Tableau Blog 최신 비즈니스 인텔리전스 동향, 커뮤니티 업데이트 및 제품 뉴스
Product News

현재 베타 버전으로 제공: 뷰 권장 사항, 테이블 개선 사항 및 새로운 '데이터에 질문' 기능

2019.10.01 · Emily Chen
Product News

Tableau Catalog로 데이터 관리 편이성 개선

2019.09.25 · Tyler Doyle
Product News

대화형 설명을 통해 데이터를 깊이 이해할 수 있도록 지원하는 데이터 설명

2019.09.19 · Richard Tibbetts
Product News

오늘부터 사용 가능: 데이터 설명,
Tableau CatalogTableau Server Management Add-on

2019.09.17 · Ryan McShane
Visualization

TableauSpotify 음악 트렌드를 시각화하는 법

2019.07.17 · Scott Teal
Enterprise

부패 가능성을 발견하는 데 데이터 분석을 이용하는 네 가지 방법

2019.06.19 · Angie Sullivan, Mathias Ward
Communication

Data + Music 프로젝트는 우리가 좋아하는 음악의 비하인드 스토리를 들려줍니다.

2019.06.13 · Andrew Grinaker
MORE
Product News

현재 베타 버전으로 제공: 뷰 권장 사항,
테이블 개선 사항 및 새로운 '데이터에 질문' 기능

Emily Chen
제품 마케팅 전문가, Tableau
2019.10.01
고객이 더 쉽게 데이터를 찾고 연결하고 분석하도록 지원한다는 Tableau의 노력은 Tableau 2019.4에서도 계속됩니다.
현재 베타 버전으로 출시된 새 버전의 주요 장점을 간략히 살펴보겠습니다.
  1. ·권장 뷰Tableau ServerTableau Online에서 제공하는 권장 뷰는 기록된 사용 현황 및 소비 패턴에 기초하므로 사용자가 적절한 비주얼리제이션을
    더 빠르게 찾을 수 있도록 도와줍니다.
  2. ·테이블 개선 사항 — 여러분의 소중한 의견을 반영했습니다. Tableau에서 큰 테이블 관리를 향상할 수 있도록, 가로 스크롤 및 패널별 정렬을 가능하게 하고,
    최대 열 수를 16개에서 50개로 늘렸습니다.
  3. ·새로운 '데이터에 질문' 기능 — '데이터에 질문'을 좀 더 쉽게 선별된 환경에서 사용할 수 있고, 향상된 거버넌스와 더 강력해진 분석 기능을 제공합니다.
    예를 들어, 전년 대비 변화를 묻는 질문도 가능합니다.
가장 중요한 몇 가지 기능을 더 자세히 살펴보도록 하겠습니다.
권장 뷰를 사용하여 신속하게 의미 있는 데이터 및 콘텐츠 찾기
Tableau ServerTableau Online에서 관심 있는 비주얼리제이션 찾기가 훨씬 쉬워졌습니다. 권장 뷰는 사용자를 사이트의 의미 있는 데이터 및
콘텐츠에 즉시 연결하는 맞춤형 제안입니다. 기계 학습 기반의 이러한 권장 사항은, 관심사가 비슷한 다른 사용자에게 흥미롭거나 유용한 가장 인기 있는
최신 콘텐츠를 표시하여, 사용자 간의 선호도를 일치시켜 줍니다. 또한, 전면 또는 중앙에 추세 뷰를 가져오면 신규 사용자가 빠르게 가치 있는 콘텐츠를 찾고
사이트 기록을 채워 나갈 수 있습니다. 권장 뷰는 홈페이지의 전용 섹션과 왼쪽 탐색 메뉴에서 선택할 수 있는 별도의 권장 사항 페이지에 나타납니다.
가로 스크롤, 패널별 정렬 및 최대 열 수 증가로 큰 테이블을 더 효율적으로 관리
테이블은 분석의 기초이며, 다양한 비즈니스 요구에 맞게 여러 가지 용도로 사용됩니다. 2019.4에서는 가로로 긴 테이블을 시트,
대시보드 및 스토리에서 더 쉽게 효율적으로 보고 편집할 수 있습니다.
  1. ·증가된 최대 열 수 — 이제 최대 50 개의 열(불연속형 필드)이 있는 테이블을 만들 수 있습니다. 이 설정은 Tableau Desktop의 테이블 옵션 대화 상자에서
    쉽게 변경할 수 있습니다.
  2. ·가로 스크롤 — 이제 테이블(불연속형 필드)을 가로로 스크롤할 수 있으므로 목록 뷰 테이블을 쉽게 보고 편집할 수 있습니다.
  3. ·패널별 정렬 — 플랫 테이블의 경우 이제 다중 패널에 걸쳐 차원 및 불연속형 측정값을 기준으로 전체 열을 정렬할 수 있어 더욱 직관적인 정렬 환경을 제공합니다.
향상된 거버넌스 및 분석 기능과 더불어 선별된 '데이터에 질문' 환경 지원
Tableau의 자연어 인터페이스인 '데이터에 질문'은 이번 버전에서 추가된 뚜렷한 개선 사항을 포함하여 발전을 거듭하고 있습니다.
2019.3에서는 '데이터에 질문'을 포함하는 기능을 추가하고, 통합 문서에 입력 지점을 더 많이 도입하는 등, 검색 기능에 중점을 두었습니다.
2019.4에서는 '데이터에 질문'을 좀 더 쉽게 선별된 환경에서 사용하는 것에 중점을 둡니다.
관리자는 이제 '데이터에 질문'을 기본 사이트 설정으로 사용하거나 사용하지 않도록 선택할 수 있습니다. 이 기능은 서버에 수백 개 혹은 수천 개의
데이터 원본이 있지만, 사용할 준비가 된 선별된 데이터 원본으로 이루어진 하위 집합에만 '데이터에 질문'을 사용하려는 상황에서 특히 유용합니다.
또한, 사용자가 기본 기능, 날짜 및 시간, 필터, 비주얼리제이션 유형 등 나올 수 있는 분석 질문의 다양한 유형을 파악하는 데 도움이 되도록
분류된 제안 사항을 포함했습니다. 그리고 이제 전년 대비 메트릭을 즉시 계산할 수 있습니다. 간단히 "YoY profit growth"(전년 대비 수익 성장률) 또는
"MoM profit growth"(전월 대비 수익 성장률)를 입력하고 엔터를 치기만 하면, '데이터에 질문'이 자동으로 계산을 해 줍니다.
더 많은 데이터에 연결하여 분석
많은 고객의 요청에 따라 2019.4 버전에 SAP HANA의 레벨 계층 지원을 비롯하여 Alibaba 데이터 원본 및 LinkedIn Sales Navigator로 연결하는
새로운 데이터 커넥터를 추가했습니다. 이제 SAP HANA 에 연결하면 계산 뷰에 활용된 레벨 계층이 Tableau에 자동으로 나타납니다.
최신이자 최고인 제품 개발에 동참
Tableau 2019.4의 출시를 위해 최선을 다하고 있지만, 먼저 여러분의 피드백이 필요합니다. 새로운 기능의 문제점을 파악하고 개선하여 최상의 품질을
제공할 수 있도록 의견을 보내주시기 바랍니다. Tableau 2019.4의 베타 버전 및 최종 버전에 포함된 기능은 베타 테스트의 진행에 따라 변경될 수 있습니다.
Tableau 사전 출시 커뮤니티에 참여하면 다음이 가능합니다.
  1. ·알파 및 베타 프로그램에 참여하여 새로운 기능, 버전 및 제품을 조기에 사용해 볼 수 있습니다.
  2. ·사용자 조사, 제품에 대한 토론 및 관심이 있는 주제에 대한 피드백 활동을 통해 Tableau 개발 팀과 직접 의견을 주고받을 수 있습니다.
아이디어 포럼에서 여러분의 피드백이 제품에 어떻게 영향을 주었는지 살펴보고, Tableau 개발 팀에서 영감을 얻을 수 있도록
계속해서 아이디어를 보내주십시오. 여러분의 참여가 없으면 불가능합니다.
베타 프로그램에는 기존 Tableau 고객만 참여하실 수 있습니다. 구독이나 유지 관리 라이선스가 활성 상태인 고객은 Tableau 2019.4 버전이 출시되면
무료로 업그레이드하실 수 있습니다.
Product News

