如何使用Tableau分析敏捷，开发和网站指标

开发人员在设计，开发，测试，部署和管理应用程序时使用了许多生产力，编码，测试和云管理工具。尽管大多数工具都提供报告和分析功能，但技术团队可能有充分的理由开发自己的报告功能，以更好地分析，预测和管理其工作的各个方面。

Tableau是满足这些报告需求的流行且有用的工具。

[评论： Tableau将自助式BI提升到新的高度。 •InfoWorld的自助式BI综述： Tableau与Qlik Sense与Power BI 。 | 通过InfoWorld大数据和分析报告时事通讯深入了解分析和大数据。 ]

向您的投资组合中添加Tableau之类的工具的原因可能包括：

与当前工具提供的现成报告相比，使用更多维度或聚合指标进行分析，趋势分析，预测和报告，或者具有不同的数据可视化。
在报告和分析之前清理数据。
集成来自多个工具的数据以提供更全面的报告。
集中化报告工具，标准化数据可视化并记录数据定义，以使技术人员及其管理人员更容易在决策中使用分析。

好消息是，当今有更多的技术工具提供了与基础数据交互的机制，数据可视化工具和其他分析工具具有集成不同数据源和格式的方法。较大的开发组织可能会发现，开发和维护分析报告功能的收益超过了成本，尤其是在使用自助式商业智能工具时。

本文是使用Tableau从技术组织使用的工具集中仪表板和分析的三个示例。尽管使用Tableau完成了示例，但是可以在其他自助式BI工具中复制这些示例，这些工具提供可比较的集成选项。

示例1：分析敏捷生产力和质量指标

从事敏捷开发的团队通常会选择Atlassian Jira，Microsoft DevOps，VersionOne之类的管理工具或其他敏捷工具来管理项目，组织团队，捕获用户案例积压以及跟踪冲刺，史诗和发行版。这些工具通常具有标准报告，例如燃尽报告，显示冲刺，发布或史诗的已完成工作与已完成工作。其他典型报告包括团队速度报告，显示提前期和周期时间的控制报告以及时间跟踪报告。

尽管内置在敏捷工具中的报告很有用，但在大型组织中可能难以使用。例如：

当燃耗和速度报告使用围绕开发技能，工作类型（例如新功能，缺陷，可用性改进或技术债务）或技术组件（例如UI，数据库或数据集成）的维度时，它们可能更有助于预测）。
开发团队可能希望使用有关缺陷，生产问题和技术债务的报告指标来诊断根本原因并实施流程改进或标准。
敏捷产品所有者可能希望通过将敏捷工具中功能的成本指标与其他数据源的收益指标结合起来，来衡量实现的功能的商业价值或成本收益。
较大的组织可能有计划管理办公室，需要它们对可交付成果，资源，成本和质量进行长期预测。

我从事的许多敏捷项目都使用Jira。要将Tableau连接到Jira数据，我使用了AIO Tableau Data Connector for Jira ，它可以很好地作为单个源分析Jira数据，并且相对容易连接，配置到数据对象以及提取所需的数据列。如果需要将Jira数据连接到其他数据源，则第二种选择是使用ETL（提取，转换，加载）或诸如StitchData ， XPlenty ， Tray.io或Boomi之类的集成工具将Jira数据移至数据库。

一旦可以访问数据，就有多个工作表值得实现。首先，我喜欢创建工作表以深入研究关键维度，例如项目，开发团队，开发技能，工作类型和技术组件。从那里开始，我经常创建一个燃尽的仪表板，该仪表板可以使用关键维度工作表在sprint，epic和release范围之间切换。单独的仪表板可用于调查敏捷速度，缺陷或预测时间表。

