Aller au contenu

Tirer des enseignements de vos données

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

Commencez par la question, pas par les données

La plus grande erreur des analystes dans les outils OLAP est de partir de « quelles données avons-nous ? » et de cliquer un peu partout jusqu’à ce que quelque chose d’intéressant surgisse. C’est de l’exploration, pas de l’analyse. Utile parfois — en général non.

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

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

Une fois la question explicite, vous savez ce qu’il vous faut :

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

Les gestes dans le workbench deviennent alors évidents.

Le pattern en quatre étapes

La plupart des analyses suivent la même forme :

  1. Choisissez la mesure. Quel chiffre répond à la question ?
  2. Choisissez la dimension de découpe. Par quoi voulez-vous le ventiler ?
  3. Choisissez la fenêtre temporelle. Quelle période ?
  4. Choisissez la comparaison. Par rapport à quoi ?

Les étapes 1 + 2 + 3 vous donnent un chiffre. L’étape 4 est ce qui en fait un enseignement plutôt qu’une simple valeur.

Exemple traité : croissance du chiffre d’affaires par région

La question : quelles régions ont fait croître leur chiffre d’affaires de plus de 20 % en glissement annuel au T4 ?

Décomposez :

  • Mesure : chiffre d’affaires (somme).
  • Dimension : région.
  • Fenêtre temporelle : T4 2024 vs T4 2023.
  • Comparaison : variation en % entre les deux.

Dans le workbench :

  1. Glissez Region sur ROWS.
  2. Glissez Revenue sur MEASURES.
  3. Glissez Time › Year sur FILTER ; choisissez 2023 et 2024.
  4. Glissez Time › Quarter sur COLUMNS, filtré sur Q4.
  5. Vous avez maintenant le chiffre d’affaires T4 2023 et T4 2024 côte à côte, par région.
  6. Ajoutez un membre calculé pour le ratio : ([Q4 2024 Revenue] - [Q4 2023 Revenue]) / [Q4 2023 Revenue], formaté en pourcentage. (Pour un simple chiffre d’une période sur l’autre, Growth calculation… sur la puce de mesure le fait sans formule.)
  7. Ouvrez les options de l’axe Rows et Order… par cette colonne, en décroissant.

Le haut du tableau répond directement à la question. Clic droit sur une région et Include Level ses produits pour voir ce qui a porté la croissance.

Patterns

Quelques gestes reviennent sans cesse.

Période sur période. Deux filtres de date plus un ratio en membre calculé. La forme ci-dessus — vaut pour « cette année vs l’an dernier », « ce mois vs le même mois l’an dernier », peu importe.

Top N + le reste. « Top 10 des clients par chiffre d’affaires, tous les autres repliés dans Autres. » Filtrez la dimension au top 10 ; ajoutez un membre calculé pour total - sum(top 10) intitulé « Tous les autres ».

Forer puis pivoter. Forez dans un parent qui semble intéressant, puis échangez les axes (bouton de la barre d’outils) pour voir les enfants côte à côte plutôt qu’empilés. Manière rapide de se réorienter quand la forme au niveau supérieur vous mène à une question précise un cran plus bas.

Composition à l’intérieur d’une comparaison. Quand chaque barre doit aussi montrer de quoi elle est faite, une barre empilée porte les deux — totaux entre catégories, décomposition à l’intérieur de chacune. Pour une hiérarchie, un sunburst ou un treemap font le même travail de façon radiale.

Anti-patterns

Quelques gestes à éviter.

Camemberts à 12 parts et plus. Illisibles. Basculez plutôt vers un treemap ou un tri + barres.

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

Faire confiance à l’ordre par défaut. Le défaut est ce que le cube a renvoyé — en général l’ordre naturel de la dimension, rien de significatif sur les chiffres. Utilisez Order… dans les options d’axe avant de tirer des conclusions du « haut de la liste ».

Auto-run sur une requête lente. Si une requête prend trente secondes et que vous assemblez encore la mise en page, chaque glisser déclenche une requête complète dont personne ne voulait. Décochez Auto-run dans la liste Run, composez, puis lancez une fois.

Quand un graphique, quand le tableau

  • Tableau quand vous voulez des chiffres exacts. « Quel était le chiffre d’affaires du 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, lesquelles ont rétréci ? » veut la gestalt visuelle d’un graphique en barres, pas la ligne de chiffres.

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

Partager votre trouvaille

Une fois la réponse trouvée, Save as dans la barre d’outils conserve le workbook. Choisissez un dossier visible par les personnes qui le voudront.

Trois façons de le transmettre, par permanence croissante :

  • Envoyer l’URL. Toute la requête vit dans la barre d’adresse. Copier, coller, terminé — rien à enregistrer, aucune permission de dossier, rien à mettre en place. De loin le moyen le plus rapide de dire « regarde ça ».
  • Partager le workbook enregistré. Quiconque a accès à votre workspace ouvre la même requête et obtient des chiffres vivants, parce qu’elle se réexécute à chaque fois. Le bon choix pour quelque chose sur quoi les gens reviendront.
  • Exporter. Excel, CSV, PDF, ou directement par e-mail. Un instantané des chiffres tels que vous les avez vus — le bon choix pour les gens hors de la plateforme, et pour tout ce qui part dans un rapport où les chiffres ne doivent pas bouger sous vos pieds.

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 — faites plutôt un clic droit sur une cellule de données pour forer jusqu’aux lignes.
  • Dashboards temps réel. Saiku exécute les requêtes à la demande. S’il vous faut 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 cherche pas les lignes ; il les agrège. Pour « trouver toute 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 qu’il vous faut.

Où aller ensuite