Cadastro e primeiro cubo
Esta página é a versão longa do Início rápido, com o porquê por trás de cada passo. Se você só quer entregar um cubo, o Início rápido é mais rápido.
Cadastro
-
Visite cloud.saiku.bi/signup.
-
Entre com e-mail ou Google — delegamos identidade pelo WorkOS, então não há senha do Saiku para inventar ou esquecer. (Clientes Enterprise usam SAML pela mesma porta.)
-
Dê nome ao seu tenant e escolha o slug dele — kebab-case, de 2 a 32 caracteres, e único em todo o Saiku Cloud. Escolha com intenção: o slug faz parte da identidade do seu tenant e não pode ser mudado depois sem a nossa ajuda.
-
Todo o resto é provisionado para você:
- O tenant em si, no slug que você escolheu.
- Um workspace para guardar seus schemas e workbooks.
- Sua conta de usuário, como owner do tenant.
- Uma API key inicial, para o dashboard conseguir falar com o backend em seu nome. Cunhe mais para agentes e integrações na página de API keys quando precisar.
Conecte seu primeiro warehouse
Cinco warehouses que você pode conectar hoje: PostgreSQL, MySQL / MariaDB, Snowflake, BigQuery e MotherDuck. O ClickHouse aparece no seletor marcado como coming soon — o driver está lá, só não abrimos ainda. Quer um warehouse que não está na lista? Peça; um dialeto novo é um driver JDBC mais um classificador pequeno, não uma reescrita.
Você não monta uma URL JDBC na mão. Cada dialeto tem campos
nomeados, e o Saiku constrói a URL a partir deles (com padrões
seguros como sslmode=require) e mostra um preview do que
construiu. Um botão Advanced aceita uma URL crua para qualquer
coisa fora do comum.
Host: db.acme.comPort: 5432Database: analyticsUsername: saiku_readerPassword: ••••••••SSL é exigido automaticamente — você não configura.
Account identifier: abc12345.us-east-1Database: ANALYTICSWarehouse: ANALYTICS_WH (opcional)Role: READER (opcional)Username: SAIKU_READERPassword: ••••••••Usa um par de chaves RSA em vez de senha? Ponha os parâmetros da chave numa URL crua pelo botão Advanced.
Sem usuário nem senha. Cole o arquivo JSON inteiro da chave da service account — chaves externas e tudo — na caixa da chave, e dê o nome do dataset em que suas tabelas vivem. O Saiku lê o projeto e o endereço da service account de dentro da chave e monta o resto.
Cada dialeto tem o próprio guia passo a passo em Conectando seu warehouse, incluindo a allowlist de firewall e o papel somente leitura de menor privilégio a criar.
Credenciais são cifradas em repouso. Veja Isolamento de tenant para saber como tratamos as credenciais que você nos dá.
Por que um cubo?
O Saiku fala MDX sobre schemas XML do Mondrian. Um cubo é um modelo declarativo que diz “aqui estão meus fatos (uma tabela de vendas), aqui as dimensões pelas quais quero fatiar (data, região, produto), e aqui as medidas que quero agregar (receita, unidades)”. Descrito isso uma vez, qualquer consulta em estilo OLAP — drills, pivôs, hierarquias — funciona contra ele sem escrever SQL.
O trabalho do Saiku Cloud é fazer com que criar cubos não seja um suplício. Ou você desenha o cubo num canvas visual ou deixa a IA rascunhar a partir de uma frase e de uma olhada no seu warehouse. De qualquer jeito você revisa e ajusta; nunca começa de um arquivo de schema em branco.
Rascunhar → Salvar → Consultar
O caminho da IA, ponta a ponta:
-
Escolha uma fonte de dados. Qualquer conexão de warehouse salva, ou um arquivo que você subiu. A gente perfila barato — lê os metadados, amostra algumas linhas por coluna.
-
Escolha uma tabela de fatos. Tabelas com cara de agregado (
agg_*,*_summary,*_rollup) são empurradas para o fim da lista, para o fato canônico no grão base ganhar em vez de se perder sob trinta pré-agregações. -
Descreva o cubo em linguagem natural. Opcional, mas faz diferença real: “Fatos de vendas ligados às dimensões de cliente e produto, contagem de pedidos e soma de receita.”
-
Revise a proposta. Medidas e dimensões voltam como cards editáveis. Renomeie, mude um agregador, jogue fora o que não precisa, corrija um join que o modelo chutou errado.
-
Pré-visualize o schema do cubo. Isso valida os cards e gera o XML do Mondrian — e destrava três abas que vale usar antes de se comprometer: Source, Sample data e Try a query. Rode a consulta de exemplo. Um join no lugar errado aparece na hora como totais inflados ou uma coluna de nulos.
-
Salve como nova versão de schema. O schema aterrissa no seu workspace, amarrado à conexão.
-
Analise. Barra lateral → Analyze → Open in Saiku no card do cubo. Você cai na interface do Saiku com o cubo selecionado, pronto para consultar.
Prefere montar na mão? New schema na página de Schemas abre o canvas visual no lugar — tabelas e joins, depois dimensões e hierarquias, depois medidas e cálculos, depois um passo de validação. Sem IA envolvida, e sem gastar orçamento de LLM.