In diesem Kapitel lernst du die wichtigsten Anwendungsfälle für Datenmodelle in Sigma kennen. Mit einem Datenmodell kannst du benutzerdefinierte Datenquellen erstellen, die in anderen Sigma-Dokumenten deiner Organisation verfügbar sind. So kannst du die Insights, Analysen und Apps deines Teams skalieren, steuern und pflegen.

Was ist ein Datenmodell?

Data Models vs. Workbooks

KPI-Updates zentralisieren

Joins und Unions in einem Datenmodell

Zwei Tabellen mit einer Union kombinieren

Eine Basistabelle für das Datenmodell erstellen

Kombiniere zwei Tabellen mit einem Join

Ein Datenmodell veröffentlichen und verwenden

Ein Datenmodell in einem Workbook verwenden

Nachhaltige Insights unterstützen

In diesem Kapitel lernst du, wie du Insights über eine einzelne Tabelle hinaus mit Metriken und Beziehungen skalierst. Du baust jeweils ein Beispiel für diese Kernfunktionen von Datenmodellen und siehst sie anschließend in einem Workbook im Einsatz, damit du die Wirkung direkt nachvollziehen kannst. Nach diesem Abschnitt kannst du Berechnungen teamweit bereitstellen und die Join-Logik zentral im Datenmodell steuern – bei gleichzeitiger Flexibilität für Nutzer.

Zentrale Berechnungen mit Metriken definieren

Eine verlässliche Quelle für einen KPI erstellen

Metriken vs. berechnete Spalten

Ein Datenmodell durch eine Metrik erweitern

Erstelle deine erste Metric

Verwende eine Metrik in einem Workbook

Joins mit Relationships effizient steuern

Beziehungen vs. Joins

Beziehungstypen

Füge einer Basistabelle mit einer Relationship Spalten hinzu

Eine Relationship zwischen Loans und Customers hinzufügen

Beziehungen im Workbook erkunden

Tabellen mit Metriken und Beziehungen anreichern

In diesem Kapitel lernst du zwei erweiterte Funktionen von Datenmodellen kennen (Parameter und Spaltensicherheit), bevor du alles Gelernte in einem abschließenden Beispiel zusammenführst. Parameter ermöglichen dir flexible Filter in deinen Modellen, und Sicherheit hilft dir, sensible Daten zu schützen. Durch das Kombinieren aller Funktionen und Best Practices, die du bis hierher gelernt hast, kannst du dein Wissen über skalierbare Analysen festigen.

Daten mit Datenmodell-Parametern filtern

Parameter vs. Filter

Füge einem Datenmodell einen Parameter hinzu

Spalten­sicherheit nutzen, um sensible Daten zu schützen

Füge einem Datenmodell Spaltensicherheit hinzu

Unterstütze dein Team mit einem voll ausgestatteten Datenmodell

Ein Datenmodell anhand einer Spezifikation fertigstellen

Analytics prototypisieren

Fazit

Alles zusammenführen mit Parametern und Sicherheit

Hör auf, dieselben Joins und Berechnungen immer wieder neu zu schreiben, und tauche ein in gut gesteuerte, skalierbare Analysen mit Sigma-Datenmodellen. In diesem Kurs lernst du, wann und warum du in Sigma Datenmodelle einsetzen solltest, und verstehst ihre besonderen Stärken: Leistung steigern, Berechnungen unternehmensweit standardisieren und sensible Informationen steuern.

Wir schauen uns Unions, Joins, Beziehungen, Metriken, Parameter und spaltenbezogene Sicherheit an, um solide Bausteine für Analysen zu erstellen und zu teilen.

Am Ende dieses Kurses weißt du, wann du ein Datenmodell anlegst und welche Funktionen du für deinen Anwendungsfall brauchst. Keine Ad-hoc-Joins mehr und keine Verwirrung bei den Nutzern.

Hör auf, immer wieder die gleichen Verknüpfungen und Berechnungen zu schreiben, und stürz dich mit Sigma-Datenmodellen in gut verwaltete, skalierbare Analysen. In diesem Kurs lernst du, wann und warum Datenmodelle in Sigma verwendet werden, und verstehst ihre einzigartigen Fähigkeiten zur Leistungssteigerung, zur Standardisierung von Berechnungen innerhalb eines Unternehmens und zur Verwaltung sensibler Informationen.

Wir schauen uns Unions, Joins, Beziehungen, Metriken, Parameter und Sicherheit auf Spaltenebene an, um solide Bausteine für die Analyse zu erstellen und zu teilen.

Am Ende dieses Kurses wirst du wissen, wann du ein Datenmodell erstellen solltest und welche Funktionen du für deinen Anwendungsfall brauchst. Keine Ad-hoc-Verbindungen mehr und keine Verwirrung bei den Nutzern.

Vermeiden Sie Wiederholungen und nutzen Sie skalierbare Analysen mit Sigma-Datenmodellen.

Datenmodellierung in Sigma

Hör auf, immer wieder die gleichen Verknüpfungen und Berechnungen zu schreiben, und stürz dich mit Sigma-Datenmodellen in gut verwaltete, skalierbare Analysen.

Joins und Unions in einem Datenmodell

Create Your Free Account