Tableau przejmuje ClearGraph [artykuł]

Wykorzystanie natural language processing (NLP) w obszarze Business Intelligence to jeden z trendów, na którym branża będzie się koncentrować w najbliższych latach. Już dziś przetwarzanie języka naturalnego w swoich narzędziach wykorzystuje wielu graczy segmentu BI, a w sierpniu dołączył do nich również lider branży – Tableau. W jaki sposób przejęcie ClearGraph pomoże korporacji z Seattle utrzymać palmę pierwszeństwa?

Analiza danych z użyciem przetwarzania języka naturalnego

Uruchomiony w 2014 przez Andrew Vigneaulta i Ryana Atallaha startup ClearGraph (wcześniej znany pod nazwami Arktos i Argo) to owoc kilkuletnich starań znudzonych pracą na arkuszach Excela i jego ograniczeniami studentów Uniwersytetu Stanforda. Pomysł był prosty i nieco przekorny – zakładał bowiem koncentrację nie na ogromnych zbiorach danych Big Data, z którymi każdego dnia zmagają się analitycy pracujący w ogromnych korporacjach, ale na nieco mniejszych bazach danych – „Small Data”. Zebrane na w początkowej fazie rozwoju projektu fundusze szybko pozwoliły na rozszerzenie zespołu i stworzenie intuicyjnego w obsłudze narzędzia ułatwiającego eksplorowanie danych, łączenie pracowników różnych departamentów i umożliwienie im wspólnej pracy. Alternatywę Excela pozbawiono charakterystycznych dla narzędzia Microsoftu kolumn i wierszy i zastąpiono je przejrzystym interfejsem ułatwiającym tworzenie wizualizacji.

Idea stworzenia atrakcyjniejszej wersji Excela dość szybko została zarzucona, jednak cel pozostał ten sam: maksymalizacja korzyści płynących z analizy danych przy minimalnych wymaganiach technicznych. I tak dotychczasowy projekt pod nazwą Arktos został latem 2014 roku zastąpiony nowym – Argo. Podstawowymi elementami odróżniającym go od innych dostępnych na rynku rozwiązań Business Intelligence była koncentracja na mniejszych zasobach danych oraz fakt, iż Argo został stworzony nie dla analityków czy badaczy danych, ale szeregowych pracowników. Pracowników, którzy na co dzień nie pracują z danymi i nie posiadają ponadprzeciętnych zdolności analitycznych. Firmowe dane w ich rękach miały stanowić szansę na przełożenie ich na wymierne wartości biznesowe.

Kolejna zmiana nazwy, tym razem na ClearGraph, która nastąpiła po upływie kilku miesięcy, wyjątkowo nie wiązała się ze zmianą priorytetów i kierunku rozwoju. Wręcz przeciwnie. Stała się początkiem intensywnego rozwoju narzędzia i momentem podjęcia skutecznych prób wykorzystania możliwości, jakie oferują przetwarzanie języka naturalnego (NLP) oraz uczenie maszynowe. W efekcie podjętych kroków eksplorowanie firmowych baz danych z użyciem ClearGraph stało się znacznie prostsze, gdyż nie wiązało się z koniecznością znajomości SQL czy innych języków zapytań.

Czym jest NLP? Przetwarzanie języka naturalnego (ang. natural language processing) to niezwykle interesująca, interdyscyplinarna dziedzina naukowa, związana z zagadnieniami zarówno językoznawstwa jak i sztucznej inteligencji. W jej ramach tworzy się m. in.: systemy przetwarzania mowy, systemy automatycznego tłumaczenia tekstów, inteligentne edytory tekstu czy interfejsy wykorzystujące język naturalny. I to właśnie te ostatnie znajdują coraz szersze zastosowanie w obszarach bazodanowych. Pozwalają bowiem przetworzyć informacje pochodzące z bazy danych na łatwy do odczytania i zrozumienia dla użytkownika język, a także tworzyć proste zapytania w języku naturalnym, które następnie „tłumaczone” są na język bazodanowy.

