Tableau คืออะไร? What is Tableau?

Tableau คืออะไร

What is Tableau?

Tableau (อ่านว่า ทาโบล์ว หรือ แท็บโบลว์) เป็นคำศัพท์ที่มีรากศัพท์มาจากภาษาฝรั่งเศส มีความหมายเกี่ยวกับ รูปภาพ ภาพวาด หรือการระบายสี เป็นต้น แต่ในบทความนี้จะพูดถึง Tableau ในมุมมองของซอฟต์แวร์ (Tableau Software) ซึ่งเป็นซอฟต์แวร์ที่ถูกกล่าวถึงเป็นอย่างมากในวงการ BI, Analytics และ Big Data ในบทความนี้จะขออธิบายว่าซอฟต์แวร์ Tableau คืออะไรในหลาย ๆ แง่มุม เพื่อให้ผู้อ่านเกิดความเข้าใจได้อย่างถูกต้องและครบถ้วน

 

ประวัติโดยย่อของ Tableau และการยอมรับจากทั่วโลก

“Tableau ช่วยคนให้เห็นและเข้าใจข้อมูล” (Tableau helps people see and understand data) นี่เป็นพันธกิจ (Mission) ที่มีมาตั้งแต่ต้น และไม่เคยเปลี่ยนแปลงของ Tableau บริษัทก่อตั้งในปี 2003 โดยผู้ก่อตั้ง 3 คนจากมหาวิทยาลัย Stanford คือ 1) Pat Hanrahan[1] ศาสตราจารย์สาขา computer graphics มหาวิทยาลัย Stanford 2) Chris Stolte นักศึกษาซึ่งทำวิทยานิพนธ์กับ Hanrahan เป็นผู้สร้าง Tableau และเป็น chief development officer และ 3) Christian Chabot นักศึกษา MBA ของ Stanford ผู้ที่เป็น CEO ในขณะก่อตั้งบริษัท

ตลาดของ Tableau คือทุกคนที่ทำงานกับข้อมูล ในตอนต้น Tableau ตั้งใจที่จะเสนอซอฟต์แวร์ที่ดีและมีประสิทธิภาพมากกว่า Microsoft Excel และใช้งานและเข้าถึงได้ง่ายกว่าซอฟต์แวร์ BI จากบริษัทยักษ์ใหญ่เช่น IBM, Oracle หรือ SAP ในช่วงแรกแล้วมีอุปสรรคมากมาย แต่เมื่อคนได้เห็นและทดลองใช้จนรับรู้ถึงความง่ายและความสามารถทำให้เห็นและเข้าใจข้อมูลได้จริง ตลาดจึงยอมรับ Tableau จนกระทั่งตอนนี้ Tableau จึงประสบความสำเร็จอย่างสูง  หลักฐานจาก Gartner[2] ที่จัดอันดับ Tableau ให้อยู่ใน Quadrant LEADERS เป็นปีที่ 6 ติดต่อกัน

 

gartner

 

แล้ว Tableau คืออะไร?  ผู้เขียนขอจำแนกออกเป็น 3 มุมมองในการอธิบายว่า Tableau คืออะไร เพื่อให้ผู้อ่านได้รับข้อมูลรอบด้าน ถูกต้อง ครบถ้วน ดังนี้

  1. มุมมองด้าน Visualization
  2. มุมมองด้าน Business Intelligence (BI)
  3. มุมมองด้าน Analytics

 

Tableau ในมุมมองด้าน Visualization

ในความเห็นของผู้เขียน ถ้าจะให้คำนิยามว่า Tableau คือซอฟต์แวร์ประเภทไหนที่ตรงประเด็นที่สุดแล้ว ผู้เขียนเห็นว่า Data Visualization น่าจะเป็นคำนิยามที่ตรงประเด็นมากที่สุด กล่าวคือ Tableau ทำหน้าที่แปลงข้อมูล (Data) ให้เป็นภาพ (Visualization) ตัวอย่างของการแปลงข้อมูลเป็นภาพเป็นสิ่งที่เราคุ้นเคย และมีมาเนิ่นนานแล้วก็คือการสร้างกราฟนั่นเอง จะเห็นได้ว่าเรามีการสร้าง ตาราง กราฟแท่ง กราฟเส้น กราฟวงกลม (pie) มาก่อนแล้ว  กราฟที่กล่าวมาถือเป็น Visualization อย่างหนึ่ง แต่ก็ยังมีกราฟรูปแบบอื่น ๆ อีกมากมายที่มีประสิทธิภาพและทรงพลัง[3] ในการสื่อสารมากกว่า รูปด้านล่างคือตัวอย่าง Visualization ที่สร้างโดย Tableau

