Przejdź do głównej zawartości
Saiku Cloud

Wyciąganie wniosków z danych

Workbench Saiku to narzędzie, nie odpowiedź. Inne strony pokrywają mechanikę — przeciągnij tu, kliknij tam. Ta strona pokrywa, co faktycznie robić z tą mechaniką: jak wziąć pytanie biznesowe i obrócić je w analizę Saiku, która na nie odpowiada.

Zacznij od pytania, nie od danych

Największy błąd, jaki analitycy popełniają w narzędziach OLAP, to start od „jakie dane mamy?” i klikanie po okolicy, aż coś interesującego się wyłoni. To eksploracja, nie analiza. Czasem przydatna — zwykle nie.

Lepszy start: zapisz pytanie, zanim otworzysz Saiku.

  • „Które regiony rosły przychodem ponad 20% rok-do-roku w Q4?”
  • „Jaki jest nasz trend marży brutto wg linii produktowej za ostatnie 12 miesięcy?”
  • „Którzy klienci nic nie kupili w ostatnich 60 dniach, a wcześniej kupowali regularnie?”

Z jawnym pytaniem wiesz, czego potrzebujesz:

  • Miary (przychód, marża, liczba klientów).
  • Wymiaru do krojenia (region, linia produktowa, klient).
  • Filtra czasowego (Q4, ostatnie 12 miesięcy, ostatnie 60 dni).
  • Porównania (vs poprzedni rok, vs trend, vs populacja).

Teraz ruchy w workbenchu są oczywiste.

Wzorzec czterech kroków

Większość analiz idzie tym samym kształtem:

  1. Wybierz miarę. Jaka liczba odpowiada na pytanie?
  2. Wybierz wymiar krojący. Po czym chcesz to rozbić?
  3. Wybierz okno czasowe. Jaki okres?
  4. Wybierz porównanie. Vs co?

Krok 1 + 2 + 3 daje Ci liczbę. Krok 4 jest tym, co czyni z niej wniosek, a nie tylko wartość.

Rozwiązany przykład: wzrost przychodu regionalnego

Pytanie: Które regiony rosły przychodem ponad 20% rok-do-roku w Q4?

Rozkład:

  • Miara: Revenue (suma).
  • Wymiar: Region.
  • Okno czasowe: Q4 2024 vs Q4 2023.
  • Porównanie: % zmiana między dwoma.

W workbenchu:

  1. Przeciągnij Region na Wiersze.
  2. Przeciągnij Revenue na Kolumny.
  3. Przeciągnij Time › Year na Filtry; wybierz 2023 i 2024.
  4. Przeciągnij Time › Quarter na Kolumny nad Revenue, przefiltruj na Q4.
  5. Teraz masz tabelę z jedną kolumną dla przychodu Q4 2023, jedną dla Q4 2024, wg regionu.
  6. Dodaj calculated member: ([Q4 2024 Revenue] - [Q4 2023 Revenue]) / [Q4 2023 Revenue]. Sformatuj jako procent.
  7. Posortuj po obliczonej kolumnie malejąco.

Wierzch tabeli teraz odpowiada na pytanie wprost. Kliknij dowolny region, by drillnąć w jego produkty i zobaczyć, co napędzało wzrost.

Wzorce

Kilka ruchów wraca raz po raz.

Okres na okres. Dwa filtry dat + ratio calculated-member. Ten kształt wyżej — działa dla „ten rok vs zeszły rok”, „ten miesiąc vs ten sam miesiąc rok temu”, cokolwiek.

Top-N + reszta. „Top 10 klientów po przychodzie, z resztą zwiniętą w Inni.” Przefiltruj wymiar do top 10; dodaj calculated member na total - sum(top 10) z etykietą „Wszyscy inni”.

