Tableau Next Help

Vanaf 14 oktober 2025 is de naam van Data Cloud gewijzigd naar Data 360. In deze overgangsperiode kunt u verwijzingen naar Data Cloud tegenkomen in onze applicatie en documentatie. De naam is nieuw, maar de functionaliteit en inhoud blijven ongewijzigd.

Naarmate we sterkere integraties blijven bouwen voor Tableau Next en Tableau(Link wordt in een nieuw venster geopend), voegen we de mogelijkheid toe om analyses uit te voeren waar u maar wilt, ongeacht waar uw data zich bevinden. Dit betekent dat de terminologie en filosofie van Tableau en Data Cloud steeds meer op elkaar gaan lijken. Gebruikers die bekend zijn met het ene ecosysteem, vinden het andere ecosysteem misschien verwarrend of vreemd, maar uiteindelijk draait het allemaal om data.

Dit onderwerp is bedoeld om gebruikers op weg te helpen, ongeacht het systeem waaraan ze gewend zijn of waarmee ze moeten werken.

Opmerking: Data 360 was voorheen 'Data Cloud'.

Essentiële dataterminologie en -concepten

Er zijn talloze woorden om data te beschrijven. In de meest algemene zin is een dataset de verzameling data waarmee u werkt.

• Een database is het technologieplatform waarin de data daadwerkelijk zijn opgeslagen, zoals Amazon Redshift, Firebird, Google Spreadsheets of Oracle.
• Data worden vaak opgeslagen als een tabel met data. In een database kunnen meerdere tabellen of weergaven voorkomen. In Excel of Google Spreadsheets is elk tabblad een tabel. In een CSV-bestand is het hele bestand de tabel.
• Als de data die u nodig hebt, zijn verspreid over meerdere tabellen, moeten deze met elkaar worden verbonden in een datamodel. Een datamodel is de abstracte weergave van hoe tabellen met elkaar zijn verbonden.

Data in Salesforce

In Data 360 worden data opgesplitst in verschillende concepten.

Een opmerking over Salesforce-dataobjecten voor Tableau-gebruikers

De datastream is de verbindingsinformatie.

Het DLO wordt gevormd door de ruwe data uit de datastream. Elk DLO is één tabel.

Er is geen direct equivalent van een DMO in Tableau. Een DMO kan worden toegewezen vanuit meerdere DLO's (vergelijkbaar met een 'weergave' in een database) en elk DMO is één tabel.

Er is geen equivalent van een CIO in Tableau, waar berekeningen gewoon velden in de databron zijn, net als alle andere velden.

Data in Tableau

Een Tableau-databron(Link wordt in een nieuw venster geopend) bestaat uit informatie over de databaseverbinding, het datamodel, informatie over hoe u de data kunt openen (referenties, enz.) of vernieuwen, semantische informatie en mogelijk zelfs de data zelf. De twee belangrijkste UI-elementen voor het maken en bewerken van een databron zijn het tabblad Databron en het deelvenster Data.

Tabblad Databron: op het tabblad Databron worden de dataverbindingen met de onderliggende database of bestanden tot stand gebracht en wordt het datamodel opgebouwd door tabellen uit een of meer databases te combineren tot één databron met behulp van relaties, verbindingen en verenigingen(Link wordt in een nieuw venster geopend). Als de data in de originele database blijven staan, is er sprake van een liveverbinding. U kunt ook een kopie van de data als extract naar Tableau zelf importeren en dit extract indien gewenst vernieuwen.

Deelvenster Data: in het deelvenster Data wordt semantische informatie vastgelegd, zoals veldnamen, lid-aliassen, hiërarchieën, groepen, sets, berekeningen, standaardaggregaties en -kleuren en veldbeschrijvingen.

Databron: De wijzigingen die zijn aangebracht op het tabblad Databron en in het deelvenster Data vormen samen de databron. Een databron kan een gepubliceerd asset zijn, een bestand of kan zich bevinden in de werkmap waarin deze is gemaakt.

• Een gepubliceerde databron (PDS) is een zelfstandig asset in Tableau Cloud of Tableau Server.
• Lokaal kunnen er ook op bestanden gebaseerde versies van een Tableau-databron zijn:
  • .tds is de bestandsextensie voor een Tableau-databron die de niet-data-informatie bevat (dus alleen de verbinding en semantiek).
  • .tdsx is de bestandsextensie voor een in een pakket opgenomen Tableau-databron die de niet-data-informatie en de data zelf bevat.
  • .hyper is de bestandsextensie voor een extract (voorheen .tde) dat een kopie van de data bevat (de data zelf).

Opmerking: Een gepubliceerde databron is het dichtstbijzijnde equivalent in Tableau voor een semantische laag of semantisch model.

Een opmerking over Tableau-data voor Salesforce-gebruikers

Tableau werkt met data uit een groot aantal databases en technologieën, zowel lokaal als in de cloud. Aangezien de data niet afkomstig zijn uit een Salesforce-cloud met alle bijbehorende specifieke dataobjecten, is er veel flexibiliteit in hoe het model en de data kunnen worden gemodelleerd, en bestaat er niet echt een concept van op sjablonen gebaseerde data-indelingen.

Standaardisatie en semantische modellen worden meestal vastgelegd in gepubliceerde databronnen (PDS).

