Author: hadi s

Aplikasi untuk menjadi Tableau Visionary 2025 telah dibuka. Berikut semua yang perlu Anda ketahui. Aplikasi dan nominasi untuk kelas Tableau Visionaries berikutnya telah dibuka! Nominasi diri Anda atau beri tahu kami siapa yang menurut Anda seharusnya bergabung dengan kelas pemimpin komunitas Tableau 2025. Tableau Visionaries menunjukkan keahlian dalam Tableau, mengajar di komunitas, dan berkolaborasi dengan orang lain untuk membantu semua orang melihat dan memahami data. Kami mengandalkan Visionaries kami untuk mendorong kami menjadi mitra yang lebih baik, membantu kami menciptakan produk yang dicintai orang, dan membangun komunitas inklusif tempat semua orang merasa diterima. Beberapa proyek yang telah dibantu oleh Visionaries 2024 tahun ini termasuk: menguji Tableau Agent, memberikan masukan pada roadmap Tableau, mengorganisasi DataFam Europe pertama, menguji program champion keterampilan data, dan memberikan presentasi selama berjam-jam—termasuk di Tableau Conference, Dreamforce, acara VizIt, dan berbagai pertemuan komunitas lainnya. Untuk mendukung para pemimpin komunitas kami, Visionaries mendapatkan akses khusus ke Tableau dan berbagai manfaat menarik selama masa jabatan satu tahun mereka. Jika Anda atau seseorang yang Anda kenal cocok untuk peran ini, ajukan atau nominasi sebelum pukul 11:59 malam PT, Kamis, 9 Januari 2025. Apa yang akan dilakukan kelas Tableau Visionaries 2025? Kohort baru pemimpin komunitas akan menjadi kunci dalam menciptakan dunia di mana semua orang dapat melihat dan memahami data. Selama masa jabatan satu tahun mereka, kami meminta pemimpin komunitas untuk: Berbagi keahlian mereka: Roadmap produk Tableau sangat ambisius, dan kami membutuhkan pemimpin yang bersedia membantu kami berinovasi dalam analitik masa depan. Pemimpin komunitas menunjukkan hasrat mereka terhadap bagian platform yang mereka sukai, baik itu analitik visual, persiapan data, manajemen server, ekstensi, atau lainnya. Dengan mendorong batasan dan berbagi bagaimana mereka melakukannya, Tableau Visionaries membantu semua orang di komunitas mencapai lebih banyak. Mengajar generasi berikutnya: Tableau berkomitmen untuk memberdayakan lebih banyak orang dengan keterampilan data, dan komunitas sangat penting untuk membantu kami mencapainya. Komunitas Tableau selalu menjadi tempat untuk berinteraksi dan belajar dari orang-orang yang bersemangat dan berbasis data. Dari blog, podcast, dan tutorial YouTube hingga Grup Pengguna Tableau, Forum Komunitas Tableau, dan Tableau Public, komunitas dan para pemimpinnya memainkan peran penting dalam mendidik dan mendukung generasi bakat data berikutnya. Meningkatkan kolaborasi: Dengan bekerja bersama, Visionaries menciptakan pengalaman yang lebih baik untuk semua orang. Misalnya, mereka berbagi ide produk di Salesforce IdeaExchange dan mendukungnya dengan pengembang; mereka memberikan masukan pada pra-rilis produk; mereka bereksperimen dengan platform digital baru seperti perangkat lunak jaringan digital dan Slack; mereka berbagi bagaimana organisasi mereka menggunakan Tableau; dan mereka mengidentifikasi suara komunitas baru untuk diperkuat. Kami membutuhkan mitra yang bersedia bereksperimen dan mendorong komunitas menuju hal besar berikutnya. Proses aplikasi dan nominasi Tableau Visionary Apakah Anda seorang Visionary yang bercita-cita tinggi? Apakah Anda mengenal seseorang yang seharusnya bergabung dengan kelas tahun ini? Silakan kirimkan aplikasi dan nominasi Anda hari ini—kami tidak ingin melewatkan siapa pun! Berikut beberapa tips untuk membuat aplikasi atau nominasi Anda menonjol: Tableau ingin Anda mendaftar: Kami sangat mendorong siapa pun yang tertarik untuk melamar—karena tidak ada yang lebih baik dari Anda sendiri untuk mengetahui bagaimana Anda berkontribusi pada komunitas. Melalui aplikasi Anda, kami dapat memahami siapa Anda, apa yang telah Anda lakukan untuk mendukung komunitas, dan mengapa Anda ingin menjadi Visionary. Jika Anda tidak melamar, dan Anda dinominasikan, kami akan menghubungi Anda untuk meminta informasi tambahan. Bagikan dampak Anda: Setiap tahun, kami menerima banyak aplikasi yang terlalu rendah hati. Rekomendasi kami: Anggap ini sebagai kesempatan Anda untuk membanggakan diri (kami tidak akan menilai Anda, dan ingat: aplikasi Anda akan tetap rahasia). Renungkan dampak pekerjaan Anda dalam membantu orang lain dan bagikan dampak itu dengan cara yang paling nyata. Inilah maksud kami: Pernyataan ini bagus, “Saya menerbitkan tutorial tentang cara menggunakan fitur baru dan menyajikannya ke grup pengguna. Berikut tautannya.” Menambahkan pernyataan dampak membuatnya lebih baik: “Tutorial saya kemudian dirujuk oleh tiga pengguna forum komunitas saat menjawab pertanyaan pelanggan.” Dengan mengambil langkah ekstra, Anda akan membantu kami memahami apa yang Anda lakukan dan menunjukkan kepada kami bagaimana Anda memberikan dampak. Bagikan dampak mereka (pada Anda): Nominasi adalah cara yang bagus untuk menunjukkan rasa terima kasih Anda atas kontribusi