Drilluj-i-pivotuj. Drillnij w rodzica, który wygląda interesująco, potem zamień osie (przycisk paska narzędzi), by zobaczyć dzieci obok siebie zamiast ułożone w stos. Szybki sposób, by się przeorientować, gdy kształt najwyższego poziomu prowadzi Cię do konkretnego pytania o poziom niżej.

Porównuj przez małe wielokrotności. Gdy chcesz zobaczyć ten sam wykres przez wiele podgrup, przełącz na wielo-wykresowy wariant (multi-bar, multiple sunburst). Ten sam kształt powtórzony, inny plasterek za każdym razem.

Antywzorce

Kilka ruchów do unikania.

Wykresy kołowe z 12+ kawałkami. Nieczytelne. Przełącz na treemap albo sortowanie + bar.

Drillowanie bez filtrowania. Drillowanie Year → Quarter → Month → Day na 5-letniej kostce daje Ci ~1825 wierszy. Najpierw przefiltruj do okna.

Ufanie domyślnemu sortowaniu. Domyślne Saiku to jakikolwiek porządek, w jakim zwróciła baza. Zawsze klikaj nagłówek kolumny miary, by posortować po czymś znaczącym, zanim wyciągniesz wnioski.

Auto-run na wolnym zapytaniu. Jeśli zapytanie zajmuje 30 sekund, a Ty wciąż komponujesz układ, każde przeciągnięcie odpala zapytanie, które chodzi do końca. Wyłącz auto-execution, ułóż, potem odpal ręcznie.

Kiedy używać wykresu vs tabeli

  • Tabela, gdy chcesz dokładnych liczb. „Jaki był przychód Q4 w South-West?” chce $2,381,492, nie słupka przybliżonej wysokości.
  • Wykres, gdy chcesz wzorca. „Które regiony rosły, a które spadały?” chce wizualnego ogarnięcia wykresu słupkowego, nie rzędu liczb.

Częsty workflow: zbuduj w tabeli, by potwierdzić, że dane są prawidłowe, przełącz na wykres do końcowego wizualnego, potem przełącz z powrotem, by zweryfikować konkretne liczby, jeśli ktoś zakwestionuje.

Dzielenie się odkryciem

Gdy znalazłeś odpowiedź, zapisz workbook (Plik → Zapisz jako), żebyś mógł wrócić. Wybierz folder widoczny dla ludzi, którzy będą go chcieli.

Dwie opcje dzielenia się wynikiem:

  • Link do zapisanego workbooka. Każdy z dostępem do Twojego workspace’u może go otworzyć i zobaczyć to samo zapytanie. Zobaczą żywe liczby — workbook ponownie chodzi względem świeżych danych za każdym razem.
  • Eksport. Excel, CSV lub PDF. Migawka danych, jak je widzisz. Najlepsze do mailowania osobom spoza platformy lub doczepiania do raportu.

Oba mają swoje miejsce: workbook dla współpracowników, którzy chcą dalej eksplorować; eksport dla końcowej odpowiedzi.

Kiedy Saiku nie jest właściwym narzędziem

Kilka przypadków, gdy mocne strony Saiku nie pomagają:

  • Zapytania operacyjne na poziomie wiersza. „Pokaż mi zamówienia od 47281 do 47290.” To zapytanie SQL, nie analiza OLAP. Użyj zamiast tego funkcji drillthrough (prawy klik → Drillthrough).
  • Dashboardy w czasie rzeczywistym. Saiku uruchamia zapytania na żądanie. Jeśli potrzebujesz liczby aktualizującej się co 30 sekund bez człowieka w pętli, lepiej pasuje inne narzędzie.
  • Wyszukiwanie tekstowe po danych. Saiku nie wyszukuje wierszy; agreguje je. Do „znajdź każde zamówienie wzmiankujące ‘pilne’ w polu komentarza” patrz gdzie indziej.

Do wszystkiego innego — krojenia agregacji wzdłuż wymiarów, z wykresem lub bez — Saiku to to, czego chcesz.

Co dalej