Bibliothèque de cubes

La Bibliothèque de cubes est une galerie de cubes Mondrian fonctionnels pour des domaines analytiques courants — métriques SaaS, e-commerce, reporting santé, analytique RH. Chaque modèle a une description, les mesures et dimensions livrées, et un bouton d’adoption en un clic qui copie le schema dans votre tenant en le ré-liant à vos tables.

C’est le chemin le plus rapide vers un cube fonctionnel lorsque la forme de vos données correspond grosso modo à l’un des modèles. Si vous avez une table orders avec customer_id, product_id, total et une date created_at, le modèle e-commerce vous amène à un cube interrogeable en environ deux minutes — nettement moins que même le Schema designer.

Adopter un modèle

Parcourez les modèles. Chaque carte liste ce qui se trouve dans le cube ; cliquez sur Utiliser celui-ci sur celui qui correspond.
Choisissez une connexion. Le modèle a besoin d’un entrepôt sur lequel pointer.
Mappez les noms de table attendus par le modèle à vos noms réels. Le sélecteur vous guide à travers cela — si vos tables correspondent par hasard aux valeurs par défaut du modèle (un pattern fact_* et dim_*, le plus courant), le mapping se remplit automatiquement.
Cliquez sur Adopter. Nous clonons le modèle, le relions à vos tables et l’enregistrons comme un nouveau schema dans votre tenant. Il apparaît sur la page Schemas et est interrogeable depuis Analyze immédiatement.

Après l’adoption, le schema est le vôtre — éditez-le librement sur la page Schemas, le modèle reste intact.

Ce qui se trouve dans la bibliothèque aujourd’hui

Métriques SaaS — MRR, churn, ARPU, distribution de plans, inscriptions vs annulations.
E-commerce — commandes, chiffre d’affaires, AOV, taux de conversion, abandon de panier.
Reporting santé — nombre de patients, volumes de visites, durée de séjour, mix payeurs.
Analytique RH — effectifs, ancienneté, attrition, fourchettes de rémunération.

D’autres modèles arrivent périodiquement. Si vous voulez que nous couvrions un domaine, dites-le nous.

Quand le modèle ne correspond pas tout à fait

Deux options lorsque votre entrepôt utilise un nommage ou des colonnes différents de ce que le modèle suppose :

Renommer pendant l’adoption. L’étape de mapping vous permet de pointer le fact_sales attendu du modèle vers votre analytics.commerce.transactions réel.
Adopter puis éditer. Prenez le modèle tel quel et utilisez l’éditeur XML de la page Schemas pour ajuster.

Si aucun de ces chemins ne vous donne ce dont vous avez besoin, le Schema designer est votre ami — partez de zéro avec l’assistance IA au lieu de forcer le modèle à correspondre.

Liens connexes

Schemas — les modèles adoptés vivent ici.
Schema designer — partez d’un entrepôt plutôt que d’un modèle.
Connexions — l’entrepôt vers lequel vous pointerez le modèle.