Build your ultimate AI agent
Kursbeskrivning
Sluta skriva om samma joins och beräkningar om och om igen, och fördjupa dig i välstyrd, skalbar analys med Sigma data models. I den här kursen lär du dig när och varför datamodeller i Sigma används, och får förståelse för deras unika möjligheter att öka prestandan, standardisera beräkningar i hela organisationen och hantera känslig information.Vi kommer att utforska unioner, joins, relationer, mått, parametrar och kolumnnivåsäkerhet för att skapa och dela stabila byggstenar för analys.I slutet av den här kursen kommer du att veta när du ska skapa en datamodell och vilka funktioner du behöver för att passa ditt användningsområde. Inga fler ad hoc-joins, och ingen mer förvirring för användarna.
Förkunskapskrav
Det finns inga förkunskapskrav för den här kursen
Kursplan
Kursöversikt
1
Hållbara insikter som håller över tid
I det här kapitlet lär du dig om de viktigaste användningsfallen för datamodeller i Sigma. Med en datamodell kan du skapa anpassade datakällor som är tillgängliga för andra Sigma-dokument i din organisation. Det gör att du kan skala upp, styra och underhålla teamets insikter, analyser och appar.
- Vad är en datamodell?50 XP
- Datamodeller vs. arbetsböcker50 XP
- Centralisera KPI-uppdateringar50 XP
- Joins och unions i en datamodell50 XP
- Kombinera två tabeller med en union100 XP
- Bygga en bastabells för en datamodell50 XP
- Kombinera två tabeller med en join100 XP
- Publicera och använda en datamodell50 XP
- Använda en datamodell i en arbetsbok100 XP
2
Berika tabeller med mätvärden och relationer
I det här kapitlet lär du dig hur du skalar insikter bortom en enskild tabell med hjälp av mätvärden och relationer. Du bygger ett exempel på var och en av dessa centrala datamodellfunktioner och ser dem sedan i praktiken i en arbetsbok, så att du direkt förstår deras effekt. När du har lärt dig om dessa funktioner kan du tillhandahålla beräkningar till hela analysteamet och styra join-logik centralt från en datamodell – utan att begränsa flexibiliteten för användarna.
3
Sätt ihop allt med parametrar och säkerhet
I det här kapitlet lär du dig om två avancerade funktioner i datamodeller – parametrar och kolumnsäkerhet – innan du omsätter allt du lärt dig i ett avslutande exempel. Parametrar ger dig möjlighet att konfigurera flexibla filter för dina modeller, och säkerhetsfunktionen hjälper dig att skydda känsliga data. Genom att kombinera alla funktioner och bästa praxis du har lärt dig hittills får du sedan chansen att befästa dina kunskaper om skalbar analys.
Datamodellering i Sigma
Kurs
slutförd
