Zum Inhalt springen

Registrierung & erster Cube

Diese Seite ist die ausführliche Anleitung zum Schnellstart, mit dem Warum hinter jedem Schritt. Wenn Sie nur einen Cube ausliefern wollen, ist der Schnellstart schneller.

Registrieren

  1. Besuchen Sie cloud.saiku.bi/signup.

  2. Melden Sie sich mit E-Mail oder Google an — wir delegieren die Identität über WorkOS, es gibt also kein Saiku-Passwort, das Sie erfinden oder vergessen könnten. (Enterprise-Kunden nutzen SAML durch dieselbe Tür.)

  3. Benennen Sie Ihren Tenant und wählen Sie seinen Slug — kebab-case, 2 bis 32 Zeichen und eindeutig über Saiku Cloud hinweg. Wählen Sie bewusst: Der Slug ist Teil der Identität Ihres Tenants und lässt sich später nicht ohne unsere Hilfe ändern.

  4. Alles Übrige wird für Sie bereitgestellt:

    • Der Tenant selbst, auf dem von Ihnen gewählten Slug.
    • Ein Workspace, der Ihre Schemas und Workbooks hält.
    • Ihr Benutzerkonto, als Owner des Tenants.
    • Ein erster API-Key, damit das Dashboard in Ihrem Namen mit dem Backend sprechen kann. Prägen Sie auf der API-Keys-Seite weitere für Agenten und Integrationen, wann immer Sie welche brauchen.

Verbinden Sie Ihr erstes Warehouse

Fünf Warehouses können Sie heute verbinden: PostgreSQL, MySQL / MariaDB, Snowflake, BigQuery und MotherDuck. ClickHouse sitzt im Auswahlfeld als coming soon — der Treiber ist da, wir haben ihn nur noch nicht freigeschaltet. Sie wollen ein Warehouse, das nicht aufgeführt ist? Fragen Sie; ein neuer Dialekt ist ein JDBC-Treiber plus ein kleiner Klassifikator, kein Rewrite.

Sie bauen keine JDBC-URL selbst zusammen. Jeder Dialekt hat benannte Felder, und Saiku baut die URL daraus (mit sicheren Voreinstellungen wie sslmode=require) und zeigt eine Vorschau des Gebauten. Ein Schalter Advanced nimmt für alles Ungewöhnliche eine rohe URL entgegen.

Host: db.acme.com
Port: 5432
Database: analytics
Username: saiku_reader
Password: ••••••••

SSL ist automatisch erforderlich — Sie stellen es nicht ein.

Jeder Dialekt hat seine eigene Schritt-für-Schritt-Anleitung unter Ihr Warehouse verbinden, inklusive der Firewall-Allowlist und der lesenden Rolle mit minimalen Rechten, die anzulegen ist.

Zugangsdaten sind im Ruhezustand verschlüsselt. Siehe Tenant-Isolation dazu, wie wir mit den Zugangsdaten umgehen, die Sie uns geben.

Warum ein Cube?

Saiku spricht MDX über Mondrian-XML-Schemas. Ein Cube ist ein deklaratives Modell, das sagt: „Hier sind meine Fakten (eine Verkaufstabelle), hier sind die Dimensionen, nach denen ich schneiden will (Datum, Region, Produkt), und hier sind die Measures, die ich aggregieren will (Umsatz, Stück).” Haben Sie das einmal beschrieben, funktioniert jede OLAP-artige Abfrage — Drilldowns, Pivots, Hierarchien — dagegen, ohne SQL zu schreiben.

Die Aufgabe von Saiku Cloud ist es, das Erstellen von Cubes zu keiner Plackerei zu machen. Sie zeichnen den Cube auf einer visuellen Canvas oder lassen die KI ihn aus einem Satz und einem Blick auf Ihr Warehouse entwerfen. So oder so prüfen und justieren Sie; Sie starten nie bei einer leeren Schemadatei.

Entwerfen → Speichern → Abfragen

Der KI-Pfad, von Anfang bis Ende:

  1. Wählen Sie eine Datenquelle. Jede gespeicherte Warehouse-Verbindung oder eine hochgeladene Datei. Wir profilieren sie günstig — Metadaten lesen, ein paar Zeilen pro Spalte samplen.

  2. Wählen Sie eine Faktentabelle. Wahrscheinliche Aggregattabellen (agg_*, *_summary, *_rollup) werden ans Ende der Liste geschoben, damit der kanonische Fakt auf Basisgranularität gewinnt, statt unter dreißig Vor-Aggregationen verloren zu gehen.

  3. Beschreiben Sie den Cube in normaler Sprache. Optional, aber es macht einen echten Unterschied: „Verkaufsfakten, verknüpft mit Kunden- und Produktdimensionen, Anzahl der Bestellungen und Summe des Umsatzes.”

  4. Prüfen Sie den Vorschlag. Measures und Dimensionen kommen als editierbare Karten zurück. Benennen Sie sie um, ändern Sie einen Aggregator, werfen Sie weg, was Sie nicht brauchen, korrigieren Sie einen Join, den das Modell falsch geraten hat.

  5. Cube-Schema vorschauen. Das validiert die Karten und generiert das Mondrian-XML — und schaltet drei Tabs frei, die es sich lohnt zu nutzen, bevor Sie festschreiben: Source, Sample data und Try a query. Führen Sie die Beispielabfrage aus. Ein Join an der falschen Stelle zeigt sich sofort als aufgeblähte Summen oder als Spalte voller Nulls.

  6. Als neue Schemaversion speichern. Das Schema landet in Ihrem Workspace, gebunden an die Verbindung.

  7. Analysieren. Seitenleiste → Analyze → Open in Saiku auf der Cube-Karte. Sie landen in der Saiku UI mit ausgewähltem Cube, bereit zum Abfragen.

Lieber von Hand bauen? New schema auf der Schemas-Seite öffnet stattdessen die visuelle Canvas — Tabellen und Joins, dann Dimensionen und Hierarchien, dann Measures und Berechnungen, dann ein Validierungsschritt. Keine KI im Spiel und kein LLM-Budget verbraucht.