1.203.400,00
Shuzi · Self-Service-BI
Daten entwirren,Ordnung schaffen.
Viele Quellen, viele Definitionen, viele Berichte, zu einem einzigen gekämmt. Daten mit Versionen, Kennzahlen mit Definitionen, Antworten mit Herkunft, Berechtigungen mit Grenzen.
Chaos herrscht in den Quellen.Nicht in den Definitionen.
- 1 SatzKennzahlendefinitionen, geteilt von Berichten, KI und APIs
- 10anbindbare Datenbanken, dazu Datei-Upload und API-Abrufe
- 1 Stellesetzt Zeilenberechtigungen durch, und niemand umgeht sie
Produktrundgang
Im Notebook schreiben.
Im Chat fragen.
Als App teilen.
Drei Zugänge, darunter dieselbe semantische Schicht: dieselben Definitionen, dieselben Berechtigungen, dieselben Zahlen, egal, durch welche Tür Sie kommen.
SQL
-- Umsatz Q3 nach Kategorie, nur bestätigte Bestellungen
SELECT category,
SUM(amount) AS revenue
FROM orders
WHERE status = 'confirmed'
AND quarter = 'Q3'
GROUP BY category
ORDER BY revenue DESC5 Zeilen · fertig
Ergebnis
| Kategorie | Umsatz | ggü. Vorquartal |
|---|---|---|
| Bekleidung | 454k | +3.9% |
| Wohnen | 448k | +8.2% |
| Elektronik | 304k | -1% |
| Beauty | 270k | +1.9% |
| Lebensmittel | 213k | +6% |
Diagramm
Umsatz nach Kategorie
- 454Bekleidung
- 448Wohnen
- 304Elektronik
- 270Beauty
- 213Lebensmittel
Läuft in einer eingeschränkten SQL-Sandbox, auf Tabellen, die Sie lesen dürfen.
Fragen Sie in eigenen Worten. Der Agent liest die semantische Schicht, zeigt seine Schritte und zeichnet dann die Antwort.
Vergleiche den Umsatz nach Region und Quartal, gestapelt nach Kategorie.
- cube_list_models1 Modell
- cube_get_metadataretail_model
- cube_queryrevenue × region × quarter
Nur Daten, die Sie sehen dürfen
Der Umsatz steigt in allen drei Regionen jedes Quartal. Größte Region: Ost. Überall an der Spitze: Bekleidung. Einzige schrumpfende Kategorie: Elektronik.
- Bekleidung
- Wohnen
- Beauty
- Elektronik
- Lebensmittel
Beispieldaten
- Umsatz
- 1689k
- +4,0 % ggü. Vorquartal
- Top-Kategorie
- Bekleidung
- Stärkstes Wachstum
- Wohnen
Umsatz nach Kategorie
Kanalmix · Bekleidung
Berechtigungen auf Zeilenebene gelten für jeden Betrachter.
Illustrative Oberfläche mit Beispieldaten eines fiktiven Händlers. Es sind keine echten Daten angebunden und keine echte KI wird aufgerufen.
Aus dem Büroalltag
- Warum stimmt diese Zahl nicht mit der der Finanzabteilung überein?
- Können wir den Bericht vom letzten Monat mit den damaligen Daten neu erzeugen?
- Wer hat ihm Zugriff auf diese Tabelle gegeben?
- Ich will nur eine Zahl, und schon warte ich wieder aufs Datenteam.
- Kann ich der Zahl der KI wirklich trauen?
- Der Bericht hat sechs Versionen. Welche stimmt?
01 · Definitionen
Ein Wort,
drei Zahlen.
Die Finanzen zählen realisierten Umsatz, der Vertrieb gebuchte Aufträge, der Betrieb Zahlungseingänge. Jeder hat seinen eigenen Bericht und sein eigenes SQL, und die Wochenrunde wird zur Abstimmung.
1.318.950,25
1.176.280,40
Beispieldaten. Sobald die Definition geteilt wird, lesen Berichte, KI-Assistent und API dieselbe.
02 · Fünf Handgriffe
Von der Quelle zur Antwort,
fünf Handgriffe.
Jeder Schritt hat eine Version, eine Definition und eine Aufzeichnung. Das beruht auf Struktur, nicht auf Konvention.
