论文部分内容阅读
数据科学发展到今天，各行各业对它的需求与日俱增。大家对于数据科学方面能力的投入也逐渐加大，但是现在由于一些因素的制约，似乎从数据科学方面获得的成功还不足够。
“运用数据科学技术需要资深的技能，同时数据科学项目既花钱又花时间，所以客户好不容易打造的数据科学项目，可能会面对失败或者是无法投入生产的问题，这意味着客户因此将会错失很多商业机会。” Tableau CTO Francois Ajenstat在接受笔者的采访时表示，Tableau的愿景一直以来都是致力于使数据更加民主化，变得人人可用，并且正在对数据科学进行同样的改变——商业科学，是一类新的数据分析的技术，这项由AI所驱动的数据分析技术，可以让商务人士也能够使用数据科学技术，帮助他们更快地做出更明智的决策。
值得一提的是，商业科学与数据科学之间的关键区别在于精准度，比如说数据科学能助解决的问题包括气象监测，路径优化等等。而商业科学所涉及的是一家企业方方面面更广泛的问题，帮助企业提升价值——比如降低员工流失率，提高平均的订单价值，缩短成交的时间等等，并且也可以提供预定率。所以，一刀切的方式是不可行的，两者融合才是客户需要的真正价值。
“目前通过已经应用的机器学习的数据分析，每天进行成百万及上亿的预测。我们把这样自动化的数据，机器学习的数据能力植入到Tableau当中来。” Francois Ajenstat表示，它是一个简单、直观的、自动式机器学习的工具，将自动式的机器学习技术嵌入到Tableau当中，可以让每个客户都能够使用商业科学的工具，同时会让客户更加确信做出透明、正确的决策。更重要的是，它可以集成到整个工作流，以及所使用的Tableau页面当中。
事实上，在商业科学的赋能下，Tableau的数据分析也发生了很大的变化：过去，Tableau更多从事的数据分析是对于已有的历史数据进行分析，挖掘价值。现在，经过自动化机器学习技术的加持，Tableau还可以对于未来进行分析和预测，并且提出解决方案。这是这两者之间最大的差别。
虽然预测式的数据分析并不是那么新颖，但是基于种种因素的限制，使用这项工具的人其实比较少。Tableau希望能够民主化，通过数据科学让人人都能使用上商业科学，让业务当中的每一个人都可以通过它实现价值。
具体来看，商业科学技术能力能够深度嵌入现有Tableau的各个方面：在仪表盘的扩展中，可以进行实时预测的同时，也就可以在计算的界面进行分析扩展，集成实时预测。比如，提高供应链效率、预测订单达成的可能性或实现商品或服务交付的最大化。
“秉承了Tableau一项是互动式数据仪表盘操作的逻辑，点击过后，可以看到具体类别的预测数据。而且每一次点击，其背后的数据库都会重新就我们选中的数据进行分析和预测，呈现最终的预测结果。” Francois Ajenstat表示，Tableau所呈現出的分析结果快捷性和互动性。更关键的是，它不仅给出了预测的结果，同时也给出了原因和改进的方法。“这个功能我们称之为与思维同样敏捷的数据分析。一旦脑海里出现问题，想要获得答案，通过点击相关页面，就能够获得相应的数据分析、数据预测的结果，而且适用于多个不同行业的应用场景当中。”
借助在数据仪表盘扩展和分析界面、可视化界面上Einstein discovery的应用，Tableau可以对企业的各项数据和场景进行预测分析。因此，数据科学有着一整套的分析能力。另一方面，如果客户有自己内部的数据科学家，可以通过Einstein discovery或者其他工具来进行整合。Tableau也将人工智能、AI和机器学习应用于产品中，让产品更加智能。
此外，在最新版本中，Tableau与微软Azure有了更好地连接性。Francois Ajenstat强调，与Azure连接性的改进非常关键，因为Tableau希望能够支持在任何地方都可以满足客户存储数据的需求，无论是在云端、本地，或者是存在于任何的云平台。提高与Azure之间的连接性，可以更好地服务于客户。
“随着商业科学嵌入到最新版本的Tableau，它将会给客户带来一系列新的机遇，捕捉到现有数据当中新的价值。更关键的是，其可以进一步使数据科学民主化，每个人都能使用这项工具捕捉价值。同时，这也是Tableau其中一项新型的工具和特性，可以帮助我们更好、更快，以大规模图片的方式来提供数据分析的能力。” Francois Ajenstat如是说。
