概要

在商業(yè)智能 (BI) 及分析領域即將迎來的后續(xù)突破中，我們將見證使用機器學習和人工智能改善數據訪問和數據質量，揭示以前未被發(fā)現的深入見解，建議分析，提供預測分析和行動建議。更重要的是，在自然語言 (NL) 界面的幫助下，不具備數據科學知識或查詢語言知識的業(yè)務用戶將能夠更容易地探索信息、獲得見解并更好地做出數據驅動型決策。

BI 和分析供應商正在至少四個領域開發(fā)“智能”功能，涵蓋數據準備、數據分析和發(fā)現、NL 查詢和預測。這些智能功能有助于推動實現超越自助式分析的發(fā)展，幫助向業(yè)務用戶進一步普及數據分析。本報告探討 Tableau Software 已經推出并正在著力開發(fā)的智能功能，以及這些功能將如何使 Tableau 客戶受益。報告結尾就籌劃實施智能分析功能的企業(yè)提供了建議。

關于 TABLEAU 的新興智能功能

?第一代商業(yè)智能 (BI) 系統(tǒng)的復雜性和 IT 技術的要求使企業(yè)一度心灰意冷，而大約十年前，企業(yè)開始采用自助式產品進行數據發(fā)現和數據可視化。這種自助式分析方法解放了分析師和精通數據的業(yè)務用戶， 使他們無需等待 IT 部門的幫助就可以分析數據。

?在過去的五年中，自助式分析需求不斷增長，并已經擴展到數據準備和基礎預測分析領域。而這五年間的另一個趨勢是機器學習 (ML) 及人工智能 (AI) 方面的重大突破。云計算推動了 ML、神經網絡、機器視覺和自然語言 (NL) 理解技術的進步。上述進步促進了面向消費者“智能”個人助理產品的創(chuàng)新，例如 Alexa、Google Assistant 和 Siri，而這些產品則又激起了人們對 ML 和 AI 驅動型商業(yè)軟件智能功能的興趣。

?現在，BI 和分析市場涌現出各種智能功能。本報告重點講述的是 Tableau 中現有的和即將加入的智能功能。Tableau 用戶目前可利用的智能功能有：最佳匹配可視化建議、自動聚類分析和預測，以及個性化意圖驅動型建議。

?2018 年 4 月，Tableau 通過 Tableau Prep 添加了自助式數據準備功能，其中包括數據清理和數據聯(lián)接等智能功能。下一步將要添加的是基于 NL 的智能查詢功能，而 Tableau 便計劃在今年晚些時候的 Beta 版本中發(fā)布。

細分市場

Tableau 是自助式 BI 和分析的先驅，而且從軟件收入和客戶數量來看，過去的幾年里，Tableau 一直是市場領導者。

然而，分析市場正在不斷演變，朝著 Constellation Research 所謂的智能分析時代邁進 （參見圖 1）。

新興的智能功能利用 ML 輔助人們完成各項任務，包括數據準備、數據發(fā)現和用戶查詢意圖（基于歷史數據訪問模式）的理解。當自然語言理解功能與 AI 驅動 NL 查詢相關聯(lián)時，ML 同樣也會促進新興自動預測功能的發(fā)展。自助式服務使得 BI 和分析獲得了更廣泛的用戶基礎，而智能功能則有望開辟一個新的普及時代，讓所有用戶都能夠更容易地進行數據發(fā)現、分析、預測甚至基礎數據準備。

Constellation 認為，這些 ML 和 AI 驅動的進步并不是對自助式分析的擴展，而是計算機輔助型分析新時代即將開啟的早期跡象。智能功能利用計算機處理能力為人類的詮釋技巧錦上添花，因為計算機分析可用來應對自動化重復任務和處理復雜計算。Tableau 將此舉稱為其進軍智能領域的“增強分析”策略。這一戰(zhàn)略需要實現的兩個目標為，一方面讓數據驅動型分析擴展至更廣泛的受眾，另一方面則幫助現有的 Tableau 用戶更加迅速輕松地分析數據，從而獲得更加深入的見解。

