Skip to content

Tableau zu Databricks

Tableau nach Databricks umziehen, in einem Gespräch.

Der Boreon MCP Layer liest jede Arbeitsmappe auf Ihrem Tableau Server oder in Ihrer Tableau Cloud, macht aus dem Prep-Flow darunter eine Materialized View in Databricks, baut das Dashboard als AI/BI-Dashboard von Databricks neu auf und belegt jede Zahl gegen Tableau, bevor er veröffentlicht. Keine Skripte und kein handgeschriebenes SQL.

Go-live in einem Monat

  1. Wochen 1 bis 2MVPDer Boreon MCP Layer innerhalb Ihrer Firewall, Ihre wichtigsten Dashboards überführt und jede Zahl belegt.
  2. Wochen 3 bis 4Finales DeploymentDie übrigen priorisierten Arbeitsmappen, Härtung, Abnahme und Schulung.
  3. Tag 30Go-liveIhr Team arbeitet im Chat, und jeder weitere Umzug liegt in Ihrer Hand.

Gemessen an einer echten Arbeitsmappe

Drei Blätter, identisch mit Tableau

DBX Platform Latency Calls & Uptime, vom Boreon MCP Layer in einem Gespräch in ein AI/BI-Dashboard von Databricks überführt.

  1. Die Arbeitsmappe gelesen. Das Databricks Latency Dashboard: drei Blätter mit ihren Containern, Filtern und Berechnungen.
  2. Den Prep-Flow gefunden. Ihre Datenquelle ist die Ausgabe eines Flows auf Databricks.
  3. Vom Flow zur View. Eine SQL-Anweisung, ein CTE pro Flow-Schritt: eine Materialized View mit 20 Millionen Zeilen, erstellt in 72 Sekunden.
  4. Belegt und geprüft. Die Abfrage jedes Blatts lief mit null SQL-Fehlern, und 41 von 41 Zeilen stimmten mit der Antwort von Tableau überein.
  5. Veröffentlicht. Ein AI/BI-Dashboard von Databricks, mit einem Fidelity-Score von 96%.

Zeile für Zeile, gegen Tableau

Die Zeilen jedes Blatts, verglichen mit der Antwort von Tableau selbst, über den VizQL Data Service.

Übereinstimmende Zeilen pro Blatt, gegen die Antwort von Tableau
Übereinstimmende ZeilenErgebnis
Blatt 112 / 12Identisch
Blatt 25 / 5Identisch
Blatt 324 / 24Identisch
Alle drei Blätter41 / 41Identisch, Fidelity 96%

Was umzieht

Dashboards, Prep-Flows und die Kette dazwischen

Vier Arten von Arbeit von Tableau Server oder Tableau Cloud, alle aus demselben Chat gestartet.

Tableau-Dashboards

Blätter werden zu AI/BI-Widgets mit denselben Kennzahlen, Filtern, Farben, Doppelachsen und Zahlenformaten und öffnen sich im Portal mit integriertem Genie.

Arbeitsmappe → AI/BI-Dashboard

Tableau-Prep-Flows

Jeder Flow-Schritt wird zu einem CTE in einer einzigen SQL-Anweisung, angelegt als Materialized View in Databricks.

.tfl → Materialized View

Die ganze Kette

Eine Arbeitsmappe, die ein Prep-Flow speist, wandert als ein Auftrag: Die View wird zuerst angelegt und geprüft, dann wird das Dashboard darauf ausgerichtet.

Flow → View → Dashboard

Antworten gehen auch nach Tableau

Aus demselben Chat sendet Render & Publish jede Antwort als Arbeitsmappe an Ihre Tableau-Site, ohne eine zweite Datenquelle hinzuzufügen.

Antwort → Tableau-Arbeitsmappe

Genie integriert

Es öffnet sich im Portal, mit Genie direkt daneben

Jedes Databricks-Dashboard, das das Portal darstellt, hat Genie direkt daneben. Ihre Leute stellen dem Dashboard selbst weiter Fragen in Alltagssprache, lange nach der Migration. Das Portal ist derselbe Chat, der es umgezogen hat. Das LLM-Portal ansehen

Zugriff

Ihre Rollen, auch in Databricks

Er liest Ihren Workspace und den Unity Catalog mit den Anmeldedaten, die Sie wählen.

Was er liest

Tabellen im Unity Catalog und SQL Warehouses, jede Abfrage über die Statement Execution API.

Wie er sich anmeldet

Ein Personal Access Token, OAuth oder ein Service Principal.

Ihre SSO-Rollen

SSO-Rollen gelten auch in Databricks, und eingebettete Dashboards öffnen sich ohne zweite Anmeldung.

Protokollierte Schreibvorgänge

Geschrieben wird nur, worum Sie bitten: ein veröffentlichtes Dashboard oder eine angelegte View, jede protokolliert.

MVP in zwei Wochen. Go-live in einem Monat.

Sagen Sie uns, welche Dashboards auf Ihrem Tableau Server oder in Ihrer Tableau Cloud Sie zuerst umziehen würden. Wir schätzen sie ein, stellen den Boreon MCP Layer innerhalb Ihrer Firewall bereit und bringen Ihrem Team in zwei Wochen ein funktionierendes MVP, mit finalem Deployment und Go-live innerhalb des Monats.