seseorang. Dalam nominasi Anda, bagikan bagaimana pekerjaan seseorang memungkinkan Anda menjadi lebih baik di Tableau, mengatasi tantangan, atau menginspirasi proyek berikutnya. Jangan meremehkan kekuatan testimonial Anda dalam membantu kami memilih nominasi Anda sebagai Visionary. Mengirimkan nominasi cepat dan mudah. Pastikan apa yang Anda bagikan diperhitungkan: Saat kami mempertimbangkan keanggotaan Anda dalam kelas Visionaries 2025, kami hanya akan mengevaluasi kontribusi yang dibuat untuk Komunitas Tableau selama tahun sebelumnya. Referensi ke kontribusi yang dibuat sebelum 2024 dan kontribusi yang tidak berada di ruang publik, gratis untuk diakses, seperti tempat kerja Anda, tidak akan dipertimbangkan saat kami melihat aplikasi Anda. Kami mengharapkan untuk mengumumkan kelas Visionaries 2025 pada Februari 2025 dan tidak sabar untuk berbagi siapa yang terpilih! FAQ proses aplikasi Tableau Visionary Apa proses peninjauan untuk Tableau Visionary? Tim Komunitas Tableau membuat komite seleksi yang terdiri dari karyawan dari berbagai bagian organisasi kami—kelompok beragam ini secara sengaja mewakili berbagai tingkat keahlian, latar belakang, dan keakraban dengan program Visionary. Sebelum meninjau aplikasi apa pun, komite mengevaluasi proses seleksi itu sendiri dan mencari peluang untuk menciptakan peninjauan yang seadil dan seimbang mungkin. Setiap anggota komite menilai nominasi dan pelamar sesuai dengan rubrik yang menjelaskan pengajaran, keahlian, dan kolaborasi. Evaluasi kemudian didiskusikan selama pertemuan, anggota berbagi perspektif mereka, dan menantang bias. Sesekali, ketika muncul pertanyaan atau diperlukan lebih banyak perspektif, komite menghubungi pelamar, nominasi, atau pemangku kepentingan untuk meminta klarifikasi. Komite kemudian menggunakan skor rubrik dan masukan karyawan untuk menentukan kohort baru. Karena tingginya volume nominasi dan aplikasi serta untuk menghormati kerahasiaan mereka yang terlibat dalam proses seleksi, kami tidak berbagi alasan untuk mereka yang tidak terpilih. Apakah Tableau berniat menambah jumlah anggota dalam program ini? Kami tidak memiliki target pasti untuk peserta program—prioritas kami adalah memilih kandidat yang memenuhi syarat yang mewujudkan nilai-nilai program Tableau Visionary. Seperti semua aspek Komunitas Tableau, kami berkomitmen untuk mengangkat suara beragam, mengurangi bias budaya, dan menampilkan pengalaman serta perspektif yang lebih mencerminkan komunitas yang kami layani. Apakah Tableau memilih Visionaries berdasarkan berapa kali mereka dinominasikan? Kami tidak memilih pemimpin komunitas berdasarkan jumlah…

Pelajari kerangka kerja empat langkah dan unduh Accelerator untuk meningkatkan kesiapan sumber data untuk Tableau Cloud. Seberapa sering Anda mendengar, “Tanpa data yang baik, Anda tidak akan memiliki AI yang baik?” Kedengarannya sederhana, tetapi studi menunjukkan bahwa “memastikan data yang skalabel dan andal” adalah salah satu tantangan analitik utama yang dihadapi organisasi, menurut Laporan State of Data and Analytics Salesforce. Tantangan ini memiliki dampak signifikan ke bawah. Organisasi yang tidak dapat dengan percaya diri memastikan mereka memiliki data yang andal tidak dapat dengan percaya diri mengadopsi kemampuan AI atau layanan mandiri. Untuk meningkatkan skala secara bertanggung jawab seputar kemampuan yang didorong oleh AI dan layanan mandiri, organisasi memerlukan proses yang lebih baik untuk mengeksplorasi, meningkatkan, dan memvalidasi sumber data yang mendukungnya. Blog ini menyediakan alat untuk memantau sumber data Tableau Anda secara lebih efektif dan kerangka kerja untuk mendorong perbaikan iteratif, sehingga Anda dapat lebih percaya diri pada data Anda. Rangkaian proses ini terdiri dari empat Langkah : Pantau data Anda Identifikasi tujuan yang bermakna Buat dan promosikan sumber data Berdayakan pengguna Anda Langkah 1: Pantau sumber data Anda Meningkatkan kepercayaan data dimulai dengan pemahaman dasar tentang data Anda. Pertimbangkan salah satu Proyek Tableau tingkat atas Anda, dan tanyakan pada diri Anda: Berapa banyak sumber data yang ada di proyek itu? Bagaimana pengguna membedakan sumber yang dipercaya dan diatur dari yang eksperimental? Apakah ada dokumentasi pendukung untuk membantu pengguna baru memahami data? Jika Anda tidak dapat menjawab pertanyaan-pertanyaan ini, meningkatkan skala untuk AI atau penemuan layanan mandiri mungkin membuat Anda cemas. Langkah pertama untuk mengurangi kekhawatiran ini adalah dengan memantau dan mengeksplorasi sumber data Anda. Admin Tableau Cloud mana pun dapat melakukannya dengan menghubungkan Data Source Manager Accelerator ke Situs Tableau Cloud Anda, dan kemudian membagikannya untuk dilihat pengguna lain. Mulailah dengan meninjau bagian “Kenali sumber data Anda” untuk melihat bagaimana pengguna dapat berinteraksi dengan data mereka. Sumber data yang dipublikasikan membuat satu sumber data dapat diakses oleh pengguna yang memiliki izin, memungkinkan kemampuan layanan