Die neue Multi-Fact Relationship Data Model-Funktion in Tableau 2024.2 vereinfacht die Analyse komplexer Datensätze, reduziert Datenredundanz und ermöglicht schnellere, genauere Einblicke. Wir zeigen, wie die Funktion eingesetzt kann.
In der heutigen datengetriebenen Welt suchen Unternehmen ständig nach Möglichkeiten, schneller fundierte Entscheidungen zu treffen. Doch mit der zunehmenden Komplexität von Datensätzen wachsen auch die Herausforderungen bei deren effektiver Analyse und Visualisierung.
Ein häufiges Geschäftsproblem besteht beispielsweise darin, die Auswirkungen von Marketingkampagnen auf die Verkaufsleistung zu verstehen. Stellen Sie sich ein Unternehmen vor, das mehrere Marketingkampagnen über verschiedene Kanäle (z. B. soziale Medien, Suchmaschinen, E-Mail) durchführt und analysieren möchte, wie sich Werbeausgaben und Kampagneninteraktionen (wie Clicks und Impressions) in tatsächliche Verkäufe umsetzen. Traditionell erforderte die Analyse die Kombination komplexer Datensätze mit Joins oder Datenzusammenführungen, was oft zu langsameren Dashboards und potenziellen Ungenauigkeiten führte.
Mit der Einführung von Multi-Fact Relationship Data Models in Tableau Server 2024.2 und Tableau Cloud wird dieses Problem viel einfacher zu lösen sein. Diese bahnbrechende Funktion ermöglicht es, mehrere Datensätze ohne komplexe Joins oder Zusammenführungen zu analysieren, was schließlich zu schnelleren und genaueren Einblicken führt.
Warum Multi-Fact Relationship Data Models?
In einem traditionellen Tableau-Datenmodell ist eine einzelne Faktentabelle typischerweise mit verschiedenen Dimensionstabellen verbunden. Bleiben wir bei unserem Beispiel: Stellen Sie sich eine Datenquelle vor, in der eine Verkaufs-Faktentabelle mit Dimensionstabellen wie Produkt, Kunde und Datum verknüpft ist. Wenn Sie jedoch analysieren möchten, wie Marketingmaßnahmen – erfasst in einer separaten Marketing-Faktentabelle – den Verkauf beeinflussen, kann es kompliziert werden. Dies erforderte zuvor manuelles Zusammenführen oder komplexe Joins, was oft zu duplizierten Daten und einer langsameren Performance führte.
Mit den Multi-Fact Relationship Data Models bietet Tableau einen flexibleren und leistungsfähigeren Ansatz. Jetzt können sowohl die Verkaufs-Faktentabelle als auch die Marketing-Faktentabelle direkt mit gemeinsamen Dimensionen wie Produkt und Datum verbunden werden. Tableau verwaltet diese Beziehungen automatisch, reduziert Datenredundanz, verbessert die Performance und vereinfacht die Erstellung von Dashboards.
Vereinfachung komplexer Datenmodelle: Tableaus Lösung für gemeinsame Dimensionen
Wenn wir tiefer in unser exemplarisches Geschäftsproblem eintauchen, die Marketing- und Verkaufsdaten effizient zu kombinieren, stoßen wir auf erhebliche Probleme. Dimensionen wie Produkt und Datum sind sowohl in der Verkaufs- als auch in der Marketing-Faktentabelle dupliziert (siehe unten).
Dieses Szenario würde in Tableau als zwei separate Datenquellen dargestellt werden.
Mit der neuen Funktion können die User beide Faktentabellen problemlos über gemeinsame Dimensionen wie Produkt und Datum verbinden, wodurch das Modell vereinfacht und der Prozess optimiert wird (siehe unten).
Ergebnis in einer Tableau-Datenquelle:
Zum Beispiel verfolgt die Marketing-Faktentabelle Kennzahlen wie Impressions, Clicks und Werbeausgaben, während die Verkaufs-Faktentabelle Kennzahlen wie verkaufte Einheiten, Umsatz und Kundenverhalten erfasst. Durch die Verknüpfung beider Tabellen über gemeinsame Dimensionen wie Datum und Produkt kann das Unternehmen nun analysieren, wie die Engagement-Kennzahlen einer Marketingkampagne in tatsächliche Produktverkäufe übersetzt werden.
Dies ermöglicht es Unternehmen, kritische Fragen zu beantworten, wie zum Beispiel:
-
Welche Marketingkampagnen haben die meisten Conversions generiert?
-
Wie beeinflusst die Werbeausgabe auf verschiedenen Kanälen (z. B. soziale Medien, E-Mail) den Umsatz bestimmter Produkte?
-
Gibt es spezifische Kundensegmente, die eher auf Marketingkampagnen reagieren und Käufe tätigen?