 

Viz_Samples.png

 

ความท้าทายที่สำคัญไม่ได้อยู่ที่ซอฟต์แวร์สามารถทำกราฟได้หลายรูปแบบ แต่สิ่งที่สำคัญจริง ๆ ที่เป็นแก่นแท้คือ ทำอย่างไรให้ผู้ใช้งานทั่วไปสามารถสร้าง Visualization เหล่านี้ได้ด้วยตนเอง โดยไม่ต้องใช้ Skill ทางด้านภาษาคอมพิวเตอร์ที่ซับซ้อน เพื่อให้เข้าถึงคนหมู่มากได้

 

ทำไม Visualization ถึงสำคัญ

ในยุคสมัยที่องค์กรแทบทุกแห่งต่างก็มีข้อมูลเก็บไว้มากมาย ทั้งแหล่งข้อมูลภายในองค์กรเช่น ระบบ ERP หรือแหล่งข้อมูลภายนอกองค์กรจาก Social Network หรือแม้กระทั่งแหล่งข้อมูลจากเทคโนโลยี Internet of Things (IoT) บางองค์กรมีข้อมูลเป็นปริมาณมากจนถือเป็น Big Data  ข้อมูลเหล่านี้ถือว่าเป็นทรัพยากรที่มีค่าขององค์กร นับจากนี้การตัดสินใจ (Decision Making) ที่อยู่บนพื้นฐานของการมีข้อมูลสนับสนุน จะมีความน่าเชื่อถือกว่า การตัดสินใจโดยใช้ความรู้สึกหรือ Gut Feeling

มีวลีที่พูดกันว่า “Talk Data to Me” ซึ่งอาจแปลเป็นไทยว่า พูดกับฉันด้วยข้อมูลสิ ประมาณนี้ คำพูดนี้คงไม่ได้หมายความว่า ให้นำข้อมูลดิบซึ่งมีมากมายมาพูดกับฉันสิ แต่น่าจะหมายถึงการนำข้อมูลดิบมาสังเคราะห์เป็นข้อมูลเชิงสรุป ที่สื่อความหมาย เข้าใจได้ง่าย แล้วนำข้อมูลเหล่านั้นมาพูดกับฉันสิมากกว่า ถ้าเปรียบเป็นคำพูดก็น่าจะเปรียบได้ว่า Visualization เป็นคำพูดที่ไพเราะเสนาะหูนั่นเอง และการนำข้อมูลมาแสดงให้เห็นภาพได้ง่ายก็คือการทำ Data Visualization นั่นเอง

 

talk data to me.png

 

ด้วยเหตุผลข้างต้นทำให้คนทั่วโลกตระหนักถึงความสำคัญของการทำ Visualization และ Tableau ก็เป็นเครื่องมือที่เหมาะสมกับการทำ Data Visualization มากเป็นอันดับต้น ๆ ของโลก ถ้าลองค้นหาข้อมูลบน Search Engine จะเห็นว่าผู้คนทั่วโลกต่างตกหลุมรัก Tableau นั่นเป็นเพราะเหตุใด?

 

ทำไม Tableau จึงได้รับความนิยม

มีหลายเหตุผลที่ทำให้ Tableau ได้รับความนิยมทั่วโลก ดังนี้

  1. เพราะความง่าย
  • Tableau ปฏิวัติแนวคิดการสร้าง Visualizations[4] โดยใช้วิธีการ Drag-and-Drop Interface คุณสามารถสร้าง Visualization ทำได้โดย Drag ข้อมูล (Dimension หรือ Measure) ไป Drop บน Shelf ต่าง ๆ (มีอยู่ประมาณ 10 Shelves เท่านั้น) โปรแกรม Tableau ก็จะตีความ และสร้างเป็นภาพ ให้คุณเห็นทันที
  • Tableau มีทฤษฎี[5]การสร้าง Visualization ที่ดี มีการวิจัยที่ Stanford รุ่นสู่รุ่นก่อนที่จะมาเป็นซอฟต์แวร์ Tableau การนิยามสัญลักษณ์และชื่อเรียก Shelf ต่าง ๆ ก็อ้างอิงกับทฤษฎีที่กล่าวมา
  • Tableau พัฒนาอย่างต่อเนื่อง เพื่อนำ User Experience มาปรับปรุงซอฟต์แวร์อยู่ตลอด ซอฟต์แวร์ มีการลงทุน R&D ในสัดส่วนที่สูงมาก และมีการ Upgrade เวอร์ชันหลักทุกปี
drag-n-drop.png
 User Interface ของ Tableau ที่สร้าง Visualization แบบ Drag-and-Drop