圖 1：自助式分析的時代正讓位于 ML 和 AI 輔助型智能分析的時代

目標市場

Tableau 平臺的目標用戶是“任何一位”數據工作者。逾 74000 個付費客戶企業(yè)使用它的產品，包括 Tableau Desktop、Tableau Server 和 Tableau Online 托管服務。免費的 Tableau Public 站點上有逾 30 萬活躍用戶，他們每周發(fā)布約 7000 份分析。

Tableau 現有和新型的智能功能都與其產品和平臺緊密結合，而非獨立的產品或新品。鑒于公司力度更大的分析策略，Constellation 預計后續(xù)的智能功能將一如既往地與產品和平臺緊密結合，而非推出獨立的產品。

實用功能

Tableau 對智能功能最初的投資可以追溯到 2007 年，但是于 2016 年隨著智能分析趨勢的到來，開始對智能功能加大投資力度，如圖 1 所示。自 2016 年起，Tableau 不斷而穩(wěn)定地發(fā)布了一系列智能功能。下文依照時間順序逐一介紹這些智能功能。

2007 年

智能顯示。2007 年 Tableau 引入“智能顯示”功能，起初是一系列可供使用的可視化選項。根據所選擇的分析數據，“智能顯示”縮小了可用可視化類型的選擇范圍，并還能突出顯示建議的方法。推薦可視化加快了分析的速度，同時為給定類型的數據或分析提供最適當的可視化建議。

2016 年

聚類分析。這是一種基于數據中的 ML 點相關性、模式、趨勢和影響因素的自動發(fā)現方法，為業(yè)務用戶呈現具有深入分析價值的特定數據維度或數據組合。2016 年，Tableau 將發(fā)現導向型聚類分析引入 Tableau Desktop，幫助用戶識別數據中的隱藏關系。在 2018 年春季發(fā)布的版本中，Tableau 添加了群集自擬合功能，可以刷新和自動重新計算已保存的群集數據，包括 Tableau Server 上的數據提取。

預測。初期的智能預測功能只是簡單的趨勢預測，憑借簡單算法推斷歷史趨勢的未來走向，但這僅是一個沒有將季節(jié)性等因素考慮在內的生硬工具。2016 年，Tableau 引入自動預測功能，并能夠生成指數平滑模型。該功能可自動從八種不同的時間預測模型系列中進行選擇，自動挑選出合適的超參數。

2017 年

智能數據表、數據聯(lián)接和數據源建議。意圖驅動型建議功能運用 ML 技術，并基于數據連接模式和用戶行為，根據個人、群組、工作角色、權限和其他變量對數據表、數據聯(lián)接和數據源提出建議。2017 年，Tableau 引入智能數據表和數據聯(lián)接建議功能，挖掘 Tableau Server 上現有的數據連接模式。同年 年底，Tableau 添加了更為復雜的數據源建議功能，該功能能夠基于用戶特定模式推斷用戶的意圖。

2018 年

Tableau Prep。一些 BI 和分析供應商引入自助式數據準備功能，并內置于他們的 BI 和分析產品中。2018 年 4 月，Tableau 推出 Tableau Prep 功能。這是一種新型可視化數據準備功能，脫胎于此前代號為 Project Maestro，前后進行了兩年的研發(fā)項目。

Tableau Prep 為數據準備提供了專用的功能集和獨立的用戶界面，然而工具集仍與 Tableau 工作流的其余部分集成在一起。例如，Tableau Prep 用戶可以利用任何連接到 Tableau 的數據源，一旦在 Prep 中完成組織和清理，數據就可以在 Tableau Desktop 或基于瀏覽器的用戶界面中供預覽和檢索。

在可輔助人們完成數據準備任務智能功能的出現和催化下，自助式數據準備產品也開始分化。Tableau Prep 中包含的智能功能有：

數據配置。Tableau Prep 的數據配置窗格是用戶界面呈現的三個視圖之一（請參見圖 2）數據配置參數顯示了所記錄內容的數目以及每個數據字段中值的分配。此外，還顯示了空值或缺失值的數量。

自動 DateParse。利用數據配置統(tǒng)計數據、格式化和清理功能，顯示給定字段的流行數據格式，并指出異常，以便修復、驗證或者刪除。Tableau Prep 的自動 DateParse 功能通常使用格式化的方法，自動將所有選定的日期規(guī)范化成為常用日期格式。