mandiri dan Tableau Pulse. Sumber data bersertifikat melangkah lebih jauh, meyakinkan pengguna bahwa data telah melewati standar tata kelola organisasi dan dapat dipercaya. Namun, sumber data tersemat terdapat di dalam workbook Tableau, membuatnya tidak dapat diakses untuk eksplorasi di luar dasbor melalui penulisan web atau Tableau Pulse. Memantau dan mengelola aset data Anda di sepanjang kategori ini akan membantu Anda menilai kesiapan Anda untuk memanfaatkan kemampuan AI dan layanan mandiri Tableau di Situs Tableau Anda. Langkah 2: Pilih tujuan yang bermakna Daripada membebani diri Anda dengan mencoba meningkatkan semua data Anda sekaligus, fokuslah untuk mencapai kemenangan jangka pendek pada tujuan yang bermakna. Untuk mengidentifikasi kasus penggunaan ini, ambil inisiatif potensial apa pun, papan tulis digital, dan jawab pertanyaan berikut untuk inisiatif tersebut: Inisiatif yang Anda pilih untuk difokuskan harus mengonfirmasi semua hal di atas. Itu harus berdampak pada tujuan organisasi yang relevan, menggunakan data yang dapat dibawa ke Tableau, dan menunjukkan bahwa analitik dapat benar-benar mendorong kemajuan yang berarti. Setelah dikonfirmasi, Anda memiliki kasus penggunaan yang layak untuk difokuskan. Buat Proyek Tableau yang ditunjuk dan ikuti langkah berikutnya untuk melengkapi pengguna dengan aset data yang dapat dieksplorasi. Pelajari lebih lanjut tentang membuat peta nilai untuk membantu memilih keberatan yang bermakna di situs web kami. Langkah 3: Buat dan promosikan aset data Anda telah mencantumkan sumber data yang diperlukan untuk inisiatif Anda pada langkah 2 di atas, sekarang pastikan data tersebut tersedia di Situs Tableau Anda dengan merujuk ke Data Source Manager Accelerator. Di sini, semua sumber data Anda dikategorikan sebagai Bersertifikat, Dipublikasikan, atau Tersembunyi, seperti yang dibahas pada Langkah 1. Filter Accelerator untuk Proyek Tableau Anda, dan jelajahi bagian-bagian berikut dari dasbor untuk mempelajari lebih lanjut tentang data Anda. Sumber Data Tersembunyi (pojok kanan bawah) Di pojok kanan bawah, Anda melihat semua sumber data tersembunyi Anda, diurutkan berdasarkan pengulangan. Ingat, sumber data ini terdapat di dalam dasbor, yang berarti mereka tidak dapat dieksplorasi dengan Tableau Pulse atau penulisan web. Tinjau bagian ini untuk: Pertimbangkan untuk memublikasikan sumber data tersembunyi yang sering digunakan untuk memungkinkan fitur dan konsistensi Arahkan koneksi dasbor tersembunyi ke sumber data Dipublikasikan/Bersertifikat yang setara, jika ada Data yang Dipublikasikan (pojok kiri bawah) Di pojok kiri bawah, Anda melihat semua sumber data yang Dipublikasikan Anda, diurutkan berdasarkan aktivitas pengguna. Meskipun sumber data ini memungkinkan fitur Tableau yang lebih canggih, mereka tidak memiliki indikasi apakah data tersebut telah melewati pemeriksaan tata kelola dan dapat dipercaya. Tinjau bagian ini untuk: Pertimbangkan untuk menghentikan sumber data yang tidak digunakan Pertimbangkan untuk memberi sertifikasi pada sumber data yang Dipublikasikan dan sering digunakan Untuk kandidat sertifikasi, berkolaborasi dengan pemilik data dan pakar untuk menyelesaikan daftar periksa sertifikasi Pelajari lebih lanjut tentang cara memublikasikan sumber data di situs web kami. Daftar Periksa Sertifikasi (arahkan kursor pada daftar periksa di dasbor) Daftar periksa sertifikasi adalah proses organisasi Anda untuk memeriksa sumber data, yang memastikan pengguna memahami mengapa mereka dapat mempercayai data mereka. Daftar periksa ini biasanya mencakup berbagai pemeriksaan untuk mengonfirmasi keakuratan data dan keberadaan dokumentasi pendukung. Meskipun kami tidak dapat langsung memantau keakuratan data dengan Accelerator ini, kami dapat melacak variabel lain untuk membantu pemilik data mengatur upaya sertifikasi mereka. Arahkan kursor pada daftar periksa di dasbor untuk melihat enam item daftar periksa berikut untuk setiap sumber data: Pemilik Berlisensi: Memastikan pemilik data masih pengguna Tableau berlisensi; Diperbarui dalam 30 hari terakhir: Memastikan sumber data telah diperbarui dalam sebulan terakhir; Deskripsi: Memastikan deskripsi sumber data mencakup latar belakang spesifik tentang data dan memandu pengguna ke mana harus pergi dengan pertanyaan (format dapat disesuaikan oleh Anda); Jenis Sumber Data: Memastikan data berasal dari sumber dan database yang disukai; Format Judul: Memastikan judul dapat dibaca tanpa karakter khusus; Diakses dalam 90 hari terakhir: Memastikan pengguna masih menggunakan data; Catatan: Ini adalah titik awal. Sesuaikan item daftar periksa Anda dengan mengedit kalkulasi “Score_” di Accelerator atau menambahkan yang baru. Setelah seorang pakar data menjamin keakuratan data, pemilik data dapat menggunakan Accelerator ini untuk memastikan dokumentasi pendukung yang diperlukan disertakan. Gabungan pemeriksaan ini, yang dilakukan di dalam dan di luar dasbor ini, akan memastikan sumber data siap menerima label Sertifikasi di Tableau….