Tableau Catalog로 데이터 관리 편이성 개선

Tyler Doyle
2019.09.25
한 데이터베이스에서 다른 데이터베이스로 데이터를 마이그레이션하거나, 데이터에서 필드를 사용 중단하거나, 데이터에 열을 추가해야 했던 경험이 있습니까?
누가 데이터를 사용하고 있는지와 어떤 통합 문서 또는 대시보드가 영향을 받을지를 알아내는 것이 때로는 가장 어려운 작업일 수 있습니다.
앞으로 두 시간 동안 데이터 원본의 유지 관리가 진행됨을 사용자에게 알려야 하지만, 대량의 알림을 전송하고 싶지 않다면 어떨까요?
또는 사람들이 분석을 위해 연결할 올바른 데이터를 찾을 수 없다고 한다면 어떻게 해야 할까요? 이러한 문제는 사람들이 일상적으로 겪는 문제입니다.
기존의 이러한 문제를 해결할 수 있는 Tableau Catalog를 출시하게 되어 기쁘게 생각합니다.
Tableau Catalog는 비즈니스 사용자에서 IT 부서에 이르기까지 모든 사람이 중요한 비즈니스 의사 결정을 내리는 데 사용하는 데이터에 대해
더욱 자신감을 가질 수 있도록 도와줍니다. IT 부서는 Tableau 환경에서 데이터에 대한 완벽한 그림을 제공함으로써 데이터 자산의 다양한 업데이트 및
변경 사항을 추적하고, 관리하며, 사용자와 커뮤니케이션할 수 있습니다. 최종 사용자는 원하는 데이터를 찾을 수 있을 뿐만 아니라, 추측이 아닌
확신을 가지고 올바른 데이터임을 알 수 있습니다.
추적, 관리 및 커뮤니케이션
Tableau Catalog를 사용하면 추측이나 수동적인 노력 없이 분석 환경을 완벽하게 파악할 수 있습니다. 여기에는 데이터 자산의 자동적으로 재고를 확보하고,
데이터 원본, 분석 콘텐츠 및 사용자 간의 관계를 시각적으로 표시하며, 사용자의 데이터 품질에 대한 커뮤니케이션 프로세스를 단순화하는 것이 포함됩니다.
Tableau Catalog의 일부 주요 구성 요소를 살펴보겠습니다.
외부 자산 목록
Tableau Catalog를 통해 Tableau 환경 내의 데이터를 쉽게 확인할 수 있습니다. 자동 수집을 사용하면, 시작 및 실행에 필요한 인덱싱 또는
구성이 필요하지 않습니다. 외부 자산 목록을 사용하면 Tableau 환경 내의 모든 데이터베이스, 파일 및 테이블의 재고를 볼 수 있을 뿐만 아니라,
제공되는 빠른 사용량 메트릭을 통해 제거할 수 있는 중복 데이터가 있는지 쉽게 확인할 수 있습니다.
계보 및 영향 분석
IT 부서는 셀프 서비스 환경에서 특정 변경 사항이 기존 콘텐츠와 사용자에게 어떤 영향을 주는지 알 수 없기 때문에 데이터 환경의 변경 사항을
관리하는 데 어려움을 겪습니다. 계보 그래프와 함께 Tableau Catalog 를 사용하면, IT 부서는 데이터베이스, 테이블, 준비 흐름, 열 및 통합 문서 간의 관계를
확인할 수 있으므로, 특정 테이블 또는 열에 연결된 모든 통합 문서를 찾아 해당 테이블 또는 열에 대한 변경 사항을 사용자에게 알릴 수 있습니다.
데이터베이스에서 열을 정리해야 하는 시나리오를 살펴보겠습니다. 과거에는 누가 특정 열을 사용했는지 파악하는 것이 어려웠습니다.
회사 전체에 이메일을 보내고 해당 열을 사용한 사람들이 이메일을 확인하기를 바랐을 것입니다. Tableau Catalog의 계보 및 영향 분석을 사용하면
누가 열을 사용하고 있는지 확인할 수 있을 뿐만 아니라, 해당 열을 사용 중인 통합 문서의 시트나 대시보드도 확인할 수 있습니다. 단 몇 번의 클릭만으로
누가 영향을 받는지 빠르게 확인하고 Tableau Server 또는 Online에서 직접 연락할 수 있으므로 시간을 절약하고, 파손을 방지하며,
발생 가능한 조직의 불만을 줄일 수 있습니다.
데이터 품질 경고
데이터 원본이 유지 관리 중이거나 오래된 경우에는 반드시 이를 사용자에게 알려서 중요한 의사 결정을 내릴 때 성능이 저하된 상태의 데이터 원본을
사용하지 않도록 해야 합니다. 데이터 품질 경고를 사용하면 자산에 경고를 빠르게 추가할 수 있으며, 이 경고는 해당 자산을 사용하는 모든 콘텐츠로 전달됩니다.
데이터 자산으로 이동하여 품질 경고를 추가하기만 하면 됩니다. 경고 유형을 선택하고 설명을 추가하여 사용자에게 필요한 컨텍스트를 제공하십시오.
조직 전체에서 메타데이터 활용
Tableau Catalog를 특별하게 만드는 요소 중 하나는 사용자에게 가장 필요한 곳에 메타데이터를 표시하여 조직 전체에서
데이터에 대한 신뢰를 구축하도록 하는 방법입니다.
데이터 세부 경고
사용자는 대시보드를 보는 동안 데이터 세부 정보를 클릭하여 작성자 및 마지막 수정일과 같은 통합 문서 메타데이터를 포함하는 메타데이터 창을 볼 수 있으며,
데이터 품질 경고와 같은 데이터 원본 자체에 대한 추가 정보도 볼 수 있습니다. 이 정보를 사용하면, 대시보드를 보는 모든 사람이 자신이 분석하고 있는
데이터를 신뢰할지 여부에 대한 현명한 의사 결정을 스스로 내릴 수 있습니다.
강화된 검색 기능
Tableau Catalog를 사용하면 데이터 검색이 훨씬 쉬워집니다. 더 강력해진 검색 기능은 태그, 설명, 필드 및 외부 테이블을 활용합니다.
Tableau Catalog를 사용하면 Tableau Desktop에서도 데이터에 연결할 수 있고, Tableau Server 또는 Online에서 웹 작성 중에도
데이터에 연결할 수 있습니다. 이를 통해 모든 사용자는 메타데이터에 연결하거나 탐색하기 전에 사용 중인 데이터에 대한 더 많은 메타데이터를
확인할 수 있으므로, 시작부터 올바른 데이터를 분석하고 있음을 알 수 있습니다.
메타데이터 API
Tableau Catalog는 새로운 메타데이터 API를 활용하므로, 새로운 GraphQL 기반 API 엔드포인트를 통해 위에서 설명한 기능 이면의 모든 메타데이터를
사용할 수 있습니다. Tableau CatalogServer REST API 업데이트와 함께 사용하면, 설명 및 스크립팅 데이터 품질 경고 등의 메타데이터를
동기화함으로써 기존의 메타데이터 솔루션과 통합할 수 있습니다. (엔터프라이즈 데이터 카탈로그를 사용 중인 일부 파트너의 의견을 참조하십시오.)
Data Management Add-on으로 Tableau Catalog 시작하기
Data Management Add-on의 일부인 Tableau Catalog를 통해 조직에 새로운 수준의 가시성, 신뢰성, 검색 가능성 및 거버넌스를
제공하게 되어 기쁘게 생각합니다. 이러한 방식으로 솔루션을 구축한 이유를 비롯하여 Tableau만의 특별한 데이터 관리 접근 방식 및 기능에 대한
자세한 내용은 새로운 백서를 참조하십시오.
Product News