01 / 05 · Anbinden
Können wir den Bericht vom letzten Monat mit den damaligen Daten neu erzeugen?
Wie wirr die Quelle auch ist,
sie landet immer gleich.
Datenbanken, APIs und hochgeladene Dateien werden per Workflow abgerufen, transformiert und zusammengeführt und als unveränderliche, versionierte Snapshots abgelegt. Jede Aktualisierung ist eine neue Version, eine fehlerhafte lässt sich zurückrollen.
- Abrufe per WorkflowAbrufe und Transformationen visuell orchestrieren. Daten aus verschiedenen Quellen werden zuerst in verwaltete Snapshots synchronisiert und dann gemeinsam analysiert.
- Unveränderliche VersionenEin veröffentlichter Snapshot wird nie bearbeitet. Er ist nachvollziehbar und lässt sich zurückrollen, und eine referenzierte Version wird nie versehentlich gelöscht.
- Lesen und Schreiben getrenntNur der Scheduler schreibt; Abfragen lesen von einem schreibgeschützten Replikat. Die API ändert nie unbemerkt Daten.
Quellen
- PostgreSQL
- SQL Server
- REST API
- CSV · XLSX
Workflow
- 01Extrahieren
- 02Transformieren
- 03Per Schlüssel zusammenführen
Snapshots
- v13parquet unveränderlich
- v12parquet
- v11parquet
snapshot v13 · parquet · immutable
02 / 05 · Modellieren
Warum stimmt diese Zahl nicht mit der der Finanzabteilung überein?
Einmal definieren.
Auf einer Arbeitsfläche setzen Sie Tabellen, Joins, Dimensionen und Kennzahlen zu einem semantischen Modell zusammen, prüfen es und veröffentlichen es. Berichte, KI-Assistent und offene APIs lesen dieselbe Definition, und niemand rechnet mehr für sich.
- Visuelles ModellierenTabellen, Joins, Dimensionen und Kennzahlen entstehen auf einer Arbeitsfläche, die native Definition ist bei Bedarf einsehbar.
- Vom Entwurf zur VeröffentlichungErst prüfen, dann das Ganze als neue Revision veröffentlichen. Frühere Definitionen werden nie umgeschrieben.
- Einheitliche BerechnungenBerichte, der KI-Assistent und öffentliche APIs rechnen mit denselben semantischen Modellen. Die Ergebnisse lassen sich prüfen.
valuationsrevenue · count
funds
regions
calendar
products
measures:
- name: revenue
type: sum
sql: amount
filters:
- sql: "{CUBE}.status = 'confirmed'" ref(revenue)
- Berichte
- KI-Assistent
- API
- PG-Port
- MCP
revenue = SUM(amount) WHERE status = 'confirmed'
03 / 05 · Erkunden
Ich will nur eine Zahl, und schon warte ich wieder aufs Datenteam.
Fachbereiche klicken.
Analysten stehen nicht mehr an.
Auf einem veröffentlichten Modell Dimensionen wählen, Kennzahlen ziehen, Diagramme wechseln und Filter hinzufügen. Der Grund hinter einer Zahl ist einen Klick entfernt.
- Per Ziehen erkundenDimensionen, Kennzahlen und Diagrammtypen frei wechseln, das Ergebnis aktualisiert sich sofort.
- Drill-down und FilterVon der Summe ins Detail, mit Filtern, die zusammen mit dem Diagramm gespeichert werden.
- SQL für AnalystenAnalysten können bei der Datenaufbereitung SQL schreiben, doch das Ergebnis muss als verwaltete Tabelle landen, bevor Berichte es nutzen können.
Dimensionen
Kennzahlen
Umsatz675.000,00Cloud
580.000,00Plattform
414.000,00Services
view → members → query → chart
04 / 05 · Fragen
Kann ich der Zahl der KI wirklich trauen?
Fragen Sie Ihre Daten.
Antworten haben eine Herkunft.
Fragen Sie in natürlicher Sprache. Der Assistent erreicht Daten nur über die semantische Schicht: Modelle auflisten, Metadaten lesen, eine Abfrage ausführen. Jeder Schritt wird offengelegt und mit den Berechtigungen der fragenden Person ausgeführt.
