さぁ、新しいTableau Creatorの姿について話そう。
はじめに
サンディエゴは、日差しも海もあっけらかんとしていて、初めて訪れたはずなのに、なぜか親しみを感じる。
2024年5月、二度目のTableau Conference。Ambassadorも二年目を迎え、仲間を率いるリーダーとしての自覚と、周囲の期待（会場の壁やキーノートのCEOセクションの表紙に自分を見つける驚きと感動は言葉にできない）を身にまとって、私は充実した時を過ごしていた。
…はずだった。
二時間にわたるキーノートを聴き終え、よろよろと会場を出た後、私は半ば茫然と、会場のテラスで海と青い空を眺めていた。
変化の予感。その気配に、胸を躍らせたDataFamばかりではないことはすぐに分かった。
気配はあった。それこそ、去年のTableau Conferenceから。もしかしたら、もっと前から。この１年間、ずっと、ずっと悩んでいた。
これまでと同じやり方でFamを率いる事が難しいのはわかっているのに、どうしたらいいかわからない。Tableau Conferenceの熱狂の中、心の端に押しやっていたその１年分の不安が一気に押し寄せてくる。
私は、これから、どうしたらいい？
ただ、一つだけ確かなのは、私にもFamにも変化が必要ということだ。それも、とびきりCoolで私たちらしい変化が。
私にとって、いつでも一番に大事なのは、DataFamだ。
Social Ambassadorとして、Tableauの世界観を広くDataFamや未来のDataFamに伝える事をミッションとしているからこそ、DataFamが安心して情熱を傾けられるTableau Creatorの未来の姿を、自信をもって語りたい。
なぜこんなエモーショナルな書き出しをしているかというと、これから私がする話は、きっと、DataFam全員には共感してもらえないと思うからだ。
だから。
サンディエゴの砂浜に並んで腰を下ろし、柔らかな夕日を眺めながら話をするような、親密で安心感のある雰囲気の中でこの話をしたかった。
さぁ、私たちの未来の話をしよう。
「本当の」セルフサービスBIの時代が来る
Pulseは面白い。
機能として、というより、Pulseに相対したTableau ユーザーの反応がポジティブとネガティブに真っ二つに割れるところだ。
最初は、なぜかわからなかった。これまでにないDataFamのざわめきを、どう定義したらよいかわからなかった。けれど、私自身の感情のざわめきと仲間たちとの対話から、私は一つの理由を結論付けた。
「データ可視化って、人にやってもらうもんじゃないよね。自分たちでやるもんだよね」という、元々セルフサービスBIが目指していた世界観が、ついに実現するかもしれない、という気配に、胸が躍るか、背筋が寒くなるかの違いだ。
ビジュアル分析の担い手は、近い将来、データの専門職から、ビジネス側（LOB)の意思決定者へ移行するかもしれない。
ビジュアル分析のサイクルとその担い手
ビジュアル分析のサイクル（https://help.tableau.com/current/blueprint/ja-jp/bp_cycle_of_visual_analysis.htm ）とは、Tableau Blueprintの一部を担う、ビジュアル分析プロセスのベストプラクティスだ。
読者の中には、このビジュアル分析のサイクルのステップ全てを担うのがTableau Creatorである、という教育を受けた人もいると思う。目指す姿としてはまさしくその通りだが、現実は事情が異なる。
実際には、この図のようにオーナーシップが分かたれている事が多い。
Tableau Creator（データ可視化作業者）
Choose visual mapping・View data
LOB（ビジネス側の意思決定者）
Task・Develop insight・Act
データエンジニア（DE：データ準備専門職）
Get data
というのも、Get dataからView dataまでのスキルの専門性が高く、習得には、時間的・金銭的学習リソースを投じる必要があるが、本業を持つビジネス側（LOB）の意思決定者には負担が多く、専門人材に（社内であれ社外であれ）作業を切り出して「発注」する構造があったからだ。
ダッシュボード作成のニーズは多い。一方、ビジュアル分析のサイクルをすべて自力で回せるような成熟したデータアナリストは足りない。
結果、Choose visual mapping, View dataつまり、Tableau Desktopの機能の範囲内で、「受け取ったデータをLOBの指示の通りにダッシュボードに構築して納品する」事を作業としてこなすTableau Creatorが少なくない数で誕生した。
