Pular para o conteúdo

Designer de schemas

Escrever um cubo Mondrian na mão significa declarar tabelas de fatos, dimensões, hierarquias, níveis, joins por chave estrangeira, medidas e agregações em XML. Várias centenas de linhas para um cubo modesto, e a maior parte mecânica. O Saiku Cloud te dá dois jeitos de não fazer isso.

Desenhe ele. O canvas visual é um designer de cubos completo — tabelas, joins, grupos de medidas, dimensões e hierarquias, medidas calculadas, cálculos de tempo. Determinístico e preciso; nada é chutado no seu lugar.

Descreva ele. Aponte o rascunho de IA para uma fonte de dados, diga numa frase o que você quer, e receba uma proposta completa para editar e salvar.

Os dois escrevem o mesmo XML do Mondrian, os dois salvam no mesmo catálogo, e você pode começar num e terminar no outro.

O canvas visual

New schema na página de Schemas abre o canvas. Quatro abas correm da esquerda para a direita na ordem em que você naturalmente trabalharia:

AbaO que você faz ali
Schema CanvasEscolher um warehouse e espalhar tabelas. Os joins entre elas são o esqueleto do cubo.
Dimensions & HierarchiesVirar tabelas em dimensões; empilhar níveis em hierarquias; definir tipos de nível.
Facts & MeasuresAgrupar medidas, escolher agregadores, e adicionar medidas calculadas como Profit = [Sales] − [Cost].
Confirm cubeValidação antes de você se comprometer.

Uma gaveta Inspector corre pela parte de baixo, com um formulário Properties e uma visão </Code> do XML sendo gerado. Ela ancora à direita se você preferir trabalhar lado a lado.

Duas coisas que vale saber cedo:

  • Cálculos de tempo (YoY, PoP, YTD, móvel) precisam de uma dimensão Time com um nível Years. Defina os tipos de nível na hierarquia primeiro, senão o cálculo não tem por onde caminhar.
  • Rascunhos são locais. O botão de salvar rascunho guarda um cubo inacabado no seu navegador para você poder sair e voltar. Ele aparece no catálogo marcado como rascunho, e não está nos nossos servidores até você salvar de verdade.

Import / Export / Reset na toolbar move definições para dentro e para fora — útil para levar um cubo entre tenants, ou para manter o JSON do canvas em controle de versão junto dos seus modelos dbt.

O rascunho de IA

  1. Escolha uma fonte de dados. Qualquer conexão de warehouse salva, ou um arquivo enviado.

  2. Escolha uma tabela de fatos — a tabela cujos números você quer contar, somar ou tirar média. A gente perfila o schema primeiro (barato; são metadados mais um punhado de linhas de amostra) e lista o que tem lá. Tabelas com cara de agregado — agg_*, *_summary, *_rollup — são empurradas para o fim, para o fato canônico no grão base ganhar em vez de ficar soterrado sob trinta pré-agregações. A caixa de busca aceita filtros include: e remove:.

  3. Descreva o que você quer. Uma frase resolve: “Fatos de vendas ligados a clientes e produtos, contagem de pedidos e soma de receita, fatiado por data.” Isso vai para o modelo junto do perfil e melhora bastante o resultado comparado a deixar em branco.

  4. Revise a proposta. Medidas e dimensões voltam como cards editáveis. Renomeie, mude um agregador, jogue fora as que você não quer, conserte um join que o modelo chutou errado.

  5. Pré-visualize o schema do cubo. Isso valida os cards, gera o XML do Mondrian, e destrava mais três abas: Source (o XML), Sample data, e Try a query.

  6. Salve como nova versão de schema. O cubo aterrissa em Schemas, amarrado à sua conexão, e fica consultável pelo Analyze na hora.

Teste uma consulta antes de se comprometer

A aba Try a query roda uma amostra MDX real contra o rascunho antes de você salvar qualquer coisa. É o jeito mais rápido de pegar um join que caiu no lugar errado — um join ruim aparece na hora como totais inflados ou uma parede de nulos, onde ler o XML não teria te contado.

Hierarquias de data vêm de graça

Dimensões de data são o elemento de cubo mais comum e o mais tedioso de escrever. O detector acha colunas com cara de data e monta automaticamente uma hierarquia Year → Quarter → Month → Day. Ele dispara em:

  • Colunas DATE / TIMESTAMP / TIMESTAMPTZ / DATETIME de verdade, incluindo variantes de fabricante como TIMESTAMP(6).
  • Nomes que entregam — *_date, *_at, *_on, *_time, mais date, created, updated, modified puros.
  • Colunas de texto cujos valores de amostra parseiam como datas ISO (2026-03-14, 2026-03-14T09:00:00, 2026/03/14).

Ele deliberadamente não dispara em colunas inteiras *_year / *_month — são fragmentos de chave de data que já têm estrutura própria — nem em colunas só de hora, que não conseguem preencher uma hierarquia A/T/M/D.

Se você precisa de algo fora do padrão — um ano fiscal começando em abril, digamos — edite o card da dimensão ou monte a hierarquia no canvas.

Custo de LLM e cota

Todo rascunho de IA custa dinheiro de verdade, então cada tenant tem um orçamento mensal de inferência. Passando de 80 % a página começa a avisar; passando de 100 % novas propostas são recusadas, com a data em que o orçamento reseta. Peça e a gente sobe o teto.

Perfilar, pré-visualizar e salvar são de graça — só o passo de propor-e-refinar gasta orçamento. O canvas não gasta nada, o que faz dele o hábito mais barato para iterar num cubo que você já entende.

Relacionado

  • Fontes de dados — os warehouses e arquivos de onde o designer lê.
  • Schemas — onde moram os cubos salvos e o histórico de versões deles.
  • Biblioteca de cubos — comece de um cubo funcionando em vez de um canvas em branco.
  • Schemas do Mondrian — a referência de tudo que o canvas escreve por você.
  • Analyze — abra um cubo salvo e consulte.