Créer votre première mesure

À la Banque Oakmark, des rapports calculant les mêmes indicateurs de performance clés de différentes façons créent de la confusion. Pour corriger la situation, vous allez créer une Mesure normalisée dans le modèle de données. Ainsi, chaque analyste utilisera exactement la même logique pour calculer le solde total des épargnes, ce qui évitera les erreurs manuelles et les approximations.

Cette activité fait partie du cours

Modélisation des données dans Sigma

Voir le cours

Exercice interactif pratique

Passez de la théorie à l’action grâce à l’un de nos exercices interactifs

Commencer l’exercice

Cette activité fait partie du cours

Modélisation des données dans Sigma

SkillTag.level.beginnerSkillTag.label

4.8+

122 reviews

Commencer le cours gratuitement

Dans ce chapitre, vous découvrirez les principaux cas d'utilisation des modèles de données dans Sigma. Avec un modèle de données, vous pouvez créer des sources de données personnalisées accessibles aux autres documents Sigma de votre organisation. Cela vous permettra de faire évoluer, d'encadrer et de maintenir les perspectives, analyses et applications de votre équipe.

Exercise 1: Qu'est-ce qu'un modèle de données ?Exercise 2: Modèles de données vs classeurs Exercise 3: Centraliser les mises à jour des indicateurs clés Exercise 4: Jointures et unions dans un modèle de données Exercise 5: Combiner deux tables avec une union Exercise 6: Créer une table de base de modèle de données Exercise 7: Combinez deux tables avec une jointure Exercise 8: Publier et utiliser un modèle de données Exercise 9: Utiliser un modèle de données dans un classeur

Dans ce chapitre, vous apprendrez à étendre les perspectives au-delà d'une seule table à l'aide de mesures et de relations. Vous créerez un exemple pour chacune de ces fonctionnalités clés d'un modèle de données, puis vous les verrez à l'œuvre dans un classeur, afin d'en constater l'impact directement. Après avoir découvert ces fonctionnalités, vous pourrez fournir des calculs à l'échelle d'une équipe d'analytique et contrôler la logique de jointure de façon centralisée à partir d'un modèle de données, tout en offrant de la souplesse aux utilisateurs.

Exercise 1: Définir les calculs essentiels avec des mesures Exercise 2: Créer une source de vérité pour un ICP Exercise 3: Mesures (Metrics) vs colonnes calculées Exercise 4: Enrichir un modèle de données en ajoutant une mesure Exercise 5: Créer votre première mesure

Exercice en cours

Exercise 6: Utiliser une métrique dans un classeur Exercise 7: Gérez les jointures efficacement grâce aux relations Exercise 8: Relations vs jointures Exercise 9: Types de relations Exercise 10: Ajouter des colonnes à une table de base à l'aide d'une relation Exercise 11: Ajouter une relation entre les prêts et les clients Exercise 12: Explorer les relations dans le classeur

Dans ce chapitre, vous verrez deux fonctionnalités avancées des modèles de données (les paramètres et la sécurité des colonnes), puis vous mettrez en œuvre tout ce que vous avez appris dans un dernier exemple. Les paramètres vous donneront la possibilité de configurer des filtres flexibles sur vos modèles, et la sécurité vous aidera à protéger les données sensibles. Ensuite, en combinant toutes les fonctionnalités et les pratiques exemplaires vues jusqu'ici, vous aurez l'occasion de consolider votre maîtrise d'analyses évolutives.

Exercise 1: Filtrer les données avec des paramètres de modèle de données Exercise 2: Paramètres vs filtres Exercise 3: Ajouter un paramètre à un modèle de données Exercise 4: Utiliser la sécurité des colonnes pour encadrer les données sensibles Exercise 5: Ajouter la sécurité des colonnes à un modèle de données Exercise 6: Soutenez votre équipe avec un modèle de données complet et riche en fonctionnalités Exercise 7: Terminer un modèle de données à partir d'un cahier des charges Exercise 8: Analytique de prototypage Exercise 9: Conclusion