{"id":55144,"date":"2020-01-13T00:00:00","date_gmt":"2020-01-12T21:00:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/blog_prohoster\/tableau-v-roznitse-realno"},"modified":"2020-02-18T14:03:13","modified_gmt":"2020-02-18T11:03:13","slug":"tableau-v-roznitse-realno","status":"publish","type":"post","link":"https:\/\/prohoster.info\/de\/blog\/novosti-interneta\/tableau-v-roznitse-realno","title":{"rendered":"Tableau im Einzelhandel, wirklich?","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"<p><b>Die Zeit f\u00fcr Reporting in Excel schwindet schnell \u2013 der Trend hin zu benutzerfreundlichen Tools zur Darstellung und Analyse von Informationen ist in allen Bereichen sichtbar. Wir haben schon lange \u00fcber die Digitalisierung von Reporting gesprochen und uns f\u00fcr das Visualisierungs- und Self-Service-Analyse-System Tableau entschieden. Alexander Bezugly, Leiter der Abteilung f\u00fcr Analysel\u00f6sungen und Reporting der Gruppe \u201eM.Video-Eldorado\u201c, hat \u00fcber die Erfahrungen und Ergebnisse beim Aufbau eines funktionalen Dashboards berichtet.<\/b><\/p>\n<p>Ich sage es gleich, nicht alles, was geplant war, konnte umgesetzt werden, aber die Erfahrung war interessant, und ich hoffe, sie wird auch f\u00fcr Sie n\u00fctzlich sein. Und falls jemand Ideen hat, wie man es besser machen k\u00f6nnte, w\u00e4re ich f\u00fcr Ratschl\u00e4ge und Ideen sehr dankbar.<\/p>\n<p><img decoding=\"async\" alt=\"Tableau im Einzelhandel, wirklich?\" src=\"\/wp-content\/uploads\/2020\/01\/81c41899e9b3acf1858a4faa627c121b.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nIm Folgenden erfahren Sie, womit wir konfrontiert waren und was wir gelernt haben.<br \/>\n<noindex><a rel=\"nofollow\" name=\"habracut\"><\/a><\/noindex><\/p>\n<h4>Wie wir angefangen haben<\/h4>\n<p>\nBei \u201eM.Video-Eldorado\u201c gibt es ein gut durchdachtes Datenmodell: strukturierte Informationen mit der erforderlichen Speichertiefe und eine gro\u00dfe Anzahl von Berichten in fester Form (siehe n\u00e4her <noindex><a rel=\"nofollow\" href=\"https:\/\/habr.com\/ru\/company\/mvideo\/blog\/462015\/\">diesen Artikel<\/a><\/noindex>). Daraus erstellen die Analysten entweder Pivot-Tabellen oder formatierte Excel-Reports oder ansprechende Pr\u00e4sentationen in PowerPoint f\u00fcr die Endanwender.<\/p>\n<p>Vor etwa zwei Jahren haben wir anstelle fester Berichte begonnen, analytische Berichte in SAP Analysis zu erstellen (eine Excel-Erweiterung, die im Grunde eine Pivot-Tabelle \u00fcber einer OLAP-Engine ist). Dieses Tool konnte jedoch die Bed\u00fcrfnisse aller Nutzer nicht abdecken, sodass die meisten weiterhin Informationen verwendeten, die von Analysten zus\u00e4tzlich bearbeitet wurden.<\/p>\n<p>Unsere Endnutzer lassen sich in drei Kategorien unterteilen:<\/p>\n<p><b>Top-Management<\/b>. Fordert Informationen in einer gut aufbereiteten und anschaulich verst\u00e4ndlichen Form an.<\/p>\n<p><b>Middle-Management<\/b>, fortgeschrittene Nutzer. Interessieren sich f\u00fcr Datenanalysen und sind in der Lage, eigenst\u00e4ndig Berichte zu erstellen, wenn die entsprechenden Tools vorhanden sind. Genau sie wurden zu den Hauptnutzern der analytischen Berichte in SAP Analysis.<\/p>\n<p><b>Massenbenutzer<\/b>. Haben kein Interesse an der eigenst\u00e4ndigen Datenanalyse, verwenden Berichte mit eingeschr\u00e4nkter Freiheit, in Form von Newsletter und Pivot-Tabellen in Excel.<\/p>\n<p>Unsere Idee war es, die Bed\u00fcrfnisse aller Benutzer zu erf\u00fcllen und ihnen ein einheitliches, benutzerfreundliches Werkzeug zu bieten. Wir haben uns entschieden, mit dem Top-Management zu beginnen. Sie ben\u00f6tigten bequeme Dashboards zur Analyse der wichtigsten Gesch\u00e4ftsergebnisse. So starteten wir mit Tableau und w\u00e4hlten zun\u00e4chst zwei Bereiche: die Verkaufszahlen im Einzelhandel und online mit einer begrenzten Tiefe und Breite der Analyse, die etwa 80 % der vom Top-Management angeforderten Daten abdecken sollten.<\/p>\n<p>Da die Benutzer der Dashboards das Top-Management waren, stellte sich ein weiterer zus\u00e4tzlicher KPI des Produkts heraus \u2013 die Antwortgeschwindigkeit. Niemand wird 20-30 Sekunden warten, bis die Daten aktualisiert sind. Die Navigation sollte in 4-5 Sekunden erfolgen, besser w\u00e4re sofortiges Feedback. Leider ist uns das nicht gelungen.<\/p>\n<p>So sah das Layout unseres Hauptdashboards aus:<\/p>\n<p><img decoding=\"async\" alt=\"Tableau im Einzelhandel, wirklich?\" src=\"\/wp-content\/uploads\/2020\/01\/a7a028feee6542dfbc1fd3c2feeaa3de.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nDie Schl\u00fcsselidee war es, die wichtigsten KPI-Treiber, insgesamt 19, auf der linken Seite zu b\u00fcndeln und ihre Dynamik sowie die Aufschl\u00fcsselung nach den Hauptattributen rechts darzustellen. Die Aufgabe scheint unkompliziert, die Visualisierung logisch und nachvollziehbar, bis man in die Details eintaucht.