- Sichtbare SchritteWelches Werkzeug genutzt und welche Mitglieder abgefragt wurden, ist offen einsehbar und prüfbar.
- Eine BerechtigungsgrenzeModelle und Zeilen, die Sie nicht sehen, sind auch für den Assistenten unsichtbar.
- Ihr ModelldienstAdministratoren konfigurieren einen OpenAI-kompatiblen Anbieter, ein Modell und einen Schlüssel, der verschlüsselt gespeichert wird.
Welche Region erzielt mehr Umsatz?
- cube_list_models1 Modell
- cube_get_metadatarevenue_model
- cube_queryrevenue × region
Nur Daten, die Sie sehen dürfen
Beispielantwort: Die Region Nord erzielt mehr Umsatz. Wählen Sie Region und Quartal, um das Beispielergebnis für den jeweiligen Bereich zu sehen.
cube_list_models → cube_get_metadata → cube_query
05 / 05 · Veröffentlichen
Der Bericht hat sechs Versionen. Welche stimmt?
Jede Änderung hinterlässt eine Spur.
Jede Version kommt zurück.
Diagramme bilden Dashboards, Entwürfe werden automatisch gespeichert, und die Veröffentlichung legt eine unveränderliche Version fest. Geht etwas schief, stellen Sie jede frühere Version wieder her. Für den Umzug zwischen Umgebungen exportieren Sie nach YAML.
- Automatisch gespeicherte EntwürfeÄnderungen werden während der Arbeit auf dem Server gespeichert, sodass Sie auf einem anderen Rechner weitermachen können.
- Veröffentlichen und wiederherstellenDas Veröffentlichen legt eine Version im Verlauf fest. Das Wiederherstellen archiviert zuerst den aktuellen Entwurf und kehrt dann zur gewählten Version zurück.
- Berichte als CodeDiagramme und Dashboards lassen sich nach YAML exportieren. Ein Stapel wird als Ganzes geprüft und importiert, und jeder Fehler macht alles rückgängig.
valuationVeröffentlicht · v7Automatisch gespeichert
Gesamtumsatz1.669.000,00
Versionen
- v7aktuell
- v6·
- v5·
↺ Wiederherstellen auf v6
⇣ Als YAML exportieren
dashboard.yml · version 1 · dry-run → apply
03 · Aufbau
Fünf Schichten.
Eine Quelle der Wahrheit.
Von den Rohquellen bis zur Antwort auf dem Bildschirm hat jede Schicht eine Aufgabe und eine Grenze. Wählen Sie eine Schicht, um zu sehen, was dort liegt.
Alles, was Menschen nutzen, liest aus der Schicht darunter und nie daran vorbei. Notebooks, Agent, Dashboards, Daten-Apps, JSON-API, MCP und PG-Port gehen durch dieselbe Tür.
- Notebook & SQL
- Agent-Chat
- Dashboards & Apps
- API · MCP · PG-Port
Berechtigungen auf Zeilenebene werden an genau einer Stelle durchgesetzt. Lässt sich keine Entscheidung treffen, wird die Abfrage abgelehnt statt durchgelassen.
- Eine Durchsetzungsstelle
- Im Zweifel abgelehnt
- Überall dieselben Zeilen
Der Umsatz wird einmal definiert, samt Filter, und jedes Diagramm, jede Antwort und jeder API-Aufruf nutzt ihn wieder. Ein veröffentlichtes Modell fixiert die Snapshots, die es liest, sodass eine Abfrage nie mittendrin alte und neue Daten mischt.
- Dimensionen
- Kennzahlen
- Joins
- Fixierte Snapshots
Jede Aktualisierung schreibt eine neue, unveränderliche Version, nichts wird an Ort und Stelle geändert. Nur der Scheduler schreibt, alles andere liest.
- Unveränderlich
- Parquet
- Primärschlüssel Pflicht
Zehn Datenbanktypen anbinden, Dateien hochladen oder per API abrufen. Workflows extrahieren, transformieren und führen nach Zeitplan zusammen.
- 10 Datenbanken
- CSV · Excel
- API-Abrufe
- Geplante Workflows
Schema. Die Schichtnamen sind gegenüber der Produktarchitektur vereinfacht.
