Gibt es auf Ihrem Tableau Server zu viele Versionen derselben Zahl?
Jede veröffentlichte .tdsx war an dem Tag, an dem sie entstand, vernünftig. Zusammen sind sie Hunderte private Definitionen derselben Kennzahl, und niemand kann sagen, welche stimmt.
Die Data Warehouse Automation Plattform, der Datenteams aus vielen Branchen vertrauen
Kommt Ihnen das bekannt vor?
- Sie suchen auf dem Tableau Server nach einer Kennzahl und bekommen vier veröffentlichte Datenquellen zurück.
- Zwei Abteilungen nennen für denselben Monat unterschiedliche Zahlen, und beide berufen sich auf Tableau.
- Niemand weiß, welche .tdsx gefahrlos gelöscht werden kann, also wird keine gelöscht.
- Derselbe Extract liegt mehrfach auf dem Server, und der Speicherbedarf wächst weiter.
Jede veröffentlichte Datenquelle war an ihrem Tag eine vernünftige Entscheidung. Das Problem ist, dass jede davon auch eine private Antwort darauf enthält, was eine Kennzahl bedeutet.
Wie der Wildwuchs entsteht
- Duplizieren ist der schnelle Weg. Eine Datenquelle kopieren und anpassen ist morgen geliefert. Eine gemeinsame zu ändern braucht Abstimmung.
- Die Logik reist mit der Kopie. Filter, Ausschlüsse und berechnete Felder sind fest in
die
.tdsxeingebaut. - Die Unterschiede sieht man nicht. Zwei Quellen namens “Sales” sehen im Katalog identisch aus.
- Nichts lässt sich stilllegen, weil niemand belegen kann, welche Workbooks von welcher Quelle abhängen.
Zertifizierung hilft, aber erst wenn jemand entschieden hat, was die Zahl ist. Diese Entscheidung ist keine Tableau Funktion.
Warum es bei Ihnen landet
- Sie sollen Zahlen abgleichen, die durch Entscheidungen in anderen Abteilungen entstanden sind.
- Abgleichen ist unsichtbare Arbeit. Sie fällt nur auf, wenn sie einmal nicht gemacht wurde.
- Sie können Ihre eigene Quelle zertifizieren. Vier Teams auf eine Definition bringen können Sie nicht.
Die Arbeit passiert am falschen Ort
- Eine Kennzahl zu definieren ist Warehouse Arbeit. Einzeln in jeder
.tdsxerledigt, entstehen mehrere Antworten. - Sie gehört an einen zentralen Ort: ein Data Warehouse oder einen Data Hub, einmal gebaut und von jedem Workbook gelesen.
- Wenn das teuer klingt, geht die Schätzung vermutlich von handgebauten Pipelines aus. Eine spezialisierte Automatisierungsplattform generiert sie aus einem Modell. Das ändert Kosten und Dauer.
Was sich ändert, wenn das Modell fertig ankommt
Datavault Builder hält die Geschäftsregeln im Warehouse und erzeugt daraus die dimensionalen Views, mit denen sich jedes Workbook verbindet.
- Die Kennzahl wird einmal berechnet, und jedes Workbook liest dieselbe Zahl.
- Die Regel ist sichtbar und versioniert, statt in einem veröffentlichten Extract verschlossen.
- Lineage zeigt die Herleitung, ein Widerspruch wird also durch Öffnen des Graphen geklärt.
- Neue Fragen nutzen das Modell weiter, und genau das verhindert die nächsten hundert Kopien.
- Der Speicherbedarf vervielfacht sich nicht mehr, weil derselbe Mart viele Workbooks bedient.
Worum Sie bitten sollten
“Wir haben vier veröffentlichte Quellen, die den Umsatz unterschiedlich berechnen, und die Logik steckt in den .tdsx Dateien. Kann die Regel im Warehouse liegen, damit sich jedes Workbook mit einem verbindlichen dimensionalen View verbindet?”
Das verschiebt die Diskussion von der Frage, welche Datenquelle richtig ist, hin zu der Frage, wo die Definition hingehört.
Sehen Sie es mit Ihren eigenen Daten
Buchen Sie eine kostenlose Demo und bringen Sie den Report mit, der Ihnen die meisten Probleme macht.
In drei Schritten zu Zahlen, die aufgehen
-
Bestehende Logik herauslösen
Sammeln Sie Berechnungen, Joins und Filter, die heute in Ihren Reports stecken.
-
An einem Ort zentralisieren
Die Logik kommt einmal ins Warehouse Modell, und jeder Report liest dieselbe Definition.
-
Zahlen, die aufgehen
Jeder Report zeigt dieselbe Zahl, und “Woher kommt diese Zahl” hat eine sichtbare Antwort.
Wie Datavault Builder Ihrem Report ein fertiges Modell liefert
-
Das Modell kommt fertig an
Datavault Builder generiert Vault und Star Schema so, dass sie nativ in der Datenbank laufen, die Sie bereits haben: SQL Server, Azure SQL, Synapse, Fabric, Snowflake, Databricks oder BigQuery.
-
Die Arbeit verlässt den Report
Kein Merge, kein Parsen, kein Fuzzy Match. Diese Arbeit ist aus dem Report verschwunden.
-
Quellen kommen integriert an
Kunden aus ERP, CRM und Webshop werden zu einem Satz konformer Dimensionen zusammengeführt. Der Join passiert einmal im Warehouse, nicht erneut in jedem Report.
-
Historie, die abfragbar ist
Jede Änderung wird so festgehalten, wie sie eintrifft. Sie können den Stand von damals genauso auswerten wie den von heute, auch wenn das Quellsystem seine eigenen Sätze überschreibt.
-
Jede Zahl hat Lineage
Die Logik bekommt Lineage. “Woher kommt diese Zahl” hat damit eine sichtbare Antwort.
-
Historisierung im Warehouse
Historisierung übernimmt das Warehouse als Vault Satelliten, statt sie zu approximieren.
Ausgezeichnet von BARC im Data Fabric Survey 26
Sprechen Sie mit unserem Experten
Zwanzig Minuten mit unserem Sales Director und eine ehrliche Antwort, ob das zu Ihrer Situation passt.
Matt Collett
Sales Director
Perfekt, wählen Sie einen passenden Termin:
Weitere Probleme in dieser Serie
-
Sind Ihre Tableau LOD Ausdrücke zu komplex, um sie noch anzufassen?
FIXED, INCLUDE und EXCLUDE sind präzise Werkzeuge für echte Fragen über mehrere Granularitäten. Die meisten in Ihrem Workbook stehen dort, weil das Warehouse nie die Granularität aufgelöst oder die Historie bewahrt hat.
-
Scheitern Ihre Tableau Extract Refreshes oder laufen sie ständig zu spät?
Der Backgrounder läuft in einen Timeout, die .hyper Datei wächst weiter, und das Dashboard zeigt den Stand von gestern. Der Extract ist so groß, weil er Rohzeilen mitschleppt, die weiter oben nie aggregiert wurden.
-
Wird Ihr Tableau Dashboard bei jeder Filteränderung langsam?
Zwanzig Sekunden “Abfrage wird ausgeführt” bei jedem Filterklick. Tableau rendert nicht langsam. Es wartet auf eine Datenbank, der eine Frage gestellt wurde, die sie nicht schnell beantworten kann.