在 Tableau 搭配 TabPy 運用 Python 的力量

TabPy 是全新的 API,可以從 Tableau 工作簿內部進行 Python 程式碼評估作業。

當您將 TabPy 與 Tableau 搭配使用時,您可以在 Python 中定義已計算的欄位,進而從可視化項運用大量機器學習資料庫的能力。

這個在 Tableau 的 Python 整合可提供您功能更強大的使用情境。例如,只要幾行 Python 程式碼,即可取得線上零售商販售之產品評論的感受度評分。之後您可以在 Tableau 以許多方法探索結果。

您可以透過篩選器,只查看負面評論,並且檢閱內容以瞭解背後的原因。您也可以取得要聯絡的客戶清單。或者,您也可以將一段時間的整體感受度變化以視覺化方式來呈現。

其他常見的商務情境包含:

  • 潛在客戶評分:透過以預測模型評分您的使用者行為來建立更有效的轉換漏斗。
  • 流失預測:瞭解使用者離開的時機以及原因,並預測以及避免此情況發生。

您可輕鬆在電腦上或遠端伺服器安裝 TabPy 伺服器。在 Tableau Desktop 中,依序按一下「說明」>「設定和效能」>「管理外部服務連接」,輸入服務的 URL 與連接埠號,即可將 Tableau 設為連接至這項服務。之後,您可使用 Python 指令碼做為 Tableau 中已計算欄位的一部分,就跟您從 Tableau 8.1 以來可以搭配 R 使用的情況一樣。

TabPy 使用常見的 Anaconda 環境,這是一種已經預先安裝的環境,可以搭配許多常見的 Python 封裝 (內含 scipy、numpy 以及 scikit-learn) 使用。然而,您可以安裝任何 Python 資料庫並且在您的指令碼中加以使用。

如果貴公司中有負責開發自訂模型的資料科學家團隊,TabPy 也可以協助您將這些模型與要在 Tableau 中透過已發佈模型來加以運用的他人分享。

發佈後,無論模型類型或複雜度為何,只需要在 Tableau 中使用單行 Python 程式碼,即可執行機器學習模型。您可以使用邏輯迴歸、多層感知器神經網路或梯度提升樹來估計客戶流失的可能性,就跟將新資料傳送到新模型一樣容易。

使用已發佈的模型有數項優點。複雜功能越來越容易維護、分享,並可在預測服務環境中作為已部署方法重新使用。您可在端點後改善並更新模型以及程式碼,同時使計算的欄位保持運作且無須任何變更。儀表板作者不必知道或擔心此端點背後模型的複雜度。

將 Tableau 與 Python 搭配使用能提供許多更進階的使用情境,讓您的儀表板更有影響力。若要瞭解關於 TabPy 的詳情並下載複本,請造訪 GitHub 頁面

透過 Tableau 與大數據完成更多工作

瞭解 Tableau 如何解決大數據對各種組織規模帶來的許多問題。
瞭解詳情

訂閱部落格