示例2：查看AWS云支出

其他分析可带来好处的第二个开发用例是研究云使用情况和相关成本。

例如，尽管内置了管理员和开发人员工程师可以使用的AWS成本和使用情况报告，但执行附加分析或使大量用户可以访问数据通常很重要。例如：

较大的企业可能处在多个云中，并向业务部门收费以进行利用。这些组织可能希望集中其云环境中的成本数据，并向业务团队提供有关成本的仪表板。
开发人员可能希望查看使用情况报告，以更好地了解其体系结构和实施决策如何影响成本。这在应用程序开发的早期阶段特别有用，在该阶段中，可以使用成本信息来指导实施决策。
加载数据集并尝试机器学习算法的数据科学家应了解其实验的用途和成本。
Devops工程师应监视云资产利用率，并根据利用率主动优化配置参数。

Tableau最近发布了一个配方，用于将AWS成本和使用情况报告连接到Tableau 。它使用Amazon Athena查询按小时或每日时间表提取到Amazon S3的成本数据。启用连接器后，该配方将包括一个带仪表板的Tableau示例工作簿，以查看每月支出和有关Amazon EC2资产的信息。

这些只是开始报告；使用AWS的组织应考虑开发适合其架构和用户需求的仪表板。其中一些可以通过按使用类型创建用户过滤器来完成，例如，数据科学家可能会看到与数据库和机器学习相关的成本。其他仪表盘可以帮助基准评估应用程序之间甚至多个云提供商之间的成本。

示例3：分析网站和移动网站的性能

使用Tableau等分析工具的第三个潜在领域是更好地了解Web和移动用户体验。

大多数拥有面向客户的网站和移动网站的公司都会配置分析工具来捕获用户行为。诸如Google Analytics（分析），Adobe Analytics（分析）和Heap（堆）之类的常见平台都具有内置的分析，报告功能和集成方法。

技术人员当然可以使用这些工具来获取基本指标。例如，了解网页浏览的响应时间，高峰使用期，热门设备和浏览器以及热门地理位置都是大多数网络分析工具中的标准报告。但是，技术人员越想根据用户类型，访问位置和其他维度来细分模式，使用Tableau之类的工具来进行分析的可能性就越大。

此外，工程师应考虑将Web分析与其他数据源集成。例如，将Web分析与系统或云性能指标集成在一起可以帮助将不良的应用程序性能峰值与系统级信息和应用程序日志数据相关联。使用系统利用率指标查看访问模式还可以帮助优化云和基础架构资源。

最重要的是，获取有关用户行为的更详细的信息对于确定在何处以及如何改善用户体验也很重要。

Tableau具有与Google Analytics（分析）的开箱即用的连接器，对于希望从这一来源开发仪表板的用户而言，可以轻松地与该平台集成。希望通过其他数据源加入Google Analytics（分析）的用户，或者连接到其他Web分析平台的用户，可能需要其他集成选项。 StitchData和Xplenty都支持从Google Analytics（分析）和Heap到数据库的自动数据同步，并且有几种与Adobe Analytics集成的选项。

使用Tableau中的Google Analytics（分析）数据对与发布日期相关的作者博客帖子的流量进行分析

将Tableau连接到Web分析数据并与其他数据源合并后，请考虑使用Tableau的数据源发布功能与其他用户共享数据模型。 Web分析数据对于业务和市场部门非常重要，因此启用更轻松的访问应该有助于做出更好的决策。

示例4：成为数据驱动的技术组织

集中访问分析和数据可视化是实现数据驱动的第一步。通过可访问，集成和共享的数据，技术组织中的人们应该开始使用它来做出更好的决策。例如：

应在应用程序的哪个部分优先解决其技术债务？应用程序使用指标应该是帮助确定重点领域优先级的因素之一。
哪些应用程序堆栈未进行成本优化？考虑使用多个应用程序基准成本，查找异常值和研究优化选项。
开发团队应如何提高交付的一致性？审查周期时间长或是缺陷来源的用户案例，查找模式并讨论流程改进。

许多技术部门面临着越来越频繁的需求，以提供更频繁的应用程序发布并提高可靠性和性能。提出问题并使用分析方法研究选项可提供一种以数据驱动的方法来推动改进。

From: https://www.infoworld.com/article/3359437/how-to-use-tableau-to-analyze-agile-devops-and-website-metrics.html