１つのサイクルを俯瞰して理解するデータアナリストが不在のまま、ビジュアル分析のサイクルが、３つのロールによって分断されるケースが多く見受けられた。
この構造に変化をもたらすかもしれないのが、AIだ。
特に、Tableau内のAIファンクションは、Tableau Creatorに発注されがちだった、「Choose visual mapping・View data」へのサポートが手厚い。
従来Tableau Creatorに依頼されていた可視化作業を、AIのサポートを受けながらLOBが自ら取り組む姿がみえてこないだろうか？
AIがビジュアル分析にもたらす本当の価値 分析主体の移行に伴う分析体制のスリム化とスピードアップ
可視化にかかるリソースや時間の削減は、確かにAIがもたらす価値だ。一方、私の思うAIがビジュアル分析にもたらす最も大きな価値は、ビジュアル分析のステークホルダーの統合による分析体制のスリム化と、それによる分析サイクルのスピードアップだ。
先述の通り、ビジュアル分析には、３つのステークホルダーが関わっている。
Tableau Creator
LOB
データエンジニア
そして、AIの台頭により、ビジュアル分析の主体はLOB supported by AIになる。すると、ビジュアル分析の体制は、
LOB supported by AI
データエンジニア
という２つのステークホルダーから成る、よりシンプルな構造に落ち着く。
データエンジニアは統合されないのですか？
と聞かれそうだが、私はAIにサポートしてもらえばできる、のレベル感まで来るにはもう少し時間がかかると踏んでいる。（正直言うと、ここをAIにやってもらえるなら一番ありがたい）それがなぜかという話は端折るが、一言でいうと、データエンジニアのタスク、Get dataは、人による恣意的な判断と仕組化の要素が強いということだ。
では、なぜビジュアル分析の体制がスリムになると、ビジュアル分析のサイクルがスピードアップするのか。
（Get data以外）「全部俺」だから。
ビジュアル分析は、仮説設定（Task設定）以外は、基本一人の頭で試行錯誤が完結するのが一番早いと私は思っている。
結局ビジュアル分析の練度を上げるには、適切な仮説に基づく思考・アクション・検証をどれだけ数多く、早くこなせるか勝負のところがあり、サイクルが途中で切れて、待ち時間が発生したり、他人に渡して解像度が下がったり、分析に時間ばかりかけてアクションしないのが一番効率が悪い。
Tableauが「フローに乗って分析する」ことを推奨するのはここに理由がある。大事なのはコンテキスト（文脈）なのだ。仮説・データセット・ビジュアル…これらをつなげて理解して初めてインサイトが得られる。
今思えば、私はとても幸運だった。元々「データ分析」が本業ではなく、「データを分析する意思決定者」である食品のマーチャンダイザーだったものだから、サイクルの一部を切って誰かに渡すという発想自体最初からなかった。
私がデータ分析をする理由は、
「決断が必要だが根拠がない苦しみを、データに埋めてもらいたい」という差し迫ったニーズと、
「決済や承認にはデータに基づいたレポートが必要で、それがなければ上司は決して判を押さない。」という鉄の掟と、
「データドリブンに決断して失敗することは過ちではなく、データに基づいて分析し、決断した。というプロセスを経る事が価値である。」という価値観が既に根付いており、それが当然だと思っていたからだ。
それが、ごくごく限られた者しか目の当たりにしていない、本物のデータドリブン経営であり、Amazonなどの先進企業のスタンダードだったことに気づいたのは、ほんの最近の事だ。
だから、私はセルフサービスBIを愛する意思決定者として、この、「全部俺」をこそ、未来のBIのTo-Be像として応援したい。
分析主体の変化は、Tableau Creatorにとってネガティブな事か？
さて、ビジュアル分析の主体がTableau CreatorからLOBに変化したとして、それはTableau Creatorにとってネガティブな事だろうか？
私は最初、怖いと思った。これまで「ダッシュボードを作って」と言っていた人たちが自分で作ってしまうのだ。私の仕事がなくなる！と身構えた。
けれど、国内外のAmbassadorsやData領域のリーダーと対話していくうちに、徐々に私の考えは変わっていった。
これは、チャンスだ。私たちと、組織が成長する、これまでにない大きな契機が訪れた。
私たちは、「変化」を怖がっているだけだ。急に開かれた可能性に、足がすくんでしまっただけなんだ。
「代わりに作ってあげる」からの本気の脱却。イネーブラーとしてのTableau Creator
ビジュアル分析の主体がLOB（ビジネス側）に移るというのはどういう意味か。