“运用数据科学技术需要资深的技能，同时数据科学项目既花钱又花时间，所以客户好不容易打造的数据科学项目，可能会面对失败或者是无法投入生产的问题，这意味着客户因此将会错失很多商业机会。” Tableau CTO Francois Ajenstat在接受笔者的采访时表示，Tableau的愿景一直以来都是致力于使数据更加民主化，变得人人可用，并且正在对数据科学进行同样的改变——商业科学，是一类新的数据分析的技术，这项由AI所驱动的数据分析技术，可以让商务人士也能够使用数据科学技术，帮助他们更快地做出更明智的决策。
值得一提的是，商业科学与数据科学之间的关键区别在于精准度，比如说数据科学能助解决的问题包括气象监测，路径优化等等。而商业科学所涉及的是一家企业方方面面更广泛的问题，帮助企业提升价值——比如降低员工流失率，提高平均的订单价值，缩短成交的时间等等，并且也可以提供预定率。所以，一刀切的方式是不可行的，两者融合才是客户需要的真正价值。
“目前通过已经应用的机器学习的数据分析，每天进行成百万及上亿的预测。我们把这样自动化的数据，机器学习的数据能力植入到Tableau当中来。” Francois Ajenstat表示，它是一个简单、直观的、自动式机器学习的工具，将自动式的机器学习技术嵌入到Tableau当中，可以让每个客户都能够使用商业科学的工具，同时会让客户更加确信做出透明、正确的决策。更重要的是，它可以集成到整个工作流，以及所使用的Tableau页面当中。
事实上，在商业科学的赋能下，Tableau的数据分析也发生了很大的变化：过去，Tableau更多从事的数据分析是对于已有的历史数据进行分析，挖掘价值。现在，经过自动化机器学习技术的加持，Tableau还可以对于未来进行分析和预测，并且提出解决方案。这是这两者之间最大的差别。
虽然预测式的数据分析并不是那么新颖，但是基于种种因素的限制，使用这项工具的人其实比较少。Tableau希望能够民主化，通过数据科学让人人都能使用上商业科学，让业务当中的每一个人都可以通过它实现价值。
具体来看，商业科学技术能力能够深度嵌入现有Tableau的各个方面：在仪表盘的扩展中，可以进行实时预测的同时，也就可以在计算的界面进行分析扩展，集成实时预测。比如，提高供应链效率、预测订单达成的可能性或实现商品或服务交付的最大化。
“秉承了Tableau一项是互动式数据仪表盘操作的逻辑，点击过后，可以看到具体类别的预测数据。而且每一次点击，其背后的数据库都会重新就我们选中的数据进行分析和预测，呈现最终的预测结果。” Francois Ajenstat表示，Tableau所呈現出的分析结果快捷性和互动性。更关键的是，它不仅给出了预测的结果，同时也给出了原因和改进的方法。“这个功能我们称之为与思维同样敏捷的数据分析。一旦脑海里出现问题，想要获得答案，通过点击相关页面，就能够获得相应的数据分析、数据预测的结果，而且适用于多个不同行业的应用场景当中。”
借助在数据仪表盘扩展和分析界面、可视化界面上Einstein discovery的应用，Tableau可以对企业的各项数据和场景进行预测分析。因此，数据科学有着一整套的分析能力。另一方面，如果客户有自己内部的数据科学家，可以通过Einstein discovery或者其他工具来进行整合。Tableau也将人工智能、AI和机器学习应用于产品中，让产品更加智能。
此外，在最新版本中，Tableau与微软Azure有了更好地连接性。Francois Ajenstat强调，与Azure连接性的改进非常关键，因为Tableau希望能够支持在任何地方都可以满足客户存储数据的需求，无论是在云端、本地，或者是存在于任何的云平台。提高与Azure之间的连接性，可以更好地服务于客户。
写在最后
“随着商业科学嵌入到最新版本的Tableau，它将会给客户带来一系列新的机遇，捕捉到现有数据当中新的价值。更关键的是，其可以进一步使数据科学民主化，每个人都能使用这项工具捕捉价值。同时，这也是Tableau其中一项新型的工具和特性，可以帮助我们更好、更快，以大规模图片的方式来提供数据分析的能力。” Francois Ajenstat如是说。