Tableau Data Management

À une époque, les entreprises ne recueillaient et ne géraient que certaines données stratégiques. Aujourd'hui, tous les services, du marketing à la finance en passant par la vente, accumulent toutes sortes de données afin de répondre à des besoins analytiques aussi divers que variés. Toutes les données sont bonnes à prendre, même celles dont on ne sait pas encore à quoi elles serviront. Il arrive d'ailleurs que le service IT n'ait pas conscience de l'existence de certaines données capturées par les différentes équipes, ni de leurs champs d'application.

Un autre facteur qui contribue à cette prolifération des données est la nécessité de les convertir au format approprié pour les analyses. Souvent dans les modèles classiques, l'équipe IT prépare les données selon des besoins analytiques spécifiques, puis poursuit la gestion des bases de données ou des fichiers. Face à l'accumulation des données, le service IT recherche la stabilité afin de soutenir l'environnement de données, mais rencontre des difficultés lorsqu'il est question de mettre hors service certaines tables et sources de données. En effet, il n'est pas facile de déterminer l'impact sur les utilisateurs en aval ou sur les tableaux de bord stratégiques.

L'analytique moderne a contribué à transformer le rôle de l'équipe IT. Auparavant, ce rôle se limitait essentiellement à la création de rapports. Aujourd'hui, il est axé sur la gestion et la sécurisation des systèmes dans le but de permettre à tous les utilisateurs au sein de l'entreprise de prendre des décisions basées sur les données en toute autonomie. Les utilisateurs métier intègrent désormais toutes sortes de données, mais d'une manière qui n'est pas encore évolutive. De nombreux processus restent manuels et impliquent parfois le transfert des données depuis des systèmes gouvernés à des systèmes non gouvernés pour en permettre l'analyse. Au lieu de restreindre l'accès et de provoquer des goulots d'étranglement, l'équipe IT s'appuie sur la gouvernance pour favoriser l'exploration des données et l'analytique. Toutefois, sa responsabilité est aussi d'assurer la scalabilité d'une analytique en libre-service accessible à une plus vaste audience, ce qui nécessite non seulement d'automatiser les processus, mais aussi de trouver un juste équilibre entre contrôle et agilité.

Les décisions basées sur les données prennent une importance croissante dans la mise en œuvre d'un changement organisationnel. De ce fait, de plus en plus d'utilisateurs demandent à accéder aux données afin de pouvoir les analyser. Même si certains utilisateurs métier développent des compétences avancées, la plupart ne savent pas sur quelles données se concentrer, ni même où les trouver. Qu'il s'agisse des conventions de noms ou de la complexité des structures de données, il n'est pas facile pour les non-initiés de comprendre les bases de données et les tables qu'il convient de lier. À l'époque où l'accès aux données était réservé à quelques spécialistes triés sur le volet, il suffisait de s'adresser au responsable attitré des données. Aujourd'hui, face à l'augmentation des cas d'utilisation impliquant des données et face à l'adoption rapide de l'analytique moderne, ce scénario n'est plus possible.

Par le passé, déterminer la façon dont les données étaient utilisées dans toute l'entreprise était une préoccupation secondaire ou représentait un vrai casse-tête. Supposons qu'une tâche de préparation des données échoue ou qu'une table doive être supprimée d'une base de données. Dans un modèle classique de gestion des données, l'administrateur mettrait probablement à jour la page Wiki de l'entreprise ou enverrait un e-mail à tous les utilisateurs dans l'espoir que le message passe auprès des principaux concernés. Même si une entreprise dispose d'un catalogue de données avec des descriptions utiles, un lignage documenté et des indicateurs quant à l'exactitude des données, rares sont les utilisateurs finaux qui accèdent directement à ce système pour vérifier si les données qu'ils prévoient d'exploiter sont à jour avant de faire une analyse.

Et c'est sans parler des exigences de conformité qui viennent alourdir davantage la tâche. Lorsqu'il s'agit de vérifier que les utilisateurs ont accès aux données appropriées, cela peut aller jusqu'à remettre en cause les entreprises qui pensent gérer correctement les données sensibles. Pour que les utilisateurs finaux puissent déterminer la pertinence et la fiabilité des données à leur disposition, ils doivent avoir des informations sur leur qualité dans le contexte de l'analyse, pas dans un autre système ou outil. En leur donnant accès aux métadonnées, ils auront ainsi toute confiance dans les données qu'ils utilisent.

