Связи и объединения

Команда по обработке кредитов в банке Oakmark в основном использует модель данных заявок на кредит для отслеживания скорости одобрения заявок. Однако раз в квартал им необходимо подтягивать имена кредитных специалистов из таблицы Loan Officers для регуляторного отчёта.

Почему в данном случае связь будет предпочтительнее объединения?

Это упражнение является частью курса

Моделирование данных в Sigma

Посмотреть курс

Практическое интерактивное упражнение

Превратите теорию в практику с помощью одного из наших интерактивных упражнений

Начать упражнение

Это упражнение является частью курса

Моделирование данных в Sigma

SkillTag.level.beginnerSkillTag.label

4.9+

Начать курс бесплатно

В этой главе вы познакомитесь с основными сценариями использования моделей данных в Sigma. С помощью модели данных можно создавать пользовательские источники данных, доступные другим документам Sigma в вашей организации. Это позволит масштабировать, контролировать и поддерживать аналитику, отчёты и приложения вашей команды.

Exercise 1: Что такое модель данных?Exercise 2: Модели данных и рабочие книги Exercise 3: Централизованное обновление KPI Exercise 4: Объединения и соединения в модели данных Exercise 5: Объединение двух таблиц с помощью union Exercise 6: Создание базовой таблицы модели данных Exercise 7: Объединение двух таблиц с помощью join Exercise 8: Публикация и использование модели данных Exercise 9: Использование модели данных в рабочей книге

В этой главе вы узнаете, как расширить аналитику за рамки одной таблицы с помощью метрик и связей. Вы создадите примеры каждой из этих ключевых возможностей модели данных и увидите их в действии в рабочей книге, чтобы оценить их эффект на практике. После изучения этих функций вы сможете предоставлять вычисления всей аналитической команде и централизованно управлять логикой объединений из модели данных, сохраняя гибкость для пользователей.

Exercise 1: Определение ключевых вычислений с помощью метрик Exercise 2: Создайте единый источник истины для KPI Exercise 3: Метрики и вычисляемые столбцы Exercise 4: Обогащение модели данных с помощью метрики Exercise 5: Создание первой метрики Exercise 6: Использование метрики в рабочей книге Exercise 7: Эффективное управление объединениями с помощью связей Exercise 8: Связи и объединения

Текущее упражнение

Exercise 9: Типы связей Exercise 10: Добавление столбцов в базовую таблицу с помощью связи Exercise 11: Создание связи между таблицами займов и клиентов Exercise 12: Изучение связей в рабочей книге

В этой главе вы познакомитесь с двумя продвинутыми возможностями моделей данных — параметрами и безопасностью на уровне столбцов — а затем применяете всё изученное в одном финальном примере. Параметры дают возможность настраивать гибкие фильтры для моделей, а функции безопасности помогают защитить конфиденциальные данные. Объединив все изученные возможности и передовые практики, вы закрепите навыки масштабируемой аналитики.

Exercise 1: Фильтрация данных с помощью параметров модели данных Exercise 2: Параметры и фильтры Exercise 3: Добавление параметра в модель данных Exercise 4: Защита данных с помощью безопасности на уровне столбцов Exercise 5: Добавление защиты столбцов в модель данных Exercise 6: Поддержите свою команду с помощью полнофункциональной модели данных Exercise 7: Завершение модели данных по спецификации Exercise 8: Прототип аналитики Exercise 9: Заключение