Basisprincipes van datasemantiek

• Data zijn de onbewerkte feiten (cijfers, observaties en metingen).
• Informatie is de interpretatie van die data of de kennis die voortkomt uit het verwerken en begrijpen van de data.
• Semantiek is de tussenstap tussen de onderliggende data en de informatie die daaruit wordt afgeleid.

De term komt van het taalkundige concept van semantiek versus syntaxis. Syntaxis is de manier waarop u iets zegt, semantiek is wat het betekent. Het concept semantiek is wat het betekent geldt ook voor semantiek binnen de context van de data. Semantiek omvat zaken als hoe tabellen worden gecombineerd in het datamodel, informatie over de velden of kolommen met data en de interactie tussen deze velden of kolommen, aanvullende informatie, zoals standaardaggregatie, en berekeningen die op de ruwe data worden uitgevoerd.

Een dataset kan alle informatie bevatten die u nodig hebt, maar als u er geen betekenis uit kunt halen hebt u er niets aan(Link wordt in een nieuw venster geopend). Om nuttig te zijn, is semantiek nodig.

Het zakelijke nut kan niet los worden gezien van de details van de semantiek. Semantiek is de beschrijving van de data of de bedrijfscontext ervan. Semantiek kan worden onderverdeeld in categorieën zoals datamodellering; metadata en beschrijvingen van velden; standaardaggregaties; hiërarchieën, groepen en sets; en berekeningen.

Enkele voorbeelden:

• Datamodellering
  • Hoe de tabellen met data met elkaar verbonden kunnen worden. Moeten de vier tabellen voor kwartaalverkoop worden verenigd? Moet de artsentabel direct gekoppeld worden aan de patiëntentabel of moeten ze beide worden gekoppeld aan de afsprakentabel?
• Metadata van velden (veldnaam, datatype, lid-aliassen)
  • Is Naam de naam van een account of van een contactpersoon?
  • Is Korting een Booleaans veld voor het al dan niet toepassen van korting, een tekenreeksveld voor het type korting of een discrete meetwaarde voor het kortingsbedrag?
• Veldbeschrijvingen
  • Zoals een opmerking dat APR voor deze dataset verwijst naar Aangepaste Pitching Runs, niet naar rendement op jaarbasis en dat het wordt berekend als APR = L * IP - R / pf(P), waarbij L verwijst naar het gemiddelde aantal runs per gepitchte inning in de competitie, IP naar gepitchte innings, R naar toegestane runs en pf(P) naar parkfactor voor het thuisveld van speler P.
• Standaardaggregaties
  • Moeten vermeldingen worden samengevoegd als COUNT (elk exemplaar wordt geteld) of als COUNTD (alleen unieke waarden worden geteld)?
  • Moet de standaard aggregatie van een meetwaarde SUM of AVG zijn?
• Hiërarchieën, sets en groepen
  • Binnen een verzameling afdelingen aan een universiteit kan de technische afdeling een eigen faculteit zijn, terwijl de afdelingen geschiedenis, literatuur, filosofie en politicologie samen de faculteit Vrije kunsten kunnen vormen.
• Berekeningen
  • Velden die zijn afgeleid van velden die in de data zelf voorkomen, maar die moeten worden bewerkt of gecombineerd, zoals een ondersteuningscase definiëren als verouderd als deze 10 dagen openstaat in geval van een standaardaccount, maar na slechts 2 dagen in geval van een premiumaccount.

Semantiek in Tableau en Tableau Semantiek

Zonder een herbruikbare semantische laag worden datamodellen, semantische definities en berekende velden mogelijk steeds opnieuw gemaakt als eenmalige elementen. Dit leidt tot inefficiëntie en de kans op fouten of onjuiste afstemming.

Semantiek in Tableau

Semantiek is niet nieuw voor Tableau-gebruikers. Het maakt gewoon deel uit van de databron, met name van gepubliceerde databronnen (PDS). In de gepubliceerde databron bepaalt u de semantische definities van uw data.

Gezien de in Tableau gehanteerde filosofie van de cyclus van visuele analyse(Link wordt in een nieuw venster geopend) is semantiek ook in het verleden nooit in een aparte laag ondergebracht. De authoringomgeving is de plaats waar het datamodel (het tabblad Databron) en de semantiek (het deelvenster Data) samen worden ontwikkeld.

Tableau Semantiek

Tableau Semantiek(Link wordt in een nieuw venster geopend) hanteert de aanpak om semantiek te scheiden in een aparte laag van de analyse, zodat semantische modellen slechts eenmaal moeten worden gebouwd en daarna kunnen worden gebruikt in verschillende analyses of zelfs producten. Tableau Semantiek past in de omgevingen Data 360 en Tableau Next als een op zichzelf staande semantische laag die los staat van de data of analyse. De eenheid van de semantische laag is een semantisch model. Het semantische model bevat zowel het datamodel als semantische definities voor de data. In Tableau Semantiek is de semantische modelsamensteller is de gebruikersinterface voor het maken van een semantisch model. Deze semantische modellen kunnen worden gemaakt in Data 360 of Tableau Next.

Interoperabiliteit

Met de Tableau Semantics-connector voor Tableau kunt u analyses uitvoeren in Tableau met behulp van een semantisch model uit Tableau Next. U kunt ook een semantisch model op basis van een gepubliceerde databron (PDS)(Link wordt in een nieuw venster geopend) maken en op basis daarvan analyses uitvoeren in Tableau Next met behulp van een databron uit Tableau.