做数据分析的Tableau ，为什么一定要拥抱Salesforce？｜钛度专访

图片来源@网络

2年前，商业智能与分析平台Tableau 被CRM巨头Salesforce以157亿美元的价格收购。彼时，各类消息的焦点都聚焦到了这项收购本身，以及收购之后Salesforce与微软的竞争。但对于被收购方Tableau的影响，却鲜有提及。

2年后的今天，Tableau逐渐加快推进数据分析民主化的进程，先后推出商业科学与拓展增强分析等功能，以期降低高级数据分析的门槛。借此机会，钛媒体App与Tableau 首席产品官 Francois Ajenstat 进行了线上与书面多次交流。对于合并后Tableau的整体发展情况，以及对商业科学的看法，Francois都进行了回答。

加入Salesforce ，Tableau 交付周期缩短 3-5 年

如今再次谈到Tableau 并入Salesforce一事，Francois依然认为这是公司的一个正确的决定。他开门见山地表示，虽然Tableau 仍然保持独立运营，但加入Salesforce之后，Tableau 产品的交付周期缩短了 3-5 年。

“加入 Salesforce 后，Tableau的创新实力进一步增强，例如借助 Salesforce旗下的应用集成工具MuleSoft，Tableau可以接触到比以往更多的数据。这极大地扩展了 Tableau 用户的可用数据源。” Francois说。

种种迹象表明，Salesforce的确让Tableau的竞争力更强大了。但 Francois也表示，激烈的竞争也无法避免：“我在 Tableau 工作十年，再好的新产品也无法避免激烈的竞争。我们必须专注于建立差异化的价值主张，提供现有工具无法比拟的新方法，帮助人们轻松探索和解决问题。”

整体看来，Tableau所面临的竞争，一方面来自国际市场，另一方面中国本土竞争也是很重要的一部分。Francois表示，中国一直是Tableau的主要市场，自2015年落户中国以来，Tableau的客户群持续增长，发现、使用并喜爱 Tableau 的社区也日趋壮大。Francois把中国市场比喻为新蓝海，但他也承认，让更多组织充分认识到数据对决策的价值依然需要时间。

目前，中国东方航空、中粮可口可乐和富德保险控股等企业都采用了Tableau 的服务，这一采用率还在继续增长。

Francois强调，未来对于Tableau与Salesforce 的合作，他们计划利用并扩大AI的分析优势，为 Salesforce 工作流乃至任何工作流中交付更多价值。 “这对于三方都有益处。因为不仅为 Tableau 和 Salesforce 客户带来了巨大价值，而且还为客户开创了全新的功能体验……作为 Salesforce 的一员，我们在 AI 方面的投入只会越来越多。” Francois说。

坚持技术民主化

最令Francois骄傲的是，在并入Salesforce之后，Tableau建立了一支专门从事分析技术大众化的团队，来推进数据分析民主化。“如果Tableau能让更多的人不必成为数据科学家便可使用数据科学技术；如果企业用户不必构建复杂的模型，便可通过数据自动发现相关问题，将会怎样？ ” Francois说。

在中国，低代码的热潮催生了大众对技术民主化的关注，对于“技术民主化”的说法，业内褒贬不一。有专家认为，伴技术民主化产生的是公民开发者，而公民开发者构成了企业的“影子IT”。在这种情况下，开发在没有公司IT组织支持之下进行，可能会影响已经存在的公司IT系统架构的完整性，例如数据库结构，或者产生数据治理等方面的问题。

Francois则从新冠疫情中，看到了数据分析民主化更有利的一面。他表示，新冠疫情的爆发告诉我们，迅速响应、敏捷应对和数据赋能是企业取得成功的关键。但是，企业的分析技术往往过于复杂、昂贵和耗时，存在的技术缺口使数据无法充分发挥作用，这为数据分析民主化的推进提出要求。

