Tableau ได้เปิดตัว Agentic Analytics Platform ซึ่งถือเป็นการเปลี่ยนผ่านจากแดชบอร์ดวิเคราะห์แบบเดิมสู่การตัดสินใจที่ขับเคลื่อนด้วย AI แพลตฟอร์มนี้ได้รับความไว้วางใจจาก 97% ของบริษัทในกลุ่ม Fortune 100 โดยนำข้อมูล ตรรกะทางธุรกิจ และเมทาดาต้ามารวมกัน เพื่อให้เอเจนต์ AI สามารถดำเนินการอย่างเป็นอิสระและเชื่อถือได้ในระดับองค์กร ตามคำกล่าวของ Mark Recher รองประธานฝ่าย GM ของ Tableau ที่ Salesforce “องค์กรจำเป็นต้องลงมือทำทันที” ขณะที่บริษัท “พัฒนาไปสู่แพลตฟอร์มการวิเคราะห์แบบเอเจนต์” ยกระดับบทบาทของนักวิเคราะห์ให้เป็น “ผู้รังสรรค์คลังความรู้”
เสาหลักทั้ง 6 ของ Agentic Analytics Platform
Knowledge Engine: AI ที่เชื่อถือได้ ยึดโยงกับความเป็นจริงทางธุรกิจ
Knowledge Engine ของ Tableau สร้างขึ้นจากโมเดลเชิงความหมาย (semantic models) จำนวน 33 ล้านโมเดล ที่ผู้ใช้สร้างขึ้นตลอดเวลากว่า 10 ปี แหล่งความรู้ที่รวมเป็นหนึ่งเดียวนี้ทำให้เอเจนต์ AI ยึดโยงกับตรรกะทางธุรกิจที่ผ่านการตรวจสอบแล้ว แทนที่จะเป็นเพียงแนวโน้มทั่วไป แพลตฟอร์มใช้โมเดลเชิงความหมายแบบเปิดและขยายได้ (extensible) รวมถึง Open Semantic Interchange (ร่วมเป็นผู้นำกับ Snowflake และ dbt Labs) เพื่อขยายองค์ความรู้ที่พิสูจน์แล้วผ่านการรบ ไปสู่ทั้งสแต็กข้อมูล
Use Case: นักวิเคราะห์การเงินให้ Tableau Agent อธิบายสาเหตุที่รายได้ไตรมาสลดลง เอเจนต์จะอ้างอิงตรรกะทางธุรกิจที่ทีมข้อมูลของบริษัทสร้างและตรวจสอบไว้ ส่งคำตอบที่ CFO เชื่อถือได้
Conversational Analytics: การเข้าถึงข้อมูลด้วยภาษาธรรมชาติ
Conversational analytics ของ Tableau ช่วยให้ผู้ใช้ถามคำถามด้วยภาษาธรรมชาติ โดยไม่จำเป็นต้องมีความรู้ SQL หรือการสร้างแดชบอร์ด ความสามารถนี้มีให้ใช้บน Tableau Server, Cloud และ Next ทำให้นักวิเคราะห์และผู้ใช้ธุรกิจยังคงอยู่ในกระบวนการทำงานเดิม พร้อมรับคำตอบที่มีบริบทและเนื้อหาครบถ้วน
Use Case: ผู้จัดการฝ่ายซัพพลายเชนบน Desktop ถามว่าทำไมเวลาการเติมเต็มถึงพุ่งขึ้นในไตรมาสที่ 3 และได้รับคำอธิบายแบบสนทนาโดยไม่ต้องสลับบริบทหรือส่งคำขอเข้าทีมข้อมูล
Headless Analytics: ข้อมูลเชิงลึกที่ส่งไปยังเวิร์กโฟลว์ของผู้ใช้
สถาปัตยกรรม headless analytics ของ Tableau ส่งข้อมูลเชิงลึกที่เชื่อถือได้ไปยังจุดที่งานเกิดขึ้นโดยตรง—Slack, Salesforce, Microsoft Teams, Claude, ChatGPT และแพลตฟอร์ม/สภาพแวดล้อมอื่นๆ—แทนที่จะบังคับให้ผู้ใช้ต้องเข้าไปดูแดชบอร์ด สถาปัตยกรรมเซิร์ฟเวอร์ MCP แบบเปิดทำให้ข้อมูลเชิงลึกมีบริบทที่สอดคล้องกับสถานการณ์ และเข้าถึงได้ทั่วทั้งองค์กร