<\/p>\n<h2>Detail 1. Datenvolumen<\/h2>\n<p>\nDie Hauptverkaufstabelle umfasst bei uns etwa 300 Millionen Zeilen. Da wir die Dynamik im Vergleich zum Vorjahr und vorvorjahr abbilden m\u00fcssen, betr\u00e4gt das Datenvolumen allein f\u00fcr die tats\u00e4chlichen Verk\u00e4ufe etwa 1 Milliarde Zeilen. Zudem speichern wir separat Informationen zu den geplanten Daten und einen Block f\u00fcr den Internetverkauf. Daher, selbst wenn wir die spaltenbasierte In-Memory-Datenbank SAP HANA verwenden, betrug die Bearbeitungsgeschwindigkeit einer Abfrage, die alle Kennzahlen f\u00fcr eine Woche aus den aktuellen Speichern in Echtzeit abruft, etwa 15-20 Sekunden. Die L\u00f6sung dieses Problems dr\u00e4ngt sich geradezu auf \u2013 die zus\u00e4tzliche Materialisierung der Daten. Doch auch hier gibt es einige Fallstricke, die wir gleich er\u00f6rtern werden.<\/p>\n<h2>Detail 2. Nicht addierbare Kennzahlen<\/h2>\n<p>\nViele unserer KPIs basieren auf der Anzahl der Belege. Diese Kennzahl stellt eine DISTINCT COUNT der Anzahl der Zeilen (Beleg\u00fcberschriften) dar und zeigt unterschiedliche Summen, je nach gew\u00e4hlten Attributen. Zum Beispiel, wie diese Kennzahl und die davon abgeleiteten Werte berechnet werden sollten:<\/p>\n<p><img decoding=\"async\" alt=\"Tableau im Einzelhandel, wirklich?\" src=\"\/wp-content\/uploads\/2020\/01\/0a6d676f0a5c2b779a5e7892b1f54929.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nF\u00fcr die Richtigkeit der Berechnungen kann man:<\/p>\n<ul>\n<li>Solche Kennzahlen in Echtzeit im Speicher berechnen;\n<\/li>\n<li>Die Berechnung muss f\u00fcr das gesamte Datenvolumen in Tableau durchgef\u00fchrt werden, d.h. auf Anfrage sollte Tableau alle Daten anhand der ausgew\u00e4hlten Filter mit der Granularit\u00e4t der Belegpositionen bereitstellen.\n<\/li>\n<li>Eine materialisierte Ansicht erstellen, in der alle Kennzahlen f\u00fcr alle Abtropfvarianten berechnet werden, die unterschiedliche, nicht-additive Ergebnisse liefern.\n<\/li>\n<\/ul>\n<p>\nEs ist klar, dass in den Beispielen UTE1 und UTE2 die Attribute des Materials die Warenhierarchie repr\u00e4sentieren. Dies ist keine statische Angelegenheit, dar\u00fcber wird innerhalb des Unternehmens gesteuert, da verschiedene Manager f\u00fcr unterschiedliche Warengruppen verantwortlich sind. Wir haben viele globale \u00dcberarbeitungen dieser Hierarchie gehabt, bei denen alle Ebenen ge\u00e4ndert wurden, die Wechselwirkungen neu bewertet wurden, ebenso wie st\u00e4ndige punktuelle \u00c4nderungen, bei denen eine Gruppe von einem Knoten zu einem anderen wechselt. In der regul\u00e4ren Berichterstattung wird all dies in Echtzeit aus den Attributen des Materials berechnet. Im Falle der Materialisierung dieser Daten ist es notwendig, einen Mechanismus zur \u00dcberwachung solcher \u00c4nderungen und zur automatischen Aktualisierung historischer Daten zu entwickeln. Das ist eine durchaus anspruchsvolle Aufgabe.<\/p>\n<h2>Detail 3. Vergleich der Daten <\/h2>\n<p>\nDieser Punkt \u00e4hnelt dem vorherigen. Bei der Analyse in Unternehmen wird in der Regel erwartet, dass mehrere Vergleichsebenen im Verh\u00e4ltnis zum vorherigen Zeitraum gebildet werden:<\/p>\n<p><i>Vergleich zum vorherigen Zeitraum (Tag f\u00fcr Tag, Woche f\u00fcr Woche, Monat f\u00fcr Monat)<\/i><\/p>\n<p>In diesem Vergleich gehen wir davon aus, dass wir je nach dem vom Benutzer gew\u00e4hlten Zeitraum (zum Beispiel die 33. Woche des Jahres) die Dynamik zur 32. Woche darstellen m\u00fcssen. Wenn wir die Daten f\u00fcr den Monat Mai ausw\u00e4hlen, w\u00fcrde dieser Vergleich die Dynamik im Vergleich zu April zeigen.<\/p>\n<p><i>Vergleich zum Vorjahr<\/i><\/p>\n<p>Der entscheidende Punkt ist, dass Sie beim Vergleich von Tagen und Wochen nicht einfach den gleichen Tag wie im Vorjahr nehmen k\u00f6nnen, also den aktuellen Jahr minus eins. Sie m\u00fcssen den Vergleichstag der Woche beachten. Beim Vergleich von Monaten hingegen sollten Sie genau denselben Kalendertag des Vorjahres heranziehen. Zudem gibt es Besonderheiten bei Schaltjahren. In den urspr\u00fcnglichen Speicherorten sind alle Informationen nach Tagen verteilt, es gibt keine separaten Felder f\u00fcr Wochen, Monate oder Jahre. Daher m\u00fcssen Sie, um eine umfassende analytische Auswertung im Dashboard zu erhalten, nicht nur einen Zeitraum, beispielsweise eine Woche, betrachten, sondern vier Wochen und diese Daten anschlie\u00dfend noch vergleichen, um die Dynamik und Abweichungen zu reflektieren. Diese Logik zur Erstellung von Vergleichen \u00fcber Zeitr\u00e4ume kann entweder in Tableau oder auf der Seite der Pr\u00e4sentation umgesetzt werden. Ja, und wir waren uns dieser Details nat\u00fcrlich bewusst und haben bereits in der Planungsphase dar\u00fcber nachgedacht, aber ihre Auswirkungen auf die Leistung des endg\u00fcltigen Dashboards waren schwer vorhersehbar.