Korzyści płynące z wykorzystanie NLP przy analizie danych to przede wszystkim istotne oszczędności. Standardowo do obsługi firmowych baz danych konieczny jest analityk z biegłą znajomość języka SQL lub generujący jeszcze wyższe koszty badacz danych (data scientist). Możliwość odpytywania baz danych przy pomocy NLP pozwala na uniknięcie konieczności tworzenia dedykowanych i zwykle generujących wysokie koszty stanowisk analitycznych. Co więcej, otwiera szeregowym pracownikom dostęp do kryjących ogromne wartości firmowych baz danych. Taka możliwość w połączeniu z biznesową znajomością swojego obszaru, może być bezpośrednio przełożona na wymierne korzyści biznesowe (np. lepsze wyniki sprzedażowe czy optymalizację kosztów w poszczególnych obszarach). Bezpośredni dostęp do bazy danych to również ogromna oszczędność czasu wynikająca z braku konieczności korzystania z pomocy analityków i oczekiwania na realizację zleconych ich zadań. Po części przekłada się to również na obniżenie kosztów operacyjnych, co stanowi kolejny czynnik przemawiający za sięganiem po możliwości, jakie oferuje NLP.

W jakim kierunku zmierza Tableau?

Cyklicznie publikowane raporty Gartner Magic Quadrant dla Business Intelligence and Analytics Platforms to nie tylko magiczny kwadrat, wskazujący na liderów branży, ale również rzetelna analiza rynku BI i próba wskazania pewnych trendów. I właśnie wśród rynkowych tendencji znajduje się sporo informacje na temat NLP. Zdaniem analityków Gartnera do 2020 roku zdecydowana większość narzędzi klasy Business Intelligence będzie oferować natywną obsługę zapytań tworzonych w języku naturalnym (NLP). Co więcej, ponad połowa tych zapytań będzie generowana dzięki wykorzystaniu sztucznej inteligencji.

Dziwić nie powinna zatem strategia obrana przez Tableau i przejęcie z początkiem sierpnia ClearGraph. Nie można jednak stwierdzić, iż sięgając po NLP lider segmentu Business Intelligence wprowadza branżę na zupełnie nowy poziom. Możliwości takie oferuje już zarówno największy rywal – Power BI firmy Microsoft jak i kilka mniejszych konkurentów. Można jednak wnioskować, że Tableau umocni tym swoją silną pozycję na rynku, a z czasem i w tym obszarze zacznie wyznaczać trendy. Potwierdza to częściowo oficjalny komunikat firmy, z którego wynika, iż dotychczasowy zespół tworzący ClearGraph zasilił biuro Tableau w Palo Alto i koncentruje się obecnie na zintegrowaniem obu narzędzi.

“Natural language queries will make it easier for more people to interact with Tableau, whether you’re an executive who needs an answer quickly, or on a mobile phone and want an answer from your data on the move. We’re excited about this acquisition as the ClearGraph team shares our mission and is aligned with our innovation perspectives on conversational analytics” – Francois Ajenstat, Tableau Chief Product Officer.

Niewątpliwą zaletą Tableau jest intuicyjna obsługa oraz brak konieczności dostarczania przyszłym użytkownikom czasochłonnego szkolenia. Dzięki połączeniu jego dotychczasowych zalet z możliwościami i wiedzą, jaką wnosi do firmy zespół ClearGraph, obsługa narzędzia może stać się jeszcze prostsza. Unikalna technologia ClearGraph przechowuje bowiem dane semantyczne w tzw. Knowledge Graphs, które charakteryzują się możliwością rozbudowywania i uczenia się (z analogicznych rozwiązań korzysta m. in. wyszukiwarka Google i wykorzystuje ją do poprawy jakości wyników wyszukiwania i selekcji treści). Korzystanie z narzędzia nie wymaga tym samym żadnego szkolenia – uzyskiwanie dostępu do danych możliwe jest dzięki niezwykle sprawnemu rozpoznawaniu intencji użytkowników na podstawie prostych komend wyrażonych w języku naturalnym.