Aller au contenu
Saiku Cloud

Tirer des insights de vos données

Le workbench Saiku est un outil, pas une réponse. Les autres pages couvrent la mécanique — glisser ici, cliquer là. Cette page couvre ce qu’il faut réellement faire avec la mécanique : comment prendre une question business et la transformer en analyse Saiku qui y répond.

Commencez par la question, pas par les données

La plus grosse erreur que font les analystes dans les outils OLAP est de partir de « quelles données avons-nous ? » et de cliquer jusqu’à ce que quelque chose d’intéressant apparaisse. C’est de l’exploration, pas de l’analyse. Utile parfois — généralement pas.

Un meilleur départ : écrivez la question avant d’ouvrir Saiku.

  • « Quelles régions ont fait croître le revenu de plus de 20 % en glissement annuel au T4 ? »
  • « Quelle est la tendance de notre marge brute par ligne de produits sur les 12 derniers mois ? »
  • « Quels clients n’ont rien acheté dans les 60 derniers jours mais achetaient régulièrement avant ? »

Avec la question explicite, vous savez ce dont vous avez besoin :

  • Une mesure (revenu, marge, nombre de clients).
  • Une dimension pour découper (région, ligne de produits, client).
  • Un filtre temporel (T4, 12 derniers mois, 60 derniers jours).
  • Une comparaison (vs année précédente, vs tendance, vs population).

Maintenant les mouvements dans le workbench sont évidents.

Le pattern en quatre étapes

La plupart des analyses suivent la même forme :

  1. Choisissez la mesure. Quel nombre répond à la question ?
  2. Choisissez la dimension de découpe. Selon quoi voulez-vous la décomposer ?
  3. Choisissez la fenêtre temporelle. Quelle période ?
  4. Choisissez la comparaison. Vs quoi ?

Étape 1 + 2 + 3 vous donnent un nombre. L’étape 4 est ce qui en fait un insight plutôt qu’une simple valeur.

Exemple détaillé : croissance régionale du revenu

La question : Quelles régions ont fait croître le revenu de plus de 20 % en glissement annuel au T4 ?

Décomposez :

  • Mesure : Revenu (somme).
  • Dimension : Région.
  • Fenêtre temporelle : T4 2024 vs T4 2023.
  • Comparaison : % de variation entre les deux.

Dans le workbench :

  1. Glissez Région dans Rows.
  2. Glissez Revenu dans Columns.
  3. Glissez Temps › Année dans Filters ; choisissez 2023 et 2024.
  4. Glissez Temps › Trimestre dans Columns au-dessus de Revenu, filtrez sur T4.
  5. Vous avez maintenant un tableau avec une colonne pour le revenu T4 2023, une pour T4 2024, par région.
  6. Ajoutez un membre calculé : ([Revenu T4 2024] - [Revenu T4 2023]) / [Revenu T4 2023]. Formatez en pourcentage.
  7. Triez par la colonne calculée en ordre décroissant.

Le haut du tableau répond maintenant directement à la question. Cliquez sur n’importe quelle région pour drill dans ses produits et voir ce qui a motivé la croissance.

Patterns

Quelques mouvements reviennent encore et encore.

Période contre période. Deux filtres de date + un ratio en membre calculé. La forme ci-dessus — fonctionne pour « cette année vs l’an dernier », « ce mois vs le même mois l’an dernier », n’importe quoi.

Top-N + le reste. « Top 10 clients par revenu, avec tous les autres regroupés en Autres. » Filtrez la dimension au top 10 ; ajoutez un membre calculé pour total - sum(top 10) étiqueté « Tous les autres ».

Drill-puis-pivot. Drill dans un parent qui a l’air intéressant, puis échangez les axes (bouton de la barre d’outils) pour voir les enfants côte à côte au lieu d’empilés. Moyen rapide de se réorienter quand la forme au niveau supérieur vous amène à une question spécifique un niveau en dessous.

Comparer via petits multiples. Quand vous voulez voir le même graphique sur de nombreux sous-groupes, basculez sur une variante multi-graphique (multi-barres, sunburst multiple). Même forme répétée, tranche différente à chaque fois.

Anti-patterns

Quelques mouvements à éviter.

Camemberts avec 12+ tranches. Illisible. Basculez vers treemap ou tri + barres à la place.

Drilling sans filtrer. Drill Année → Trimestre → Mois → Jour sur un cube de 5 ans vous donne ~1825 lignes. Filtrez d’abord sur une fenêtre.

Faire confiance au tri par défaut. Le défaut de Saiku est l’ordre dans lequel la base de données a retourné. Cliquez toujours sur un en-tête de colonne de mesure pour trier par quelque chose de significatif avant de lire les conclusions.

Auto-run sur une requête lente. Si une requête prend 30 secondes à s’exécuter et que vous composez encore la mise en page, chaque glisser-déposer déclenche une requête qui s’exécute jusqu’au bout. Désactivez l’auto-exécution, composez, puis lancez-la manuellement.

Quand utiliser un graphique vs le tableau

  • Tableau quand vous voulez des chiffres exacts. « Quel était le revenu T4 dans le Sud-Ouest ? » veut $2,381,492, pas une barre de hauteur approximative.
  • Graphique quand vous voulez un motif. « Quelles régions ont grandi, et lesquelles ont rétréci ? » veut la gestalt visuelle d’un graphique en barres, pas la ligne de nombres.

Un workflow courant : construire dans le tableau pour confirmer que les données sont correctes, basculer vers un graphique pour le visuel final, puis revenir pour vérifier des chiffres spécifiques si on vous interroge.

Partager votre trouvaille

Une fois que vous avez trouvé la réponse, sauvegardez le workbook (Fichier → Enregistrer sous) pour pouvoir y revenir. Choisissez un dossier visible aux personnes qui le voudront.

Deux options pour partager le résultat :

  • Lien vers le workbook sauvegardé. Quiconque a accès à votre workspace peut l’ouvrir et voir la même requête. Ils verront des chiffres en direct — le workbook se réexécute sur des données fraîches à chaque fois.
  • Export. Excel, CSV ou PDF. Un instantané des données telles que vous les voyez. Mieux pour envoyer par e-mail à des personnes hors de la plateforme ou attacher à un rapport.

Les deux ont leur place : le workbook pour les collaborateurs qui veulent continuer à explorer ; l’export pour la réponse finale.

Quand Saiku n’est pas le bon outil

Quelques cas où les forces de Saiku n’aident pas :

  • Requêtes opérationnelles au niveau ligne. « Montre-moi les commandes 47281 à 47290. » C’est une requête SQL, pas une analyse OLAP. Utilisez la fonctionnalité de drillthrough (clic droit → Drill through) à la place.
  • Dashboards temps réel. Saiku exécute les requêtes à la demande. Si vous avez besoin d’un chiffre qui se met à jour toutes les 30 secondes sans humain dans la boucle, un autre outil convient mieux.
  • Recherche en texte libre dans les données. Saiku ne recherche pas les lignes ; il les agrège. Pour « trouver chaque commande mentionnant ‘urgent’ dans le champ commentaire », regardez ailleurs.

Pour tout le reste — découper des agrégations selon des dimensions, avec ou sans graphique — Saiku est ce que vous voulez.

Où aller ensuite