近日中に、ビジュアル分析の初心者が大量に生まれるということだ。
AIによるサポートだって完全ではない。この人たちを「できるようにする」先生が、Tableau Cratorだと私は思っている。
根拠はある。コミュニティ越境を掲げて１年、データエンジニアリング・データサイエンスなど、ビジュアル分析以外のデータの専門家やリーダーと対話して、私は、Tableau Creatorには明確な長所がある事を確信した。
Tableau Creatorをはじめとする、BIの専門家は他のデータ職よりも対話力が圧倒的に高い。
これは当然かもしれない。Tableau Creatorは、他のデータテクノロジーの実装者の誰よりも意思決定者の「そば」でアウトプットし、協業してきた。
勿論データエンジニアやデータサイエンティストが意思決定者と対話していないわけではない。ただ、データパイプラインの作成やアーキテクチャの設計、予測モデルの実装など、彼ら/彼女らのアウトプットは少しだけ私たちの作るダッシュボードよりも意思決定者から遠い位置に出力される。その分、どうしてもコミュニケーションは少なくなるし、密にもなりづらい。
一方、Tableau CreatorのアウトプットであるダッシュボードなどのVizは、ダイレクトに意思決定者の目に触れる上、同じものを見て、同じ言葉でコミュニケーションできるため、対話の質と場数が多く、経験値が高い。これが大きい。
一方、この素晴らしい特性を私たちは活かし切れていなかった。これまで私たちTableau Creatorは、そのリソースの多くを、「代わりに作ってあげる」という手を動かす作業に費やしてしまっていた。
これからは、自ら手を動かし、ビジュアル分析に乗り出す事を決意した志ある分析者たちを、より高度・広範な専門性とリーダーシップで支える、イネーブラー（Enabler)に進化しなくてはならない。そうしなければ、この情熱の火種は枯れてしまう。
「代わりに作ってあげる」のは、もう卒業しよう。リーダーシップを発揮して、自分の手持ちのカード（能力）から、周囲の人・組織を活かすのに適した能力がないか棚卸してみよう。
そして、その能力を行使しよう。能力は、使われて、集団の中で観測されて、初めて人に認められる。あなたの才能を、世界に見せつけてやろう。
マルチタレントとしてのTableau Creator
手を動かす事を卒業し、イネーブラーとして活躍するTableau Creatorが備えているべき能力として、私は「より高度かつ広範な専門性」があると思っている。
そもそも、Tableau Creatorとは何だろうか？BIエンジニア？Data Visualization Specialist？デジタル庁には、データストーリーテラーというポジションも新設されたが、私は、とどのつまり「データアナリスト」だと思っている。
私がイメージするデータアナリストは、データを分析することで価値を生み出す職全般のイメージで、いわゆるBIエンジニアやData Visualization Specialistは、データ分析の中でも特にビジュアル分析に長けたアナリストの事を指し、Tableau Creatorは、更にそのビジュアル分析の手段にTableauを用いるデータアナリストの事だと私は認識している。つまり、私たちの守備範囲は、存外狭い。
一方、データドリブン経営において、組織が備えているべき能力とその能力を備えたポジションは非常に多岐にわたり、（ここに挙げているものも一例）
ビジネスアナリスト
データストラテジスト
データエンジニア
プラットフォームエンジニア
データサイエンティスト
データアナリスト
プロジェクトマネジャー ・・・
更にこれらを統括するCDO、CDAIO、マネジャー層も含め、その専門性と責任範囲も幅広い。
かつては、これらの能力・専門性を１人が複数持つ事は困難だった。しかし、テクノロジーの進化により、データ可視化だけでなく、データエンジニアリング・データサイエンスなどの専門性の高いタスクの裾野が広がり始めている。フルマネージド型のプラットフォームや、AutoMLがそうだ。
かつて、Tableauがドラッグ＆ドロップで私たちの可能性を広げ、私にもできるかもしれない！という希望を見せてくれたのと同じ出来事が、他のデータ分野でも起きている。
データ活用のトレンドは、アドバンスドアナリティクス、より高度な分析へ向かおうとしている。Tableau +１の発想で、複数の専門性や能力を拡げる事は、将来、より広い未来へTableau Creatorを連れて行ってくれるはずだし、私もコンサルタントとして、Tableau以外の専門性にずいぶん助けられた。きっと、あなたの新たな能力の柱も、あなたを助けてくれる。
Tableau +1 の発想 目指すべきは、能力の柱で建てるマルチタレントの家
