> ## Documentation Index > Fetch the complete documentation index at: https://clickhouse.com/docs/llms.txt > Use this file to discover all available pages before exploring further. > Mitzu est une application no-code d'analyse produit warehouse-native. # Connecter Mitzu à ClickHouse export const CommunityMaintainedBadge = () => { return
Géré par la communauté
; }; export const Image = ({img, alt, size = "lg"}) => { const normalizedSize = ["sm", "md", "lg"].includes(size) ? size : "lg"; return
{alt}
; }; Mitzu est une application d’analyse produit sans code, warehouse-native. À l’instar d’outils comme Amplitude, Mixpanel et PostHog, Mitzu permet aux utilisateurs d’analyser les données d’usage du produit sans avoir besoin de maîtriser SQL ou Python. Cependant, contrairement à ces plateformes, Mitzu ne duplique pas les données d’usage du produit de l’entreprise. Il génère plutôt des requêtes SQL natives directement sur l’entrepôt de données ou le data lake existant de l’entreprise.
## Objectif
Dans ce guide, nous allons aborder les points suivants : * Analyse produit nativement sur l’entrepôt de données * Comment intégrer Mitzu à ClickHouse **Jeux de données d’exemple** Si vous n’avez pas de jeu de données à utiliser avec Mitzu, vous pouvez utiliser NYC Taxi Data. Ce jeu de données est disponible dans ClickHouse Cloud ou [peut être chargé en suivant ces instructions](/docs/fr/get-started/sample-datasets/nyc-taxi). Ce guide n’offre qu’un bref aperçu de l’utilisation de Mitzu. Vous trouverez des informations plus détaillées dans la [documentation Mitzu](https://docs.mitzu.io/). Pour vous connecter à ClickHouse via HTTP(S), vous avez besoin des informations suivantes : | Paramètre(s) | Description | | ------------------------- | ---------------------------------------------------------------------------------------------------------------------------------------------- | | `HOST` and `PORT` | En général, le port est 8443 lors de l’utilisation de TLS, ou 8123 sans TLS. | | `DATABASE NAME` | Par défaut, une base de données nommée `default` est disponible ; utilisez le nom de la base de données à laquelle vous voulez vous connecter. | | `USERNAME` and `PASSWORD` | Par défaut, le nom d’utilisateur est `default`. Utilisez le nom d’utilisateur adapté à votre cas d’usage. | Les informations de votre service ClickHouse Cloud sont disponibles dans la console ClickHouse Cloud. Sélectionnez un service, puis cliquez sur **Connect** :
Bouton Connect du service ClickHouse Cloud
Choisissez **HTTPS**. Les détails de connexion s’affichent dans un exemple de commande `curl`.
Détails de connexion HTTPS ClickHouse Cloud
Si vous utilisez ClickHouse autogéré, les détails de connexion sont définis par votre administrateur ClickHouse. Pour commencer, rendez-vous sur [https://app.mitzu.io](https://app.mitzu.io) pour vous inscrire. Page de connexion Mitzu avec champs E-mail et mot de passe Après avoir créé une organisation, suivez le guide d’onboarding `Set up your workspace` dans la barre latérale de gauche. Cliquez ensuite sur le lien `Connect Mitzu with your data warehouse`. Page de configuration de l’espace de travail Mitzu affichant les étapes d’onboarding Tout d’abord, sélectionnez ClickHouse comme type de connexion et renseignez les informations de connexion. Cliquez ensuite sur le bouton `Test connection & Save` pour enregistrer les paramètres. Page de configuration de la connexion Mitzu à ClickHouse avec formulaire de configuration Une fois la connexion enregistrée, sélectionnez l’onglet `Event tables` et cliquez sur le bouton `Add table`. Dans la fenêtre modale, sélectionnez votre base de données et les tables que vous souhaitez ajouter à Mitzu. Utilisez les cases à cocher pour sélectionner au moins une table, puis cliquez sur le bouton `Configure table`. Cela ouvrira une fenêtre modale dans laquelle vous pourrez définir les colonnes clés pour chaque table. Interface de sélection des tables Mitzu affichant les tables de la base de données
