In dit hoofdstuk leer je over de belangrijkste toepassingen van datamodellen in Sigma. Met een datamodel kun je aangepaste databronnen maken die beschikbaar zijn voor andere Sigma-documenten in je organisatie. Dit stelt je in staat om de inzichten, analytics en apps van je team op te schalen, te beheren en te onderhouden.

Wat is een datamodel?

Datamodellen vs. werkmappen

KPI-updates centraliseren

Joins en unions in een datamodel

Combineer twee tabellen met een union

Een basistabel voor een datamodel bouwen

Combineer twee tabellen met een join

Een datamodel publiceren en gebruiken

Een datamodel gebruiken in een werkmap

Duurzame inzichten ondersteunen

In dit hoofdstuk leer je hoe je inzichten schaalt buiten één enkele tabel met behulp van metrics en relaties. Je bouwt een voorbeeld van elk van deze kernfuncties van het datamodel en bekijkt ze vervolgens in actie in een werkmap, zodat je het effect zelf kunt ervaren. Na deze functies te hebben geleerd, kun je berekeningen beschikbaar stellen aan een analytics-team en de joinlogica centraal vanuit een datamodel beheren, terwijl je gebruikers toch flexibiliteit biedt.

Definieer kernberekeningen met metrics

Maak een single source of truth voor een KPI

Metrics vs. berekende kolommen

Verrijk een datamodel door een metric toe te voegen

Je eerste metric maken

Gebruik een metric in een werkboek

Beheer joins efficiënt met relationships

Relaties vs. joins

Relatietypen

Kolommen toevoegen aan een basistabel met een relatie

Een relatie toevoegen tussen leningen en klanten

Relaties verkennen in de werkmap

Tabellen verrijken met metrics en relaties

In dit hoofdstuk leer je twee geavanceerde functies van datamodellen (parameters en kolombeveiliging) voordat je alles wat je hebt geleerd in één laatste voorbeeld toepast. Met parameters kun je flexibele filters op je modellen instellen en met beveiliging houd je gevoelige gegevens veilig. Door alle functies en best practices die je tot nu toe hebt geleerd te combineren, krijg je de kans om je beheersing van schaalbare analytics te verstevigen.

Data filteren met datamodelparameters

Parameters vs. filters

Voeg een parameter toe aan een datamodel

Kolombeveiliging gebruiken om gevoelige gegevens te beheren

Kolombeveiliging toevoegen aan een datamodel

Ondersteun je team met een volledig uitgerust datamodel

Maak een datamodel af op basis van een specificatie

Prototype-analyse

Conclusie

Alles samenbrengen met parameters en beveiliging

Stop met het steeds opnieuw schrijven van dezelfde joins en berekeningen, en stap over op goed beheerde, schaalbare analytics met Sigma-datamodellen. In deze cursus leer je wanneer en waarom je datamodellen in Sigma gebruikt, en begrijp je hoe ze prestaties verbeteren, berekeningen in je organisatie standaardiseren en gevoelige informatie beheren.

We verkennen unions, joins, relaties, metrics, parameters en beveiliging op kolomniveau om stevige bouwstenen voor analyse te maken en te delen.

Aan het einde van deze cursus weet je wanneer je een datamodel moet maken en welke functies je nodig hebt voor jouw usecase. Geen ad-hoc joins meer en geen verwarring bij gebruikers.

Stop met het steeds opnieuw schrijven van dezelfde joins en berekeningen, en duik in goed beheerde, schaalbare analyses met behulp van Sigma-datamodellen. In deze cursus leer je wanneer en waarom je datamodellen in Sigma gebruikt. Je ontdekt hoe ze prestaties kunnen verbeteren, berekeningen binnen een organisatie kunnen standaardiseren en gevoelige informatie kunnen beheren.

We gaan kijken naar unions, joins, relaties, metrics, parameters en beveiliging op kolomniveau om stevige bouwstenen voor analyse te maken en te delen.

Aan het einde van deze cursus weet je wanneer je een datamodel moet maken en welke functies je nodig hebt voor jouw situatie. Geen ad-hoc-koppelingen meer en geen verwarring bij gebruikers.

Gebruik Sigma-datamodellen voor goed beheerde, schaalbare analyses en vermijd herhalende berekeningen.

Datamodellering in Sigma

Stop met het steeds opnieuw schrijven van dezelfde joins en berekeningen, en duik in goed beheerde, schaalbare analyses met behulp van Sigma-datamodellen.

Sigma Fundamentals

Technical Instructional Designer at Sigma

Kolombeveiliging voor gevoelige data

Gevoelige data en PII

Wat is kolomniveau-beveiliging?

Demo

Laten we oefenen!

Alles samenbrengen met parameters en beveiliging - Kolombeveiliging gebruiken om gevoelige gegevens te beheren

Kolombeveiliging gebruiken om gevoelige gegevens te beheren

Create Your Free Account