Sebagai pemilik bisnis atau penggemar data, Anda mungkin pernah dihadapkan pada dilema: Haruskah saya memilih Tableau atau Power BI sebagai solusi business intelligence (BI) saya? Ini adalah pilihan yang sulit, dan kedua alat ini sangat mampu dalam hal menganalisis dan mempersiapkan data perusahaan. Namun, mana yang benar-benar cocok untuk kebutuhan Anda? Mari kita telusuri. Baik Tableau maupun Power BI memiliki fungsi utama yang sama dalam sistem BI: mengumpulkan, mengintegrasikan, menganalisis, dan memvisualisasikan informasi bisnis. Mereka memungkinkan Anda untuk mengubah data mentah menjadi visual yang dapat memberikan wawasan untuk pengambilan keputusan. Namun, cara mereka melakukan tugas-tugas ini bisa sangat berbeda. Dalam paragraf berikut, saya akan membahas beberapa perbedaan paling jelas yang dapat membantu dalam memahami bagaimana kedua alat ini berbeda. Tableau vs Power BI: Sumber Data Aspek penting dari setiap alat BI adalah kemampuannya untuk terhubung ke berbagai sumber data. Tableau dan Power BI menawarkan opsi yang kuat dalam hal ini, tetapi dengan kekuatan yang berbeda. Tableau dikenal karena fleksibilitasnya dalam mendukung berbagai sumber data, termasuk basis data, layanan cloud, dan spreadsheet. Tableau unggul di lingkungan di mana data tersebar di berbagai platform, menawarkan koneksi data waktu nyata yang memungkinkan pembaruan instan. Fleksibilitas ini menjadikan Tableau pilihan menarik bagi bisnis dengan lanskap data yang beragam. Di sisi lain, Power BI, meskipun sedikit lebih terbatas dalam konektivitas, dioptimalkan untuk ekosistem Microsoft. Power BI terintegrasi dengan lancar dengan Microsoft Azure, SharePoint, SQL Server, dan alat Microsoft lainnya, menjadikannya pilihan yang nyaman jika bisnis Anda sudah mengandalkan platform ini. Tableau vs Power BI: Persiapan & Transformasi Data Persiapan data sering kali menjadi tahap kerja utama dalam BI, dan Tableau serta Power BI memiliki pendekatan yang berbeda di sini. Tableau menyarankan untuk menggunakan alat terpisah untuk pembersihan dan transformasi data, yaitu Tableau Prep. Meskipun ini mungkin terlihat seperti langkah tambahan, Tableau Prep menawarkan kemampuan kuat untuk mempersiapkan data. Pemisahan ini bisa dilihat sebagai kekuatan dan kelemahan: memberikan kemampuan persiapan data yang lebih spesial, tetapi dapat menambah kompleksitas bagi pengguna yang menginginkan solusi all-in-one. Untuk mengetahui lebih lanjut tentang Tableau Prep, lihat artikel blog ini. Power BI, di sisi lain, mengintegrasikan persiapan data dalam satu platform menggunakan Power Query Editor. Alat ini memungkinkan pengguna untuk membersihkan, mentransformasi, dan membentuk data tanpa meninggalkan antarmuka Power BI. Pendekatan terintegrasi ini dapat menghemat waktu dan membuat proses lebih intuitif, terutama bagi pengguna yang lebih suka bekerja dalam satu platform. Bagi saya, hal ini tergantung pada preferensi organisasi Anda, seperti halnya di banyak organisasi, terdapat fungsi yang terpisah untuk setiap tanggung jawab dalam tim BI. Ada data engineer yang bertanggung jawab untuk menyiapkan dan mentransformasikan data, dan BI developer yang bertanggung jawab untuk memvisualisasikan data dan membagikan pekerjaan dengan orang lain. Saya rasa ini adalah hal yang baik untuk menjaga pemisahan ini, karena BI developer bisa fokus sepenuhnya pada pembuatan dashboard dan laporan yang berkualitas tinggi. Tableau vs Power BI: Visualisasi Data Tableau sering dipuji karena fleksibilitas opsi visualisasinya. Tableau memungkinkan Anda untuk membuat visual yang sangat disesuaikan dengan relatif mudah. Jika Anda menginginkan kebebasan total untuk merancang data persis seperti yang Anda bayangkan, Tableau mungkin menjadi pilihan utama Anda. Power BI, meskipun menawarkan fitur drag-and-drop yang intuitif, memiliki beberapa keterbatasan dalam hal kustomisasi visualisasi. Power BI lebih spesifik mengenai bidang yang dibutuhkan untuk membangun visual, yang bisa menjadi berkat maupun kutukan. Spesifikasi ini memudahkan pemula untuk mulai membuat visual yang berarti, tetapi bisa terasa membatasi bagi mereka yang menginginkan kontrol kreatif lebih banyak. Salah satu area di mana Tableau menonjol adalah dalam eksplorasi data secara langsung. Antarmuka Tableau memungkinkan Anda untuk menggali data dengan tingkat granularitas yang tinggi, memudahkan Anda untuk menemukan kesalahan dan memahami nuansa data sebelum Anda mulai membangun visualisasi. Kemampuan ini bisa sangat penting jika Anda perlu memahami data dengan lebih mendalam. Tableau vs Power BI: Analitik Lanjutan Analitik lanjutan sangat penting bagi bisnis yang membutuhkan wawasan lebih dalam dari data mereka, dan baik Tableau maupun Power BI memenuhi kebutuhan ini, meskipun dengan cara yang berbeda. Tableau sangat kuat dalam analitik lanjutan, menawarkan dukungan untuk perhitungan yang kompleks, analisis tren, fungsi statistik, dan analitik prediktif. Ini menjadikan Tableau alat yang sangat kuat bagi ilmuwan data dan analis yang membutuhkan kemampuan analitik yang