Verstehen der Verwandtschaft in Tableau-Datenmodellen
In den neueren Multi-Fact-Relationship Data Models von Tableau bezieht sich die Verwandtschaft darauf, wie Tabellen innerhalb des Datenmodells verbunden sind und beeinflusst, wie Daten in Visualisierungen zusammengeführt und analysiert werden. Dieses Konzept ist besonders wichtig in Datenmodellen mit mehreren Basistabellen, wie bei unserem Geschäftsproblem von Verkaufs- und Marketingdaten. Vor der Einführung von Multi-Fact Relationship Modellen waren Datenquellen entweder entweder miteinander verbunden (innerhalb einer einzigen Quelle) oder - wenn sie aus verschiedenen Quellen zusammengeführt wurden- nicht miteinander verbunden.
Wenn Tabellen miteinander verbunden sind, sind sie innerhalb derselben Baumstruktur verknüpft, was es Tableau ermöglicht, effizient innere Joins zwischen Dimensionen durchzuführen und Kennzahlen nach diesen Dimensionen aufzuschlüsseln. Unverbundene Tabellen hingegen existieren in separaten Bäumen und werden anders behandelt – Dimensionen aus diesen Tabellen werden kreuzverknüpft, und Kennzahlen werden auf Tabellenebene aggregiert, was zu wiederholten Werten in verschiedenen Zeilen führt.
Manchmal sind Tabellen auch auf mehrere Bäume aufgeteilt. Geteilte Tabellen haben mehrere eingehende Beziehungen, gehören also zu mehr als einem Baum, und jede Tabelle, die unter diesen liegt, wird ebenfalls als geteilt betrachtet. Bei der Analyse führt dies häufig zu einer komplexeren Kombination von Daten, da Tableau versucht, verwandte Daten über mehrere Bäume hinweg zu verbinden.
Zusammenfassend:
- Verwandte Felder: Dimensionen werden inner-joined und Kennzahlen werden nach diesen Dimensionen aggregiert.
- Unverwandte Felder: Dimensionen werden kreuzverknüpft und Kennzahlen werden innerhalb ihrer Tabelle aggregiert und in den Zeilen wiederholt.
- Geteilte Felder (Stitched Fields): Tableau führt äußere Joins durch, wenn Felder eine gemeinsame Dimension teilen, um sicherzustellen, dass die Daten auf der geteilten Ebene aggregiert werden.
Verwandtschaft basierend auf unserem Multi-Fact-Datenmodell:
Aktuelle Einschränkungen ab Version 2024.2
Derzeit kann eine Faktentabelle nur mit Tabellen der "ersten" Ebene verknüpft werden. Das bedeutet, dass in folgendem Beispiel die Faktentabelle „Marketing“ (Ebene 0) nicht direkt mit der Dimension „Region“ (Ebene 2) verknüpft werden kann.
Die Nutzung von Tableau effektiver gestalten
Die Einführung dieser neuen Funktion in Tableau wird den Zeit- und Arbeitsaufwand für die manuelle Datenaufbereitung erheblich reduzieren. Für die Unternehmensanalyse bringt diese Transformation mehrere Vorteile:
-
Erhöhte Flexibilität: Benutzer können jetzt Datenquellen und Beziehungen problemlos hinzufügen oder ändern, ohne das gesamte Datenmodell umstrukturieren zu müssen. Diese Flexibilität ermöglicht es Unternehmen, sich an sich entwickelnde Datenbedürfnisse anzupassen und neue Datenpunkte mühelos zu integrieren.
-
Kostenwirksame Erkenntnisse: Es ist keine umfangreiche Datenaufbereitung oder kostspielige Infrastruktur erforderlich, um duplizierte Dimensionen oder manuelle Mischungen zu bewältigen.
-
Einfache Nutzung von Tableau: Tableau verwaltet automatisch die Beziehungen und reduziert die Komplexität für Analysten, sodass sie sich auf die Analyse und Aufbereitung von Erkenntnissen konzentrieren können, anstatt sehr komplexe Datenbeziehungen zu verwalten.
-
Modellkonsolidierung: Mit Multi-Fact-Beziehungen können Faktentabellen jetzt innerhalb derselben Datenquelle coexistieren und diese gemeinsamen Dimensionen teilen, was bedeutet, dass weniger individuelle Datenquellen erforderlich sind.
Das Potenzial mit M2 maximieren
Kontaktieren Sie uns noch heute, um zu erfahren, wie Multi-Fact Relationship Data Models Ihre Analyse verbessern, die Performance steigern und bessere Geschäftsergebnisse erzielen können.
Der Artikel wurde erfasst von Lorela Ferhati, Business Intelligence Consultant bei M2