<\/p>\n<p>Bei der Implementierung des Dashboards gingen wir einen langen agilen Weg. Unser Ziel war es, so schnell wie m\u00f6glich ein funktionierendes Werkzeug mit den ben\u00f6tigten Daten zum Testen bereitzustellen. Daher arbeiteten wir in Sprints und konzentrierten uns auf die Minimierung der Arbeiten auf der Seite des aktuellen Speichers.<\/p>\n<h2>Teil 1. Vertrauen in Tableau<\/h2>\n<p>\nUm die IT-Unterst\u00fctzung zu erleichtern und \u00c4nderungen schnell umzusetzen, entschieden wir uns, die Logik zur Berechnung nicht-additiver Kennzahlen und den Vergleich fr\u00fcherer Zeitr\u00e4ume in Tableau zu implementieren.<\/p>\n<h3>Schritt 1. Alles live, keine Anpassungen der Dashboards.<\/h3>\n<p>\nIn diesem Schritt verbanden wir Tableau mit den aktuellen Dashboards und wollten herausfinden, wie die Anzahl der Belege f\u00fcr ein Jahr berechnet werden w\u00fcrde.<\/p>\n<p><b>Das Ergebnis:<\/b><\/p>\n<p>Die Antwort war ern\u00fcchternd \u2013 20 Minuten. Daten\u00fcbertragungen \u00fcber das Netzwerk, hohe Belastung f\u00fcr Tableau. Wir erkannten, dass die Logik f\u00fcr nicht-additive Kennzahlen in HANA umgesetzt werden musste. Das machte uns nicht allzu viel Angst, da wir bereits \u00e4hnliche Erfahrungen mit BO und Analysis gemacht hatten und wussten, wie man schnelle Dashboards in HANA erstellt, die richtig berechnete nicht-additive Kennzahlen liefern. Jetzt blieb nur noch, sie an Tableau anzupassen.<\/p>\n<h3>Schritt 2. Wir optimieren die Dashboards, keine Materialisierung, alles in Echtzeit.<\/h3>\n<p>\nWir haben ein neues, separates Dashboard erstellt, das die erforderlichen Daten f\u00fcr TABLEAU in Echtzeit bereitstellt. Insgesamt haben wir ein gutes Ergebnis erzielt: Die Zeit zur Erstellung aller Kennzahlen reduzierte sich auf 9-10 Sekunden innerhalb einer Woche. Wir hatten ehrlich gesagt erwartet, dass die Ladezeit des Dashboards in Tableau beim ersten \u00d6ffnen 20-30 Sekunden betragen w\u00fcrde und danach aufgrund von Caching auf 10 bis 12 Sekunden sinken w\u00fcrde, was uns grunds\u00e4tzlich zufrieden gestellt h\u00e4tte.<\/p>\n<p><b>Das Ergebnis:<\/b><\/p>\n<p>Erste \u00d6ffnung des Dashboards: 4-5 Minuten<br \/>\nJeder Klick: 3-4 Minuten<br \/>\nEine solche zus\u00e4tzliche Arbeitsbelastung f\u00fcr das Dashboard hatte niemand erwartet.<\/p>\n<h2>Teil 2. Einf\u00fchrung in Tableau<\/h2>\n<p><\/p>\n<h3>Phase 1. Leistungsanalyse von Tableau und schnelles Tuning<\/h3>\n<p>\nWir begannen mit der Analyse, wo Tableau die meiste Zeit verbringt. Daf\u00fcr gibt es ein recht gutes Werkzeug, was nat\u00fcrlich ein Vorteil von Tableau ist. Das Hauptproblem, das wir identifizierten, waren die sehr komplexen SQL-Abfragen, die Tableau generiert hat. Diese h\u00e4ngt haupts\u00e4chlich mit Folgendem zusammen:<\/p>\n<p> \u2014 der Transponierung von Daten. Da Tableau keine Werkzeuge zur Transponierung von Datens\u00e4tzen hat, mussten wir zur Erstellung des linken Teils des Dashboards mit einer detaillierten Darstellung aller KPIs eine Tabelle \u00fcber einen Case generieren. Die Gr\u00f6\u00dfe der SQL-Abfragen in der Datenbank erreichte 120.000 Zeichen.<\/p>\n<p><img decoding=\"async\" alt=\"Tableau im Einzelhandel, wirklich?\" src=\"\/wp-content\/uploads\/2020\/01\/8fc4d99017ddd604bbabb5ea0a19b38d.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\n \u2014 die Auswahl des Zeitraums. Eine solche Abfrage auf Datenbankebene ben\u00f6tigte mehr Zeit f\u00fcr die Kompilierung als f\u00fcr die Ausf\u00fchrung:<\/p>\n<p><img decoding=\"async\" alt=\"Tableau im Einzelhandel, wirklich?\" src=\"\/wp-content\/uploads\/2020\/01\/a9b9cc6ddd6b03c643935d070532728e.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nDas hei\u00dft, die Verarbeitung der Anfrage dauerte 12 Sekunden + 5 Sekunden f\u00fcr die Ausf\u00fchrung.<\/p>\n<p>Wir haben uns entschieden, die Logik der Berechnungen auf der Tableau-Seite zu vereinfachen und einen weiteren Teil der Berechnungen auf die Datenbank- und Frontend-Ebene zu verlagern. Das hat gute Ergebnisse gebracht.<\/p>\n<p>Zun\u00e4chst haben wir die Transponierung zur Laufzeit durchgef\u00fchrt, indem wir einen vollst\u00e4ndigen Outer Join in der finalen Berechnung der VIEW verwendet haben, gem\u00e4\u00df dem in der Wiki beschriebenen Ansatz. <noindex><a rel=\"nofollow\" href=\"http:\/\/en.wikipedia.org\/wiki\/Transpose\">Transponieren \u2014 Wikipedia, die kostenlose Enzyklop\u00e4die<\/a><\/noindex> und <noindex><a rel=\"nofollow\" href=\"http:\/\/en.wikipedia.org\/wiki\/Elementary_matrix#Row-addition_transformations\">Elementarmatrix \u2014 Wikipedia, die kostenlose Enzyklop\u00e4die<\/a><\/noindex>.<\/p>\n<p><img decoding=\"async\" alt=\"Tableau im Einzelhandel, wirklich?