Przejdź do głównej zawartości

Szybki start

Najkrótsza droga od rejestracji do działającej kostki w Saiku Cloud. Wolisz najpierw pojeździć próbnie? Przeskocz do przewodnika bez rejestracji — ten sam interfejs, te same dane demo, pięć zrzutów, bez karty.

Wymagania wstępne

  • Hurtownia PostgreSQL, MySQL / MariaDB, Snowflake, BigQuery albo MotherDuck, z dostępem do odczytu dla użytkownika serwisowego. Nie masz hurtowni? Wgraj plik zamiast tego — CSV, Parquet, JSON albo Excel — a Saiku zbuduje z niego bazę danych.
  • Przeglądarkę internetową. Tyle.

Pięć kroków

  1. Zarejestruj się. Wejdź na cloud.saiku.bi i załóż konto. Prowizjonujemy za Ciebie Twojego tenanta, przestrzeń roboczą i początkowy klucz API.

  2. Podłącz hurtownię. Otwórz Źródła danych na pasku bocznym, wybierz typ hurtowni i wypełnij nazwane pola — host, port, bazę, poświadczenia. Saiku składa URL JDBC za Ciebie. Kliknij Testuj połączenie; gdy przejdzie, pojawia się panel zapisu. Nazwij połączenie i zapisz je.

  3. Naszkicuj kostkę. Lądujesz w autorze kostek. Wybierz tabelę, która trzyma Twoje fakty, a potem opisz jedną linijką, czego chcesz — „przychód i liczba zamówień wedle regionu i daty”. AI proponuje kostkę Mondriana, a Ty przeglądasz miary, wymiary i joiny jako edytowalne karty. Wolisz zbudować sam? Nowa schema na stronie Schem otwiera wizualną kanwę bez AI w pętli.

  4. Zapisz schemę. Gdy propozycja wygląda dobrze, kliknij Podejrzyj schemę kostki, by wygenerować XML Mondriana, a potem Zapisz jako nową wersję schemy. Kostka ląduje na stronie Schem, gotowa do odpytywania.

  5. Odpytaj kostkę. Otwórz Analyze i kliknij Otwórz w Saiku przy swojej nowej kostce. Lądujesz w Saiku Studio z wczytaną kostką — przeciągaj wymiary i miary na wiersze i kolumny, zapisz workbook, podziel się nim z zespołem.

Co dalej


Przewodnik bez rejestracji

Dwa sposoby na sprawdzenie Saiku bez podpisywania czegokolwiek:

  • Demo na żywo: demo.saiku.bi — admin / admin, bez karty, bez rejestracji, a dane resetują się co noc, więc nic nie zepsujesz. Niesie kostki FoodMart plus kilka innych; wszystko poniżej korzysta z Sales.
  • Lokalny Docker: docker run -p 8080:8080 ghcr.io/spiculedata/saiku:latest — ten sam obraz, na którym chodzi demo. Pełna konfiguracja w przewodniku self-hostingu.

Obie ścieżki prowadzą do tego samego interfejsu. Oto jak wygląda pierwsze zapytanie na zimno.

1. Zaloguj się

Oba pola są w demie wypełnione z góry, więc możesz albo kliknąć Sign in, albo skorzystać ze skrótu Sign in as demo user pod spodem. Dane demo resetują się co noc — grzeb, w czym chcesz.

Strona logowania Saiku: notka „Try the demo", pole Username wypełnione wartością admin, pole hasła, a potem przyciski Sign in i „Sign in as demo user"

2. Wyląduj na pustym warsztacie

Trafiasz do Query Editora: po lewej wybierak CUBES, u góry pusta karta zapytania i cztery pola upuszczania — MEASURES, COLUMNS, ROWS i FILTER.

Pusty warsztat: wybierak kostki po lewej, puste pola Measures/Columns/Rows/Filter po prawej

3. Wybierz kostkę

Demo niesie schemę FoodMart — oprzyrządowanie OLAP dostarczane z Mondrianem od dekad — plus kilka innych. Otwórz wybierak i wybierz Sales.

Lewy panel się zapełnia: sześć miar (Unit Sales, Store Cost, Store Sales, Sales Count, Customer Count, Promotion Sales), pod nimi grupa Calculated (Profit, MoM Growth i spółka), a potem wymiary — Customer, Product, Time, Store, Promotion i inne, każdy rozwijalny aż do swoich poziomów.

Wczytane drzewo schemy: Measures na górze, Dimensions niżej z rozwijalnymi hierarchiami

4. Zbuduj zapytanie

Dwa przeciągnięcia:

  • Store Sales z listy miar na pole MEASURES.
  • Product Family, pod wymiarem Product, na pole ROWS.

To całe zapytanie. Nie ma kroku wysyłania — siatka wykonuje się i sama się wypełnia, gdy tylko pola razem mają sens.

Cztery pola po obu przeciągnięciach: Store Sales na MEASURES, Products / Product Family na ROWS, COLUMNS i FILTER wciąż puste

5. Przeczytaj wyniki

Saiku skompilowało to do MDX-a, Mondrian zamienił to na SQL i wróciły trzy wiersze: Drink 48 836,21 · Food 409 035,59 · Non-Consumable 107 366,33. Linia statusu pod siatką podaje czas wykonania i kształt wyniku — 3 rows × 2 cols.

Zerknij przy okazji na pasek adresu. Całe zapytanie jest zakodowane w URL-u, więc wysłanie komuś dokładnie tego widoku to kopiuj i wklej, bez zapisywania czegokolwiek wcześniej.

Wyniki zapytania: trzywierszowa siatka z Product Family na wierszach i wartościami Store Sales w komórkach

6. Przełącz na wykres

To samo zapytanie, inny widok. Kliknij Chart nad siatką. Dostajesz wykres słupkowy bez żadnej konfiguracji — a More trzyma widoki kompaktowe (Stats, Sparkline, Sparkbar). Zmień typ wykresu albo upuść kolejny wymiar na pole, a siatka i wykres przeliczą się razem.

Co się właśnie stało

  • Warsztat zbudował typowane zapytanie Mondriana z wymiarów i miar, które upuściłeś na pola. Bez SQL-a, bez MDX-a w ciele żądania.
  • Silnik Mondriana przetłumaczył to na SQL, wykonał wobec podłączonej hurtowni — w demie wbudowanej bazy FoodMart — i zbuforował wynik.
  • Siatka i wykres to dwa widoki tego samego wyniku — upuszczenie kolejnego wymiaru albo zamiana miar przelicza zapytanie i odświeża oba.

Właśnie zrobiłeś to samo, co Twoi analitycy i zespół finansowy robią codziennie. Każda dalsza powierzchnia Saiku — Excel przez XMLA, dashboardy, MCP dla agentów AI, zapisane workbooki — czyta z tej samej definicji kostki.

Co dalej po przewodniku

  • Podłącz Excela — ta sama instancja demo publikuje endpoint XMLA pod https://demo.saiku.bi/xmla. Excel łączy się tak samo jak z każdym źródłem Analysis Services; zobacz przewodnik po Excelu.
  • Podłącz agenta AI przez MCP — serwer MCP pod /rest/saiku/api/mcp daje Claude Desktopowi, Cursorowi, Cline’owi albo dowolnemu narzędziu mówiącemu MCP sześć narzędzi tylko do odczytu na tych samych kostkach, które właśnie odpytałeś ręcznie. Zobacz przewodnik po MCP.
  • Przejdź na własne dane — zarejestruj się powyżej, podłącz prawdziwą hurtownię i powtórz.