この記事のコンテンツ
サンディエゴの感想
今回は初めてサンディエゴでTableauConferenceが開催され、カリフォルニアの中では治安が良く、街中にゴミが落ちていたり、街中で路上生活者や浮浪者を見かけることはなかった。
会場のコンベンションセンターの周りも綺麗に整備されて、海が見える広々とした環境だった。
サンディエゴ州の街には、MTS路面電車とバスの路線がたくさんあって、クルマがなくても移動は簡単だった。
街の電車やバスなどの交通機関は、スマートフォンのアプリで乗車できる仕組みになっており、サブスクのように、5ドルで2時間はバスでも電車でも乗り換え自由で利用できる。
日本では、乗換案内のアプリを見て、地下鉄やJRの駅でSuicaで入場する仕組みだが、サンディエゴ州のPRONTOアプリは、目的地を入力すると、GPSの場所から目的地までの経路が特定されて、最寄りの駅の次の電車の発車時刻も自動表示される便利なアプリだった。
路面電車の駅と路線は東西南北に広がり、南はメキシコ国境、北はUCサンディエゴや新しいショッピングセンターなど、計画的な都市開発が行われている印象を受けた。
UCサンディエゴでは、広大な新キャンパスを建設中でしたが、近隣の用地にメディカルセンターや病院とともに、医療データ研究所や医療系ベンチャーを集めていたりして、
産学のインキュベーション拠点のように感じられた。(ちゃんと視察したいと思った。)
TableauConference会場に関して
コンベンションセンターは、海に面している左右に大きく広がった構造で、セッション間の移動は結構歩くことが多く大変だった。
食堂やテラスには、ランチタイム前後から人が集まっているが、これまでのTC会場ほど、ゆっくり食べて会話を楽しむ雰囲気はなく、アプリで次のセッションの会場を確認したり、セッション会場の前で並ぶ姿が多かったと思った。
Keynoteのメイン会場には、30分ほど前に行ったのですが、満員で入れなかった。
仕方なく、オンライン会場に移動、そちらもすでに満杯で、結局別の場所で見ることになった。
EXPOの会場は昨年よりも広かったような気がした。
会場の中心でDatabricks社が目立っていた。
Keynoteは入れなかったので、IronVizは、1時間前ほどから並んで待機して会場に入ることにした。
Keynote等での発表内容
今年のKeynoteでは、第三の潮流としてのAIの話と、戦略的事業提携の話が多い印象。
Microsoft社との提携により、TeamsとTableauが連携し、サービスの連携によるパートナーシップの強化のメリットを強調していた。
一方、Databricks社との提携では、Tableau Cloudとのワンクリック連携や、より柔軟なデータ探索と分析をリアルタイムで効率化 書き戻し機能と共有機能を内蔵することで、データ活用の強化を進めていく印象だった。
Devs on Stageでは今後の計画が発表された。
データソースや地図情報の結合が今までより簡単になるなど、課題になっていた部分の修正が多い印象だった。
データ準備から視覚化までの支援を行うAI機能としてのEinstein Copilotの提供など、全体的にAIの話が多かったと思う。
Einstein Copilotではダッシュボードの手前として、自然言語でPrep処理を行い、比較的簡単なVizが自然言語で作成できるようになった。
Tableau PulseはAIを活用して、必要な時にインサイトを得られるサービスで、Tableau Cloudで指標を作成し、進捗状況やその達成率がメールやSlackで配布される等、Salesforce色を感じる機能もあった。
Databricks
今回、戦略的パートナーシップが発表されたこともあり、セッションも多く設定されていた。
本来、何を得るためにデータを見ているのかが重要で、ワークフローで可視化され実行可能なインサイトに対してもっとコミットしていくべきという内容のセッションだった。
今までは、Tableauのセッションはデータサイエンティストにとっての使い勝手や機能を推していたが、これからは洞察によるデータの活かし方が重要視していくということだった。
TableauPulse
データそのものを使用するのではなくメトリクスを発見することによって価値が変わる。
これをTableau Pulseで実現していくということだった。
特にPersonalized、contextual、Intelligentによって、複雑な相互関係を解き明かすものであると面白いと思われる。
説明するか探索するか
データの見せ方を料理の提供方法に例えて説明。
色々な料理を好きなだけ選べるバイキング提供とどういう料理が好みかどのように食べたいかを提供するサービスダイニングで表現していた。
前者だとお客様は自分で作業をして、毎回食べ物(データ)を手に入れることに費やす時間が増えてしまう。
また、多くのデータに複数のフィルターを付けることによって膨大な見切れないデータ量になってしまい、インサイトを得にくくなってしまうということだった。
後者だとホールや配膳(データサイエンティスト)が仕事をして、食事(分析)の時間が増やせる。
一つの課題に回答するようなインサイトを与えられる説明力のあるダッシュボードが作成できるようになるということだった。
最後に(小森から)
データ分析を支援する立場として、いかにインサイトに繋げられるかが競争力として重要な要素となってきている。
そのためにはデータ基盤がちゃんとしていなければならないと思うのでデータ基盤をどうしていくかが大事。
次の一歩として、色々なAIサービスの情報収集と検証を行いながら、最適なサービスを見極めていけると良い。
![](https://www.azest.co.jp/wp/wp-content/uploads/2024/06/220819_0032-scaled.jpg)