TabPy ist eine neue API, mit der Python-Code aus einer Tableau-Arbeitsmappe ausgewertet werden kann.

Wenn Sie TabPy in Verbindung mit Tableau verwenden, können Sie berechnete Felder in Python definieren und so die vielen Möglichkeiten einer großen Anzahl von Bibliotheken für maschinelles Lernen direkt in Ihren Visualisierungen nutzen.

Diese Einbindung von Python in Tableau ermöglicht sehr leistungsstarke Szenarien. Beispielsweise benötigen Sie nur wenige Zeilen an Python-Code, um die Bewertungen der Rezensionen zu verkauften Produkten bei einem Online-Einzelhändler abzurufen. Anschließend können Sie die Ergebnisse in vielerlei Hinsicht in Tableau auswerten.

Dabei haben Sie die Möglichkeit, nur die negativen Bewertungen herauszufiltern und zu prüfen, welche Gründe dazu geführt haben. Sie können dann eine Liste von Kunden generieren, um diese anzusprechen. Eine andere Möglichkeit ist die Visualisierung der Veränderung der Bewertungen im Laufe der Zeit.

Weitere gängige Geschäftsszenarien für die Anwendung:

  • Lead-Bewertung: Erstellen Sie einen effizienteren Konversionstrichter durch Bewertung des Benutzerverhaltens mit einem prädiktiven Modell.
  • Vorhersage der Fluktuation: Ermitteln Sie, wann und warum Benutzer sich abwenden, und versuchen Sie dies mithilfe von Vorhersagen zu verhindern.

Sie können den TabPy-Server auf einfache Weise auf Ihrem Computer oder auf einem Remote-Server installieren. Konfigurieren Sie Tableau für das Herstellen einer Verbindung mit diesem Dienst und geben Sie dazu die Dienst-URL und die Portnummer unter „Hilfe“ > „Einstellungen und Leistung“ > „Verbindung zu externem Dienst verwalten“ in Tableau Desktop ein. Sie können dann Python-Skripts als Teil Ihrer berechneten Felder in Tableau verwenden, genauso wie mit R ab Tableau 8.1.

TabPy nutzt die beliebte Anaconda-Umgebung, die bereits vorinstalliert ist und sofort mit vielen gängigen Python-Paketen wie scipy, numpy und scikit-learn verwendet werden kann. Sie haben aber die Möglichkeit, jede beliebige andere Python-Bibliothek in Ihren Skripts zu nutzen.

Wenn in Ihrem Unternehmen ein Team von Data Scientists benutzerdefinierte Modelle entwickelt, können Sie mit TabPy auch die Weitergabe dieser Modelle an andere Mitarbeiter vereinfachen, die diese in Tableau über das veröffentlichte Modell verwenden möchten.

Wenn ein Modell für maschinelles Lernen veröffentlicht ist, benötigen Sie für die Ausführung nur eine einzige Zeile Python-Code in Tableau, unabhängig von Modelltyp oder -komplexität. Sie können die Wahrscheinlichkeit der Kundenfluktuation mithilfe der logischen Regression, mit einem mehrschichtigen neuronalen Wahrnehmungsnetzwerk oder mit Gradient Boosting-Bäumen genauso einfach durch Übergabe neuer Daten an das Modell schätzen.

Die Verwendung veröffentlichter Modelle bietet verschiedene Vorteile. Komplexe Funktionen können so einfacher gewartet, freigegeben und wiederverwendet werden als bereitgestellte Methoden in der Umgebung des Vorhersagedienstes. Das Modell lässt sich optimieren sowie aktualisieren und hinter dem Endpunkt programmieren, während das berechnete Feld weiter ohne jede Änderung funktioniert. Ein Dashboard-Autor muss dabei auch nicht die Komplexität des Modells hinter diesem Endpunkt kennen und sich darüber keine Gedanken machen.

Bei gemeinsamer Verwendung sind mit Tableau und Python viele weitere Szenarien für fortgeschrittene Analytics möglich, womit Ihre Dashboards noch wirkungsvoller werden. Weitere Informationen zu TabPy finden Sie auf der GitHub-Seite, von der Sie es auch herunterladen können.

Erweitern Sie Ihre Möglichkeiten mit Tableau und Big Data

Erkunden Sie, wie Tableau viele der Probleme löst, die Big Data für Unternehmen jeder Größenordnung oft mit sich bringt.
Mehr erfahren.

Abonnieren Sie unser Blog