Aide de Tableau Cloud

À mesure que Tableau Next et Tableau(Le lien s’ouvre dans une nouvelle fenêtre) développent des intégrations plus complexes, nous ajoutons la possibilité d’effectuer des analyses où vous le souhaitez, quel que soit l’emplacement où résident vos données. Cela signifie que la terminologie et la philosophie de Tableau et Data Cloud commencent à toucher un public de plus en plus large. Les utilisateurs qui sont familiers avec un écosystème peuvent trouver l’autre écosystème déroutant ou étranger, mais au bout du compte, il ne s’agit que de données.

Cette rubrique a pour but d’aider les utilisateurs à s’orienter, quel que soit le système auquel ils sont habitués ou dans lequel ils travaillent.

Termes et concepts essentiels relatifs aux données

Les mots pour décrire les données ne manquent pas. Au sens le plus générique, un ensemble de données est la collection de données avec laquelle vous travaillez.

• Une base de données désigne la plate-forme technologique qui contient réellement les données, comme Amazon Redshift, Firebird, Google Sheets ou Oracle.
• Les données sont souvent stockées sous la forme d’une table de données. Dans une base de données, il peut y avoir plusieurs tables ou vues. Dans Excel ou Google Sheets, chaque onglet de feuille est une table. Dans un fichier CSV, le fichier entier constitue la table.
• Si les données dont vous avez besoin sont réparties sur plusieurs tables, elles doivent être connectées dans un modèle de données. Un modèle de données est la représentation abstraite de la manière dont les tables sont connectées les unes aux autres.

Données dans Salesforce

Dans Data Cloud, les données sont décomposées en différents concepts.

Petit aparté sur les objets de données Salesforce pour le public Tableau

Le flux de données constitue les informations de connexion.

Le DLO est le vidage brut des données du flux de données. Chaque DLO est une table unique.

Un DMO n’a pas d’équivalent direct dans Tableau. Un DMO peut être mappé à partir de plusieurs DLO (comme une « vue » dans une base de données) et chaque DMO est une table unique.

Un DSI n’a pas d’équivalent dans Tableau où les calculs sont simplement des champs dans une source de données comme n’importe quelle autre.

Données dans Tableau

Une source de données(Le lien s’ouvre dans une nouvelle fenêtre) Tableau comprend des informations de connexion à la base de données, le modèle de données, des informations sur la manière d’accéder aux données (identifiants d’accès, etc.) ou de les actualiser, des informations sémantiques, voire les données elles-mêmes. Les deux principaux éléments de l’interface utilisateur pour la création et la modification d’une source de données sont l’onglet Source de données et le volet Données.

Onglet Source de données : c’est dans cet onglet qu’ont lieu les connexions de données à la base de données ou aux fichiers sous-jacents et que vous créez le modèle de données en combinant les tables d’une ou de plusieurs bases de données en une seule source de données à l’aide de relations, de jointures ou d’unions(Le lien s’ouvre dans une nouvelle fenêtre). Si les données sont laissées dans leur base de données d’origine, il s’agit d’une connexion en direct. Il est également possible d’intégrer une copie des données dans Tableau sous la forme d’un extrait qui peut être actualisé si vous le souhaitez.

Volet Données : le volet Données est l’emplacement où les informations sémantiques sont capturées, y compris les noms de champs, les alias de membres, les hiérarchies, les groupes, les ensembles, les calculs, les agrégations et les couleurs par défaut, ainsi que les descriptions de champs.

Source de données : prises ensemble, les modifications apportées dans l’onglet Source de données et le volet Données constituent la source de données. Une source de données peut être une ressource publiée ou un fichier, ou être contenue dans le classeur dans lequel elle a été créée.

• Une source de données publiée (PDS) est une ressource autonome sur Tableau Cloud ou Tableau Server.
• Localement, vous pouvez également avoir des versions basées sur des fichiers d’une source de données Tableau :
  • .tds est l’extension de fichier d’une source de données Tableau qui contient des informations autres que les données (connexion et sémantique uniquement).
  • .tdsx est l’extension de fichier d’une source de données Tableau complète qui contient des informations autres que les données, ainsi que les données elles-mêmes.
  • .hyper est l’extension de fichier pour un extrait (précédemment .tde), qui contient une copie des données (les données elles-mêmes).

Remarque : une source de données publiée est l’équivalent le plus proche d’une couche sémantique ou d’un modèle sémantique dans Tableau.

Petit aparté sur les données Tableau pour le public Salesforce

Tableau exploite des données provenant d’une grande variété de bases de données et de technologies, qu’elles soient locales ou dans le cloud. Étant donné que les données ne proviennent pas d’un cloud Salesforce spécifique avec tous les objets de données spécifiques que cela implique, la modélisation et la mise en forme des données sont très flexibles et il n’y a pas vraiment de concept de formats de données modélisés.

Les modèles de normalisation et les modèles sémantiques sont principalement capturés à l’aide de sources de données publiées (PDS).