自動拆分。這個功能通過找到一個通用的分隔符，自動分割值并將值分開排列，例如 Air Austria、Air Canada 和 Aer Lingus。主題專家可以檢查并瀏覽這些自動變化，以確保恰當的應用這些變化。

圖 2：Tableau Prep 界面提供的數據流（頂部）、數據配置（中間）以及數據窗格（底部）視圖

聯(lián)接建議。ML 技術通常用于識別添加數據或聯(lián)接數據的時機。Tableau Prep 利用 Tableau 中已有的基本功能，根據主鍵、外鍵、字段名和數據類型的相似性，識別并建議潛在的聯(lián)接。

模糊匹配。Tableau Prep 的模糊匹配功能可以自動對值等進行分組并應用一致的名稱，從而將其結合在一起，例如“Southwest Airlines、South West、Southwest 和 Southwest Air” 就可以利用模糊匹配分為一組。

自然語言查詢。Tableau 自 2016 年起就開始研究 NL 查詢，但是這一進程實現加速卻得益于 2017 年 8 月對 ClearGraph 公司的收購。ClearGraph 是一家利用語義理解、統(tǒng)計數據和數據使用記錄來改進自然語言查詢的初創(chuàng)企業(yè)。語義理解有助于闡明會話式問題的含義，以及術語的常見同義詞。Tableau 一直致力于利用自己的平臺整合 ClearGraph 的技術，并計劃在 2018 年下半年的 Beta 版中推出自己的 NL 查詢功能。

Tableau 即將推出的 NL 查詢功讓使用戶能夠選擇數據源，輸入會話式自然語言問題，從而生成新的可視化。一旦您開始輸入，引擎就開始提供解釋和建議查詢。隨著用戶繼續(xù)輸入，這些建議不斷完善，就像體驗互聯(lián)網搜索引擎一樣。NL 問題常常是模棱兩可的，所以引擎會提供許多選項。用戶可以用 “點贊”和“不滿”的反饋，幫助隨時間推移提升準確性。

智能分析的后續(xù)步驟

2018 年 6 月 13 日，Tableau 宣布收購了起源于麻省理工學院的 AI 初創(chuàng)公司 Empirical Systems（下文 簡稱“Empirical”）。

Empirical 創(chuàng)辦于 2016 年，開發(fā)了一款分析引擎，旨在通過人工接口和 API 將受過培訓的統(tǒng)計學家要進行的分析自動化，并使該分析可查詢。該公司的方法類似于自動發(fā)現和分析工具所使用的方法，這些工具可以識別數據中的影響因素、關鍵驅動因素和異常因素。

Tableau 將基于 Empirical 的數據引擎推出什么新功能，什么時候推出新功能，現在推測這些還為時過早。Constellation 預計，此次收購將推動新功能的開發(fā)，例如幫助分析師發(fā)現變量之間的關系，從而找出在活動中形成模式或峰值的潛在因素，并推斷數據中的缺失值。

分析和觀察

優(yōu)勢與不足

Tableau 開端強勢，擁有跨越新興智能功能領域的諸多投資，但它在各個領域的優(yōu)勢尚待均衡。Constellation 從以下四個方面分析了 Tableau 的優(yōu)勢與不足：

