Tableau eingesetzt im Bereich Business Intelligence oder kurz BI, um direkt an eine Data Warehouse oder eine Datenbank angeschlossen zu werden. Es gibt aber auch viele Data Scientists und Analysten, die Tableau je nach Bedarf woanders andocken oder auch einzeln anbieten.
Das heißt, man muss sich sehr gut an die Daten bestellen und nutzen. Zuerst einmal ist Tableau auf jeden Fall ein Platzhirsch im Bereich Business Intelligence und bekannt für die superguten Möglichkeiten der Visualisierung. Ich würde sagen, es gibt praktisch kein anderes BI Tool, was insgesamt so mächtig ist und trotzdem so eine wahnsinnige Breite an Visualisierungsmöglichkeiten bietet, womit man dann zum Beispiel auch total cooles Data Storytelling betreiben kann. Es ist Tableau einigermaßen einfach zu bedienen, würde ich sagen, obwohl man ein wenig mit der Art und Weise warm werden muss.
Wenn man es dann verstanden hat, geht es dann ganz gut von der Hand. Für einen Endanwender, der nur fertige Reports konsumiert und hier und da mal ein paar Filter setzt, sehe ich keine Probleme. Darüber hinausgehende Nutzer sollten sich allerdings schon einarbeiten und das geht dann erfahrungsgemäß eigentlich auch nicht ohne Ziel für eine Schulung zu Beginn. Tableau kann sich zu vielen Datenquellen entweder live, also direkt verbinden oder auch über sogenannte Extrakte, das heißt seitens Tableau zwischengespeicherte Daten, könnte man sagen.
Und das ist sehr praktisch, je nachdem welche Architektur eben zugrunde liegt. Habe ich bereits ein super schnelles Data Warehouse, dann macht eine Live-Verbindung wahrscheinlich mehr Sinn. Habe ich das halt nicht, dann freue ich mich vielleicht über die technische Möglichkeit. Tableau Dashboards und Reports können ziemlich interaktiv gestaltet werden, mit abhängigen Filtern, Aktionen bei Klicks und alle möglichen weiteren Funktionen.
Und das ist definitiv besser als bei anderen Lösungen. Tableau kann auch genutzt werden, um selbst als Analyst beziehungsweise Nutzer Datenquellen mal schnell miteinander zu verbinden, Stichwort Data Blending. Das ist dann zum Beispiel toll, wenn man mal eben ein Excel Workbook hat oder so, dass man da einbinden möchte. Praktisch auch, dass es fertige Konnektoren schon mitbringt, mit deren Hilfe man auch direkte Datenquellen wie lokale Dateien, APIs oder andere Datenbanken anschließen kann.
Ich wünschte mir, Tableau würde das Thema Data Discovery noch ein bisschen besser unterstützen. Damit ist gemeint, sich relativ frei durch das Datenmodell zu bewegen, dynamisch verschiedene Sichtwinkel auf die Daten einzunehmen, nahtlos von High-Level Reports dann in die Detailperspektive zu springen, um so letztlich genau die Insights zu finden, die eben mich gerade jetzt interessieren. Und das ist heutzutage super wichtig, weil es eigentlich mehr als genug Daten gibt für die meisten und man eher versucht, überhaupt noch den Daten Herr zu werden. Was andere ebenfalls besser machen, ist die Einbindung in eine Art Versionskontrolle.
Im Alltag entstehen etliche verschiedene Versionen von Reports, Dashboards, Datenquellen und so weiter, die teils gleichzeitig entwickelt, getestet und produktiv genutzt werden. Und hier wäre es schön, ein paar mehr Ansätze aus der Ecke Analytics as Code zu haben, wie beispielsweise auch eine verbesserte Versionskontrolle von Inhalten. Ein weiterer Aspekt für mich ist das Thema Scheduling, also das geplante Versenden von automatisch aktualisierten Inhalten. Auch hier ist meines Erachtens noch Luft nach oben, so dass besser gesteuert werden könnte, wo welche Daten in welcher Form automatisiert landen sollen.
Als letzten Punkt möchte ich das Thema Pricing erwähnen. Das ist weder das billigste noch das teuerste Tool am Markt und vermeintlich seinen Preis auch wert. Aber wer halt viele Nutzer benötigt, was für Self-Service Analytics dann auch total Sinn macht, der kommt halt schnell in größere Preisdimensionen. Und hier kann es sich schon lohnen, vielleicht auch nochmal das Setup zu überdenken.
Manch einer lässt sich von den bunten Dashboards und Visualisierungen stark beeindrucken oder blenden. Das gilt zwar nicht nur für Tableau, aber hier sehen die Dashboards halt oft auch besonders schick und hip aus. Tableau alleine ist kein Ersatz für den ganzen Business Intelligence Stack, auch wenn man aber schnell ein paar Datensets anschließen und analysieren kann. Es unterstützt auch nicht wirklich bei der Datenmodellierung, die aber im größeren Kontext absolut zwingend notwendig und sinnvoll ist.
Insgesamt macht man mit Tableau meist nicht viel falsch. Man kennt viele Unternehmen und Personen, die mit Tableau ziemlich happy sind. Zudem gibt es eine große Community, was immer weiterhilft bei Fragen.
Chris
Validated Reviewer
Partner & Founder at Dept Agency
1,001–5,000 employees
Use cases:Business Intelligence (BI)