Tableau Next Help

Data Cloud har bytt namn till Data 360 från och med den 14 oktober 2025. Under övergångstiden kan du se hänvisningar till Data Cloud i vårt program och i vår dokumentation. Även om namnet är nytt är funktionaliteten och innehållet oförändrat.

I takt med att Tableau Next och Tableau(Länken öppnas i ett nytt fönster) fortsätter att bygga starkare integreringar gör vi det möjligt att göra analyser var du vill, oavsett var dina data finns. Det innebär att terminologi och filosofier i Tableau och Data Cloud börjar blir alltmer omfattande. Användare som är bekanta med ett system kan tycka att det andra systemet är förvirrande eller främmande, men i slutändan är det bara data.

Det här ämnet är avsett att hjälpa användarna att orientera sig, oavsett vilket system de är vana vid eller arbetar i.

Obs! Data 360 hette tidigare ”Data Cloud”.

Grundläggande datatermer och begrepp

Det finns många ord för att beskriva data. I den mest generiska bemärkelsen är en datauppsättning den samling data du arbetar med.

• En databas är den teknikplattform som faktiskt innehåller datan, som Amazon Redshift, Firebird, Google Kalkylark eller Oracle.
• Data lagras ofta som en tabell med data. I en databas kan det finnas flera tabeller eller vyer. I Excel eller Google Kalkylark är varje flik en tabell. I en CSV-fil är hela filen en tabell.
• Om de data du behöver är utspridda över flera tabeller måste de kopplas samman i en datamodell. En datamodell är den abstrakta representationen av hur tabeller är kopplade till varandra.

Data i Salesforce

I Data 360 delas data upp i olika koncept.

En notering om Salesforce-dataobjekt för Tableau-användare

Dataströmmen är anslutningsinformationen.

DLO:et är rådata från dataströmmen. Varje DLO är en enskild tabell.

Ett DMO har ingen direkt motsvarighet i Tableau. Ett DMO kan mappas från flera datasjöobjekt (ungefär som en ”vy” i en databas) och varje DMO är en enskild tabell.

Ett CIO har ingen motsvarighet i Tableau där beräkningar helt enkelt är fält i datakällan som alla andra.

Data i Tableau

En Tableau-datakälla(Länken öppnas i ett nytt fönster) består av information om databasanslutningen, datamodellen, information om hur man kommer åt data (inloggningsuppgifter osv.) eller uppdaterar dem, semantisk information och kanske till och med själva datan. De två huvudsakliga gränssnittselementen för att skapa och redigera en datakälla är fliken Datakälla och rutan Data.

Fliken Datakälla: På fliken Datakälla upprättas dataanslutningar till den underliggande databasen eller filerna och datamodellen byggs genom att tabeller från en eller flera databaser kombineras till en och samma datakälla med hjälp av relationer, kopplingar och föreningar(Länken öppnas i ett nytt fönster). Om data finns kvar i den ursprungliga databasen är det en liveanslutning. En kopia av data kan även hämtas till Tableau som ett extrakt som kan uppdateras om så önskas.

Rutan Data: I rutan Data samlas semantisk information in, inklusive fältnamn, medlemsalias, hierarkier, grupper, uppsättningar, beräkningar, standardaggregeringar och -färger samt fältbeskrivningar.

Datakälla: Tillsammans utgör de ändringar som har gjorts på fliken Datakälla och rutan Data datakällan. En datakälla kan vara en publicerad resurs, en fil eller en del av arbetsboken som den skapades i.

• En publicerad datakälla (PDS) är en fristående resurs i Tableau Cloud eller Tableau Server.
• Lokalt kan du även ha filbaserade versioner av en Tableau-datakälla:
  • .tds är filtillägget för en Tableau-datakälla som innehåller annan information än data (endast anslutning och semantik).
  • .tdsx är filtillägget för en paketerad Tableau-datakälla som innehåller både annan information än data och själva datan.
  • .hyper är filtillägget för ett extrakt (tidigare .tde) som innehåller en kopia av data (själva datan).

Obs! En publicerad datakälla är den närmaste motsvarigheten till ett semantiskt lager eller en semantisk modell i Tableau.

En notering om Tableau-data för Salesforce-användare

Tableau arbetar med data från en mängd olika databaser och tekniker, både lokala och molnbaserade. Eftersom data inte kommer från ett Salesforce-moln med alla de specifika dataobjekt det inbegriper, finns det stor flexibilitet i hur data modelleras och formateras, men inga egentliga mallbaserade dataformat.

Standardisering och semantiska modeller samlas oftast in med publicerade datakällor (PDS).

Grunderna i datasemantik

• Data är råfakta (siffror, observationer och mätningar).
• Information är tolkningen av dessa data eller den kunskap som kommer från bearbetningen och förståelsen av data.
• Semantik är språngbrädan mellan underliggande data och den information som är ett resultat av dem.