대화형 설명을 통해 데이터를 깊이 이해할 수 있도록 지원하는 데이터 설명

Richard Tibbetts
수석 제품 관리자, AI, Tableau
2019.09.19
수치가 예상치보다 높거나 낮은 이유를 설명해달라는 요청을 얼마나 자주 받으십니까?
이는 대부분의 Tableau 사용자에게도 흔히 발생합니다.
이러한 질문에 도움을 줄 수 있는 도우미가 있으면 좋겠다고 생각한 적이 있습니까? 동료가 스스로 답을 찾을 수 있도록 이미 대시보드와 통합 문서를 구축했을 수도
있겠지만, 자동 안내에 쉽게 액세스할 수 있었다면 더 좋지 않았을까요?
Tableau 2019.3 버전에서 출시된 AI 기반 기능의 데이터 설명을 사용해 보십시오.
데이터 요소에 대한 설명 자동 생성
데이터 설명을 사용하면 관심 있는 데이터를 식별하여 컨텍스트 메뉴, 분석 메뉴 또는 툴팁의 새 아이콘에서 설명을 요청하기만 하면 됩니다.
데이터 설명은 선택 내용을 컨텍스트에서 분석하고 가능한 설명을 제공합니다.
이러한 설명은 선택한 데이터를 더 잘 이해하는 데 도움이 될 수 있는 추가 데이터 및 비주얼리제이션을 보여줍니다. 추가 편집 또는 공유를 위해
비주얼리제이션을 통합 문서에 추가할 수도 있습니다.
예를 들어, 여기에서는 우리에게 친숙한 Superstore 영업 데이터 집합에서 상대적으로 이윤을 내지 못하는 지역인 텍사스주를 살펴보겠습니다.
아래 예에서 데이터 요소를 클릭하고 설명을 요청하면, 시스템에서 텍사스주의 이익이 예상보다 낮음을 매우 빠르게 보여줍니다.
또한 판매 범주 및 배송 관련 요소에 대한 설명도 표시합니다. 한 번의 클릭으로 이러한 설명을 검토하고 일부 결과 비주얼리제이션을 통합 문서에 추가하여 더 깊이
탐색할 수 있습니다.
결과를 왜곡하는 극단적인 값 찾기
설명을 클릭하면, Tableau는 기계 학습을 사용하여 화면에 시각화된 데이터 컨텍스트에서 선택한 데이터 요소를 분석합니다.
또한 데이터 요소를 비주얼리제이션에 표시되지 않은 나머지 데이터와 비교합니다. 그런 다음 데이터 설명은 데이터 요소에 대한 설명 목록을 표시하며,
여기에는 기초 데이터에 영향을 미칠 수 있는 차원도 포함됩니다.
다음은 자전거 공유 데이터를 맵으로 보여주는 비주얼리제이션의 예입니다. 보스턴의 중앙에 있는 프루덴셜 역이 가장 많이 사용되는 역으로 보입니다.
데이터 요소를 클릭하고 데이터 설명을 선택하면 그 이유를 이해할 수 있습니다. 여기에서는 단일 이상값이 결과를 왜곡하고 있다고 설명합니다.
자동으로 생성된 비주얼리제이션은 데이터에서 이 이상값을 제거하면 발생하는 결과를 보여주며, 이상값이 포함된 데이터와 포함되지 않은 데이터를 볼 수 있도록
집합과 선택 도구를 생성합니다.
데이터 설명은 특허 출원 중인 독점 알고리즘으로 구동되어, 수십 개의 모델을 실시간으로 맞추는 기능을 제공합니다. 이 예에서는 컴퓨터가 먼저 화면에
시각화된 데이터를 모델링하여 값이 너무 작거나 너무 큰지를 결정하고 추천 범위를 제공합니다. 그런 다음, 시스템은 수십 개에 달하는 후보 설명의 타당성을
분석하기 위해 자동으로 모델을 맞춥니다. 모델을 맞추는 작업에는 설명의 불확실성 수준을 정량화하기 위해 베이지안 기법이 사용됩니다.
정보가 얼마나 유익한지, 그리고 설명의 타당성을 기준으로 얼마나 직접적인지를 기반으로 설명에 대한 점수가 매겨집니다. 가장 유익한 설명만 표시됩니다.
분야 전문 지식 확장
데이터 설명을 사용하면 분석가는 설명을 찾는 데 소비하는 시간보다 데이터를 이해하는 데 더 많은 시간을 할애하면서 더 빠르게 작업할 수 있습니다.
기술적 장벽을 제거하면 사람들이 스스로 설명을 빠르게 찾을 수 있습니다. 데이터 설명을 통해 데이터에서 다양한 잠재적 설명을 더 철저히 고려할 수 있습니다.
또한 분야 전문 지식과 설명을 결합함으로써 어떤 일이 발생한 이유와 그에 대해 무엇을 해야 하는지를 알아낼 수 있습니다.
대화형 데모로 지금 시작하거나 최신 버전의 Tableau를 다운로드하십시오
Product News

