Dans ce chapitre, vous découvrirez les principaux cas d’usage des modèles de données dans Sigma. Avec un modèle de données, vous pouvez créer des sources de données personnalisées, disponibles pour les autres documents Sigma de votre organisation. Cela vous permettra de faire évoluer, gouverner et maintenir les insights, analyses et applications de votre équipe.

Qu’est-ce qu’un modèle de données ?

Modèles de données vs classeurs

Centraliser les mises à jour des KPI

Jointures et unions dans un modèle de données

Combiner deux tables avec une union

Créer une table de base de modèle de données

Combiner deux tables avec une jointure

Publication et utilisation d’un modèle de données

Utiliser un modèle de données dans un classeur

Soutenir des insights durables

Dans ce chapitre, vous apprendrez à étendre vos insights au-delà d’une seule table grâce aux métriques et aux 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 mesurer l’impact concrètement. Après avoir découvert ces fonctionnalités, vous pourrez fournir des calculs partagés à toute une équipe d’analystes et centraliser la logique de jointure dans un modèle de données tout en offrant de la flexibilité aux utilisateurs.

Définir des calculs essentiels avec des métriques

Créer une source de vérité pour un KPI

Metrics vs. colonnes calculées

Enrichir un modèle de données en ajoutant une métrique

Créer votre premier indicateur (Metric)

Utiliser une métrique dans un classeur

Gérez les jointures efficacement avec les relations

Relations vs. jointures

Types de relations

Ajouter des colonnes à une table de base avec une relation

Ajouter une relation entre les prêts et les clients

Explorer les relations dans le classeur

Enrichir les tables avec des métriques et des relations

Dans ce chapitre, vous découvrirez deux fonctionnalités avancées des modèles de données (paramètres et sécurité des colonnes), avant de mettre 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 bonnes pratiques vues jusqu’ici, vous consoliderez votre maîtrise d’analyses à grande échelle.

Filtrer les données avec des paramètres de modèle de données

Paramètres vs filtres

Ajouter un paramètre à un modèle de données

Utiliser la sécurité au niveau des colonnes pour gérer les données sensibles

Ajouter une sécurité au niveau des colonnes à un modèle de données

Soutenez votre équipe avec un modèle de données complet et riche en fonctionnalités

Finaliser un modèle de données à partir d’un cahier des charges

Prototyper des analyses

Conclusion

Réunir le tout avec des paramètres et de la sécurité

Cessez de réécrire les mêmes jointures et calculs, et adoptez des analyses gouvernées et évolutives grâce aux modèles de données Sigma. Dans ce cours, vous apprendrez quand et pourquoi utiliser des modèles de données dans Sigma, en comprenant leur capacité unique à améliorer les performances, à standardiser les calculs dans toute l’organisation et à protéger les informations sensibles.

Nous explorerons les unions, les jointures, les relations, les métriques, les paramètres et la sécurité au niveau des colonnes pour créer et partager des fondations solides pour l’analyse.

À la fin de ce cours, vous saurez quand créer un modèle de données et quelles fonctionnalités utiliser selon votre cas d’usage. Fini les jointures ad hoc et la confusion côté utilisateur.

Évitez de réécrire les mêmes jointures et calculs, et plongez-vous dans des analyses bien gérées et évolutives à l'aide des modèles de données Sigma. Dans ce cours, vous apprendrez quand et pourquoi utiliser les modèles de données dans Sigma, en comprenant leurs capacités uniques à améliorer les performances, à normaliser les calculs au sein d'une organisation et à gérer les informations sensibles.

Nous examinerons les unions, les jointures, les relations, les métriques, les paramètres et la sécurité au niveau des colonnes afin de créer et de partager des éléments de base solides pour l'analyse.

À la fin de ce cours, vous saurez quand créer un modèle de données et quelles fonctionnalités vous aurez besoin pour répondre à votre cas d'utilisation. Fini les jointures ad hoc et la confusion des utilisateurs.

Utilisez des modèles de données Sigma pour des analyses évolutives sans réécrire les mêmes calculs.

Modélisation des données dans Sigma

Évitez de réécrire les mêmes jointures et calculs, et plongez-vous dans des analyses bien gérées et évolutives à l'aide des modèles de données Sigma.

Conclusion

Create Your Free Account