Termen kommer från det lingvistiska konceptet semantik kontra syntax. Syntax är hur du säger något, semantik är vad det betyder. Begreppet ”semantik är vad det betyder” gäller även för semantik som databegrepp. Semantik omfattar sådant som hur tabeller kombineras i datamodellen, information om datafälten eller datakolumnerna och hur de kan interagera med varandra, ytterligare information som standardaggregering och beräkningar som utförs baserat på rådata.

En datauppsättning kan innehålla all information du behöver, men om du inte kan komma på hur du ska få ut informationen ur datauppsättningen är den värdelös(Länken öppnas i ett nytt fönster). Semantik krävs för användbarheten.

Det går inte att separera affärsanvändningsfallet från semantikinformationen. Semantik är beskrivningen av data eller dess affärskontext. Semantik kan delas upp i kategorier som datamodellering, fältmetadata och fältbeskrivningar, standardaggregeringar, hierarkier, grupper och uppsättningar samt beräkningar.

Några exempel:

• Datamodellering
  • Hur datatabellerna kunde kopplas till varandra. Ska de fyra kvartalsvisa försäljningstabellerna förenas? Ska läkartabellen vara direkt relaterad till patienttabellen, eller ska båda tabellerna vara relaterade till tabellen för bokade besök?
• Fältmetadata (fältnamn, datatyp, medlemsalias)
  • Är Namn namnet på ett konto eller en kontakt?
  • Är Rabatt ett booleskt fält avseende om en rabatt tillämpas eller inte, ett strängfält för rabattypen eller ett diskret mätvärde för rabattbeloppet?
• Fältbeskrivningar
  • Exempel: En kommentar om att APR står för ”Adjusted Pitching Runs” och inte ”Annual Percent Return” i den här datauppsättningen, och beräknas enligt APR = L * IP - R / pf(P) där L = genomsnittligt antal varv per kastad period i ligan, IP = kastade perioder, R = tillåtna varv och pf(P) = park factor för spelarens hemma-park P.
• Standardaggregeringar
  • Ska Listor aggregeras som COUNT (räkna varje instans) eller COUNTD (räkna endast unika värden)?
  • Ska standardaggregeringen av ett mätvärde vara SUM eller AVG?
• Hierarkier, uppsättningar, grupper
  • I en samling institutioner vid ett universitet kan ingenjörsinstitutionen vara en egen högskola och institutionerna för historia, litteratur, filosofi och statsvetenskap kan alla bilda högskolan för humaniora.
• Beräkningar
  • Fält som härleds från fält som finns internt i data men som måste ändras eller kombineras, till exempel att ett inaktuellt supportärende definieras som ett ärende som har varit öppet i tio dagar för ett standardkonto men bara två dagar för ett premiumkonto.

Semantik i Tableau och Tableau-semantik

Utan ett återanvändbart semantiskt lager kan datamodeller, semantiska definitioner och beräknade fält skapas som engångsföreteelser om och om igen, vilket leder till ineffektivitet och risk för fel eller feljusteringar.

Semantik i Tableau

Semantik är inget nytt för Tableau-användarna. Det har bara varit en del av datakällan – särskilt en publicerad datakälla (PDS). Den publicerade datakällan är där du styr de semantiska datadefinitionerna.

På grund av Tableaus filosofi om cykeln för visuell analys(Länken öppnas i ett nytt fönster) har semantik historiskt sett inte abstraherats till ett distinkt lager. Redigeringsmiljön är den plats där datamodellen (fliken Datakälla) och semantiken (rutan Data) utvecklas tillsammans.

Tableau-semantik

Tableau-semantik(Länken öppnas i ett nytt fönster) skiljer semantiken från analysen i ett distinkt lager, så att semantiska modeller kan byggas en gång för alla och sedan användas i en mängd olika analyser och till och med produkter. Tableau-semantik passar in i Data 360- och Tableau Next-miljöer som ett fristående semantiskt lager skilt från data eller analys. Enheten för ett semantiskt lager är en semantisk modell. Den semantiska modellen innehåller både datamodellen och semantiska datadefinitionerna. I Tableau-semantiken utgör det semantiska modellverktyget användargränssnittet för att skapa en semantisk modell. De här semantiska modellerna kan skapas i Data 360 eller Tableau Next.

Interoperabilitet

Med kopplingen för Tableau-semantik för Tableau kan du utföra analyser i Tableau med hjälp av semantiska modeller från Tableau Next. Om du skapar en semantisk modell från en publicerad datakälla (PDS)(Länken öppnas i ett nytt fönster) kan du också göra analyser i Tableau Next med hjälp av datakällor från Tableau.