        

  1. เพราะ Tableau ออกแบบมาเพื่อ Business User

ไม่จำเป็นต้องเป็น IT User หรือผู้ที่เรียนจบมาทางด้านคอมพิวเตอร์ Tableau มองว่าผู้ที่เข้าใจข้อมูลน่าจะเป็นคนที่มีคำถามกับข้อมูล ไม่ใช่ว่ามีคำถามที่สงสัยแล้วต้องให้ฝ่าย IT เป็นคนวิเคราะห์หรือทำ Report ให้  Tableau สามารถทำแบบนี้ได้จำเป็นต้องทำให้ซอฟต์แวร์ใช้งานง่ายพอ Benchmark ที่สำคัญก็คือโปรแกรม Microsoft Excel (ซึ่งแทบจะใช้งานเป็นแทบทุกคน) Tableau ได้พิสูจน์และเป็นที่ยอมรับว่า Tableau ใช้ทำกราฟได้ง่ายกว่า เร็วกว่า และสวยกว่า Excel

 

  1. ภาษา VizQL[6] ผู้ปิดทองหลังพระให้กับ Tableau

VizQL คือ Visual Query Language ที่แปลงการ Drag-and-Drop เป็น Query การดึงข้อมูลแล้วแสดงผลเป็นภาพ โดยทำหน้าที่จัดการความซับซ้อนเบื้องหลังของการ Query และ Analysis VizQL ได้ถูกจดสิทธิบัตรโดย Tableau รูปด้านล่างแสดงการทำงานของ VizQL

VizQL.png
การทำงานของ VizQL ที่ทำ Query, Analyze และแปลงเป็น Visual ในขั้นตอนเดียว

                       

ผลของ VizQL ทำให้ ผู้ใช้งานได้รับประสบการณ์อันน่าประทับใจในการสร้าง Visualization เพราะเราจะเห็นภาพ ทันทีที่เรา Drag-and-Drop ส่งผลให้เราสามารถตอบคำถามได้เร็วเท่าที่เราคิด นี่เป็นเหตุผลที่ Tableau สามารถทำ Data Exploration ได้โดดเด่นกว่าคู่แข่งมาก

 

Tableau ในมุมมองด้าน Business Intelligence

Gartner ได้จำแนก (Classify) Tableau ให้อยู่ในประเภท Business Intelligence and Analytics ถ้าสังเกตุการให้คะแนนใน Gartner Magic Quadrant (ดูรูปที่ 1) จะพบว่า Tableau ได้คะแนน “ABILITY TO EXECUTE” สูงที่สุด (ดูแกน Y หรือแกนแนวตั้ง) นั่นหมายความว่าอะไร?

          หมายความว่า Tableau มีความสามารถในการไปใช้งานจริงได้สูงที่สุด Tableau ได้นิยามตัวเองว่าเป็น BI รุ่นใหม่ (Modern BI[7]) ซึ่งมีความแตกต่างกับ BI รุ่นดั้งเดิม (Traditional BI) ในที่นี้ผู้เขียนจึงขอเปรียบเทียบความแตกต่างระหว่าง Tableau กับ Traditional BI ดังตารางด้านล่าง

ลำดับ หัวข้อพิจารณา Traditional BI

Tableau

1

Analytics Flow

(Questions and Answers)

User มีคำถาม และ IT ทำ Report เพื่อตอบคำถาม User สามารถหาคำตอบได้ด้วยตนเอง

2

Response to change ช้ากว่า, ใช้เวลานานในการหาคำตอบ เร็วกว่า มีความยืดหยุ่นมากกว่า เพราะ Business User สามารถทำได้เอง จึงเรียกว่า Self Service BI