canggih. Selain itu, Tableau Einstein memperkenalkan analitik berbasis AI, yang mengubah data menjadi wawasan yang dapat ditindaklanjuti di berbagai alur kerja, memberikan analisis yang lebih komprehensif yang dapat sangat penting bagi pengambilan keputusan tingkat perusahaan. Pelajari lebih lanjut tentang Tableau AI di sini. Power BI juga menghadirkan analitik lanjutan, meskipun pendekatannya lebih terhubung dengan ekosistem Microsoft. Power BI menawarkan analitik prediktif, wawasan berbasis AI, dan kemampuan untuk menjalankan perhitungan kompleks menggunakan bahasa DAX (Data Analysis Expressions). Meskipun Power BI mungkin tidak sefleksibel Tableau dalam beberapa hal, Power BI tetap merupakan alat yang sangat baik untuk analitik lanjutan, terutama bagi pengguna yang sudah familiar dengan DAX dan ekosistem Microsoft secara umum. Tableau vs Power BI: Pembuatan Dashboard & Pelaporan Kemampuan untuk membuat dan membagikan dashboard serta laporan adalah fitur kunci dari alat BI, dan baik Tableau maupun Power BI unggul dalam hal ini, masing-masing dengan keunggulan uniknya. Tableau menawarkan lebih banyak opsi kustomisasi dalam hal dashboard. Pengguna dapat mengontrol segalanya mulai dari ukuran dan format hingga interaktivitas antar grafik, memungkinkan pendekatan desain dashboard yang mirip dengan pengembangan web. Tingkat kontrol ini bisa menjadi keuntungan besar jika Anda perlu membuat laporan interaktif yang sangat disesuaikan untuk memenuhi kebutuhan bisnis tertentu. Power BI, di sisi lain, memberikan pendekatan yang lebih sederhana. Antarmuka yang ramah pengguna memudahkan navigasi, dan meskipun mungkin tidak menawarkan tingkat kustomisasi yang sama seperti Tableau, Power BI lebih dari mampu menghasilkan dashboard yang profesional dan memberikan wawasan yang berarti. Ini menjadikan Power BI sangat cocok bagi pengguna yang perlu menghasilkan hasil dengan cepat tanpa terlalu mendalami elemen desain. Tableau vs Power BI: Penyebaran & Kolaborasi Kolaborasi dan berbagi merupakan fitur penting dalam alat BI modern, dan baik Tableau maupun Power BI menawarkan solusi yang kuat dalam hal ini. Tableau memungkinkan berbagi visualisasi dan dashboard dengan mudah melalui Tableau Server atau Tableau Online, memberikan fitur kolaborasi yang kuat seperti komentar, anotasi, dan langganan. Alat-alat…

Melakukan perjalanan data tidak pernah mudah… Namun, berbicaralah dengan pemimpin bisnis atau eksekutif mana pun dan tanyakan bagaimana bisnis mereka telah berubah selama beberapa tahun terakhir. Kemungkinan besar mereka akan menyebutkan perjalanan transformasi digital mereka dan akses mereka ke data. Saat ini, organisasi memiliki akses ke data lebih banyak daripada sebelumnya, memungkinkan mereka membuat keputusan bisnis yang berdampak berdasarkan fakta, bukan hanya firasat dari para manajer dan pengambil keputusan lainnya. Tantangan bagi sebagian besar organisasi saat ini, bagaimanapun, adalah bahwa data yang akurat dan berdampak sulit untuk diakses. Kombinasi sistem lama dan silo data antar departemen dapat menciptakan ketidakkonsistenan data yang signifikan, yang pada akhirnya membuat pelaporan dan perencanaan bisnis yang akurat menjadi sangat sulit. Di Biztory, kami percaya bahwa organisasi akan berkembang ketika orang-orang mereka memiliki akses yang lebih cepat dan lebih mudah ke data yang akurat dari seluruh bisnis Anda. Dan satu-satunya cara untuk mencapainya adalah dengan meningkatkan tingkat kematangan data organisasi Anda. Perusahaan yang berhasil dalam hal ini tidak hanya tumbuh, tetapi juga mampu dengan cepat menyesuaikan diri dengan pasar dan menciptakan produk baru. Organisasi berbasis data ini juga merupakan perusahaan yang memberikan pengalaman pelanggan yang dipersonalisasi dan membuat interaksi digital lebih memuaskan bagi semua orang, termasuk karyawan. Mencapai tingkat tertinggi dari Kematangan Analitik tidak pernah menjadi tujuan satu kali. Ini adalah proses siklus dalam perjalanan data Anda – berfokus pada terus mendorong perubahan, dan berinvestasi pada aset terbesar Anda: orang-orang di perusahaan Anda dan data mereka. Dan di sinilah Flywheel Kematangan Data Biztory hadir. Apa itu Flywheel Kematangan Data? Flywheel Kematangan Data adalah versi remix dari model kematangan data Biztory dan bertujuan untuk menjelaskan momentum yang Anda peroleh ketika Anda membangun bisnis berdasarkan data, dan menyelaraskan seluruh organisasi Anda dengan budaya data. Ini adalah cara yang sangat mudah untuk menjelaskan apa yang menjadi inti perjalanan data Anda – dan itu cukup penting saat Anda memikirkan strategi data Anda. Berikut tampilan flywheel tersebut: Sebagian besar model kematangan data menganggap data atau kematangan data sebagai hasil akhir dari perjalanan data mereka – tidak lebih, tidak kurang. Kami tidak demikian. Kami memandang data Anda dan tingkat kematangan data yang dimiliki orang-orang Anda, sebagai kekuatan pendorong yang Anda gunakan untuk membuat keputusan berharga untuk membangun bisnis Anda. Ketika Anda melihat data bisnis sebagai sebuah