Tableau+1を推奨するにあたって、まず、これはジョブチェンジを推奨するものではない事を明言しておく。BIエンジニアから、データサイエンティストになろう！と言いたいわけではない。
そもそも、専門職とはいえ、本当に１本の専門性で戦っている専門家はごく少数だ。これは、プロのピアニストを目指すのに近い。
私が推奨するTableau +1は、二本目、三本目の専門性の柱の上に屋根をかけ、頑強な基盤の家を建て、安心して過ごすようなイメージだ。この方が、結果的に自身の能力に総合的な厚みをもたらすし、能力毎の相乗効果も見込める。
この頑強なマルチタレントの家の建て方は、人によって千差万別あるし、家の姿も人それぞれだ。しかし、チャレンジするにあたって、いくつか方針は示すことができる。
1. Tableau+AI/ML
アドバンスドアナリティクスの能力を身に着け、データアナリストとしてより成熟する事を目指すなら、Tableau + AI/MLは一つの方針になる。
AI/MLによる高度なアナリティクスの需要が高まる一方、高度な分析が可能な分析人材は限られる。
データサイエンティストを目指すのであれば、高度な専門知識とコーディングスキルが必要だが、私たちが目指すのは、BIの横に建てるもう一本の柱だ。AutoML（Dataiku, Data Robot, Amazon SageMaker, Google Vertex AIなど）などを活用しながら、自分で構築した予測モデルを盛り込んだダッシュボードを作成したりする姿は、想像しやすいだろう。
シチズンデータサイエンティストと呼ばれている人達が、Tableau+AI/ML方針のロールモデルになると思う。
2. Tableau + DE(Data Engineering)
もし、Rikaさんオススメを教えてください。という方がいらっしゃるなら、私はこれを一番推す。
高度なアナリティクスの需要が高まるという事はどういう事か。高度な分析要件を満たす状態でデータが取得・利用できる状態になっていなければならないという事だ。データマート構築・データモデリング・ETL・データパイプラインの構築など、データエンジニアが担っている領域にあたる。
高い専門性とコーディングスキルが求められるため、従来Tableau Creatorが進出するには難しい領域だったが、これもユーザーフレンドリーなフルマネージドプラットフォーム（Snowflakeなど）やデータトランスフォーメーションツール（dbtなど）の登場によって、以前よりも少ない学習リソースで参入できるようになった。
また、読者の中にも、BIエンジニアでデータマート構築・データモデリング・ETLを既にやっているという方、多くはないがいらっしゃると思う。
というのも、そもそも、組織によっては、BIエンジニアのケイパビリティとして、データモデリング・データマート構築が既に含まれている事は多い。データウェアハウス（DWH)に入る前の段階までデータエンジニアに任せ、DWH以降は、データセットの最適化の方針まで含めてBIエンジニアの領域、とする体制だ。
私は、これが本来の専門職としてのBIエンジニアの姿であるし、目指すべき姿だと思う。Get Dataは、本来私たちの仕事だ。
アナリティクスエンジニア、と呼ばれる人たちが参考になる。
また、Tableau + DEのもう一つ良い所は、今後、Tableau製品群の中でも違和感なく+1できることだ。
Tableau Conference 2024において、コンセプチュアルレベルという前置きはあったが、「Analytic Canvas」というワークスペースが紹介された。”A new workspace for Data People” という紹介だったが、私にとっては新しいTableau Creatorの姿として非常にしっくりくるもので、やはりTableau Creatorには、Tableau製品群の中にあっても、Data Engineeringの能力は必要で、+1するならまずここ、と確信するきっかけになった。
簡単に「Analytic Canvas」というワークスペースについて。
データ準備やモデリングの部分とビジュアライゼーションが、リネージュ的なViewでよりシームレスにつながっていて、成果物としてのダッシュボードだけでなく、プロセスを重視する造りになっている印象。
データソースに接続後、セマンティックモデルを構築し、これをベースにAIベースの可視化と、マニュアルの可視化を作り分けるというとてもモダンな造り。最近、GoogleやSnowflakeにしても、このCanvasスタイルのワークスペースをよく見かける。流行なのかも。