3

Investment ลงทุนสูง ลงทุนต่ำกว่า

4

Time to implement ใช้เวลา Implement นาน ใช้เวลา Implement สั้นกว่า

5

Dashboards ทำยากกว่า สวยงามน้อยกว่า ทำง่ายกว่า สวยงามกว่า เน้น Visualization มากกว่า

6

BI Tools Completeness มีครบถ้วนกว่า มีน้อยกว่า

จากตาราง หัวข้อพิจารณาลำดับที่ 1-5 นั้น Tableau สามารถทำคะแนนได้ดี ส่งผลให้คะแนน “ABILITY TO EXECUTE” สูงที่สุดตามไปด้วย

จากตารางในหัวข้อลำดับที่ 6  BI Tools Completeness นั้น เป็นข้อเสียเปรียบของ Tableau เนื่องจากโดยส่วนใหญ่ Traditional BI จะมีเครื่องมือที่ครบถ้วนมากกว่า โดยเฉพาะในส่วนของ Data Warehousing อันประกอบด้วยการทำ ETLs การสร้าง Data Warehouse การทำ OLAP Cubes (ดังรูปด้านล่าง) เป็นต้น  ซึ่ง Tableau ไม่ได้มีเครื่องมือเหล่านี้ในตัวเอง

Data Warehouse.png 

อย่างไรก็ดี Tableau เวอร์ชันล่าสุด (เวอร์ชัน 2018) นั้น Tableau ได้ออกสินค้าใหม่ชื่อ Tableau Prep ซึ่งทำหน้าที่เตรียมข้อมูล (Preparation) คล้ายกับการทำ ETLs อย่างไรก็ตามเนื่องจากเป็นสินค้าใหม่จึงยังต้องคอยติดตามดูว่าจะมีความสามารถเทียบเท่า Traditional BI หรือไม่

 

Tableau ในมุมมองด้าน Analytics

Gartner ได้จำแนกการทำ Analytics[8] ออกเป็น 4 ระดับดังรูป ประเด็นที่ผู้เขียนต้องการจะชี้ให้เห็นคือ Tableau ไม่ได้เป็นซอฟต์แวร์ที่สามารถทำ Analytics ได้ทั้ง 4 ระดับ การทำ Analytics ที่ Tableau สามารถทำได้ดีมี 2 ระดับคือ

  1. Descriptive Analytics คือการทำ Dashboard เพื่อสรุปข้อมูลประจำรอบเวลา เช่น รอบสัปดาห์ หรือรอบเดือนเป็นต้น การทำ Dashboard เป็นการรวบรวม Visualization หลาย ๆ แบบเข้าด้วยกัน ซอฟต์แวร์ Tableau, Microsoft Power BI และ Qlik ต่างก็สามารถสร้าง Dashboard ที่มีประสิทธิภาพเหมือน ๆ กัน

 

  1. Diagnostic Analytics คือการหาคำตอบที่สงสัยว่า สิ่งที่เกิดขึ้นนั้นเกิดได้อย่างไร การทำ Analytics ระดับนี้ Tableau จะโดดเด่นมากที่สุด (บางครั้งเรียกว่า Data Exploration) เพราะ Tableau มีความยืดหยุ่น รวดเร็ว เป็นมิตรกับผู้ใช้งานมากที่สุด จะได้เปรียบซอฟต์แวร์อื่น ๆ
Gartner-hindsight-to-Foresight.jpg
รูปแสดง Analytics ในระดับต่าง ๆ โดยแกน X คือความยาก ส่วนแกน Y คือคุณค่าที่ได้รับ

ส่วนการทำ Analytics อีก 2 ระดับนั้น ขออธิบายคร่าว ๆ ณ ที่นี้ดังนี้

  1. Predictive Analytics คือการใช้ Model และทฤษฎีทางด้าน Data Science หรือ Machine Learning มาวิเคราะห์ข้อมูล เพื่อทำนายสิ่งที่จะเกิดขึ้นในอนาคต ซอฟต์แวร์ที่สามารถทำได้คือซอฟต์แวร์ประเภท Data Science[9] หรือ Machine Learning Platform เช่น Rapid Miner, SAS, Alteryx, Knime และ ai เป็นต้น ถึงแม้ว่า Tableau จะไม่สามารถทำ Predictive Analytics ได้ด้วยตนเอง แต่ Tableau ก็เปิดช่องทางให้เรียกใช้ภาษา R หรือ Python ในการคำนวณขั้นสูงได้ ซึ่งก็จะมีความยุ่งยากเพิ่มขึ้น แต่ก็เป็นทางออกที่ยืดหยุ่น และทำให้ Tableau สามารถทำ Predictive Analytics ได้ในระดับหนึ่งเลยทีเดียว