오늘부터 사용 가능: 데이터 설명, Tableau Catalog
Tableau Server Management Add-on

Ryan McShane
제품 마케팅 부문 선임 관리자
2019.09.17
Tableau 2019.3의 새로운 기능을 이용하면 데이터로 더 많은 작업을 수행할 수 있습니다. 이번 버전에서는 데이터를 이해하고 데이터에 대한 신뢰를 구축할 수 있도록
도와드립니다. 데이터 기반 조직으로 성장하고 Tableau를 한층 더 확장된 규모로 운영하는 것이 어느 때보다 쉬워집니다. 주요 기능을 살펴보겠습니다.
  1. ·데이터 설명: 새로운 AI 기반 기능인 '데이터 설명'을 사용하면 데이터의 예기치 못한 값 뒤에 가려진 '왜'를 파악할 수 있습니다.
  2. ·Tableau Catalog: Data Management Add-on에 포함된 새로운 기능을 통해 조직에서는 항상 분석에 올바른 데이터를 사용할 수 있습니다.
  3. ·Tableau Server Management Add-on: 이 새로운 서비스로 Tableau Server의 실행 범위를 더욱 확장할 수 있습니다.
Tableau 2019.3에는 또한 저장된 추출 암호화, 데이터에 질문을 포함하는 기능 및 Prep Builder의 게시된 데이터 원본에 연결하는 기능 등과 같은
향상된 기능이 포함되어 있습니다. 최신 버전을 더 자세히 살펴보도록 하겠습니다.
AI 기반의 데이터 설명은 데이터 이상값에 대한 설명을 제공합니다.
Tableau에서는 왜 이상값이 나타나는가, 왜 값이 예상보다 높거나 낮게 나오는가와 같이 항상 데이터에서 '왜'를 파악하려고 노력합니다.
일반적으로 잠재적인 설명을 제시한 다음 데이터로 이를 검증함으로써 이 작업을 수행합니다. 이 과정은 시간이 오래 걸리며 종종 인식의 제한을 받습니다.
따라서 Tableau에서는 데이터의 예기치 못한 값을 설명하기 위해 '데이터 설명'을 도입합니다.
비주얼리제이션을 만들 때 마크를 선택하고 도구 설명에서 '데이터 설명'을 사용하여 시작하면 됩니다. 배후에서 Tableau는 강력한 베이지안 통계 방법을
사용하여 설명을 생성합니다. 데이터 설명은 수백 가지의 잠재적 설명을 평가한 후 가장 가능성 있는 설명을 비주얼리제이션 및 텍스트 설명의 조합으로 제공합니다.
여기서부터 Tableau의 모든 기능을 활용하여 더욱 심도 있게 탐색할 수 있습니다. 데이터 설명을 사용하면 원인을 식별하고,
있는지 몰랐던 관계를 확인할 수 있습니다.
데이터 설명은 기존의 모든 CreatorExplorer용 통합 문서에서 사용할 수 있습니다. 데이터 준비 또는 설정이 필요하지 않습니다.
대화형 데모로 지금 사용해 보십시오.
Tableau Catalog로 데이터에 대한 신뢰성, 투명성 및 검색 가능성 향상
오늘날 조직에서는 엄청난 양의 데이터를 수집하므로, 사람들이 필요한 데이터를 찾고 분석용으로 이 데이터가 정확하고 관련성이 있다고
신뢰하기가 어려운 경우가 많습니다. 이러한 경우에 도움이 되도록 Tableau Catalog를 소개해 드립니다.
사용자는 적합한 데이터를 찾고 데이터의 출처를 파악하고 데이터가 Tableau 환경의 다른 콘텐츠에 어떻게 연결되어 있는지 확인할 수 있습니다.
Tableau ServerTableau Online에 대해 Data Management Add-on으로 Tableau Catalog를 사용할 수 있습니다.
Tableau Catalog를 사용하면 조직 전체에서 Tableau의 데이터가 어떻게 사용되는지를 쉽게 파악할 수 있습니다.
데이터 소유자는 사용 메트릭, 계보 및 영향 분석과 같은 데이터에 대한 정보를 볼 수 있습니다. 즉, IT 및 데이터 소유자는 분석 환경 전체에서
데이터가 어떻게 사용되고 있는지 더 잘 이해할 수 있도록 데이터를 업스트림 및 다운스트림으로 추적할 수 있습니다.
또한 데이터 변경이 해당 데이터에 연결된 대시보드 및 뷰에 미치는 영향을 쉽게 보고 이해할 수 있으며, 이를 해당 자산의 소유자에게 알릴 수 있습니다.
설정할 인덱싱 일정이 없으며 연결을 구성할 필요가 없습니다. Catalog는 기존 Tableau Server 사용 권한에 자동으로 매핑됩니다.
또한 Tableau Catalog는 조직 전체에서 데이터에 대한 신뢰를 구축하는 데 도움이 됩니다. Tableau Catalog는 모든 사용자에게 연결하기에
적합한 데이터를 찾을 수 있는 향상된 검색 기능을 제공할 뿐만 아니라 대시보드 보기나 웹 작성 등 컨텍스트에 따라 분석 중인 데이터에 대한
더 많은 가시성을 제공합니다. 데이터 품질 경고는 누락된 필드 또는 유지관리 중단과 같이 대시보드에서 사용 중인 데이터에 대한 문제를 사용자에게 제공합니다.
데이터 소유자는 또한 사용자가 데이터 자체를 더 잘 이해할 수 있도록 정의 및 메타데이터를 추가할 수 있습니다. 누군가가 데이터 원본을 사용하는 대시보드를