flywheel, Anda membuat keputusan yang berbeda dan menyesuaikan seluruh strategi data Anda. Untuk menunjukkan apa yang kami maksud, mari kita lihat lebih dalam bagaimana flywheel sebenarnya bekerja… Bagaimana Flywheel Bekerja? Tingkat kematangan data, atau jumlah momentum analitik, yang dimiliki flywheel Anda bergantung pada tiga hal: Tingkat kepercayaan dalam organisasi Anda dan seberapa terpercaya atau akurat data tersebut. Seberapa baik orang-orang dilatih dan diberdayakan untuk bekerja dengan data. Tumpukan teknologi (Tech Stack) yang Anda gunakan untuk membangun flywheel Anda. Organisasi yang paling berbasis data akan menyesuaikan strategi data mereka untuk menangani ketiganya. Kecepatan flywheel Anda meningkat ketika Anda menambahkan kekuatan ke area yang memiliki dampak terbesar. Kekuatan ini berupa program, alat, strategi, dan implementasi lain yang Anda gunakan untuk mempercepat flywheel kematangan data Anda. Misalnya, audit kualitas data, program konsultasi, dan investasi pada tim Anda dengan pelatihan spesifik alat adalah kekuatan yang dapat Anda terapkan. Dengan fokus pada bagaimana Anda dapat membuat orang-orang di perusahaan Anda bekerja lebih baik dengan data, semakin besar kemungkinan mereka membuat keputusan bisnis berdasarkan data dan analitik yang berdampak. Karena Anda menggunakan kekuatan untuk membuat flywheel Anda berputar lebih cepat, Anda ingin memastikan tidak ada yang menghambatnya – artinya: menghilangkan hambatan dari strategi data Anda. Hambatan ini mencakup kualitas data yang buruk, miskomunikasi antar tim, kurangnya pemahaman tentang data, dan sebagainya. Anda dapat menghilangkan hambatan ini dengan memetakan proses data Anda saat ini dan bagaimana tim Anda terstruktur. Mengapa kualitas data buruk? Apakah data Anda terpusat atau tersebar di silo data? Apakah semua tim Anda selaras dengan sumber data ini? Apakah mereka memahami arti data tersebut? Semakin Anda meningkatkan kecepatan dan menghilangkan hambatan, semakin cepat Anda akan tumbuh dalam perjalanan data Anda. Dan semakin cepat Anda akan mencapai tingkat kematangan data yang lebih tinggi. Sekarang, mari kita lihat setiap lapisan flywheel tersebut.   Inti: 3 Pilar untuk mempercepat kematangan data Anda Pendekatan flywheel adalah sarana untuk mencapai tujuan. Ini adalah metodologi yang Anda gunakan untuk mempercepat perjalanan data Anda. Melihat kembali bagaimana flywheel bekerja, Anda dapat menerjemahkan tingkat kematangan data atau momentum analitik Anda ke dalam tiga pilar inti flywheel: Teknologi: Tumpukan teknologi (Tech Stack) yang Anda gunakan untuk membangun flywheel Anda. Pelatihan: Seberapa baik orang-orang dilatih untuk bekerja dengan data. Kepercayaan: Seberapa dapat dipercaya dan akurat data Anda. Dengan orang-orang dan data sebagai inti, ketiga pilar ini di sekitar inti adalah kunci untuk membuat perjalanan data Anda sukses dengan menggunakan metodologi flywheel kami. Bagaimana cara kerjanya? Kepercayaan adalah tentang data dan budaya. Sebuah organisasi harus tidak hanya mampu mempercayai kualitas, manajemen, dan keamanan data mereka, tetapi juga sangat bergantung pada bagaimana budaya organisasi memandang data. Ini melibatkan branding, membangun komunitas internal, dan menciptakan budaya demokrasi data. Pelatihan menekankan pada peningkatan tim Anda dan membuat mereka secerdas mungkin dalam menggunakan data. Anda dapat memiliki berbagai program pelatihan, baik dari sisi teknis maupun fungsional. Biztory telah mengembangkan platform pembelajaran terbaik yang mencakup dukungan langsung dan Konsultan Dokter yang dapat Anda pesan untuk membantu selama pelatihan. Teknologi berfokus pada setiap perangkat lunak yang digunakan di organisasi Anda. Dengan memetakan arsitektur saat ini, kami dapat memberi saran tentang cara memanfaatkan tumpukan teknologi Anda dengan maksimal, serta memberikan rekomendasi tentang apa yang kami sebut sebagai Modern Data Stack. Kami percaya bahwa momentum analitik yang sebenarnya tercapai ketika Anda menggerakkan elemen-elemen ini dengan pendekatan yang disesuaikan untuk organisasi Anda. Roda tengah: Area yang mendefinisikan kematangan data Anda Perjalanan data biasanya berputar di sekitar area tertentu yang pada akhirnya mendefinisikan tingkat kematangan analitik Anda. Ada 4 area utama yang perlu diperhatikan, meskipun selalu ada tumpang tindih (karena bentuknya melingkar): Strategi & Visi Data Rekayasa Data & Analitik Tata Kelola Data & Mesh Budaya Data & Demokrasi Mari kita bahas lebih dalam setiap area dari lapisan tengah flywheel kematangan data ini… Strategi Data Strategi data adalah rencana jangka…