Curation et découverte des données

Les gestionnaires et ingénieurs de données peuvent ajouter des descriptions et des métadonnées aux bases de données, aux tables et aux colonnes. Ils peuvent également certifier les données afin d'aider les utilisateurs à trouver les données les plus pertinentes et les plus fiables. Les développeurs peuvent aussi utiliser des méthodes spécifiques dans l'API REST de Tableau Server afin de mettre à jour certaines métadonnées par programmation. Les ingénieurs de données et les administrateurs de base de données peuvent tirer parti des métadonnées d'utilisation pour indiquer les modifications apportées aux tables et optimiser ainsi les sources de données.

Les auteurs de contenu peuvent effectuer des recherches dans les sources de données, les bases de données et les fichiers existants ou dans les tables sur Tableau Server et Tableau Online pour déterminer si les données dont ils ont besoin existent déjà. Cela évite de dupliquer les sources de données. Les utilisateurs de contenu identifient plus facilement les données les plus pertinentes grâce aux descriptions et aux informations relatives à l'utilisation et à la certification des données. Dans les visualisations, les utilisateurs peuvent facilement accéder aux descriptions des champs dans l'onglet Détails des données du tableau de bord, afin de s'assurer de l'adéquation des données par rapport à leur analyse.

Lignage et analyse d'impact

L'équipe IT peut procéder à une analyse d'impact pour identifier les données et les utilisateurs concernés par des changements, par exemple la modification d'une colonne ou d'une table par un ingénieur ou un administrateur de base de données, ou la modification d'un calcul par un gestionnaire de données. Elle peut ensuite envoyer un e-mail aux principaux concernés depuis la plate-forme Tableau.

Les utilisateurs métier peuvent identifier rapidement le lignage des données destinées à l'analyse, notamment leur origine et leur propriétaire, si elles sont certifiées ou non, et leur historique de flux de préparation, même avant l'ouverture d'une visualisation. Les utilisateurs expérimentés peuvent, quant à eux, trouver le contenu analytique publié sur le serveur et explorer plus en détail les calculs dans les classeurs.

Avertissements et alertes liés à la qualité

Les gestionnaires et ingénieurs de données peuvent configurer des avertissements sur la qualité des données directement dans l'environnement serveur ou via une API. Ces indicateurs (avertissement, données obsolètes ou données en cours de maintenance) permettent aux utilisateurs de connaître l'état des données tout en fournissant des informations supplémentaires, notamment si une actualisation est retardée ou si certaines données manquantes sont susceptibles de compromettre l'analyse. Les responsables des flux de préparation, tels que les gestionnaires de données ou les analystes, reçoivent des alertes directement en cas d'échec d'une session de préparation (lorsqu'une base de données a dépassé le délai d'expiration ou lorsqu'une colonne est manquante, par exemple). Ainsi, ils peuvent prendre rapidement les mesures nécessaires.

Les utilisateurs métier peuvent consulter les indicateurs de qualité au niveau des données dans le contexte de leur analyse dans Tableau. Ainsi, tous les utilisateurs, quel que soit leur niveau de compétences, pourront prendre des décisions éclairées basées sur les données et, en cas d'avertissement, consulter les informations transmises par l'équipe IT afin de décider s'ils souhaitent ou non procéder à l'analyse.

Intégration de l'API de métadonnées

L'équipe IT peut utiliser l'API de métadonnées pour exploiter la puissance de votre solution existante de gestion des métadonnées. D'un côté, vous pouvez importer dans Tableau des métadonnées dont la curation a été effectuée par les administrateurs de base de données et les ingénieurs dans des tables spécifiques ou dans un catalogue d'entreprise. De l'autre côté, vous pouvez extraire les métadonnées de Tableau afin de les utiliser dans d'autres applications de données et d'autres flux métier.

Les utilisateurs métier sont en mesure d'identifier les changements apportés par le service IT grâce à des métadonnées utiles extraites du catalogue d'entreprise, lequel constitue une ressource quasi incontournable. Le tout, dans le contexte de leur analyse dans Tableau.