いずれにせよ、BIエンジニアは、データマート・セマンティックレイヤーからは逃げられない。BIを支える柱として身に着けてしまった方が、自然で効率的だ。
3. Tableau + DM（データマネジメント）
ここまでは、データを使ったアウトプットを成果とする能力について検討してきた。しかし、Tableau + DEの文脈でも触れたが、”高度な分析要件を満たす状態でデータが取得・利用できる状態”を作るには、データエンジニアリングだけでは足りない。データアナリティクスの効果を最大化させるには、データの管理である、データマネジメントが肝要だ。
私が特にTableau Creatorに注目してほしいのが、データスチュワードだ。
このデータスチュワードは、メタデータの付与/管理・データカタログ運営を担うロールだが、平たく言うと、「普段扱っているデータの仕様や意味を、みんなに分かる形で登録して管理する」役割の人だ。「この列のこのフラグの、1というのは男性という意味で、2というのが女性という意味だよ」というような情報（メタデータ）をデータカタログに登録して、みんなに見てもらう。
これは非常に重要な役割で、先ほどのフラグ一つ取ってみても、製品購入率、１が７０％、２が３０％というデータがあっても、１が男性、２が女性という意味が分からなければ、何のインサイトにもならない。
にもかかわらず、大抵のメタデータ、特にビジネスメタデータは分析者の頭の中に暗黙知として格納され、「このデータのことはあの人に聞いて」という非効率的かつ民主的でないオペレーションがまかり通っている。
このデータスチュワードの仕事は、普段からデータの意味を理解し、データ分析からインサイトを得ている人、つまり、Tableau Creatorのようなデータ分析者が能力的に適しているのに加え、きちんとメタデータを登録・管理できれば、仕様書やわかる人を探して会社中を探し回る苦労を、自分も仲間もしなくて済むという、ポジティブな動機がある。
動機がある人を取り込んだ仕組みは頑強だ。ぜひTableau Creatorには、データスチュワードに興味をもってもらいたい。
4. Tableau + Leadership
さて、最後に、最も困難であろうけども、最もエキサイティングな能力について。ここ１年、自分自身を仲間を率いるコミュニティのリーダーだと信じて活動してきて、一つ気づいたことがある。
データ界隈は、慢性的なリーダー不足だ。
元々ITのKPIが保守的で挑戦的な発想が生まれづらいとか、ベンダー依存体質が強いとか、色々理由はあると思う。
今みなさんがどんな部署でどんな仕事をしているかはわからない。けれど、もしデータ分析に情熱を傾け、日々実行しているなら、それを「これは私のやった仕事だ！」と組織の見えるところで語ってほしい。
組織はリーダーに飢えている。その資質のある者を見逃さない。
私は正直、Data Visualization Specialistとしてはそんなに優秀ではない。人よりほんの少し（だいぶ？）厚かましくて、自分のやったことを、人に見せるのが上手なだけだ。
データ活用は、スケールしないとインパクトを出せない。
あなたのその情熱と実績を組織が認め、より強い影響力を得られたなら。
データ活用のイネーブラーであり、リーダーとしての道が開けるだろう。
経営企画・全社IT・CoEなど全社規模で活躍する人たちが、これにあたる。
いつか、Tableau Creatorから、CDOやCDAIO、CTOが出てくる世界がきたら、最高にかっこいい！
難しい道だけれど、私はいつか、みんなと、この世界を見てみたい。
どうしたらいいか、途方に暮れるあなたへ
とはいっても、明日からどうしたらいいか、あっけにとられている人の方が多いと思う。そんな時こそ、コミュニティを頼ってほしい。
私もこの１年、途方にくれたり、もがいたり苦しんだり、コミュニティリーダーとして、悩んでいた期間の方が圧倒的に多い。けれどどんなときにも、Tableauだけでなく、色んなコミュニティのメンバー・リーダーの助言が、私を救ってくれた。諦めずに考え続ける勇気をくれた。
もし、あなたが、今、途方に暮れているなら。
コミュニティの中に、ロールモデルを見出してください。
私たちコミュニティリーダーは、新しい時代のTableau Creatorとして、各々が様々なタイプのロールモデルを示していく存在になる。
軽やかに先端を駆けながら、仲間を率いるリーダーであり続ける。
一人ひとり確認を取ったわけじゃないけど、他のリーダーもきっと同じ気持ち。（なので無許可で言い切る笑）
だから、新しい事、知らない事、知らない人、認識の外の可能性にもっと興味を持ってほしい。コミュニティの越境は、これを可能にする。ぜひ試してほしい。
さぁ、私たちと話をしよう。あなたの、未来について。
この記事が気に入ったらサポートをしてみませんか？