작성하고 게시하면 사이드바에서 이러한 데이터 세부 정보를 볼 수 있으므로 모든 사람이 자신의 분석에 대해 확신을 가질 수 있습니다.
새로운 Tableau Server Management Add-on을 통해 보다 효율적으로 확장
Tableau Server를 대규모로 실행하는 조직은 관리 효율성을 높이고 배포를 더 잘 제어하고 싶어 합니다. 이러한 조직을 위해 Tableau에서는
Tableau Server Management Add-on(이전의 Project McKinley)을 도입합니다. 이를 통해 조직은 관리 프로세스를 간소화하고
업무상 중요한 대규모 Tableau Server를 더 쉽게 실행하여 변화하는 비즈니스 요구에 신속하게 대응할 수 있습니다.
이 새로운 서비스는 Tableau Server에 강화된 보안, 관리 용이성, 확장성 기능을 제공합니다. 2019.3에 포함된 사항:
  1. ·리소스 모니터링 및 콘텐츠 관리를 위한 새로운 도구:
    1. ·Tableau Server 리소스 모니터링 도구: 하드웨어 사용률, VizQL 세션, 데이터 쿼리 성능, 백그라운더 워크로드 등을 포함하는 향상된 가시성으로
      배포를 이해하고 정확하게 조정할 수 있습니다.
    2. ·Tableau 콘텐츠 마이그레이션 도구: 프로젝트, 사이트 또는 Tableau Server 환경 간의 콘텐츠 이동을 관리할 수 있습니다. 마이그레이션 계획을
      시각적으로 구축한 다음 일정으로 설정할 수 있습니다. 계획 내에서
      데이터 원본을 다시 매핑하고 다른 통합 문서 변환을 수행할 수도 있습니다.
    3. ·외부 리포지토리 호스팅 및 노드 최적화로 확장성 강화: AWS EC2에서 호스팅되는 Tableau Server 배포의 경우, 이제 Amazon RDS Postgres에서
      메타데이터 리포지토리를 호스팅하여 확장성과 가용성을 강화할 수 있습니다. 추출 새로 고침 및 구독과 같은 백그라운드 작업을 처리하는 노드를
      사용자 지정하여 배포 성능을 최적화할 수 있습니다. 이러한 워크로드를 특정 노드에 격리함으로써 조직의 요구에 맞게 배포를 보다 쉽게 확장할 수 있습니다.
    4. ·AWS 주요 관리 통합으로 보안 강화: 저장된 데이터 추출 암호화를 위해 Amazon KMS와 통합합니다. 기존 AWS KMS 고객의 경우,
      이 기능을 사용하면 주요 관리 작업을 중앙에서 수행하고 고급 보안 및 규정 준수 시나리오를 구현할 수 있습니다.
Tableau Server Management Add-onTableau Server 배포와 별도로 구입해야 합니다. 자세한 내용은 가격 책정 페이지를 확인하십시오.
참고: Tableau Online에서는 Server Management Add-on을 사용할 수 없습니다.
Tableau에서 고객을 대신하여 확장, 성능, 보안 등 모든 사항을 관리하기 때문입니다.
Tableau 2019.3의 추가 주요 기능
Tableau 2019.3에는 수십 가지의 다른 기능이 포함되어 있습니다. 몇 가지 주요 기능은 다음과 같습니다.
  1. ·저장된 추출 암호화: 보안 강화를 위해 이제 Tableau Server에 저장된 추출을 암호화할 수 있습니다. 이를 개체 수준 암호화로 볼 수도 있습니다.
    사용법도 간단합니다. 추출별로 또는 사이트 수준에서 전환하기만 하면 됩니다. Tableau Online은 이미 서비스 수준에서 완벽히 암호화되어 있습니다.
  2. ·'데이터에 질문'을 콘텐츠에 포함: 데이터에 질문을 회사 포털이나 Wiki에 포함하면 조직에서 훨씬 더 많은 사람이 데이터에 관한 질문을 할 수 있습니다.
  3. ·Prep Builder로 게시된 데이터 원본에 연결: 이제 게시된 데이터 원본을 준비 흐름에 통합할 수 있습니다. 다른 데이터 원본에 연결하듯 여기에 연결할 수 있습니다.
    조인을 만들고 데이터를 피벗하는 등 Tableau Prep Builder의 모든 기능을 마음껏 사용할 수 있습니다.
Tableau Prep에서의 Custom RPython 스크립트: 이제 Tableau Prep 흐름의 모든 단계에서 RPython 스크립트를 연결할 수 있습니다.
Tableau 커뮤니티 여러분, 감사합니다.
여러분의 참여는 보다 나은 제품을 제공하는 데 큰 도움이 됩니다. 지속적인 피드백과 아이디어 제공에 감사드립니다.
성공적인 릴리스가 될 수 있도록 지원해주신 여러분의 시간과 노력에 감사드립니다.
Tableau가 새로운 미래를 만들어 갈 수 있도록 커뮤니티의 아이디어 포럼에 계속 참여하거나 출시 전 프로그램에 참여하여 주십시오.
지금 바로 Tableau Online에서 시작하거나 Tableau 2019.3으로 업그레이드하여 이 모든 새로운 기능을 활용해 보십시오.
Visualization