Pelajari tentang asisten AI Tableau yang menggunakan bahasa alami dan AI generatif untuk mempercepat eksplorasi dan analitik data. Tableau Agent (sebelumnya dikenal sebagai Einstein Copilot for Tableau) menghadirkan kekuatan AI ke dalam analitik data, mengurangi hambatan masuk, dan bekerja berdampingan dengan analis—dari persiapan data hingga visualisasi. Baik Anda seorang analis data berpengalaman atau baru memulai perjalanan eksplorasi data, Tableau Agent menjadi pendamping terpercaya Anda, memberdayakan Anda untuk mengungkap wawasan dan membuat keputusan yang tepat dengan percaya diri. Tableau Agent terintegrasi dalam lingkungan Tableau, meningkatkan alur kerja analisis data Anda tanpa perubahan yang mengganggu. Ia bertindak sebagai asisten cerdas Anda, membimbing Anda dalam proses pembuatan di Tableau, sambil memastikan akurasi, memberikan praktik terbaik, dan kepercayaan yang dibangun di atas Einstein Trust Layer. Dengan Tableau Agent di sisi Anda, Anda dapat dengan percaya diri menjelajahi data Anda, menemukan tren dan pola, serta mengkomunikasikan temuan Anda dengan kejelasan dan dampak. Tableau Agent menawarkan berbagai fitur yang meningkatkan pengalaman analitik data dan memberdayakan siapa saja untuk memanfaatkan potensi penuh dari data mereka. Wawasan lebih cepat dengan pertanyaan yang direkomendasikan Ketika Anda baru memulai dalam analitik—baik untuk pekerjaan, pembelajaran, atau sekadar bersenang-senang—kanvas kosong bisa terasa menakutkan. Dari mana harus memulai? Dengan menggunakan Tableau Agent untuk menyarankan pertanyaan yang dapat Anda ajukan dari sumber data tertentu, Anda dapat dengan cepat beralih dari menghubungkan data ke menemukan wawasan. Tableau Agent melakukan pengindeksan cepat pada sumber data yang terhubung untuk membuat ringkasan konteks dari sumber data tersebut. Ringkasan ini digunakan untuk menghasilkan beberapa pertanyaan yang dapat dijawab oleh dataset. Misalnya, menggunakan dataset seperti dataset latihan Superstore milik Tableau, Tableau Agent menyarankan, “Apakah ada pola dari waktu ke waktu untuk penjualan di berbagai kategori produk?” Dengan satu klik, sebuah grafik garis dibuat. Karena semua ini terjadi dalam pengalaman penulisan, pengguna yang akrab dengan antarmuka seret dan lepas Tableau dapat menyesuaikan apa pun yang ditampilkan sebelum menyimpan dan melanjutkan ke pertanyaan berikutnya. Menggabungkan analisis data dengan pembelajaran langsung. Dengan pertanyaan yang direkomendasikan, siapa saja dapat dengan cepat meningkatkan keterampilan analitik mereka. Eksplorasi data berbasis percakapan Jawaban atas pertanyaan pertama Anda sering kali memunculkan pertanyaan lanjutan yang memperkaya pemahaman Anda tentang data. Tableau Agent memungkinkan Anda mengiterasi dan menyempurnakan eksplorasi data Anda. Anda dapat mencari wawasan tambahan tanpa kehilangan konteks dari pertanyaan sebelumnya. Saat Anda belajar, Anda akan melihat bagaimana Tableau mengatur ukuran dan dimensi, membiasakan diri dengan tempat seret-dan-lepas untuk mendapatkan visualisasi yang Anda inginkan. Kapan saja, Anda dapat menyimpan pekerjaan Anda dan membuat lembar baru untuk menjawab pertanyaan baru. Tableau Agent dapat menangani penyaringan, mengubah jenis visualisasi, bahkan kesalahan ejaan. Ya, Tableau Agent menggunakan logika fuzzy untuk menangkap kata yang salah eja, dan pencarian semantik untuk sinonim. Jadi jika Anda mulai dengan kategori produk, pertanyaan berikutnya bisa “filter pada teknologi dan tampilkan penjualan berdasarkan produk.” Tableau Agent menempatkan filter dan mengganti dimensi. Menyaksikan ini dalam aksi dapat membantu mengajarkan lebih banyak orang di organisasi Anda cara melayani sendiri dengan eksplorasi data. Tableau Agent dapat meningkatkan pengalaman analitik Anda, baik Anda memulai dengan kanvas kosong atau mengedit dashboard yang sudah ada. Pembuatan kalkulasi terpandu Belajar menulis kalkulasi dalam bahasa baru bisa menjadi kompleks. Tableau Agent membimbing Anda dalam membuat kalkulasi melalui perintah bahasa alami. Jadi, baik Anda membuat kalkulasi untuk KPI bisnis baru atau melacak tim olahraga favorit Anda, Tableau Agent mendampingi Anda dengan kalkulasi dan penjelasan, baik di Tableau Prep maupun saat membuat visualisasi. Meminta Tableau Agent untuk “membuat indikator untuk lagu yang merupakan remix” pada data daftar putar saya menghasilkan kalkulasi yang mencari bidang Nama Lagu tanpa secara eksplisit meminta bidang tersebut. Tableau Agent mengetahui dari pengindeksan awal bahwa kata “remix” sering ditemukan di bidang Nama Lagu. Kalkulasi tersebut juga dilengkapi dengan penjelasan yang membantu sehingga Anda tahu bagaimana kalkulasi akan berperilaku sebelum menerimanya. Tableau Agent memahami agregasi, kalkulasi string, kalkulasi tabel, LOD, bahkan dapat menulis regex! Lihat Tableau Agent dalam aksi Saksikan sendiri bagaimana Tableau Agent menggunakan AI terpercaya untuk menjadi asisten Anda dalam membuka potensi penuh Anda dan data Anda. Tonton demo untuk mempelajari lebih lanjut tentang Tableau Agent, yang tersedia secara eksklusif di Tableau+. Infrastruktur IT yang kuat adalah kunci produktivitas perusahaan. Dengan tableau indonesia, Anda bisa mendapatkan solusi IT lengkap yang sesuai dengan kebutuhan Anda. iLogo Indonesia sebagai mitra terpercaya siap mengintegrasikan semuanya agar bisnis Anda tetap berjalan lancar dan aman. Hubungi kami sekarang atau kunjungi tableau.ilogoindonesia.id untuk informasi lebih lanjut!

