Tableau Data Management

전에는 조직에서 관련성 있는 회사 데이터만 캡처하고 관리했지만, 지금은 마케팅과 영업에서 재무에 이르기까지 모든 부서에 다양한 유형의 데이터가 있으며 그 가치를 극대화해야 하는 틈새 분석 요구가 존재합니다. 사람들은 데이터로 무엇을 해야 하는지 알기도 전에 데이터를 캡처하고 있으며, IT 부서에서는 일부 부서의 데이터와 해당 응용 프로그램을 인식하지 못하고 있을 수도 있습니다.

또한, 분석을 위해 데이터를 적절한 모양과 형식으로 만들기 위한 모든 작업도 이러한 데이터의 확산에 기여합니다. 기존 모델에서는 IT 부서가 종종 특정 분석 사용 사례에 대한 데이터를 준비한 다음 데이터베이스나 파일을 계속 유지합니다. 더 많은 데이터가 축적되는 동안 IT 부서는 데이터 환경을 지원하기 위해 안정성을 추구하지만, 사용자 다운스트림에 미치는 영향이 불확실하고 비즈니스에 중요한 대시보드 손상이 우려되므로 테이블과 데이터 원본의 사용을 중단하는 데 어려움을 겪고 있습니다.

최신 분석은 IT의 역할을 단순히 보고서를 작성하는 것에서 조직 전체에서 자체적으로 데이터 기반 의사 결정을 내리도록 지원하는 시스템을 유지 관리하고 보안을 강화하는 것으로 전환하는 데 도움이 되었습니다. 비즈니스 사용자는 이제 자신에게 중요한 데이터를 다양한 형태로 가져오고 있지만 아직 확장 가능한 방식은 아닙니다. 많은 프로세스가 여전히 수동이며, 이러한 프로세스 중에는 분석을 위해 관리되는 시스템에서 관리되지 않는 시스템으로 데이터를 이전하는 작업이 포함될 수도 있습니다. IT 부서는 액세스를 제한하여 병목 현상을 초래하는 대신 데이터 및 분석 탐색의 방어책으로 거버넌스를 수용하고 있습니다. 그러나 IT 부서는 여전히 셀프 서비스 분석을 더 많은 사람이 사용하도록 확장해야 할 책임이 있는데, 이렇게 하려면 제어 기능과 민첩성 간의 균형과 더불어 효율적인 운영 및 자동화가 필요합니다.

조직이 변화에 대해 데이터 기반 의사 결정에 점점 더 의존함에 따라, 데이터에 대한 액세스 및 분석을 요청하는 사람도 늘어납니다. 일부 비즈니스 사용자가 더욱 정교한 데이터 능력을 개발하고 있는 반면, 대부분은 어떤 데이터를 사용해야 하는지 또는 어디에서 찾을 수 있는지 알지 못합니다. 명명 규칙, 복잡한 데이터 구조, 데이터베이스 이해, 테이블 조인 등은 일반 사용자에게 어려운 개념입니다. 회사에서 소수의 개인만 데이터에 액세스할 수 있었던 시기에는 "전담" 데이터 전문가에게 문의하기가 더 쉬웠습니다. 오늘날 이러한 방식은 증가하는 데이터의 사용 사례와 빠르게 수용되는 최신 분석 기술에 맞춰 확장되지 않습니다.

조직 전체에서 데이터 자산이 어떻게 사용되는지 파악하는 것은 지금까지 일화적 과제(“누가 이것을 어떻게 사용하고 있나요?”)이거나 답을 찾으려는 의도로 콘텐츠를 긁어오는 코딩 과제였습니다. ETL 작업이 실패하거나 데이터베이스에서 제거할 테이블이 있다고 가정해 보겠습니다. 기존의 데이터 관리 모델에서 관리자는 영향을 받을 사람들이 메시지를 받기를 희망하면서 wiki를 업데이트하거나 대량 이메일을 보낼 수 있습니다. 유용한 데이터 설명, 문서화된 계보 및 데이터 최신 상태 표시기가 포함된 엔터프라이즈 데이터 카탈로그가 조직에 있더라도, 최종 사용자가 이러한 다른 시스템에 로그인해서 분석을 시작하기 전에 사용 중인 데이터가 신뢰할 수 있고 최신 상태인지를 확인하는 빈도는 얼마나 되겠습니까?

또한, 규정 준수 요구 사항 때문에 사람들이 올바른 데이터를 사용하도록 하는 작업이 더욱 어려워지며, 이에 따라 민감한 데이터의 올바른 관리에 대해 조직에서 부정적인 인식을 갖게 될 수도 있습니다. IT 부서에서 최종 사용자가 어떤 데이터를 사용해야 하는지, 품질 문제가 있는지 여부를 이해하도록 하려면 별도의 시스템이나 도구가 아니라 분석 상황에서 품질에 대한 정보가 필요합니다. 이 메타데이터를 사용자에게 바로 가져가면 데이터를 신뢰하는 데 도움이 됩니다.