TableauSpotify 음악 트렌드를 시각화하는 법

Scott Teal
제품 마케팅 수석 전문가, Tableau
2019.07.17
여름을 맞아, Tableau 커뮤니티에서 제작한 음악 동향, 아티스트, 장르 및 지역에 대한 비주얼리제이션 시리즈인 Data + Music을 즐겨보겠습니다.
Pooja Gandhi가 시각화한 상위 트랙의 오디오 특징, 또는 Sean Miller가 시각화한 역대 최고의 메탈 앨범 등이 있습니다.
Spotify의 데이터 시각화 디자이너인 Skyler Johnson과 함께 진행한 최근 웹 세미나에서 SpotifyTop 200Viral 50 차트 이면의
데이터를 분석하는 방법을 공유했습니다. 이 블로그 게시물을 읽고 어떻게 Spotify 데이터 분석을 시작하여 국가별 상위 트랙 및 아티스트를
알아내는 기본 대시보드를 만드는지 알아보십시오.
나만의 Spotify 데이터를 Spotify API 에 연결하는 방법을 자세히 알아보려면 Skyler와 함께하는 웹 세미나를 시청하십시오.
Spotify 데이터에 연결
다음 단계들을 따라 Spotify의 차트에서 최신 데이터를 가져와 Tableau에서 분석하는 방법을 알아봅니다.
데이터 가져오기:
  1. 1. https://spotifycharts.com/regional로 이동하여 Spotify 의 상위 차트에서 데이터를 다운로드합니다.
  2. 2. 상위 트랙을 볼지 인기 트랙을 볼지, 자신의 분석 목적에 따라 Top 200 또는 Viral 50을 선택합니다. 이 분석에서는 Top 200을 선택합니다.
  3. 3. 드롭다운을 사용하여 특정 국가별로 필터링하거나 전체(Global)를 선택하여 모든 국가 데이터를 표시합니다.
    이 분석에서는 국가별 청취 성향을 볼 수 있도록 Global 데이터에 초점을 맞춰 보겠습니다. 일간(Daily) 또는 주간(Weekly) 데이터를 선택할 수도 있습니다.
    이 분석의 목표에 맞게 Daily를 선택하고 날짜 드롭다운에서 가장 최근 날짜를 선택해 보겠습니다.
  4. 4. 오른쪽 상단의 'Download to CSV'(CSV 로 다운로드)를 클릭합니다. 참고: 목록에 있는 모든 국가와, 2019년 7월 1일 이전의 날짜에 대해 이를 수행했으며,
    CSV 파일들을 Spotify_Daily_Streaming 이라는 하나의 파일로 결합했습니다. 그 파일은 여기에서 다운로드할 수 있습니다.
Tableau로 가져오기:
  1. 1. Tableau를 엽니다. 연결 패널에서 '텍스트 파일'을 선택하고, 방금 다운로드한 Spotify CSV를 엽니다.
  2. 2. Spotify_Daily_Streaming CSV를 캔버스로 끌어옵니다.
가장 인기 있는 트랙 및 아티스트
먼저 SpotifyTop 200 목록에서 가장 인기 있는 트랙을 분석해 보겠습니다. 일부 노래의 제목이 같을 수 있으므로,
트랙의 고유 카운트를 셀 때 고유 식별자로 Track URL 필드를 사용합니다.
  1. 1. Track URL을 열로 끌어옵니다. 측정값을 카운트(고유)로 변경합니다. 데이터 집합에 50,000개 이상의 트랙이 있음을 바로 확인할 수 있습니다.
  2. 2. Artist 필드를 행으로 끌어옵니다. 데이터 집합에서 트랙이 가장 많은 아티스트를 확인하려면 내림차순으로 정렬합니다.
    그러나 트랙이 가장 많은 아티스트라고 해서 스트리밍이 가장 많은 것은 아닙니다.
    아래 스크린샷에서 이를 확인할 수 있습니다.
  1. 3. 두 변수 사이의 관계를 보여주고 있으므로, 대신 분산형 차트에서 살펴보겠습니다. 이제 DrakeTop 200 목록에 많은 트랙을
    지속적으로 보유하고 있으며, 이 트랙들의 스트리밍 시간이 많다는 것을 알 수 있습니다.
가장 인기 있는 아티스트를 확인했으므로, 이제 가장 인기 있는 노래를 살펴보겠습니다.
  1. 1. 새로운 시트를 만듭니다. SUM(Streams) 을 열에 추가하고 Track URL을 행에 추가합니다.
  2. 2. 내림차순으로 정렬합니다.
  3. 3. Track Name을 행에 Track URL 옆에 추가합니다.
  4. 4. 행에서 알약 모양을 마우스 오른쪽 버튼으로 클릭하고 '머리글 표시'를 선택 취소하여 Track URL 머리글을 숨깁니다.
    Ed Sheeran'Shape of You' 는 40억 회 이상 스트리밍된 것으로 보입니다.
국가별 인기도
국가별로 청취 성향이 어떻게 다른지 보는 것은 항상 흥미롭습니다. Tableau 의 맵을 사용하여 국가별 Streams를 분석해 보겠습니다.
  1. 1. 데이터 패널의 Country 필드를 두 번 클릭합니다. Tableau는 이것이 지리적 필드임을 알고 있으므로 데이터를 맵에 표시합니다.
  2. 2. 채워진 맵을 만들려면 Streams 필드를 색상 위에 놓습니다. 스트리밍이 많을수록 음영이 짙고, 스트리밍이 적을수록 음영이 연하게 표시됩니다.
  3. 3. 오른쪽 하단 모서리에 어떤 알 수 없는 값이 표시될 수도 있습니다. 그러한 오류 알림을 두 번 클릭하면 어디에 데이터 정리가 필요한지 알 수 있습니다.
    베트남에 맞춤법 오류가 있는 것으로 보이는데, 그렇다면 이를 데이터의 필드와 일치시켜 수동으로 수정할 수 있습니다.
    Global 필드도 '인식할 수 없음'으로 나오고 있습니다. 이 필드는 데이터 집합에 있는 모든 국가를 나타냅니다.
  1. 4. 필터를 사용하여 이 Global 필드를 제외하여 데이터가 왜곡되지 않도록 합니다.
시간의 흐름에 따른 스트리밍
마지막으로, 시간의 흐름에 따른 스트리밍을 살펴보겠습니다. 이것을 나중에 대시보드에서 사용하여 각 노래 및 아티스트의 스트리밍 수를
포괄적으로 살펴보겠습니다.
  1. 1. 열에 연속형 주(Date)를 추가하고, 행에 합계(Streams)를 추가합니다.
  2. 2. 이전 섹션의 4단계에서 한 것처럼, Global 데이터를 필터링합니다.
대시보드로 종합하기
이제 이 데이터를 대시보드로 가져와서 모두 어떻게 연관되는지 살펴보겠습니다.
  1. 1. 새 대시보드를 만듭니다.
  2. 2. '가장 인기 있는 아티스트', '가장 인기 있는 트랙', 및 '시간의 흐름에 따른 스트리밍'에 대해 만든 시트들을 맵과 함께 대시보드로 끌어옵니다.
  3. 3. 맵에서 필터로 사용과 막대 차트를 선택합니다.
  4. 4. 마지막으로, 맵을 Spotify 색상으로 사용자 지정합니다. 서식→ 대시보드를 선택하여 색상, 격자선 등의 서식을 지정합니다.
Tableau Public에서 이 샘플 대시보드를 다운로드하여 상호 작용해 보십시오.
이 데이터에는, 계절성과 같은 많은 다양한 이야기가 숨겨져 있습니다. 더 자세한 자습서가 필요하다면, '음악에 대한 사랑을 시각화' 웹 세미나 녹화본을 살펴보십시오.
Twitter에서 #DataPlusMusic 해시태그를 사용하여 이 데이터 집합에서 발견한 자신만의 결과를 공유해 주시기 바랍니다.
Enterprise