为了推进数据分析民主化，今年3月下旬，Tableau在2021.1版本中重申了商业科学的概念。Tableau商业科学白皮书中介绍，商业科学是一类新的 AI 驱动型分析，可帮助具有领域专业知识的人更快、更自信地做出更明智的决策，并认识到并非所有问题都需要为了严苛的精确性而牺牲速度和业务背景。

Francois举了一个Einstein Discovery的例子。Einstein Discovery是Salesforce 开发的无代码环境的机器学习平台，也是商业科学中最重要的一项技术。Einstein Discovery可以在 Tableau 工作流中提供预测和建议，数据科学家、分析师和业务用户都可以通过Einstein Discovery创建功能强大的预测模型，而无需编写算法。这极大提高了销售人员和服务代理商的效率。

Francois认为，使用商业科学进一步推动高级数据分析大众化非常重要，这让Tableau有机会使高级分析大众化，让业务专家在数据科学技术和 AI的辅助下快速和自信地完成分析，然后利用自己的知识做出其他判断。

数据科学，还是商业科学？

Francois在一场线上分享中专门强调了数据科学与商业科学的差异，正是这种差异决定了商业科学比数据科学更接近“大众”。

他认为，如果数据科学能帮助我们解决气象监测、路径优化等问题，那么商业科学所涉及的是一家企业方方面面更广泛的问题，比如降低员工流失率、提高平均的订单价值、缩短成交的时间等等，并且也可以提供预定率。“精准度，是区分两者的关键。”Francois说。

存在区别也并不代表两者有明显的替代关系。相反，要产生更大的价值，数据科学与商业科学需要两相融合，而不是二选一。“举一个实际的例子，比如我们希望知道一家商店怎么走，数据科学能够告诉我们它的具体精准坐标：北纬多少度、西经多少度。但是商业科学则像导航，告诉我们再往前走三个街区，往左转。所以这两者的精准度，与最终告知客户用户的信息是不同的。”他说。

从具体应用上来看，商业科学将自动式的机器学习技术嵌入到Tableau当中来，可以让每个客户都能够使用商业科学的工具。首先它是一个简单、直观的、自动式机器学习的工具，同时会让客户更加确信自己做的是透明的，正确的决策。并且，它可以集成到整个工作流当中。

除了数据科学之外，另一个词也很有迷惑性——商业智能，简称“BI”。商业智能与商业科学一词之差，两者之间有什么关联？

Francois告诉钛媒体App，简而言之，商业智能是一个笼统的概念，它涵盖从业务活动中收集数据，进行存储和分析，到最终优化性能的整个过程及方法。而商业科学是商业智能的一个具体应用，包括一系列连续的分析功能，它可以通过预测性和规范性分析，帮助用户了解现有问题、产生原因及可能发生的事件，也能够为分析人员和高级业务用户创造适合的实验环境，指出那些数据科学团队可能忽视的案例。两者是一以贯之的。

“可能在过去，客户将这两者视为单独的两项功能，比如说将BI更多的应用于报表，应用于分析方面；而将现在所说的商业科学，或者是高级数据分析，应用于更为复杂的数据分析。但是在我们看来，这其实并不是两个分开的个体，而是一以贯之的。”他说。

一个连贯的数据分析能力，可以帮助我们回答一系列的问题，包括到底发生了什么、为什么会发生、将会发生些什么，最终是我们将要做什么。“所以，将这两者无缝衔接，并整合到一个应用当中来，在我看来是Tableau脱颖而出的一个关键优势。”Francois说。

对于未来，Francois说，Tableau 将持续推进数据分析的大众化，会不断开发新功能，让平台具备更简单、优化和成规模的数据分析能力。“帮助客户创建自己的数据文化是Tableau 的最终愿景。要想做到这一点，需要把数据分析能力按照人们能接受的方式融入业务流程和工作流程中去。”（本文首发钛媒体App，作者 | 秦聪慧）

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App