Tableau — Avanzado

Dirigido a profesionales con dominio intermedio de Tableau que necesitan llevar sus soluciones analíticas al siguiente nivel en entornos organizacionales exigentes, este curso aborda los retos reales de quien ya construye dashboards funcionales pero enfrenta cuellos de botella de rendimiento, complejidad de datos multifuente y demandas de seguridad o integración avanzada. A lo largo de ocho horas, el participante aprenderá a arquitecturar modelos de datos complejos eligiendo con criterio entre relaciones, joins y blends; a diagnosticar y optimizar el rendimiento de dashboards mediante herramientas nativas de Tableau; a diseñar estrategias de seguridad a nivel de fila en entornos multiusuario; a automatizar flujos de publicación y actualización con la REST API; y a integrar modelos predictivos externos en Python o R directamente en sus visualizaciones. El resultado concreto es una solución Tableau de producción optimizada, segura y parcialmente automatizada, acompañada de documentación de decisiones técnicas que el participante podrá presentar y mantener en su entorno de trabajo.

Al finalizar el curso, el participante será capaz de:

1. Explicar los mecanismos internos de los modelos de datos en Tableau —relaciones, joins y blends— y los trade-offs de rendimiento y granularidad asociados a cada enfoque en escenarios multifuente.
2. Distinguir los comportamientos de las expresiones LOD (FIXED, INCLUDE, EXCLUDE) e identificar cuándo su uso introduce redundancias computacionales frente a alternativas más eficientes.
3. Aplicar el VizQL Performance Recorder para diagnosticar cuellos de botella en dashboards existentes e implementar mejoras mediante extracción selectiva, filtros de contexto y simplificación de cálculos, validando el resultado con métricas antes/después.
4. Diseñar e implementar una estrategia de Row-Level Security sobre una fuente de datos publicada en Tableau Server o Cloud, verificando el acceso correcto para distintos perfiles de usuario en un escenario de prueba multirol.
5. Construir automatizaciones de actualización y publicación de fuentes de datos y workbooks utilizando la REST API de Tableau o Prep Flows programados, incorporando manejo de errores y registro de ejecución.
6. Integrar un modelo analítico externo en Python o R dentro de un dashboard de Tableau mediante TabPy o RServe, de modo que al menos un cálculo invoque una función predictiva y devuelva resultados renderizables.
7. Evaluar de forma crítica la arquitectura y la calidad visual de una solución Tableau en producción, considerando escalabilidad (usuarios concurrentes, volumen de datos, Cloud vs. Server on-premise) y principios de diseño perceptual, y produciendo un informe de mejoras priorizadas por impacto.

Bloque 1 — Modelado de datos avanzado y optimización de cálculos El curso arranca con una revisión profunda de las tres estrategias de integración de fuentes en Tableau: relaciones, joins físicos y data blending. Se analizan las diferencias en granularidad, cardinalidad y comportamiento ante valores nulos, y se practica la toma de decisiones documentada con trade-offs explícitos. A continuación se trabajan las expresiones LOD en profundidad: se repasan los tres tipos y sus ámbitos de evaluación, se identifican patrones de uso ineficiente —cálculos FIXED anidados, LOD donde bastaría un table calculation— y se reformulan con alternativas de menor carga computacional.

Bloque 2 — Diagnóstico y optimización de rendimiento Con el modelo de datos como base, se introduce el VizQL Performance Recorder como herramienta de diagnóstico. Los participantes aprenden a interpretar las trazas de ejecución, a localizar las consultas y renderizados más costosos, y a aplicar técnicas sistemáticas de mejora: extracción selectiva de columnas y filas, filtros de contexto bien ubicados y reducción de la complejidad de cálculos encadenados. Cada mejora se valida comparando métricas de carga antes y después de la intervención.

Bloque 3 — Seguridad, gobernanza y automatización Este bloque aborda las dos dimensiones operativas críticas de una solución en producción. Por un lado, se diseña e implementa una estrategia de Row-Level Security sobre una Published Data Source en Tableau Server/Cloud: creación de campos de filtro de usuario, configuración de grupos y verificación en un escenario multirol. Por otro, se automatiza el ciclo de vida de fuentes de datos y workbooks mediante la REST API de Tableau o Prep Flows programados, construyendo scripts con manejo de errores y registro de ejecución que puedan integrarse en pipelines de datos existentes.

Bloque 4 — Integración de analítica avanzada y escalabilidad El curso cierra con dos capacidades que amplían el alcance de Tableau más allá de la visualización estándar. Primero, se conecta Tableau a modelos externos de Python o R a través de TabPy o RServe: configuración del servidor analítico, escritura de cálculos SCRIPT_ y renderización de predicciones en el dashboard. Segundo, se evalúa la escalabilidad de la solución completa: comparativa entre Tableau Cloud y Server on-premise, criterios para elegir entre extracts incrementales y completos, y elaboración de un documento de decisión con métricas de referencia. El bloque concluye con una revisión crítica de la calidad visual del dashboard —carga cognitiva, jerarquía visual, densidad de información— y la producción de un informe de rediseño con cambios priorizados.

• Tableau Desktop 2023.1 o superior con licencia activa (Creator o Explorer con permisos de edición).
• Acceso a un sitio de Tableau Server 2023.1+ o Tableau Cloud con rol de Creator y permisos para publicar fuentes de datos y crear proyectos.
• Python 3.9+ con TabPy instalado y accesible desde la máquina local (pip install tabpy), o R 4.2+ con el paquete Rserve configurado (según el bloque de integración elegido).
• Acceso a la REST API de Tableau: token de autenticación personal o credenciales de servicio con permisos de publicación y administración de fuentes de datos.
• Conjunto de datos de práctica proporcionado por el instructor (mínimo dos fuentes relacionables con granularidades distintas y un campo de usuario para las pruebas de RLS).
• Navegador moderno (Chrome 120+ o Edge 120+) para acceso a Tableau Cloud y a la documentación de la REST API.
• Conexión a internet estable para las sesiones de publicación, ejecución de flows programados y descarga de extensiones.

Se asume que el participante ha completado el curso TAB02 o dispone de un nivel equivalente, lo que implica: construcción fluida de dashboards interactivos con acciones, parámetros y filtros avanzados; manejo de cálculos de tabla y expresiones LOD básicas; publicación y gestión de workbooks en Tableau Server o Cloud; y familiaridad con la preparación de datos en Tableau Prep. Para los bloques de automatización e integración analítica se recomienda además experiencia básica en scripting con Python o R (lectura e interpretación de funciones, manejo de librerías estándar), aunque no es imprescindible haber desarrollado modelos predictivos propios.