데이터 선별 및 발견

데이터 담당자 및 데이터 엔지니어는 데이터베이스, 테이블 및 열에 설명과 메타데이터를 추가하고 데이터 자산을 인증하여 사용자가 신뢰할 수 있고 권장되는 데이터를 찾을 수 있도록 도와줍니다. 개발자는 Tableau Server REST API에서 메타데이터 메서드를 사용하여 프로그래밍 방식으로 특정 메타데이터를 업데이트할 수도 있습니다. 데이터 엔지니어와 데이터베이스 관리자는 사용량 메타데이터의 이점을 활용하여 테이블의 변경 사항을 알려 주어 데이터 원본을 최적화합니다.

콘텐츠 작성자는 Tableau Server 및 Online에 있는 기존의 데이터 원본, 데이터베이스 및 파일 또는 테이블을 검색하여 필요한 데이터가 이미 있는지 확인하여 중복되는 데이터 원본을 최소화할 수 있습니다. 콘텐츠 소비자는 데이터 자산에 대한 설명, 사용 및 인증을 확인함으로써 검색하는 동안 신뢰할 수 있는 데이터를 더욱 쉽게 찾을 수 있습니다. 사용자는 비주얼리제이션을 보면서 대시보드의 데이터 세부 정보 탭에서 필드 설명에 쉽게 액세스하여 분석에 올바른 데이터를 사용하고 있다는 확신을 가질 수 있습니다

계보 및 영향 분석

IT 부서는 영향 분석을 수행하여 데이터베이스 관리자나 데이터 엔지니어가 열이나 테이블을 변경하는 경우나 데이터 담당자가 계산을 수정하는 경우 등의 변경으로 인해 영향을 받는 데이터 자산과 사용자를 파악할 수 있습니다. IT 부서는 Tableau 플랫폼 내에서 영향을 받는 데이터 자산 소유자에게 이메일을 보낼 수 있습니다.

비즈니스 사용자는 인증 여부와 상관없이 데이터의 출처 및 소유자를 포함하여 분석에 사용 중인 데이터의 계보 및 준비 흐름 실행 기록을 빠르게(심지어 비주얼리제이션을 열기 전에도) 확인할 수 있습니다. 고급 사용자는 서버에 게시된 분석 콘텐츠를 찾을 수 있으며 통합 문서에서 계산을 심층적으로 탐색할 수 있습니다.

품질 경고 및 알림

데이터 엔지니어와 데이터 담당자는 서버 환경 또는 API를 통해 품질 경고를 직접 설정할 수 있습니다. 이 표시기(경고, 더 이상 사용되지 않음, 오래된 데이터 또는 유지 관리 중)는 데이터 자산의 상태를 사용자에게 알리고 새로 고침이 지연되거나 분석에 손상을 줄 수 있는 데이터가 누락된 경우와 같은 추가 정보를 제공합니다. 준비 흐름 소유자는 데이터 담당자 또는 분석가와 마찬가지로, 데이터베이스 시간 초과 또는 열 누락과 같은 준비 실행 실패에 대한 알림을 직접 수신하므로 신속하게 조치를 취할 수 있습니다.

비즈니스 사용자는 Tableau에서 분석을 수행하는 과정에서 데이터 자산에 대한 품질 표시기를 볼 수 있습니다. 이를 통해 모든 기술 수준의 사람들이 데이터로 비즈니스 의사 결정을 내릴 때 자신감을 갖게 되고, 경고가 발생하는 경우 IT 부서의 정보를 읽고 분석을 진행할지 여부를 결정할 수 있습니다.

메타데이터 API 통합

IT 부서는 메타데이터 API를 활용하여 기존 메타데이터 관리 솔루션의 기능을 확장할 수 있습니다. 데이터베이스 관리자 및 엔지니어가 메타데이터 테이블 또는 엔터프라이즈 카탈로그에서 선별한 메타데이터를 Tableau로 가져오고 다른 데이터 응용 프로그램 및 비즈니스 흐름에 사용할 수 있도록 Tableau에서 메타데이터를 추출합니다.

비즈니스 사용자는 엔터프라이즈 카탈로그의 유용한 메타데이터를 통해 IT 부서가 수행한 작업에 대한 가시성을 확보할 수 있습니다. 엔터프라이즈 카탈로그는 Tableau를 이용한 분석 상황에서 정보를 보고 사용할 가능성이 가장 높은 곳입니다.