04 · Von KI gebaut
Beschreiben Sie es.
Bekommen Sie eine App.
Sagen Sie dem Agent, was Sie sehen möchten. Er liest die semantische Schicht, schreibt eine Daten-App in einer einzigen Datei und zeigt sie sofort als Vorschau. Prüfen Sie sie und speichern Sie sie dann als Daten-App.
Baue ein Vertriebs-Dashboard nach Region und Kategorie.
Vertriebsübersicht
1689kUmsatz · Q3 · Beispieldaten
- Bekleidung
- Wohnen
- Beauty
- Elektronik
- Lebensmittel
Sandbox · Ihre Berechtigungen
Lass mich eine Preisänderung testen und Umsatz und Marge sehen.
Preis-Szenario
- Umsatz
- 474k
- +22k
- Bruttomarge
- 62.8%
- +1,8
Umsatzprognose
Sandbox · Ihre Berechtigungen
Zeige die Kundenbindung nach Anmelde-Kohorte.
Kundenbindung
Bindung nach Kohorte und Monat
Sandbox · Ihre Berechtigungen
Zeige jedes Konto nach Umsatz und Wachstum und markiere Ausreißer.
Kontenlandkarte
Sandbox · Ihre Berechtigungen
Illustrative Apps mit Beispieldaten eines fiktiven Händlers. Generierte Apps laufen in einer Sandbox ohne Netzwerkzugriff und lesen Daten über den Host, mit Ihren Berechtigungen.
05 · Governance
Dieselbe Tabelle, andere Personen,
andere Zeilen.
Authentifizierung, Bereichsberechtigungen, Zeilenberechtigungen und Audit ziehen sich Schicht für Schicht zu. Zeilenberechtigungen werden einmal in der semantischen Schicht durchgesetzt, und Berichte, KI-Assistent, API und PG-Port werden gleich behandelt. Kommt keine Entscheidung zustande, wird die Anfrage abgelehnt, nicht erlaubt.
Ausprobieren: Identität wechseln
BeteiligungsunternehmenRegionBewertung
Xinghe EinsOst1.284.500,00
Yunshan VermögenOst963.200,50
Lanwan EnergieSüd752.100,00
Beichen ParkNord1.438.700,25
Haitang FondsSüd612.000,00
Songxi SolarOst884.000,00
Yuanxiu LogistikNord523.300,00
Langrun TechSüd709.800,00
Qinghe AgrarNord381.600,75
Vier Zugänge, ein Ergebnis
- Berichte7.549.201,50
- KI-Assistent7.549.201,50
- API7.549.201,50
- PG-Port7.549.201,50
- 01
Identität
Konten und OIDC-Anmeldung. Bevor Daten berührt werden, wird geprüft, wer Sie sind.
- 02
Bereichs- und Ressourcenberechtigung
Assets gehören persönlichen oder Team-Bereichen, und Ordner und Ressourcen werden Mitgliedern zugewiesen.
- 03
Zeilenberechtigungen
Eine Berechtigungstabelle bestimmt, welche Zeilen jede Person sieht, und wird einmal in der semantischen Schicht durchgesetzt.
- 04
Audit
Wichtige Aktionen hinterlassen einen Eintrag, sodass sich nachsehen lässt, wer wann was getan hat.
SQL in einer Sandbox
Die SQL-Konsole läuft in einer eingeschränkten DuckDB-Sandbox, in der der Zugriff auf externe Dateien abgeschaltet ist.
Richtlinie für ausgehende Verbindungen
Ausgehende Anfragen von Workflows und Verbindungen folgen alle einer globalen Richtlinie für ausgehenden Zugriff.
Die KI hat Ihre Rechte
Der Assistent fragt als die fragende Person ab und erbt keine weitergehenden Rechte.
06 · Offenheit
Leicht hinein.
Leicht wieder heraus.
Eine native JSON-API, MCP, ein Port im PG-Protokoll sowie Diagramme und Dashboards als YAML. Ihre Daten und Definitionen sind nicht in einer Oberfläche eingeschlossen.