\" src=\"\/wp-content\/uploads\/2020\/01\/5259995831dc8ae379a34bfe84e52daa.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nDas hei\u00dft, wir haben eine Einstellungs-Tabelle \u2013 eine Transponierungsmatrix (21x21) erstellt und alle Kennzahlen in Zeilenaufteilung erhalten.<\/p>\n<p>War:<br \/>\n<img decoding=\"async\" alt=\"Tableau im Einzelhandel, wirklich?\" src=\"\/wp-content\/uploads\/2020\/01\/9382ee65a1482cc137a52b5f80c39eeb.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nIst geworden:<br \/>\n<img decoding=\"async\" alt=\"Tableau im Einzelhandel, wirklich?\" src=\"\/wp-content\/uploads\/2020\/01\/1d6653ec427ce0621b441943f589d860.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nDie Datenbanktransposition dauert kaum Zeit. Die Abfrage f\u00fcr alle Datenpunkte der Woche wurde nach wie vor in etwa 10 Sekunden bearbeitet. Allerdings wurde die Flexibilit\u00e4t beim Erstellen des Dashboards f\u00fcr einen bestimmten Indikator eingeschr\u00e4nkt; das hei\u00dft, die rechte Seite des Dashboards, auf der die Dynamik und die detaillierte Aufschl\u00fcsselung eines spezifischen Indikators dargestellt sind, ben\u00f6tigte fr\u00fcher 1-3 Sekunden, da die Abfrage nur f\u00fcr einen Indikator lief. Jetzt zieht die Datenbank jedoch immer alle Indikatoren ab und filtert das Ergebnis, bevor es an Tableau zur\u00fcckgegeben wird.<\/p>\n<p>Daher hat sich die Geschwindigkeit des Dashboards fast um das Dreifache verringert.<\/p>\n<p><b>Das Ergebnis:<\/b><\/p>\n<ol>\n<li>5 Sek. \u2013 Parsen des Dashboards und der Visualisierungen<\/li>\n<li> 15-20 Sek. \u2013 Vorbereitung zur Kompilation der Abfragen mit Durchf\u00fchrung der Vorausberechnungen in Tableau<\/li>\n<li> 35-45 Sek. \u2013 Kompilation der SQL-Abfragen und ihre parallele-sequenzielle Ausf\u00fchrung in Hana<\/li>\n<li> 5 Sek. \u2013 Verarbeitung der Ergebnisse, Sortierung, Neuberechnung der Visualisierungen in Tableau<\/li>\n<li>Nat\u00fcrlich waren solche Ergebnisse f\u00fcr das Gesch\u00e4ft nicht akzeptabel, und wir setzten die Optimierung fort.<\/li>\n<\/ol>\n<p><\/p>\n<h3>Phase 2. Minimal logische Verarbeitung in Tableau, vollst\u00e4ndige Materialisierung<\/h3>\n<p>\nWir haben verstanden, dass es unm\u00f6glich ist, ein Dashboard mit einer Reaktionszeit von wenigen Sekunden auf einer Schnittstelle, die nur zehn Sekunden aktiv ist, zu erstellen. Daher haben wir dar\u00fcber nachgedacht, Daten f\u00fcr das erforderliche Dashboard direkt in der Datenbank zu materialisieren. Dabei sind wir jedoch auf ein grundlegend neues Problem gesto\u00dfen \u2013 nicht additive Kennzahlen. Es gelang uns nicht, Tableau so zu konfigurieren, dass es beim \u00c4ndern von Filtern oder Ansichten flexibel zwischen verschiedenen Schnittstellen und Ebenen wechselt, die f\u00fcr unterschiedliche Produkt hierarchien vordefiniert sind (im Beispiel erzeugen drei Abfragen ohne UTE, mit UTE1 und UTE2 unterschiedliche Ergebnisse). Daher haben wir beschlossen, das Dashboard zu vereinfachen, die Produkthierarchie aufzugeben und zu sehen, wie schnell die vereinfachte Version sein kann.<\/p>\n<p>In diesem letzten Schritt haben wir ein separates Repository erstellt, in dem wir alle KPIs in transponierter Form zusammengefasst haben. Jeder Zugriff auf dieses Repository in der Datenbank dauert zwischen 0,1 und 0,3 Sekunden. Im Dashboard erzielten wir die folgenden Ergebnisse:<\/p>\n<p>Erste \u00d6ffnung: 8-10 Sekunden<br \/>\nJeder Klick: 6-7 Sekunden<\/p>\n<p>Die Zeit, die Tableau ben\u00f6tigt, setzt sich zusammen aus:<\/p>\n<ol>\n<li>0,3 Sek. \u2013 Parsing des Dashboards und Kompilierung von SQL-Abfragen\n<\/li>\n<li>1,5-3 Sekunden \u2013 Ausf\u00fchrung von SQL-Abfragen in Hana f\u00fcr die Hauptvisualisierungen (parallel zu Punkt 1 gestartet)\n<\/li>\n<li>1,5-2 Sekunden \u2013 Rendering, Aktualisierung der Visualisierungen\n<\/li>\n<li>1,3 Sekunden \u2013 Ausf\u00fchrung zus\u00e4tzlicher SQL-Abfragen zur Erfassung relevanter Filterwerte (Marke, Division, Stadt, Gesch\u00e4ft), Parsing der Ergebnisse\n<\/li>\n<\/ol>\n<p><\/p>\n<h3>Zusammenfassend gesagt<\/h3>\n<p>\nWir fanden das Tableau-Tool hinsichtlich der Visualisierung ansprechend. In der Entwurfsphase haben wir verschiedene Visualisierungselemente betrachtet und alle in den Bibliotheken gefunden, einschlie\u00dflich komplexer mehrstufiger Segmentierungen und Multi-Driver-Waterfall-Diagramme.