Fondamentaux de la sémantique des données

• Les données sont les faits bruts (chiffres, observations et mesures).
• Les informations sont l’interprétation de ces données ou les connaissances qui découlent du traitement et de la compréhension des données.
• La sémantique est le tremplin entre les données sous-jacentes et les informations qui en sortent.

Le terme vient du concept linguistique de sémantique vs syntaxe. La syntaxe est la manière dont vous dites quelque chose, la sémantique en est la signification. Ce concept « La sémantique est la signification » s’applique à la sémantique en tant que contexte des données. La sémantique comprend par exemple la manière dont les tables sont combinées dans le modèle de données, les informations sur les champs ou les colonnes de données et la façon dont elles peuvent interagir les unes avec les autres, des informations supplémentaires telles que l’agrégation par défaut et les calculs effectués en plus des données brutes.

Un ensemble de données peut contenir toutes les informations dont vous avez besoin, mais si vous n’arrivez pas à en tirer un sens, elles ne servent à rien(Le lien s’ouvre dans une nouvelle fenêtre). Il a besoin de sémantique pour être utile.

Le cas d’utilisation métier est indissociable des détails de la sémantique. La sémantique est la description des données ou de leur contexte métier. La sémantique peut être décomposée en catégories telles que la modélisation des données ; les métadonnées et la description des champs ; les agrégations par défaut ; les hiérarchies, les groupes et les ensembles ; et les calculs.

Quelques exemples :

• Modélisation des données
  • Comment connecter les tables de données es unes aux autres ? Faut-il réunir les quatre tables de ventes trimestrielles ? La table des médecins doit-elle être directement reliée à la table des patients, ou les deux doivent-elles être reliées à la table des rendez-vous ?
• Métadonnées des champs (nom du champ, type de données, alias de membre)
  • Le Nom est-il le nom d’un compte ou d’un contact ?
  • La Remise est-elle un champ booléen indiquant si une remise est appliquée ou non, un champ de chaîne pour le type Remise ou une mesure discrète du montant de la remise ?
• Description des champs
  • Par exemple, ce peut être un commentaire indiquant que APR, dans cet ensemble de données, désigne « Adjusted Pitching Runs », et non pas « Annual Percent Return », et qu’il est calculé comme suit APR = L * IP - R / pf(P) : où L : nombre moyen de points inscrits à chaque manche dans la ligue, IP : manches lancées, R : points alloués, pf(P) : facteur de parc pour le parc domicile du joueur P.
• Agrégations par défaut
  • Les listes doivent-elles être agrégées en tant que COUNT (comptabilisation de chaque instance) ou COUNTD (comptabilisation des valeurs uniques seulement) ?
  • L’agrégation par défaut d’une mesure doit-elle être SUM ou AVG ?
• Hiérarchies, ensembles, groupes
  • Dans un ensemble de départements d’une université, le département d’ingénierie peut être son propre collège, alors que les départements d’histoire, de littérature, de philosophie et de sciences politiques peuvent, tous ensemble, former le collège des arts libéraux.
• Calculs
  • Champs dérivés de champs qui existent nativement dans les données, mais qui doivent être manipulés ou combinés, par exemple définir un cas de support obsolète comme un dossier ouvert depuis 10 jours pour un compte standard, mais seulement 2 jours pour un compte premium.

Sémantique dans Tableau et Sémantique Tableau

En l’absence d’une couche sémantique réutilisable, les modèles de données, les définitions sémantiques et les champs calculés peuvent être créés de manière ponctuelle, ce qui entraîne des inefficacités et des risques d’erreur ou de désalignement.

Sémantique dans Tableau

La sémantique n’a rien de nouveau pour le public de Tableau. Elle fait simplement partie de la source de données, en particulier d’une source de données publiée (PDS). La source de données publiée est l’endroit où vous contrôlez les définitions sémantiques de vos données.

En raison de la philosophie du cycle de l’analytique visuelle(Le lien s’ouvre dans une nouvelle fenêtre) de Tableau, la sémantique n’a jamais été abstraite en une couche distincte. L’environnement de création est l’emplacement où le modèle de données (onglet Source de données) et la sémantique (le volet Données) sont développés.

Sémantique Tableau

La Sémantique Tableau(Le lien s’ouvre dans une nouvelle fenêtre) reprend l’approche de séparation de la sémantique en une couche distincte de l’analyse afin que les modèles sémantiques puissent être créés une seule fois et utilisés dans une variété d’analyses ou même de produits. La Sémantique Tableau s’intègre dans les environnements Data Cloud et Tableau Next en tant que couche sémantique autonome, distincte des données ou de l’analyse. L’unité d’une couche sémantique est un modèle sémantique. Le modèle sémantique contient à la fois le modèle de données et les définitions sémantiques des données. Dans la Sémantique Tableau, le Générateur de modèle sémantique est l’interface utilisateur permettant de créer un modèle sémantique. Ces modèles sémantiques peuvent être créés dans Data Cloud ou Tableau Next.

Et avec le connecteur Tableau Semantics pour Tableau, vous pouvez effectuer des analyses dans Tableau en utilisant un modèle sémantique de Tableau Next.