Edizione storica di strumenti per reporting, analisi e data visualization, Tableau ha progressivamente integrato l’intelligenza artificiale (IA) nei suoi prodotti. Negli ultimi anni è diventato un punto di riferimento per l’approccio agente all’elaborazione, l’automazione e la semantica delle informazioni.
Nel grembo di Salesforce
Acquisito da Salesforce per 15,7 miliardi di dollari nel 2019, Tableau si posiziona come un fornitori leader nel settore dell’analisi dei dati. Offre un’ampia gamma di soluzioni, che vanno dal reporting, all’analitica, alla data visualization, aggiungendo nel tempo funzionalità avanzate come l'apprendimento automatico e l'intelligenza artificiale generativa.
Lo scopo principale è diventare un motore di conoscenza su larga scala, che unisce dati, logiche di business e metadati in un’unica piattaforma scalabile. Come ha spiegato Mark Recher, vice-presidente esecutivo e general manager di Tableau, in un evento stampa del 24 giugno scorso, negli anni pre-IA CRM e analisti gestivano dati warehouse, trasformandoli in modelli semantici e analisi visive in forma di dashboard.
L’approccio agente di Tableau mira a diverse sfide: semplificare la preparazione dati, accelerare la modellazione semantica, automatizzare le analisi, facilitare l’utilizzo su larga scala e connettere qualsiasi agente IA alle analisi di Tableau.
Componenti per gli agenti
Da quando ha lanciato la sua soluzione Next l’anno scorso, una piattaforma analitica orientata agli agenti attraverso Agentforce 360, Tableau ha aggiunto diversi componenti, ora disponibili per tutti i suoi utenti:
- Conversational Analytics: Usa il linguaggio naturale per fornire sommari dettagliati di grafici complessi, superando barriere tecniche come SQL o l’analisi manuale. Gli utenti possono fare domande come inviare SMS, per una precisa esperienza analitica conversazionale.
- Composable Data Sources: Consentedi riutilizzare e ampliare le risorse analitiche, rafforzando informazioni credibili all’interno dell’azienda, aggregando sorgenti di dati eterogenee.
- Tableau MCP: Sfrutta un server MCP per assicurare a ogni agente l’accesso alla semantica e al motore di conoscenza di Tableau, garantendo risposte accurate e coerenti basate su contesti operativi attendibili.
- Auto Knowledge Graph: Fornisce contesto per azioni avanzate, distinguendosi da database statici grazie al training iterativo basato sulle interazioni degli utenti.
Competenza professionale orientata ad “architetto della conoscenza”
L’obiettivo delle ultime innovazioni di Tableau è migliorare sia la qualità che la rilevanza dei risultati forniti agli utenti. Gli esiti spesso lasciavano a desiderare in caso di utilizzo semplice dei LLM (Language Learning Model).
“Iniettare dati non elaborati di previsioni di vendite in LLM creerà un bel grafico ma sarà probabilmente inesatto”, afferma Markus Recher. “I LLM sono incredibili con il linguaggio, ma quando consumano tabelle di dati, non considerano la logica aziendale attraverso modelli semantici; quindi non si ottiene una deduzione giusta né una decisione corretta”, spiega.
Un’altra considerazione importante riguarda l’origine che definisce la semantica:
“Se quelli che fissano la semantica sono data engineer, non credo siano vicinissimi all'utente operativo”, ammonisce Southard Jones, dirigente prodotto di Tableau.
“Il nuovo mestiere non consiste nel preparare tabelle, ma diventare veri architetti della conoscenza per supportare decisioni complesse”, sottolinea.