<\/p>\n<p>Bei der Implementierung von Dashboards mit den wichtigsten Verkaufskennzahlen sind wir auf Leistungsprobleme gesto\u00dfen, die wir bislang nicht \u00fcberwinden konnten. Wir haben mehr als zwei Monate investiert und ein funktional unvollst\u00e4ndiges Dashboard erhalten, dessen Reaktionsgeschwindigkeit an der Grenze des Akzeptablen liegt. Unsere Erkenntnisse sind:<\/p>\n<ol>\n<li>Tableau \u043d\u0435 \u0443\u043c\u0435\u0435\u0442 \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c \u0441 \u0431\u043e\u043b\u044c\u0448\u0438\u043c\u0438 \u043e\u0431\u044a\u0451\u043c\u0430\u043c\u0438 \u0434\u0430\u043d\u043d\u044b\u0445. \u0415\u0441\u043b\u0438 \u0432 \u0438\u0441\u0445\u043e\u0434\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438 \u0434\u0430\u043d\u043d\u044b\u0445 \u0443 \u0432\u0430\u0441 \u0431\u043e\u043b\u0435\u0435 10 \u0413\u0431 \u0434\u0430\u043d\u043d\u044b\u0445 (\u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e 200 \u043c\u043b\u043d. \u0425 50 \u0441\u0442\u0440\u043e\u043a), \u0442\u043e \u0434\u0430\u0448\u0431\u043e\u0440\u0434 \u0441\u0435\u0440\u044c\u0451\u0437\u043d\u043e \u0437\u0430\u043c\u0435\u0434\u043b\u044f\u0435\u0442\u0441\u044f \u2013 \u043e\u0442 10 \u0441\u0435\u043a\u0443\u043d\u0434 \u0434\u043e \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u0438\u0445 \u043c\u0438\u043d\u0443\u0442 \u043d\u0430 \u043a\u0430\u0436\u0434\u044b\u0439 \u043a\u043b\u0438\u043a. \u041c\u044b \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u0438\u0440\u043e\u0432\u0430\u043b\u0438 \u0438 \u043f\u0440\u0438 live-connect&#8217;\u0435 \u0438 \u043f\u0440\u0438 \u044d\u043a\u0441\u0442\u0440\u0430\u043a\u0442\u0435. \u0421\u043a\u043e\u0440\u043e\u0441\u0442\u044c \u0440\u0430\u0431\u043e\u0442\u044b \u0441\u043e\u043f\u043e\u0441\u0442\u0430\u0432\u0438\u043c\u0430\u044f.\n<\/li>\n<li>Es gibt Einschr\u00e4nkungen bei der Verwendung mehrerer Datenspeicher (Datasets). Es ist nicht m\u00f6glich, die Beziehungen zwischen Datasets mit den standardm\u00e4\u00dfigen Mitteln anzugeben. Wenn alternative L\u00f6sungen zur Verbindung von Datasets verwendet werden, hat dies erhebliche Auswirkungen auf die Leistung. In unserem Fall haben wir in Betracht gezogen, die Daten in jeder ben\u00f6tigten Darstellung zu materialisieren und dann zwischen diesen materialisierten Datasets zu wechseln, w\u00e4hrend die zuvor gew\u00e4hlten Filter beibehalten werden \u2013 dies war in Tableau nicht m\u00f6glich.\n<\/li>\n<li>In Tableau sind dynamische Parameter nicht m\u00f6glich. Sie k\u00f6nnen einen Parameter, der zur Filterung eines Datasets in der Extraktion oder bei Live-Verbindungen verwendet wird, nicht mit dem Ergebnis einer anderen Auswahl aus dem Dataset oder dem Ergebnis einer anderen SQL-Abfrage f\u00fcllen, nur durch Benutzereingaben oder Konstanten.\n<\/li>\n<li>Einschr\u00e4nkungen beim Aufbau von Dashboards mit OLAP-Elementen|Pivot-Tabellen. <br \/>\nIn MSTR, SAP SAC, SAP Analysis sind alle Objekte standardm\u00e4\u00dfig miteinander verbunden, wenn Sie einen Datensatz zu einem Bericht hinzuf\u00fcgen. In Tableau gibt es diese Verbindung nicht, sie muss manuell eingerichtet werden. Das ist wahrscheinlich flexibler, aber f\u00fcr alle unsere Dashboards ist das eine zwingende Anforderung f\u00fcr die Elemente \u2013 daher verursacht es zus\u00e4tzliche Arbeitsaufw\u00e4nde. Dar\u00fcber hinaus, wenn Sie verbundene Filter erstellen, um beispielsweise die Liste der St\u00e4dte nur auf die St\u00e4dte dieser Region zu beschr\u00e4nken, werden sofort sequenzielle Abfragen an die Datenbank oder den Extrakt gestellt, was das Dashboard deutlich verlangsamt.<\/li>\n<li>Einschr\u00e4nkungen bei den Funktionen. Sowohl bei der Extraktion als auch bei dem Dataset aus Live-Connect k\u00f6nnen keine massenhaften Transformationen durchgef\u00fchrt werden. Dies ist \u00fcber Tableau Prep m\u00f6glich, aber es erfordert zus\u00e4tzlichen Arbeitsaufwand und einen weiteren zu erlernenden und zu wartenden Tool. Zum Beispiel k\u00f6nnen Sie die Daten nicht transponieren oder sie mit sich selbst verkn\u00fcpfen. Es ist nur m\u00f6glich, Transformationen \u00fcber einzelne Spalten oder Felder durchzuf\u00fchren, die \u00fcber CASE oder IF ausgew\u00e4hlt werden m\u00fcssen. Das f\u00fchrt zu sehr komplexen SQL-Abfragen, bei denen die Datenbank die meiste Zeit mit der Kompilierung der Abfragetexte besch\u00e4ftigt ist. Diese Einschr\u00e4nkungen des Tools mussten auf der Ebene der Pr\u00e4sentation gel\u00f6st werden, was zu einer Verkomplizierung des Speichers, zus\u00e4tzlichen Ladezeiten und Transformationen f\u00fchrt.\n<\/li>\n<\/ol>\n<p>\nWir haben Tableau nicht aufgegeben. Allerdings betrachten wir es nicht als ein Tool, das in der Lage ist, industrielle Dashboards zu erstellen oder als Mittel, mit dem die gesamte Unternehmensberichtssystematik digitalisiert werden kann.<\/p>\n<p>Aktuell entwickeln wir ein \u00e4hnliches Dashboard mit einem anderen Tool und pr\u00fcfen parallel die Architektur des Dashboards in Tableau, um es weiter zu vereinfachen. Wenn die Community interessiert ist, werden wir gerne \u00fcber die Ergebnisse berichten.<\/p>\n<p>Wir freuen uns auch auf Ihre Ideen oder Vorschl\u00e4ge, wie man in Tableau schnelle Dashboards \u00fcber solche gro\u00dfen Datenmengen erstellen kann. Denn unsere Webseite hat erheblich mehr Daten als im Einzelhandel.