Créer votre premier indicateur (Metric)

Des rapports calculant les mêmes indicateurs clés de performance de différentes manières sèment la confusion chez Oakmark Bank. Pour résoudre ce problème, vous allez créer un Metric standardisé dans le modèle de données. Cela garantira que chaque analyste utilise exactement la même logique pour calculer le solde total des comptes épargne, évitant ainsi les erreurs manuelles et les approximations.

Cet exercice fait partie du cours

Modélisation des données dans Sigma

Afficher le cours

Exercice interactif pratique

Passez de la théorie à la pratique avec l’un de nos exercices interactifs

Commencer l’exercice

Cet exercice fait partie du cours

Modélisation des données dans Sigma

DébutantNiveau de compétence

5.0+

3 reviews

Commencer le cours gratuitement

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.

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 KPI 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: Combiner deux tables avec une jointure Exercise 8: Publication et utilisation d’un modèle de données Exercise 9: Utiliser un modèle de données dans un classeur

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.

Exercise 1: Définir des calculs essentiels avec des métriques Exercise 2: Créer une source de vérité pour un KPI Exercise 3: Metrics vs. colonnes calculées Exercise 4: Enrichir un modèle de données en ajoutant une métrique Exercise 5: Créer votre premier indicateur (Metric)

Exercice en cours

Exercise 6: Utiliser une métrique dans un classeur Exercise 7: Gérez les jointures efficacement avec les relations Exercise 8: Relations vs. jointures Exercise 9: Types de relations Exercise 10: Ajouter des colonnes à une table de base avec 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 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.

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 au niveau des colonnes pour gérer les données sensibles Exercise 5: Ajouter une sécurité au niveau des colonnes à un modèle de données Exercise 6: Soutenez votre équipe avec un modèle de données complet et riche en fonctionnalités Exercise 7: Finaliser un modèle de données à partir d’un cahier des charges Exercise 8: Prototyper des analyses Exercise 9: Conclusion