引入商業科學，Tableau更加民主化

王永

數據科學發展到今天，各行各業對它的需求與日俱增。大家對于數據科學方面能力的投入也逐漸加大，但是現在由于一些因素的制約，似乎從數據科學方面獲得的成功還不足夠。

“運用數據科學技術需要資深的技能，同時數據科學項目既花錢又花時間，所以客戶好不容易打造的數據科學項目，可能會面對失敗或者是無法投入生產的問題，這意味著客戶因此將會錯失很多商業機會。” Tableau CTO Francois Ajenstat在接受筆者的采訪時表示，Tableau的愿景一直以來都是致力于使數據更加民主化，變得人人可用，并且正在對數據科學進行同樣的改變——商業科學，是一類新的數據分析的技術，這項由AI所驅動的數據分析技術，可以讓商務人士也能夠使用數據科學技術，幫助他們更快地做出更明智的決策。

值得一提的是，商業科學與數據科學之間的關鍵區別在于精準度，比如說數據科學能助解決的問題包括氣象監測，路徑優化等等。而商業科學所涉及的是一家企業方方面面更廣泛的問題，幫助企業提升價值——比如降低員工流失率，提高平均的訂單價值，縮短成交的時間等等，并且也可以提供預定率。所以，一刀切的方式是不可行的，兩者融合才是客戶需要的真正價值。

“目前通過已經應用的機器學習的數據分析，每天進行成百萬及上億的預測。我們把這樣自動化的數據，機器學習的數據能力植入到Tableau當中來。” Francois Ajenstat表示，它是一個簡單、直觀的、自動式機器學習的工具，將自動式的機器學習技術嵌入到Tableau當中，可以讓每個客戶都能夠使用商業科學的工具，同時會讓客戶更加確信做出透明、正確的決策。更重要的是，它可以集成到整個工作流，以及所使用的Tableau頁面當中。

事實上，在商業科學的賦能下，Tableau的數據分析也發生了很大的變化：過去，Tableau更多從事的數據分析是對于已有的歷史數據進行分析，挖掘價值。現在，經過自動化機器學習技術的加持，Tableau還可以對于未來進行分析和預測，并且提出解決方案。這是這兩者之間最大的差別。

雖然預測式的數據分析并不是那么新穎，但是基于種種因素的限制，使用這項工具的人其實比較少。Tableau希望能夠民主化，通過數據科學讓人人都能使用上商業科學，讓業務當中的每一個人都可以通過它實現價值。

具體來看，商業科學技術能力能夠深度嵌入現有Tableau的各個方面：在儀表盤的擴展中，可以進行實時預測的同時，也就可以在計算的界面進行分析擴展，集成實時預測。比如，提高供應鏈效率、預測訂單達成的可能性或實現商品或服務交付的最大化。

“秉承了Tableau一項是互動式數據儀表盤操作的邏輯，點擊過后，可以看到具體類別的預測數據。而且每一次點擊，其背后的數據庫都會重新就我們選中的數據進行分析和預測，呈現最終的預測結果。” Francois Ajenstat表示，Tableau所呈現出的分析結果快捷性和互動性。更關鍵的是，它不僅給出了預測的結果，同時也給出了原因和改進的方法。“這個功能我們稱之為與思維同樣敏捷的數據分析。一旦腦海里出現問題，想要獲得答案，通過點擊相關頁面，就能夠獲得相應的數據分析、數據預測的結果，而且適用于多個不同行業的應用場景當中。”

借助在數據儀表盤擴展和分析界面、可視化界面上Einstein discovery的應用，Tableau可以對企業的各項數據和場景進行預測分析。因此，數據科學有著一整套的分析能力。另一方面，如果客戶有自己內部的數據科學家，可以通過Einstein discovery或者其他工具來進行整合。Tableau也將人工智能、AI和機器學習應用于產品中，讓產品更加智能。

此外，在最新版本中，Tableau與微軟Azure有了更好地連接性。Francois Ajenstat強調，與Azure連接性的改進非常關鍵，因為Tableau希望能夠支持在任何地方都可以滿足客戶存儲數據的需求，無論是在云端、本地，或者是存在于任何的云平臺。提高與Azure之間的連接性，可以更好地服務于客戶。

寫在最后

“隨著商業科學嵌入到最新版本的Tableau，它將會給客戶帶來一系列新的機遇，捕捉到現有數據當中新的價值。更關鍵的是，其可以進一步使數據科學民主化，每個人都能使用這項工具捕捉價值。同時，這也是Tableau其中一項新型的工具和特性，可以幫助我們更好、更快，以大規模圖片的方式來提供數據分析的能力。” Francois Ajenstat如是說。