<br \/>\n<br \/>Quelle: <a content=\"nofollow\" rel=\"nofollow\" href=\"https:\/\/habr.com\/ru\/company\/mvideo\/blog\/483656\/\">habr.com<\/a><\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"<p>\u0412\u0440\u0435\u043c\u044f \u043e\u0442\u0447\u0451\u0442\u043d\u043e\u0441\u0442\u0438 \u0432 Excel \u0441\u0442\u0440\u0435\u043c\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0443\u0445\u043e\u0434\u0438\u0442 \u2014 \u0442\u0440\u0435\u043d\u0434 \u043d\u0430 \u0443\u0434\u043e\u0431\u043d\u044b\u0435 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u044b \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0438 \u0430\u043d\u0430\u043b\u0438\u0437\u0430 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438 \u0432\u0438\u0434\u0435\u043d \u0432\u043e \u0432\u0441\u0435\u0445 \u0441\u0444\u0435\u0440\u0430\u0445. \u041c\u044b \u0434\u0430\u0432\u043d\u043e \u043e\u0431\u0441\u0443\u0436\u0434\u0430\u043b\u0438 \u0432\u043d\u0443\u0442\u0440\u0438 \u0446\u0438\u0444\u0440\u043e\u0432\u0438\u0437\u0430\u0446\u0438\u044e \u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u044f \u043e\u0442\u0447\u0451\u0442\u043d\u043e\u0441\u0442\u0438 \u0438 \u0432\u044b\u0431\u0440\u0430\u043b\u0438 \u0441\u0438\u0441\u0442\u0435\u043c\u0443 \u0432\u0438\u0437\u0443\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u0438 self-service \u0430\u043d\u0430\u043b\u0438\u0442\u0438\u043a\u0438 Tableau. \u0410\u043b\u0435\u043a\u0441\u0430\u043d\u0434\u0440 \u0411\u0435\u0437\u0443\u0433\u043b\u044b\u0439, \u0440\u0443\u043a\u043e\u0432\u043e\u0434\u0438\u0442\u0435\u043b\u044c \u043e\u0442\u0434\u0435\u043b\u0430 \u0430\u043d\u0430\u043b\u0438\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0445 \u0440\u0435\u0448\u0435\u043d\u0438\u0439 \u0438 \u043e\u0442\u0447\u0451\u0442\u043d\u043e\u0441\u0442\u0438 \u0413\u0440\u0443\u043f\u043f\u044b \u00ab\u041c.\u0412\u0438\u0434\u0435\u043e-\u042d\u043b\u044c\u0434\u043e\u0440\u0430\u0434\u043e\u00bb, \u0440\u0430\u0441\u0441\u043a\u0430\u0437\u0430\u043b \u043e\u0431 \u043e\u043f\u044b\u0442\u0435 \u0438 \u0438\u0442\u043e\u0433\u0430\u0445 \u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u044f \u0431\u043e\u0435\u0432\u043e\u0433\u043e \u0434\u0430\u0448\u0431\u043e\u0440\u0434\u0430. \u0421\u043a\u0430\u0436\u0443 \u0441\u0440\u0430\u0437\u0443, \u043d\u0435 [&hellip;]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[702],"tags":[],"class_list":["post-55144","post","type-post","status-publish","format-standard","hentry","category-novosti-interneta"],"aioseo_notices":[],"aioseo_head":"\n\t\t<!-- All in One SEO 4.9.10 - aioseo.com -->\n\t<meta name=\"description\" content=\"\u0412\u0440\u0435\u043c\u044f \u043e\u0442\u0447\u0451\u0442\u043d\u043e\u0441\u0442\u0438 \u0432 Excel \u0441\u0442\u0440\u0435\u043c\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0443\u0445\u043e\u0434\u0438\u0442 \u2014 \u0442\u0440\u0435\u043d\u0434 \u043d\u0430 \u0443\u0434\u043e\u0431\u043d\u044b\u0435 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u044b \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0438 \u0430\u043d\u0430\u043b\u0438\u0437\u0430 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438 \u0432\u0438\u0434\u0435\u043d \u0432\u043e \u0432\u0441\u0435\u0445 \u0441\u0444\u0435\u0440\u0430\u0445. \u041c\u044b \u0434\u0430\u0432\u043d\u043e \u043e\u0431\u0441\u0443\u0436\u0434\u0430\u043b\u0438 \u0432\u043d\u0443\u0442\u0440\u0438 \u0446\u0438\u0444\u0440\u043e\u0432\u0438\u0437\u0430\u0446\u0438\u044e \u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u044f \u043e\u0442\u0447\u0451\u0442\u043d\u043e\u0441\u0442\u0438 \u0438 \u0432\u044b\u0431\u0440\u0430\u043b\u0438 \u0441\u0438\u0441\u0442\u0435\u043c\u0443 \u0432\u0438\u0437\u0443\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u0438 self-service \u0430\u043d\u0430\u043b\u0438\u0442\u0438\u043a\u0438 Tableau. \u0410\u043b\u0435\u043a\u0441\u0430\u043d\u0434\u0440 \u0411\u0435\u0437\u0443\u0433\u043b\u044b\u0439, \u0440\u0443\u043a\u043e\u0432\u043e\u0434\u0438\u0442\u0435\u043b\u044c \u043e\u0442\u0434\u0435\u043b\u0430 \u0430\u043d\u0430\u043b\u0438\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0445 \u0440\u0435\u0448\u0435\u043d\u0438\u0439 \u0438 \u043e\u0442\u0447\u0451\u0442\u043d\u043e\u0441\u0442\u0438 \u0413\u0440\u0443\u043f\u043f\u044b \u00ab\u041c.