Die Inhalte zeigen, wie Berechnungen aus Python in Tableau nutzbar gemacht werden, ohne die Prüfbarkeit zu verlieren. Tableau bleibt die Oberfläche für Kennzahlen, Segmente und Zeitreihen; Python liefert reproduzierbare Berechnungen und Modelle. Tableau erhält klare Felder/Ergebnisse, die als Kennzahlen oder Labels eingebunden werden. Begriffe werden präzise erläutert: API (Schnittstelle), Inferenz (Modellanwendung) und Kalibration (Anpassung von Schwellen). Tableau setzt auf dokumentierte Datenflüsse, damit Änderungen in Skripten nachvollziehbar bleiben und Berichte stabil laufen.
Inhaltsübersicht1. Schnittstellen - Daten rein, Ergebnisse raus2. Tableau - Einbindung von Python-Ergebnissen3. Qualität - Metriken, Kalibration, Versionen4. Tableau - Dashboards und Betrieb1. Datenpfad und Austausch
- Exportformate/Views definieren: IDs, Zeitachsen, Typen
- Synchronisation von Feldern und Namenskonventionen
- Fehlerpfade und Fallbacks dokumentieren
2. Tableau - Nutzung der Ergebnisse
- Scores, Labels, Erklärgrößen als Kennzahlen einbinden
- LOD-Ausdrücke für saubere Aggregationsebenen
- Tooltips/Legenden standardisieren, Kontext sichern
3. Qualität und Kontrolle
- Metriken anzeigen: Precision, Recall, F1, ROC-AUC
- Schwellen kalibrieren, Segment-Effekte prüfen
Seeds/Versionen und Aktualisierungspläne ausweisen