Use Case: ผู้อำนวยการฝ่ายขายประจำภูมิภาคได้รับการแจ้งเตือนเชิงรุกบน Slack จาก Tableau ว่าความครอบคลุมของไปป์ไลน์มีความเสี่ยงในภาคตะวันตกเฉียงใต้ พร้อมคำแนะนำที่สร้างด้วย AI โดยไม่ต้องเปิดแดชบอร์ด
Decision Engine: จากข้อมูลเชิงลึกสู่การดำเนินการอัตโนมัติ
Decision Engine ของ Tableau แปลงข้อมูลเชิงลึกให้กลายเป็นการตัดสินใจและการลงมือทำ โดยสั่งทริกเกอร์เวิร์กโฟลว์โดยตรง ซึ่งช่วยให้ผู้ใช้และเอเจนต์สามารถลงมือกับผลการค้นพบจากข้อมูลได้ในระดับองค์กร ไม่ว่าจะเป็นการสร้างเคสซัพพอร์ต การแจ้งเตือนหัวหน้าทีม หรือการเริ่มเวิร์กโฟลว์การแก้ไขปัญหา
Use Case: ผู้จัดการด้านความสำเร็จของลูกค้าเห็นคะแนนความพึงพอใจของลูกค้าลดลงในบัญชีสำคัญ Tableau จะสร้างเคสใน Salesforce อัตโนมัติและส่งต่อไปยังหัวหน้าทีมที่เหมาะสม ก่อนที่ลูกค้าจะติดต่อบริษัท
Command Center: การกำกับดูแลและการตรวจสังเกตสำหรับ Agentic Analytics
Agentic Analytics Command Center ทำหน้าที่เป็นศูนย์กลางสำหรับการจัดการกลยุทธ์ agentic analytics ในระดับองค์กร โดยให้ภาพรวมว่าเอเจนต์ตัวใดกำลังทำงาน เข้าถึงข้อมูลอะไร และข้อมูลเชิงลึกอัตโนมัติสอดคล้องกับนโยบายของบริษัทหรือไม่
Use Case: ผู้อำนวยการฝ่าย IT ใช้ Command Center ในการตรวจสอบเอเจนต์ที่กำลังทำงานทั้งหมดที่เข้าถึงข้อมูลการเงินที่ละเอียดอ่อน เพื่อให้มั่นใจว่า agentic analytics สามารถขยายได้โดยไม่เพิ่มความเสี่ยงด้านการปฏิบัติตามกฎระเบียบ
Secure, Trusted, Governed: ความปลอดภัยระดับองค์กร
แพลตฟอร์มของ Tableau ผสานจุดแข็งด้านความปลอดภัยและการกำกับดูแลของ Salesforce และ Tableau เพื่อมอบการปกป้องข้อมูล การควบคุมทั่วทั้งแพลตฟอร์ม และความน่าเชื่อถือระดับองค์กร ที่อุตสาหกรรมที่อยู่ภายใต้การกำกับดูแลต้องการ ความปลอดภัยถูกบูรณาการเข้ากับแพลตฟอร์มทั้งระบบ ไม่ใช่เป็นเพียงเลเยอร์เสริมภายหลัง
Use Case: องค์กรด้านการดูแลสุขภาพนำ Tableau Agent ไปใช้งานกับทีมคลินิกและทีมปฏิบัติการด้วยความมั่นใจว่า ทุกการปฏิสัมพันธ์อยู่ภายใต้การควบคุมการเข้าถึงตามบทบาท (role-based access controls) และบันทึกที่พร้อมสำหรับการตรวจสอบ (audit-ready logs) ตรงตามข้อกำหนดด้านความเป็นส่วนตัวของกฎหมาย
วิวัฒนาการของแพลตฟอร์มและบทบาทของนักวิเคราะห์
การเปลี่ยนไปสู่ agentic analytics ถือเป็นทั้งวิวัฒนาการทางเทคนิคและโอกาสให้นักวิเคราะห์ขยายบทบาทและเพิ่มผลกระทบ นักวิเคราะห์กำลังย้ายจากการเป็นผู้สร้างภาพข้อมูล ไปสู่การเป็นสถาปนิกของคลังความรู้ที่ขับเคลื่อนการตัดสินใจในระดับขนาดใหญ่
