Tableau démocratise davantage l’analyse avec des fonctionnalités basées sur l’IA

• « Posez » des questions et réponses. Cette fonctionnalité offre aux utilisateurs la possibilité d’explorer des métriques en langage naturel. Par exemple, un responsable marketing pourrait utiliser cette fonctionnalité pour demander : « Quel marché contribue le plus à la génération de leads dans ma campagne ? Tableau Pulse enverra ensuite des informations sur cette métrique directement à la plateforme de communication préférée du dirigeant : Slack, e-mail, appareil mobile, etc.
• Amorçage des métriques. Cette fonctionnalité permet aux utilisateurs d’enregistrer les calculs d’un tableau de bord Tableau directement dans la couche de métriques de Tableau afin de pouvoir surveiller et suivre les informations au fil du temps. Lorsqu’un utilisateur le fait, Tableau Pulse génère et transmet des informations à l’utilisateur en fonction des métriques. Il pourrait indiquer à l’utilisateur si les données évoluent dans une direction positive ou ce qui motive une tendance, par exemple.
• Objectifs métriques. Cette fonctionnalité permet aux utilisateurs de comparer les progrès sur une métrique avec une référence ou un objectif défini, permettant ainsi à un responsable commercial de suivre son pipeline par rapport aux objectifs, par exemple.

Einstein Copilot pour Tableau reste en version bêta, mais Tableau a également annoncé deux nouvelles fonctionnalités pour l’assistant IA :

• Transformation des données assistée par l’IA. Cette fonctionnalité peut automatiser un pipeline de transformation de données avec des suggestions étape par étape pour préparer les données à l’analyse. Par exemple, un utilisateur pourrait demander au copilote : « Parcourez les avis sur ce produit et aidez-moi à déterminer lesquels sont les plus positifs. »
• Copilote Einstein pour Tableau Catalog. Grâce à cette fonctionnalité, l’assistant IA peut générer automatiquement des descriptions de données qui facilitent la recherche et l’exploration des sources de données. Tableau indique qu’un utilisateur travaillant dans le secteur de l’hôtellerie pourrait cliquer sur « Brouillon avec Einstein » pour obtenir des données sur les voyages. Le copilote utiliserait ensuite les métadonnées et les noms de champs de la source de données pour fournir une description détaillée des données, permettant ainsi à d’autres analystes de référencer plus facilement les informations.

« Cela ne remplacera pas les compétences et l’expertise de notre famille de données qui crée des visualisations étonnantes et magnifiques », a déclaré Maxon. « Mais cela vous aidera à être plus productif et à vraiment relancer cette analyse brute des données en posant des questions pour vous aider à créer des visualisations. »

Tableau a également souligné de nouvelles améliorations de la qualité de vie de la plate-forme Tableau destinées à prendre en charge son groupe principal d’utilisateurs analystes, notamment :

• Extensions de visualisation. Cette fonctionnalité étend les bibliothèques visuelles que Tableau peut utiliser pour créer des graphiques plus rapidement, y compris une nouvelle extension de diagramme Sankey pour accélérer la création de graphiques. Tableau a présenté Viz Extensions en tant qu’API ouverte pour créer des modèles de visualisation, permettant aux partenaires de Tableau de fournir également des extensions Viz.
• Dimensions partagées et Sources de données composables. Ces fonctionnalités fonctionnent ensemble pour aider les analystes à intégrer des données provenant de diverses sources de données tout en passant moins de temps à préparer et à modéliser les données. Les dimensions partagées facilitent la création de modèles de données plus complexes, y compris ceux comportant plusieurs tables de faits, tandis que les sources de données composables permettent aux analystes de compléter les sources de données définies de manière centralisée avec leurs propres ajouts sans modifier le modèle sous-jacent.

Les analystes et les conservateurs de données peuvent utiliser ces fonctionnalités pour créer un modèle sous-jacent unique pouvant générer des dizaines, voire des centaines de visualisations de données. Les analystes d’une entreprise manufacturière pourraient combiner les données d’apprentissage automatique de sa chaîne de montage, les données des travailleurs sur les équipes et les congés, et les données sur les expéditions vers et depuis les fournisseurs pour créer des tableaux de bord sur la gestion des fournisseurs, la productivité des travailleurs, etc.