부패 가능성을 발견하는 데 데이터 분석을 이용하는 네 가지 방법

Angie Sullivan
Tableau 내부 감사 이사
2019.06.19
Mathias Ward
Tableau 선임 내부 감사
2019.06.19
해외부패방지법(FCPA – Foreign Corrupt Practices Act of 1977) 은, 증권거래법 (Securities Exchange Act)에 따른 회계 투명성 요건을 규정하는 조항과
외국 공무원에 대한 뇌물 공여 행위를 다루는 조항의 두 가지 주요 조항으로 잘 알려진 미국 연방법입니다. FCPA 조항은 미국 외 관할 구역에서
사업 중인 모든 개인 또는 미국 기업에 적용되며, 미국 증권거래위원회(SEC – Securities and Exchange Commission) 와
사법부(DOJ – Department of Justice)에서 공동으로 집행하고 있습니다.
FCPA의 철저한 정밀 조사 및 집행 수준을 고려할 때, FCPA를 위반하는 회사는 불이행으로 인해 상당한 벌금을 부담하고,
조사에 시간을 소요해야 할 수 있으며, 평판 및 브랜드에 손상을 입을 수 있습니다. 따라서, 주요 규정 준수 프로그램 관례를 제정할 때는,
적절한 모니터링, 감사, 그리고 프로그램 유효성에 대한 계속되는 평가를 설립해야 합니다.
모니터링 및 감사 업무(예: 내부 감사, 규정 준수 등)를 담당하는 팀이 데이터 분석을 사용하는 것은, 규정 준수 프로그램의 효과를 개선하는 데 중요합니다.
분석을 사용하여 위험 요소를 식별하고, 이상 현상을 표시하는 플랫폼을 설계하고, 거래에 위험성 등급을 지정하고, 사전 대응적 알림을 보냄으로써,
부패 계획을 조기에 감지하고 예방하는 데 초점을 맞춰 규정 준수 프로그램을 시행할 수 있습니다.

