박소영, Solution Engineer, Tableau
사용자의 페르소나에 따라 활용 가능한 분석 영역이 다름
Tableau Native Features: Explain Data, Clustering
Explain Data (데이터 설명)
•
다음으로 탐색해봐야 할 경로를 추천하는 일종의 내비게이션
•
최초의 질문 > 이유를 파악하기 위한 다음 질문
Demo
•
Explain Data
◦
주류업체 고객 만족도 데이터
◦
문제: 지역별 고객 만족도는? → 특정 지역의 만족도가 낮은 이유가 무엇일까?
→ 1) 조사 인원 수 자체가 적은 것은 아닐까?
2) 해당 지역 담당자의 연차가 낮은 것은 아닐까?
◦
데이터 설명에서 기여 차원을 선택해서 분석 시트와 데이터에 반영 가능
◦
GIS 데이터 표현이 잘 됨
◦
매개변수로 대시보드를 필터링해서 볼 수 있음
•
Clustering
◦
K-means clustering 활용
◦
클러스터링 결과로 대시보드 작성: 서울시 골목상권 데이터
Tableau Business Science
비즈니스 사이언티스트를 위한 가이디드 & Auto ML
•
태블로 비즈니스 사이언스
◦
코드 없는 ML 모델 설계
◦
신속하고 반복 가능한 배포
◦
쉽게 이해 가능한 (no blackbox)
◦
통합 및 상호 작용
•
아인슈타인 디스커버리: 세일즈포스 CRM Analytics 기능
•
아인슈타인 디스커버리와 태블로 통합
◦
대시보드 익스텐션: 실시간 접근, 대시보드에서 예측 결과 확인
◦
애널리틱스 익스텐션: 비쥬얼라이제이션에 실시간 예측 결과 통합
◦
태블로 프렙: 데이터 원본에 예측 결과 데이터 추가
Demo: 구독 커머스의 이탈위험 고객 모니터링
•
아인슈타인 디스커버리에서 목표를 설정(고객 이탈 최소화)하고 분석 → 결과가 리포트 형태로 제공
•
모델 배포도 매우 간단
•
대시보드에 모델을 통합할 수 있음
Tableau Data Science
데이터 사이언티스트를 위한 맞춤형 모델 구축 및 배포
•
DS가 만든 사용자 정의 함수/모델
•
태블로 플랫폼 위에 모델 배포
•
대시보드 작성 및 분석
데모
•
파이썬로 만든 모델을 대시보드에 통합
•
Tabpy server를 통해 파이썬 함수 import. 별도 비용 X