Quellen
- PostgreSQL
- MySQL
- Oracle
- SQL Server
- ClickHouse
- Doris · StarRocks
- Dateien · APIs
Cube Core
- DatenmodellierungDimensionen, Kennzahlen, Joins und Sichten – einmal definiert
- ZugriffskontrolleEin Durchsetzungspunkt für Zeilenrechte; nur Sichten
- Feste SnapshotsJede Abfrage liest eine unveränderliche Datenversion
- Offene APIsJSON-API · MCP · PG-Port
semantische Schicht
Nutzung
- Dashboards & Daten-AppsIm Arbeitsbereich
- KI-AgentenMCP
- Externe SystemeJSON-API
- BI-Tools & ExcelPG-Port · Power Query
POST /api/v1/query
Authorization: Bearer <token>
{
"model_id": "valuation",
"view": "asset_view",
"query": {
"measures": ["asset_view.revenue"],
"dimensions": ["asset_view.region"],
"order": [["asset_view.revenue", "desc"]],
"limit": 100
}
}
// → { "data": [ … ], "release_id": "…", "snapshot_set_id": "…" }Native JSON-Abfragen; jedes Ergebnis enthält die Kennungen von Veröffentlichung und Snapshot.
Unterstützte Datenbanken
- PostgreSQL
- MySQL
- Oracle
- SQL Server
- ClickHouse
- TiDB
- Doris
- StarRocks
- KingbaseES
- DuckDB
Außerdem CSV-/XLSX-Upload und API-Abrufe.
Datenbankverbindungen unterstützen SSH-Sprungrechner und gegenseitiges TLS
07 · Wer es nutzt
Eine Plattform,
drei Rollen, jede nimmt, was sie braucht.
Fachbereiche
VorherWarten, bis das Datenteam Zahlen zieht
JetztEin veröffentlichtes Modell selbst erkunden
VorherHerkunft einer Zahl nicht erklärbar
JetztKI-Antworten mit Werkzeugschritten und Definitionen
VorherMehrere Berichte, mehrere Zahlen
JetztEine gemeinsame Kennzahlendefinition
Datenteams
VorherEin SQL pro Bericht
JetztEinmal aufbereiten, einmal modellieren, einmal veröffentlichen
VorherManuelle Aktualisierung, schwer nachvollziehbare Fehler
JetztAktualisierung per Workflow, jedes Mal eine neue Version
VorherAngst, dass eine geänderte Definition alles bricht
JetztEntwurf prüfen, neue Revision als Ganzes veröffentlichen
IT & Management
VorherBerechtigungen per Absprache und Gruppenchat
JetztBereichsberechtigung plus Zeilenberechtigungen, an einer Stelle durchgesetzt
VorherExporte und Screenshots überall
JetztAbfragen laufen über eine autorisierte API, und Aktionen werden auditiert
VorherSorge, dass die KI ihre Rechte überschreitet
JetztDie KI hat die Rechte der fragenden Person, und ihre Schritte sind sichtbar
Gute Fragen
Was ist Shuzi?
Shuzi verbindet Datenanbindung, Aufbereitung, semantische Modellierung, Analyse und Veröffentlichung zu einer Kette, damit Teams mit gemeinsamen Kennzahlendefinitionen arbeiten.
Muss ich SQL können?
Fachanwender können veröffentlichte Berichte, den Explorer oder den KI-Assistenten nutzen. Analysten können bei der Datenaufbereitung SQL verwenden.
Kann die KI Daten sehen, die ich nicht sehen darf?
Nein. Der Assistent fragt als die fragende Person ab, über dieselben Autorisierungen und Zeilenberechtigungen.
Kann ich aus anderen Werkzeugen abfragen?
Ja. Veröffentlichte Modelle stehen über die JSON-API, MCP oder den PG-Port bereit. Der tatsächliche Zugriff erfordert Authentifizierung und Autorisierung.
Sind die Daten auf dieser Website echt?
Nein. Diese Website verwendet nur lokale Beispieldaten und vorgegebene Antworten. Echte Daten stehen nach der Anmeldung mit Ihren eigenen Berechtigungen zur Verfügung.
Bringen Sie Ihre Datenvom Wirrwarr zur Klarheit.
Probieren Sie es zuerst mit Beispieldaten aus, dann bringen Sie Ihre eigenen mit.