Tableau Data Blending Tutorial

Data Blending — Motivation

Heute nutzen Unternehmen Daten aus unterschiedlichsten Quellen, um Geschäftsprobleme zu lösen. Daten effizient zu sammeln und zusammenzuführen, ist zu einer Kernkompetenz für alle Data Scientists und Data Engineers geworden, um Organisationen bei klugen Entscheidungen zu unterstützen. 

Dieses Tableau-Data-Blending-Tutorial vermittelt dir zunächst das Verständnis für den leistungsfähigen Ansatz zur Datenkombination, bevor wir die Vorteile beleuchten. Anschließend gehen wir auf einige Nachteile ein und beantworten zum Schluss die wichtigsten Fragen rund um Data Blending mit Tableau.  

Data Blending vs. Joins in Tableau

In der Praxis arbeitest du mit Informationen aus mehreren Quellen wie Excel, SQL, CSV usw. Als Data Scientist musst du sie oft miteinander verknüpfen, um ganzheitliche Business-Insights zu gewinnen.

Tableau unterstützt dich dabei mit verschiedenen Ansätzen: Joins, Blending und Relationships. 

In diesem Abschnitt konzentrieren wir uns auf den Unterschied zwischen den beiden ersten Ansätzen.

Was sind Joins in Tableau?

Wenn du schon mit SQL gearbeitet hast, kennst du die gängigen Join-Konzepte: Left, Right, Inner, Cross und Full Outer Join. Dasselbe gilt in Tableau.

Diese Joins kombinieren Tabellen aus derselben Quelle auf Basis logischer Spaltenbeziehungen. Der Versuch, eine Excel-Datei mit einer SQL-Tabelle zu joinen, schlägt beispielsweise fehl, weil sie nicht aus derselben Quelle stammen.

Außerdem müssen die in beiden Tabellen verwendeten Join-Spalten denselben Datentyp haben; änderst du die Typen, bricht der Join. 

Schließlich ist es in Tableau nicht möglich, doppelte Spalten aus einem Join zu entfernen.

Falls du mit SQL noch nicht vertraut bist, kannst du mit unseren SQL-Kursen die Grundlagen lernen, um deine Daten per SQL abzufragen.

Was ist Blending in Tableau?

Im Unterschied zu Joins und Relationships aggregiert Data Blending Daten aus mehreren Quellen — etwa Datenbanken, Business-Intelligence-Systemen, Cloud-Systemen, Flatfiles, Webservices usw. — zu einem gemeinsamen Datensatz für bessere Visualisierungen. 

Warum Tableau für Data Blending?

Tableau ist ein No-Code-Business-Intelligence-Tool mit einer intuitiven Drag-and-Drop-Oberfläche für Analysen und Visualisierung. Diese Niedrigschwelligkeit macht es in der Branche besonders attraktiv. 

Zudem ist es schnell und kann Daten aus verschiedensten Quellen wie Tabellenkalkulationen, SQL-Datenbanken, Webservices usw. verknüpfen — in der Cloud wie auch on-premises.

Data Blending mit Tableau bietet die gleiche Flexibilität und erleichtert es, Daten aus mehreren Quellen ohne Programmierkenntnisse zu kombinieren.

Wenn du neu in Tableau bist, hilft dir unser Introduction to Tableau Kurs, dich weiterzubilden und Tableau sicher zu erkunden, um wirkungsvolle Dashboards zu erstellen.

Schritt-für-Schritt-Anleitung: Data Blending in Tableau

Für ein besseres Verständnis des Data-Blending-Konzepts zeigen wir dir hier Schritt für Schritt, wie du Data Blending mit Tableau durchführst. 

1. Use Case verstehen 

Im folgenden Fall analysieren wir die Umsätze 2020 und 2021 zweier Abteilungen von Zoom.AI, einem KI-Unternehmen, das in verschiedenen afrikanischen Hauptstädten aktiv ist. Die Daten findest du unter diesem Link.

2. Die Datenspalten verstehen

Beide Datensätze haben dasselbe Format und transportieren dieselbe Aussage. Allerdings heißen die ersten beiden Spalten unterschiedlich (Period, Capitals für Abteilung 1 und Year, Cities für Abteilung 2). 

Ein Join auf den aktuellen Daten würde scheitern, weil die am Join beteiligten Spalten übereinstimmen müssen. Wir zeigen gleich, wie Data Blending diese Daten ohne vorherige Normalisierung der Spalten smart zusammenführt. 

3. Datenverbindungen erstellen

Da unsere Daten in unterschiedlichen Dateien liegen, benötigen wir in Tableau einen Bereich, in dem sie zusammengeführt werden — das geschieht durch das Anlegen von Datenverbindungen in Tableau, wie unten zu sehen: 

Die Daten unserer Abteilungen erscheinen im Data-Tab oben links — sie wurden also erfolgreich hochgeladen. 