智能數據準備

優(yōu)勢

Tableau Prep 在配置方面塑造了堅實的開端，客戶有望看到除自動 DateParse 和自動拆分之外的更多自動清理和格式化選項。

Tableau Prep 利用模糊聚類分析，為聯(lián)接數據最佳方法提出建議打下了良好的基 礎。Tableau 表示正在研究更多此種類型的功能。

Tableau Prep 體驗與 Tableau 工作流的其余部分相結合，更加清晰明了，降低了數據連接的挑戰(zhàn)，也減少了應用程序之間的切換。

不足

用于數據格式化和數據清理的數據分析等基本功能現已成為標準配備。Tableau 將必須增加更多的格式化和清理功能來跟上市場的步伐。

最佳數據準備供應商（以及 Tableau 的合作伙伴）Paxata 和 Trifacta 可提供更廣泛的基 于 ML 的智能清理、格式化和聯(lián)接功能。

智能發(fā)現與分析

優(yōu)勢

Tableau 是提供最佳可視化建議的先驅。

該公司利用聚類分析和群集自擬合功能，在自動發(fā)現方面塑造了堅實的開端。

意圖驅動型建議功能處于最前沿；Tableau 智能數據表和聯(lián)接建議，以及建議數據等功能，加快了分析并推進了深度探索。

不足

基于不同數據類型的最佳匹配可視化建議正在成為基本配置功能的一部分。先進工具同樣可以評估實際數據。例如，如果有負值，建議可能會不同。

智能發(fā)現和自動分析的市場選擇正在激增。Tableau 必須在當前聚類分析和推薦功能之外，提供其他附加功能以保持競爭力。

智能預測

優(yōu)勢

Tableau 自動預測功能不僅僅是簡單的趨勢分析，還將季節(jié)性等因素的影響考慮在內。 該功能無需數據科學技能，但是手動算法選擇功能和過濾器可有效避免黑盒預測。

Tableau 支持嵌入式 R 和 Python 代碼，并與高級分析合作伙伴 MathWorks 進行第三方集成，以支持更復雜的預測需求。

不足

預測功能只是一項預測技術。為了跟上市場需求的步伐，Tableau 將必須推出更多的自動化選項。

自然語言查詢

優(yōu)勢

Tableau 的 NL 查詢研究擴展到了語義理解和語用學查詢，能夠保留初始問題的上下 文，然后更加深入地迭代探索主題。在撰寫本文時，這些功能還未發(fā)布和測試。

不足

Microsoft 自 2013 年起發(fā)布的 Power BI 已經具備這些功能，另外 IBM Watson Analytics、AnswerRocket 和 ThoughtSpot 等公司也自 2014 年引入這些功能，相比之下，Tableau 的 NL 查詢上市較晚。

Tableau 智能功能的競爭性定位

正如關于 NL 查詢的“優(yōu)勢和不足”分析中提到的，Tableau 并不是第一家提供多種智能功能的公司， 但是它自 2016 年起加快了投資步伐。

Constellation 認為 Tableau 在提供預期智能功能方面已經擁有良好的開端。隨著今年 Tableau Prep 的引入和即將發(fā)布的 NL 查詢功能，智能功能系列正在持續(xù)壯大。

Constellation 認為，針對基于可用智能功能的公司級別標準分析平臺，大多數企業(yè)還尚未選擇使用。 雖然 ThoughtSpot 和 AnswerRocket 等初創(chuàng)企業(yè)是這一領域的創(chuàng)新者，但它們最初趨向于更集中、更具實驗性質的應用。更重要的是，他們各自的客戶基數只有幾十個。相比之下，Tableau 通過為成千上萬的客戶提供內置功能，正推動著智能分析時代的前進。

對于 Tableau 而言，存在的風險來自于大型供應商收購創(chuàng)新型初創(chuàng)企業(yè)，并將其智能功能推廣為主流產品。Constellation 正在跟進大型供應商的智能分析舉措，其中包括 IBM、Microsoft、Oracle、Salesforce 和 SAP；獨立企業(yè)如 Qlik 和 Tibco Spotfire；以及一些創(chuàng)新型初創(chuàng)企業(yè)。自 2018 年年初起，Tableau 就開始緊跟這股潮流?？蛻艉蜐撛诳蛻魬摼o跟智能分析領域的最新研發(fā)項目和 Tableau 路線圖。

主要差異化優(yōu)勢

簡單易用且先進的數據探索和數據可視化是 Tableau 的標志?，F在，大多數競爭對手均可提供數據可視化的附加模塊和服務，但許多都是作為大型企業(yè)軟件交易或云服務合同的一部分，并且免費提供的未經區(qū)分的工具集。與采用量不溫不火的商品化工具不同，Tableau 產品擁有龐大而忠實的粉絲群體。