 

  1. Prescriptive Analytics คือซอฟต์แวร์ประเภท Optimization หรือ Simulation คือการสร้าง Model เพื่อหาจุดที่ดีที่สุด (Optimal Solution) ซอฟต์แวร์ที่อยู่ใน Class เหล่านี้ได้แก่ IBM, Fico และ Lingo เป็นต้น

 

สรุป

Tableau เป็นซอฟต์แวร์สำหรับทำ Data Visualization ที่ได้รับความนิยมอันดับต้นของโลก Gartner ได้จัดให้ Tableau อยู่ใน Magic Quadrant for Analytics and Business Intelligence Platform โดยได้คะแนนอยู่ในกลุ่มของผู้นำ (Leader) และมีคะแนน Ability to Execute สูงที่สุด

Tableau ในมุมมองด้าน BI นั้น Tableau มีความโดดเด่นในการนำเสนอข้อมูลผ่าน Dashboard ที่สวยงามและมีประสิทธิภาพ โดยให้นิยามตัวเองว่าเป็น Modern BI ที่ส่งเสริมการทำ Self Service BI ให้สำเร็จได้

 

Tableau ในมุมมองด้าน Analytics นั้น Tableau มีความโดดเด่นในการทำ Descriptive Analytics และ Diagnostic Analytics ถ้าหากต้องการทำ Analytics ในระดับที่สูงขึ้นก็สามารถเชื่อมต่อกับภาษา R หรือ Python ได้

 

เกี่ยวกับผู้เขียน

ผู้เขียนชื่อนายยงยุทธ ลิขิตพัฒนะกุล เป็นผู้ร่วมก่อตั้งบริษัท AiTeam (Analytics and Insights Team) ผู้เขียนมีความเชี่ยวชาญและประสบการณ์ด้าน Optimization, Advanced Planning, Forecasting and Replenishment Simulation และ Business Intelligence  ผู้เขียนเป็นอาจารย์พิเศษที่สถาบันบัณฑิตพัฒนบริหารศาสตร์ (นิด้า) และจุฬาลงกรณ์มหาวิทยาลัย บริษัท AiTeam ให้บริการโซลูชันทางด้าน BI, Analytics ผ่านการอบรมและให้คำปรึกษาโดยมุ่งหวังให้ลูกค้าก้าวไปเป็นองค์กรที่เป็น Self Service BI และสามารถทำ Analytics ได้ด้วยตนเอง

 

ผู้เขียนได้รับประกาศนียบัตร CPIM จาก APICS และ Tableau Partner Solutions Consultant และ Tableau Desktop 9 Qualified Associate จาก Tableau Software

 

อ้างอิง,

References, 

[1] Pat Hanrahan เดิมเคยทำงานเป็น chief architect ให้บริษัท Pixar มาก่อน เป็นผู้สร้างซอฟต์แวร์ RenderMan ซึ่งเป็น Application ทางด้าน 3D rendering software

[2]Gartner.  “2018 Gartner Magic Quadrant for Business Intelligence and Analytics”. Feb 2018

[3] ดูบทความเรื่อง “5 อันดับ Visualizations ที่ทรงอิทธิพลสูงสุด (The 5 Most Influential Data Visualizations of All Time)”. บนเว็บ www.aiteam.co.th เร็ว ๆ นี้

[4] ดูบทความเรื่อง “หลักการสร้าง Visualizations ด้วย Tableau” บนเว็บ www.aiteam.co.th เร็ว ๆ นี้

[5] Jacques Bertin. “Semiology of Graphics: Diagrams, Networks, Maps”. 1967

[6] Chris Stolte and Jock Mackinlay. “VizQL: A language for query, analysis and visualization”.  Stanford EE Computer Systems Colloquium. 2006.

[7] Tableau. “6 Myths of Moving from Traditional to Modern BI”. 2018

[8] Gartner. “Gartner’s analytic value escalator” 2012.

[9] Gartner. “Magic Quadrant for Data Science and Machine Learning Platforms”. 2018