Comment réaliser un forage de cause racine pour expliquer un changement d'indicateur avec iDBQuery ?

Un forage de cause racine décompose un changement d'indicateur phare en les éléments qui l'ont causé, pour qu'un simple chiffre devienne une explication. iDBQuery vous permet de forer à travers les dimensions en langage clair plutôt que d'écrire des couches de SQL groupé.

• Vous demanderiez à iDBQuery : « Le revenu total a bougé de 180 k£ ce mois-ci. Décompose ce changement par ligne de produit, puis par région, puis par segment de clientèle, et montre quelles combinaisons ont le plus contribué. »
• Il calcule la contribution de chaque dimension au changement, renvoie un graphique de contribution (une décomposition ou une cascade), et vous laisse continuer à forer.
• Chaque contribution est rattachée à ses lignes sources, si bien que « la région Ouest a ajouté 60 k£ » remonte aux enregistrements réels.

La force, c'est le suivi interactif dans un même fil : « Maintenant fore le gain de la région Ouest par produit », puis « et par clients nouveaux vs de retour. » iDBQuery conserve tout le contexte, si bien que le forage ne perd jamais le fil. Il gère les mouvements bons comme mauvais, et sépare les variations de volume des changements de mix. Comme les dimensions peuvent s'étendre sur plusieurs sources, le modèle unique et vivant les joint pour que la décomposition soit complète, sans pipeline. Pour une version en mode mains libres, l'agent Analyste poursuivra le forage de lui-même, en suivant le plus gros contributeur à chaque niveau et en rapportant la cause racine avec les lignes qui la prouvent. Cela transforme « pourquoi le chiffre a-t-il bougé ? » en une réponse vérifiable et par couches.