\u0412\u0438\u0434\u0435\u043e-\u042d\u043b\u044c\u0434\u043e\u0440\u0430\u0434\u043e\u00bb, \u0440\u0430\u0441\u0441\u043a\u0430\u0437\u0430\u043b \u043e\u0431 \u043e\u043f\u044b\u0442\u0435 \u0438 \u0438\u0442\u043e\u0433\u0430\u0445 \u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u044f \u0431\u043e\u0435\u0432\u043e\u0433\u043e \u0434\u0430\u0448\u0431\u043e\u0440\u0434\u0430. \u0421\u043a\u0430\u0436\u0443 \u0441\u0440\u0430\u0437\u0443, \u043d\u0435\" \/>\n\t<meta name=\"robots\" content=\"max-image-preview:large\" \/>\n\t<meta name=\"author\" content=\"Yuri Gagarin\"\/>\n\t<link rel=\"canonical\" href=\"https:\/\/prohoster.info\/de\/blog\/novosti-interneta\/tableau-v-roznitse-realno\" \/>\n\t<meta name=\"generator\" content=\"All in One SEO (AIOSEO) 4.9.10\" \/>\n\t\t<meta property=\"og:locale\" content=\"de_DE\" \/>\n\t\t<meta property=\"og:site_name\" content=\"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b\" \/>\n\t\t<meta property=\"og:type\" content=\"article\" \/>\n\t\t<meta property=\"og:title\" content=\"\ud83e\udd47Tableau \u0432 \u0440\u043e\u0437\u043d\u0438\u0446\u0435, \u0440\u0435\u0430\u043b\u044c\u043d\u043e? | ProHoster\" \/>\n\t\t<meta property=\"og:description\" content=\"\u0412\u0440\u0435\u043c\u044f \u043e\u0442\u0447\u0451\u0442\u043d\u043e\u0441\u0442\u0438 \u0432 Excel \u0441\u0442\u0440\u0435\u043c\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0443\u0445\u043e\u0434\u0438\u0442 \u2014 \u0442\u0440\u0435\u043d\u0434 \u043d\u0430 \u0443\u0434\u043e\u0431\u043d\u044b\u0435 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u044b \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0438 \u0430\u043d\u0430\u043b\u0438\u0437\u0430 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438 \u0432\u0438\u0434\u0435\u043d \u0432\u043e \u0432\u0441\u0435\u0445 \u0441\u0444\u0435\u0440\u0430\u0445. \u041c\u044b \u0434\u0430\u0432\u043d\u043e \u043e\u0431\u0441\u0443\u0436\u0434\u0430\u043b\u0438 \u0432\u043d\u0443\u0442\u0440\u0438 \u0446\u0438\u0444\u0440\u043e\u0432\u0438\u0437\u0430\u0446\u0438\u044e \u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u044f \u043e\u0442\u0447\u0451\u0442\u043d\u043e\u0441\u0442\u0438 \u0438 \u0432\u044b\u0431\u0440\u0430\u043b\u0438 \u0441\u0438\u0441\u0442\u0435\u043c\u0443 \u0432\u0438\u0437\u0443\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u0438 self-service \u0430\u043d\u0430\u043b\u0438\u0442\u0438\u043a\u0438 Tableau. \u0410\u043b\u0435\u043a\u0441\u0430\u043d\u0434\u0440 \u0411\u0435\u0437\u0443\u0433\u043b\u044b\u0439, \u0440\u0443\u043a\u043e\u0432\u043e\u0434\u0438\u0442\u0435\u043b\u044c \u043e\u0442\u0434\u0435\u043b\u0430 \u0430\u043d\u0430\u043b\u0438\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0445 \u0440\u0435\u0448\u0435\u043d\u0438\u0439 \u0438 \u043e\u0442\u0447\u0451\u0442\u043d\u043e\u0441\u0442\u0438 \u0413\u0440\u0443\u043f\u043f\u044b \u00ab\u041c.\u0412\u0438\u0434\u0435\u043e-\u042d\u043b\u044c\u0434\u043e\u0440\u0430\u0434\u043e\u00bb, \u0440\u0430\u0441\u0441\u043a\u0430\u0437\u0430\u043b \u043e\u0431 \u043e\u043f\u044b\u0442\u0435 \u0438 \u0438\u0442\u043e\u0433\u0430\u0445 \u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u044f \u0431\u043e\u0435\u0432\u043e\u0433\u043e \u0434\u0430\u0448\u0431\u043e\u0440\u0434\u0430. \u0421\u043a\u0430\u0436\u0443 \u0441\u0440\u0430\u0437\u0443, \u043d\u0435\" \/>\n\t\t<meta property=\"og:url\" content=\"https:\/\/prohoster.info\/de\/blog\/novosti-interneta\/tableau-v-roznitse-realno\" \/>\n\t\t<meta property=\"og:image\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:secure_url\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:width\" content=\"350\" \/>\n\t\t<meta property=\"og:image:height\" content=\"350\" \/>\n\t\t<meta property=\"article:published_time\" content=\"2020-01-12T21:00:00+00:00\" \/>\n\t\t<meta property=\"article:modified_time\" content=\"2020-02-18T11:03:13+00:00\" \/>\n\t\t<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<meta property=\"article:author\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<!-- All in One SEO -->\n\n","aioseo_head_json":{"title":"\ud83e\udd47 Tableau im Einzelhandel, wirklich? | ProHoster","description":"Die Zeit f\u00fcr die Berichtserstattung in Excel schwindet schnell \u2013 der Trend zu benutzerfreundlichen Werkzeugen zur Darstellung und Analyse von Informationen ist in allen Bereichen zu erkennen. Wir haben intern schon lange \u00fcber die Digitalisierung der Berichtserstellung gesprochen und uns f\u00fcr das Visualisierungs- und Self-Service-Analyse-Tool Tableau entschieden. Alexander Bezugly, Leiter der Abteilung f\u00fcr analytische L\u00f6sungen und Berichterstattung der Gruppe \"M.Video-Eldorado\", berichtete \u00fcber die Erfahrungen und Ergebnisse des Aufbaus eines operativen Dashboards. Ich kann gleich sagen, nicht.","canonical_url":"https:\/\/prohoster.info\/de\/blog\/novosti-interneta\/tableau-v-roznitse-realno","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"de_DE","og:site_name":"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b","og:type":"article","og:title":"\ud83e\udd47Tableau \u0432 \u0440\u043e\u0437\u043d\u0438\u0446\u0435, \u0440\u0435\u0430\u043b\u044c\u043d\u043e? | ProHoster","og:description":"\u0412\u0440\u0435\u043c\u044f \u043e\u0442\u0447\u0451\u0442\u043d\u043e\u0441\u0442\u0438 \u0432 Excel \u0441\u0442\u0440\u0435\u043c\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0443\u0445\u043e\u0434\u0438\u0442 \u2014 \u0442\u0440\u0435\u043d\u0434 \u043d\u0430 \u0443\u0434\u043e\u0431\u043d\u044b\u0435 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u044b \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0438 \u0430\u043d\u0430\u043b\u0438\u0437\u0430 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438 \u0432\u0438\u0434\u0435\u043d \u0432\u043e \u0432\u0441\u0435\u0445 \u0441\u0444\u0435\u0440\u0430\u0445. \u041c\u044b \u0434\u0430\u0432\u043d\u043e \u043e\u0431\u0441\u0443\u0436\u0434\u0430\u043b\u0438 \u0432\u043d\u0443\u0442\u0440\u0438 \u0446\u0438\u0444\u0440\u043e\u0432\u0438\u0437\u0430\u0446\u0438\u044e \u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u044f \u043e\u0442\u0447\u0451\u0442\u043d\u043e\u0441\u0442\u0438 \u0438 \u0432\u044b\u0431\u0440\u0430\u043b\u0438 \u0441\u0438\u0441\u0442\u0435\u043c\u0443 \u0432\u0438\u0437\u0443\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u0438 self-service \u0430\u043d\u0430\u043b\u0438\u0442\u0438\u043a\u0438 Tableau. \u0410\u043b\u0435\u043a\u0441\u0430\u043d\u0434\u0440 \u0411\u0435\u0437\u0443\u0433\u043b\u044b\u0439, \u0440\u0443\u043a\u043e\u0432\u043e\u0434\u0438\u0442\u0435\u043b\u044c \u043e\u0442\u0434\u0435\u043b\u0430 \u0430\u043d\u0430\u043b\u0438\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0445 \u0440\u0435\u0448\u0435\u043d\u0438\u0439 \u0438 \u043e\u0442\u0447\u0451\u0442\u043d\u043e\u0441\u0442\u0438 \u0413\u0440\u0443\u043f\u043f\u044b \u00ab\u041c.\u0412\u0438\u0434\u0435\u043e-\u042d\u043b\u044c\u0434\u043e\u0440\u0430\u0434\u043e\u00bb, \u0440\u0430\u0441\u0441\u043a\u0430\u0437\u0430\u043b \u043e\u0431 \u043e\u043f\u044b\u0442\u0435 \u0438 \u0438\u0442\u043e\u0433\u0430\u0445 \u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u044f \u0431\u043e\u0435\u0432\u043e\u0433\u043e \u0434\u0430\u0448\u0431\u043e\u0440\u0434\u0430. \u0421\u043a\u0430\u0436\u0443 \u0441\u0440\u0430\u0437\u0443, \u043d\u0435","og:url":"https:\/\/prohoster.info\/de\/blog\/novosti-interneta\/tableau-v-roznitse-realno","og:image":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:secure_url":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:width":350,"og:image:height":350,"article:published_time":"2020-01-12T21:00:00+00:00","article:modified_time":"2020-02-18T11:03:13+00:00","article:publisher":"https:\/\/www.facebook.com\/prohoster","article:author":"https:\/\/www.facebook.com\/prohoster"},"aioseo_meta_data":{"post_id":"55144","title":null,"description":null,"keywords":null,"keyphrases":null,"primary_term":null,"canonical_url":null,"og_title":null,"og_description":null,"og_object_type":"default","og_image_type":"default","og_image_url":null,"og_image_width":null,"og_image_height":null,"og_image_custom_url":null,"og_image_custom_fields":null,"og_video":null,"og_custom_url":null,"og_article_section":null,"og_article_tags":null,"twitter_use_og":false,"twitter_card":"default","twitter_image_type":"default","twitter_image_url":null,"twitter_image_custom_url":null,"twitter_image_custom_fields":null,"twitter_title":null,"twitter_description":null,"schema":{"blockGraphs":[],"customGraphs":[],"default":{"data":{"Article":[],"Course":[],"Dataset":[],"FAQPage":[],"Movie":[],"Person":[],"Product":[],"ProductReview":[],"Car":[],"Recipe":[],"Service":[],"SoftwareApplication":[],"WebPage":[]},"graphName":"","isEnabled":true},"graphs":[]},"schema_type":null,"schema_type_options":null,"pillar_content":false,"robots_default":true,"robots_noindex":false,"robots_noarchive":false,"robots_nosnippet":false,"robots_nofollow":false,"robots_noimageindex":false,"robots_noodp":false,"robots_notranslate":false,"robots_max_snippet":null,"robots_max_videopreview":null,"robots_max_imagepreview":"large","priority":null,"frequency":null,"local_seo":null,"seo_analyzer_scan_date":null,"breadcrumb_settings":null,"limit_modified_date":false,"reviewed_by":null,"ai":null,"created":"2021-02-28 19:50:02","updated":"2022-10-05 23:10:07"},"gt_translate_keys":[{"key":"link","format":"url"}],"_links":{"self":[{"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/posts\/55144","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/comments?post=55144"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/posts\/55144\/revisions"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/media?parent=55144"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/categories?post=55144"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/tags?post=55144"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}