Mulailah mencapai tujuan pribadi dan profesional Anda dengan Tableau Public—platform online gratis yang memungkinkan pengguna untuk menjelajahi, membuat, dan membagikan visualisasi data. Ini selalu menjadi waktu yang tepat untuk merencanakan tujuan yang mendukung pengembangan pribadi dan profesional Anda. Kami tahu bahwa tetap termotivasi dan di jalur yang benar bisa menjadi tantangan – tetapi di sinilah Tableau Public masuk. Platform visualisasi data yang kuat dan gratis ini dapat membantu Anda melacak kemajuan, tetap bertanggung jawab, dan mencapai tujuan Anda sambil meningkatkan keterampilan data Anda. Berikut adalah 5 cara Tableau Public dapat membantu Anda menjadikan tahun ini yang paling sukses: Lacak anggaran dan tujuan keuangan Anda Dengan fitur simpan lokal di Tableau Public Desktop Edition, Anda dapat dengan mudah melacak anggaran dan tujuan keuangan Anda dengan aman dan pribadi di desktop lokal Anda. Visualisasikan pengeluaran, tabungan, dan investasi Anda untuk membantu Anda membangun tujuan keuangan baru. Gunakan grafik seperti batang, garis, atau pai untuk membantu Anda melacak kemajuan setiap bulan dengan mulus. (Tip pro: Ingatlah untuk hanya menerbitkan data publik ke profil Tableau Public Anda. Saat menggunakan data pribadi, gunakan Tableau Desktop Public Edition.) Dashboard Keuangan Pribadi Autumn Battani Dashboard Keuangan Korporat | VOTD Pradeep Kumar G Dashboard Keuangan Pribadi Stiliyan Dimitrov Pantau perjalanan kesehatan dan kebugaran Anda Memantau kesehatan dan kebugaran Anda belum pernah semudah ini! Catat latihan Anda, jumlah langkah, kalori, tidur, dan lainnya untuk membantu Anda mencapai tujuan Anda. Anda dapat mengekspor data Anda ke Tableau Public dan membuat dashboard menggunakan peta panas, grafik batang, dan grafik garis untuk mengikuti kemajuan Anda. (Tip pro: Lihat blog Duta Tableau Public Louis Yu tentang menyiapkan data kebugaran Anda untuk Tableau dan visualisasinya “From Yoyo to Yolo”.) Jalan Menuju Kesadaran – Satu Tahun Data Tidur Lindsay Betzendahl Log Lari Karen Hinson Jumlah Langkah Harian Elke Buat resume interaktif Anda sendiri Ingin mengubah karier tahun ini? Bangun resume interaktif Anda sendiri untuk dibagikan ke jaringan profesional Anda. Buat desain unik Anda sendiri dan sorot pengalaman kerja, pendidikan, dan keterampilan Anda. Gunakan grafik Gantt atau garis untuk menunjukkan perkembangan karier Anda dan gunakan grafik batang untuk menunjukkan tingkat keterampilan Anda. Bangun elemen interaktif seperti menu drop-down yang mengarah ke bagian resume yang berbeda atau gunakan tooltips untuk memberikan konteks lebih lanjut. (Tip pro: Ingin menonjol di mata calon pemberi kerja? Bagikan tautan ke resume interaktif Anda di profil LinkedIn Anda dan aktifkan tombol “Hire Me” di profil Tableau Public Anda jika Anda sedang mencari pekerjaan.) Lihat koleksi CV dan resume interaktif ini untuk mendapatkan inspirasi. Jika Anda sedang mencari pekerjaan, pastikan Anda telah mengaktifkan tombol “Hire Me” sehingga calon pemberi kerja dapat menghubungi Anda. Sebagai bonus, Anda juga akan dimasukkan dalam visualisasi “Tableau Public Authors Available for Hire”. Kimly Scott | Resume Visual Kimly Scott Eric Balash Tableau Resume V2 Eric Balash Resume Interaktif Emily De Padua Lacak keterampilan dan hobi baru Apakah tujuan Anda adalah belajar bahasa Italia untuk liburan berikutnya atau membaca daftar buku terlaris NYT – Anda dapat menggunakan Tableau Public untuk melacak dan mencapai tonggak sejarah Anda. Buat sumber data Anda sendiri dengan mencatat metrik utama untuk aktivitas atau hobi baru Anda. Gunakan bidang seperti tanggal, waktu, durasi, penilaian, atau total. Bangun visualisasi yang menampilkan kemajuan, tren, atau ulasan Anda. (Tip pro: Menarik inspirasi dari hobi dan minat Anda adalah cara yang bagus untuk menunjukkan keterampilan data Anda dan membangun portofolio visualisasi Anda!) Semua Buku yang Saya Baca (2009-2019) Judit Bekker Buku yang Saya Baca pada 2023 Ali Tehrani Berjalan Bersama Saya: Semua yang Saya Tonton pada 2020 Judit Bekker Tingkatkan literasi data Anda Di dunia yang semakin didorong oleh teknologi, literasi data menjadi lebih penting dari sebelumnya. Kemampuan untuk memahami, menginterpretasikan, dan menggunakan data secara efektif dapat membantu Anda dalam pengambilan keputusan di berbagai aspek kehidupan pribadi dan profesional Anda. Membangun visualisasi sendiri adalah cara yang bagus untuk meningkatkan literasi data – tetapi bukan satu-satunya cara! Anda juga dapat berlatih dengan sekadar berinteraksi dengan dashboard yang dibuat oleh orang lain untuk meningkatkan kemampuan Anda membaca dan menginterpretasikan data. Tindakan ini saja dapat meningkatkan keterampilan berpikir kritis Anda. (Tip pro: Belum siap untuk mulai membangun visualisasi sendiri tetapi terbuka untuk mengeksplorasi? Berlangganan VOTD untuk menerima inspirasi langsung di kotak masuk Anda hampir setiap hari kerja.) Siap untuk membawa tujuan Anda ke level berikutnya? Jelajahi #QualifiedSelf di Tableau Public untuk inspirasi lebih lanjut. Buat profil Tableau Public secara gratis, dan jangan lupa untuk membagikan perkembangan tujuan Anda kepada kami di LinkedIn, Facebook, dan X! Infrastruktur IT yang kuat adalah kunci produktivitas perusahaan. Dengan tableau indonesia, Anda bisa mendapatkan solusi IT lengkap yang sesuai dengan kebutuhan Anda. iLogo Indonesia sebagai mitra terpercaya siap mengintegrasikan semuanya agar bisnis Anda tetap berjalan lancar dan aman. Hubungi kami sekarang atau kunjungi tableau.ilogoindonesia.id untuk informasi lebih lanjut!