Tableau 預見到競爭將會越來越多激烈，其中包括來自大型云供應商的競爭。與許多獨立企業(yè)一 樣，Tableau 也利用混合云策略和多云策略來應對這些威脅。該公司已經加強了大規(guī)模部署的系統(tǒng)管理和數據治理功能。下一個挑戰(zhàn)將是增加自動化和集裝化選項，確保能夠在本地、私有云和公共云選項之間一致部署 Tableau Server。

該公司利用 Tableau Prep 顯著提高了其自助式功能，而且在不提價的情況下，將此功能在整合到其最高級訂閱選項中（請參見“價格”部分）。這一升級將幫助 Tableau 富有能力、精通數據的用戶獲取更多功能，包括若干具有突出優(yōu)勢的智能數據準備功能，同時無需增加成本。

建議

考慮支持數據準備、數據發(fā)現和分析、NL 查詢和自動預測功能等領域的新興智能功能，從而使數據分析面向更廣泛的受眾，并為現有用戶加速和深化分析。

Tableau 自 2016 年起就開始提供智能數據發(fā)現、數據分析和自動預測等功能。該公司隨后于 2017 年推出了意圖驅動型建議功能，并于 2018 年 4 月推出了智能數據準備功能。后續(xù)將會推出 NL 查詢功能， 預計將作為 Beta 版于 2018 年下半年發(fā)布。這些成就使 Tableau 成為 Constellation ShortListTM 追求智能分析能力的領先供應商之一，Tableau 的客戶應充分利用這些功能。

請遵循關于如何開辟下一個智能分析時代的建議，充分利用這些新興功能。

從最佳做法著手

市場可能正在從自助式時代轉向智能時代，但只要企業(yè)需要考慮、測試和部署這些新技術，就不可避免地會用到以下三種基于 ML 和 AI 的最佳做法：

建立一個涉獵廣泛的跨職能團隊不要光著眼于培養(yǎng)眾所周知的商業(yè)/ IT 合作關系，要確保雙方團隊都有全能代表，包括關鍵業(yè)務相關者以及 IT、軟件開發(fā)和數據、分析部和數據科學專家。

選對項目無論選擇哪種智能功能或供應商（注意事項如下），您都應該選擇正確的項目作為試點測試案例。選擇不太大、不太耗時、不太冒險但又不至于太小、太不重要而被忽略的項目。從簡單、快速勝利，可以看到明顯回報的項目開始入手。積累一定的成功經驗之后，開始做一些難度稍微增加的項目。

采用敏捷方式敏捷系統(tǒng)性開發(fā)運維 (DevOps) 的特點是開發(fā)周期快速迭代、多功能團隊代替業(yè)務部和 IT 部門進行反復評審，以及在盡可能多的地方應用自動化和監(jiān)控系統(tǒng)。

解決信任和透明度的問題

Constellation 堅信，信任和透明度是企業(yè)在采用 ML 和 AI 技術時將面臨的兩個最大問題。根據需要改變管理和培訓，從而增強基于 ML 和 AI 的建議和建議行動的可信度。

如果能夠了解如何以及為什么做出這些決定和建議，人們就會更容易接受計算機的輔助并接受此流程中的變化。這就是透明度發(fā)揮作用的地方。智能系統(tǒng)應該是可解釋的，而非不可思議的。

為了簡化復雜的技術并支持自助式功能，包括 Tableau 在內的供應商正在將自動化和幕后決策應用于內部復雜過程，例如算法的選擇?！昂诤小保ú煌该鞯模╊A測系統(tǒng)的危險在于，它可能不會做出最符合組織或客戶利益的決策或建議。總的來說，Tableau 的理念是用算法來輔助人類。值得一提的是，Tableau 的自動預測和自動聚類功能可以轉換為手動控制。

智能預測應該在分析專家的監(jiān)督下進行，以確保它們不會導致可能產生代價高昂的行為。還有一種方法是讓分析師和精通數據的業(yè)務用戶體驗自動化預測功能，然后與數據科學家分享他們的發(fā)現，數據科學家可以據此增強分析并將整理好的模型投入生產。

Constellation 相信，基于 ML 和 AI 的系統(tǒng)和應用程序應盡可能的透明和易于解釋。真正基于 ML 和 AI 的智能系統(tǒng)將是那些可以解釋、可理解和可信任的智能系統(tǒng)。