부패 방지 프로그램을 위한 분석 고려 사항

1) 부패 위험 요소를 식별합니다.
위험 평가 절차의 일환으로, 회사는 자사 또는 업계에 해당하는 특정 부패 위험을 평가해야 합니다. 이러한 위험 요소를 식별하고 등급을 지정했으면,
가능한 부패 책략과 시나리오를 생각해 본 후 이러한 부패 계획을 방지하거나 탐지할 수 있는 완화 조치가 있는지 알아봐야 합니다.
이러한 활동의 결과로, 잠재 위험에 따라 구체적인 테스팅이나 추가적인 분석이 수행되어야 하는 영역의 프로그램 목록이 나올 것입니다.
프로그램의 허점을 직시하는 것이야말로 문제를 적극적으로 해결해 나가는 첫 걸음입니다.
2) 부패 위험 가능성을 식별하기 위한 분석을 설계합니다.
위험성이 있는 거래를 식별하고 추가적인 테스팅을 하는 데 데이터 분석을 활용할 수 있습니다. 있을 수 있는 숨겨진 부패 계획을 파악함으로써,
회사는 분석을 설계하여 모집단에 포함된 나머지 거래 대비, 눈에 띄는 추세 또는 이상값에 근거하여 위험도가 높은 거래를 프로파일링할 수 있습니다.
이해를 돕기 위해, 채널 또는 파트너 영업과의 부패 기법에 대한 예로, 어떤 제품을 리셀러에게 초특가 할인을 주어 판매하면,
그 리셀러가 그 판매에서 얻은 큰 수익으로 최종 고객에게 뇌물을 제공하는 경우를 들 수 있습니다. 이 시나리오에서, 파트너 영업 거래에서의
이상 할인 값을 검토함으로써 조사를 필요로 하는 높은 부패 위험을 발견할 수 있습니다. 거래 규모, 지역, 경향이 있는 직원 또는 파트너 할인 패턴 등의
위험 요소가 부패 가능성을 드러낼 수 있습니다.
이러한 다양한 위험 요소를 기반으로, 분석을 사용하여 재빠르게 이상값과 이례적인 할인 패턴을 식별할 수 있습니다. 이상값과 이례적인 패턴을
빠르고 쉽게 볼 수 있는 아래 매출 할인 분산형 차트 대시보드를 참고하십시오. 이러한 방식으로 분석을 설계하는 경우, 회사는 부패 인식 지수
(CPI – Corruption Perception Index) 가 더 낮은 지역, 즉 잠재 부패 및 뇌물수수가 더 일반적인 지리적 관할 구역에 대해 더 집중적으로 검토할 수 있습니다.
영업 할인 분산형 차트 대시보드: Tableau 를 사용함으로써, 영업 데이터를 쉽게 렌더링, 필터링 및 분석할 수 있습니다.
아래 예에서, 거래 할인율은 y 축에, 거래 체결일은 x축에 표시되어 있습니다. 각 원은 각 거래를 표시하는데, 원의 크기는 거래의 규모를 나타냅니다.
이 대시보드에는 다음과 같은 필터가 사용되었는데, 위험 거래를 구분하는 것을 돕도록 각각을 업데이트할 수 있습니다.
  1. ·거래 체결일: 검토 기간은 언제부터 언제인가요?
  2. ·거래 체결월: 어떤 달에 체결된 거래가 다른 달의 거래보다 기본적으로 더 위험할까요?
  3. ·할인율: 어느 할인 수준부터 추가적인 정밀 조사를 해야 할까요?
  4. ·지역 및 구역: 어디에서 위험도가 높은 거래가 체결되었습니까?
  5. ·거래 제안부터 체결까지의 일 수: 큰 규모의 거래가 짧은 시일 내에 제안되고 체결되었다면, 적절한 채널을 통해 검토되고 승인된 것일까요?
3) 거래에 위험 등급을 매기고 테스팅을 수행합니다.
분석을 개발했으면, 이례적이거나 데이터 집합의 예상 패턴 또는 기타 항목과 일치하지 않는 거래를 식별해야 합니다. 이러한 거래에 위험 등급 지정을 고려하고
추가적인 테스팅 절차를 수행하십시오. 위에서 주목했던 영업 거래의 예를 사용해 볼 때, 영업 지원 문서, 영업 담당자 또는 파트너 대표와의 협상 내용을
조사하는 것 등을 추가적인 세부 테스팅에 포함할 수 있습니다.
4) 고위험 거래에 대한 사전 경보를 제공하는 데 분석을 사용합니다.
이러한 정보를 사내 규정 준수 팀과 공유하여 진행 중인 모니터링에 규모에 맞게 분석을 배포할 방법을 결정하십시오. 앞으로 부패를 어떻게 방지할 수 있을까요?
어떻게 영업 주기 초기에 부패를 발견할 수 있을까요?
Tableau를 사용하면, 데이터 기반 알림을 설정할 수 있습니다. 예를 들어, CPI 척도가 낮은 국가에서 파트너 주도의 파이프라인 거래가 체결되고
할인율이 50%를 초과한다면 규정 준수 팀에게 통보되길 원한다고 가정합니다. 이러한 임계값에 알림을 설정하면, 해당 거래를 모니터링하는 팀에게
자동으로 알림을 보내 팀에서 데이터에 근거하여 조치를 취할 수 있게 할 수 있습니다.
데이터 분석은 큰 규모의 부패 방지 프로그램의 강력한 일면입니다. 분석은 부패 가능성을 감지하고 부패 계획을 예방할 수 있으며, 잠재적인 벌금, 조사
그리고 평판에 측정하기 어려운 손상을 입는 것을 모면할 수 있도록 돕습니다. 이러한 네 가지 분석 고려 사항을 귀사의 규정 준수 프로그램에 적용한다면
부패 방지 노력을 효과적이고 강력한 방식으로 향상하여, 실시간으로 거래를 모니터링하고 감사할 수 있습니다.
위험 요인을 노출하고 부패 방지 및 예방을 개선하는 사전 대책을 세우는 방법에 대해서는 Tableau 감사, 위험 및 규정 준수 분석 솔루션 페이지를 살펴보십시오.
Communication

Data + Music 프로젝트는 우리가 좋아하는 음악의
비하인드 스토리를 들려줍니다.

Andrew Grinaker
Tableau 글로벌 통합 마케팅 수석 관리자
2019.06.13
음악은 우리에게 없어서는 안되는 삶의 일부입니다. 우리의 문화와 정체성을 형성하니까요. 벽에 붙은 모든 포스터, 로드 트립 재생목록,
콘서트 세트 리스트에는 추억이 담겨있습니다.
그런데, 데이터를 통해 더 자세한 이야기를 알아갈 수 있다면 어떨까요?
Tableau의 멋진 커뮤니티에서 제작된 비주얼리제이션 모음, TableauData + Music을 소개하게 되어 매우 기쁩니다.
이 프로젝트는 귀하가 가장 좋아하는 밴드, 음악, 장르, 투어, 음악 마을 뒤에 숨겨진 데이터를 펼쳐줍니다. 우리의 마음을 치유하고,
목소리를 찾아주며 세대를 정의하는 음악에 얽힌 이야기입니다.
Ken Flerlage는 플리트우드 맥의 50년을 파헤쳐 그들만의 클래식한 스타일을 완성한 멤버와 앨범을 분석하고,
Pooja Gandhi는 히트곡의 성공 요인을 찾기 위해 Spotify 최고 음원을 분석했습니다. 그 시간, Jay Yeo는 최고의 K-Pop 소속사를 살피며
K-Pop 장르를 독점하는 데 필요한 것이 무엇인지 알아보았습니다. 그저 여러 음악에 얽힌 이야기들 중 몇 가지 예일 뿐이죠.
데이터를 파헤쳐 멜로디 사이사이에 숨겨진 미스터리와 마법을 더 찾아보세요.
음악과 데이터에 대한 열정이 있나요?
  1. ·인터렉티브 웹 경험 및 커뮤니티 시각적 갤러리를 탐색하세요.
  2. ·웹 세미나에 조인하여 영감을 주는 음악을 시각화하는 방법을 학습하세요.
  3. ·Tableau Public에서의 귀하의 비주얼리제이션을 등록하고 이를 커뮤니티 시각적 갤러리에 전시할 수 있는 기회를 획득하세요.