4. Data Blending starten

Lass uns zunächst visualisieren, wie sich der Revenue je Capital für die erste Abteilung entwickelt. Das geht in zwei Schritten: 

• Ziehe die Spalte Revenue in den Bereich Columns in Tableau.  
• Ziehe die Spalte Capitals in den Bereich Rows in Tableau. 

Wir wollen per Data Blending die Umsätze der Abteilungen vergleichen. Dafür wiederholen wir den Drag-and-Drop-Prozess für die Daten der zweiten Abteilung, die statt Capitals die Spalte Cities enthält, wie unten gezeigt. 

Das Ergebnis für Abteilung 2 ist zur Verdeutlichung in Orange dargestellt.

Die Visualisierung ist kaputt — warum?

Wir haben Tableau noch nicht mitgeteilt, dass die Spalte Capitals die gleiche Informationsebene hat wie Cities. Daher erscheinen in der Visualisierung Sternchen bei Cities. 

Hier kommt Data Blending ins Spiel: Wir geben an, dass Cities und Capitals dasselbe bedeuten. So funktioniert es:

Nach der Korrektur siehst du links neben der Spalte Cities ein orangefarbenes Kettensymbol⛓. Das zeigt an, dass Cities als Verknüpfungsfeld verwendet wird.

5. Weiteres Data Blending 

Jetzt, da du weißt, wie man Daten korrekt blendet, führen wir dieselbe Analyse auf Jahres-/Periodenebene durch. Dazu müssen wir nur eine Verknüpfung zwischen den Spalten Period und Year herstellen; sonst tritt derselbe Fehler wie zuvor auf.

Damit hast du die Grundlagen des Data Blending kennengelernt. Wenn du weißt, wie Data Blending funktioniert, kannst du in unserem Kurs lernen, fortgeschrittene Visualisierungen mit Tableau zu erstellen.

Welche Vorteile hat Data Blending in Tableau?

Wie du im Tutorial gesehen hast, bietet Data Blending gegenüber Joins zahlreiche Vorteile. Einige davon:

1. Kein Preprocessing der Spalten nötig

Wir müssen keine aufwendige Vorverarbeitung der Spalten durchführen, um unterschiedliche Daten zu kombinieren. Es reicht, die relevanten Spalten zu definieren, damit der Data-Blending-Algorithmus die Daten effizient zusammenführt.

2. Bessere Lösung für Granularitätsprobleme

Data Blending ist flexibler, wenn Daten mit unterschiedlicher Granularität kombiniert werden. Stell dir vor, die Umsätze unserer Abteilungen lägen monatlich statt jährlich vor. 

Einfache Joins führten zu falschen Ergebnissen, weil die Jahreszeilen für jede Monatszeile dupliziert würden, wie unten dargestellt. Data Blending löst das, indem es die Monatsinformationen auf Jahresebene aggregiert.

3. Teamproduktivität 

Bleiben wir beim Granularitätsbeispiel: Ohne Data Blending müssten wir Vorverarbeitung wie Aggregationen und Dublettenentfernung durchführen. Bei sehr großen Datensätzen wird das schnell zeitaufwendig. 

4. Schnelle Analysen für bessere Entscheidungen

Gute Entscheidungen basieren auf einem klaren Überblick über die Daten. Mit wenigen Klicks sowie Drag and Drop erfasst du das Wesentliche der beiden Abteilungen. Joins können hier zu ungenauen Ergebnissen und damit zu falschen Entscheidungen führen.

Einschränkungen von Tableau Data Blending

Trotz der Vorteile hat Data Blending auch einige Nachteile:

• Data Blending arbeitet unter der Haube mit einem Left Join und unterstützt keine anderen Jointypen. 
• Die Reihenfolge ist wichtig, wenn Daten mit unterschiedlicher Granularität geblendet werden. Die sekundären Daten müssen immer die feinere Granularität haben, da sie aggregiert werden. 
• Nicht-additive Kennzahlen wie COUNT, MEAN, MEDIAN und SUM können unter Data Blending leiden. 

Fazit

Dieses Tutorial hat die wichtigsten Aspekte rund um die Motivation für Data Blending, seine Vorteile für Data Scientists gegenüber Joins sowie eine praktische Übung zum besseren Verständnis abgedeckt. 

Wir hoffen, dass dir dieses Tutorial die nötigen Kompetenzen vermittelt, um mit mehreren Datenquellen tiefere Einblicke in deine Geschäftsfragen zu gewinnen. Wenn du mehr über das Verbinden von Daten in Tableau erfahren möchtest, schau dir unseren Kurs an.