> Pour exécuter de l’analyse produit sur votre déploiement ClickHouse, vous devez > spécifier quelques colonnes clés de votre table. > > Voici lesquelles : > > * **Identifiant utilisateur** - la colonne contenant l’identifiant unique des utilisateurs. > * **Heure de l’événement** - la colonne d’horodatage de vos événements. > * Facultatif\[**Nom de l’événement**] - cette colonne segmente les événements si la table contient plusieurs types d’événements. Configuration du catalogue d’événements Mitzu affichant les options de mappage des colonnes
Une fois toutes les tables configurées, cliquez sur le bouton `Save & update event catalog`, et Mitzu détectera tous les événements ainsi que leurs propriétés à partir des tables définies ci-dessus. Cette étape peut prendre quelques minutes, selon la taille de votre jeu de données. La segmentation des utilisateurs dans Mitzu est aussi simple que dans Amplitude, Mixpanel ou PostHog. La page Explore comporte sur la gauche une zone de sélection des événements, tandis que la partie supérieure vous permet de définir l’horizon temporel. Interface de requête de segmentation Mitzu avec sélection d’événements et configuration temporelle
**Filtres et ventilations** Le filtrage fonctionne comme vous vous y attendez : choisissez une propriété (colonne ClickHouse) et sélectionnez dans la liste déroulante les valeurs sur lesquelles vous souhaitez filtrer. Vous pouvez choisir n’importe quelle propriété d’événement ou d’utilisateur pour les ventilations (voir ci-dessous comment intégrer les propriétés utilisateur). Sélectionnez jusqu’à 9 étapes pour un funnel. Choisissez l’intervalle de temps dans lequel vos utilisateurs peuvent compléter le funnel. Obtenez immédiatement des insights sur le taux de conversion sans écrire une seule ligne de code SQL. Vue d’analyse de funnel Mitzu montrant les taux de conversion entre les étapes
**Visualiser les tendances** Choisissez `Funnel trends` pour visualiser les tendances du funnel au fil du temps. Sélectionnez jusqu’à 2 étapes pour calculer un taux de rétention. Choisissez la fenêtre de rétention de la fenêtre récurrente pour Obtenez immédiatement des informations sur le taux de conversion sans écrire la moindre ligne de SQL. Analyse de rétention Mitzu affichant les taux de rétention par cohorte
**Rétention par cohorte** Choisissez `Weekly cohort retention` pour visualiser l’évolution de vos taux de rétention au fil du temps. Sélectionnez jusqu’à 9 étapes pour un funnel. Choisissez la fenêtre de temps pendant laquelle vos utilisateurs peuvent terminer le parcours. Le graphique de parcours de Mitzu vous donne une représentation visuelle de chaque chemin emprunté par les utilisateurs entre les événements sélectionnés. Visualisation du parcours Mitzu montrant le flux des chemins utilisateurs entre les événements
**Décomposer les étapes** Vous pouvez sélectionner une propriété pour le segment `Break down` afin de distinguer les utilisateurs au sein d’une même étape.
Si les paramètres de revenus sont configurés, Mitzu peut calculer le MRR total et le nombre d’abonnements à partir de vos événements de paiement. Tableau de bord d’analyse des revenus de Mitzu affichant les métriques de MRR Mitzu est SQL Native, ce qui signifie qu’il génère du code SQL natif à partir de la configuration que vous avez sélectionnée sur la page Explore. Vue de génération de code SQL de Mitzu affichant une requête ClickHouse native
**Poursuivez votre travail dans un outil de BI** Si vous rencontrez une limite dans l’interface de Mitzu, copiez le code SQL et poursuivez votre travail dans un outil de BI.
## Support Mitzu
Si vous avez besoin d’aide, n’hésitez pas à nous contacter à [support@mitzu.io](email://support@mitzu.io) Ou rejoignez notre communauté Slack [ici](https://join.slack.com/t/mitzu-io/shared_invite/zt-1h1ykr93a-_VtVu0XshfspFjOg6sczKg)
## En savoir plus
Pour en savoir plus sur Mitzu, rendez-vous sur [mitzu.io](https://mitzu.io) Consultez notre documentation sur [docs.mitzu.io](https://docs.mitzu.io)