Ситуация сейчас

С введением санкций Microsoft запретили оплачивать какие-либо сервисы из России. Поэтому на текущий момент платных российских аккаунтов Power BI почти не осталось.

Как известно, платный аккаунт в основном делается для нескольких задач. Первая и основная - поделиться отчётом с коллегами/клиентами без выкладывания в интернет. Ну и дополнительно - отдельные рабочие области, потоки данных, работа с API и прочие удобства.

Пользователи решают проблему двумя способами - регистрацией аккаунтов через другие страны или заведением Power BI Report Server на локальном сервере. Любой из этих вариантов решает вопрос предоставления доступа коллегам и клиентам.

Но Power BI Report Server - всё же не Power BI Service. Приходится сидеть на старых версиях и функционал часто сильно урезан.

Что может случиться

Самая главная проблема - возможные блокировки по IP в Power BI Service. Если Microsoft будет блокировать все российские IP, вы не сможете зайти в Power BI Service без VPN а обновление отчётов с обращением к российским серверам остановится.

Но Microsoft не стремится никого блокировать, поэтому турецкие или казахские аккаунты отлично работают в России. Их могут заставить сделать это только жесткие санкции и большие штрафы, так как самим Microsoft выгодно чтобы российские пользователи продолжали работать.

Составляющие Power BI и возможные блокировки

Что из важного есть в Power BI? Power BI Desktop как основная программа для разработки, Power BI Service в качестве веб-службы и Power BI Report Server как локальная версия Power BI Service. Также, есть Excel, который включает в себя Power Query.

Из всего этого набора легко заблокировать только Power BI Service, что уже немало. Но всё остальное останется с вами. Вы сможете без труда вести разработку собственных отчётов и делиться файлами с коллегами (как в excel, так и в power bi). А если развернёте Power BI Report Server локально, сможете делиться отчётами с коллегами и клиентами.

Да, блокировка откинет вас назад и свежих фишек в вашем Power BI Report Server не будет, но зато сохранится вся инфраструктура и возможность работать над отчётами вместе с коллегами.

Альтернативы Power BI

Большинство инструментов типа DataLens или Google Looker работают по принципу "получить данные из БД и визуализировать их". Обычно это возможность делать SQL запросы и на их базе строить визуализацию. В целом неплохо, но в сравнении с Power BI - слабовато.

Есть опенсорсные Metabase и Superset - наверное самые интересные варианты для кастомной визуализации. Но насколько я знаю, и они дают всего лишь возможность визуализировать данные, но не имеют аналогов Power Query или DAX.

Фактически альтернатив Power BI нет, но разную функциональность можно заменить разными инструментами. Вместо Power Query можно использовать Python, вместо DAX - SQL (хотя это вряд ли сравнимо), вместо визуальной части - любой понравившийся сервис.

Стоит ли работать с Power BI и изучать его?

Всё зависит от вашей цели. Брать в 2024-м году Power BI в качестве основной профессии находясь в России я бы не стал. Хотя вакансий полно, в том числе и на 250-300 тысяч рублей. Так что многие активно учатся на BI-аналитиков и успешно устраиваются на работу, связанную с Power BI.

Если же вы хотите решить конкретную задачу и для этого нужен отчёт, тут я бы очень рекомендовал Power BI. Это в разы быстрее и проще, чем Python + БД + SQL + DataLens. К тому же знания Power Query всегда можно применить в Excel, что сильно ускоряет работу с любыми данными.

Чтобы вы не тратили полгода на изучение Power BI и быстро собрали рекламный отчёт, мы сделали курс "Power BI для рекламных отчётов". Это как раз про быстрое решение задачи - когда вы собираете нужный отчёт за несколько недель, не пытаясь изучить каждый нюанс языка и не решая оторванных от реальности задач.

Ошибки планирования и коммуникации

Первое, что мы делаем на курсе - это планируем состав столбцов таблиц и примерный вид дальнейшего отчёта. Какие столбцы будут базовыми и нужны во всех таблицах, какие столбцы будут зависимыми, какие нужны меры, и так далее.

Банальность, но когда нет конкретной цели - результат всегда не очень. Да, собственный отчёт вы можете дорабатывать бесконечно. Но клиент может сильно расстроиться если вы не оправдаете его денежные или временнЫе ожидания. Поэтому важно сразу оценить работу правильно.

Готовьте брифы и задавайте вопросы - только так вы поймёте все аспекты задачи и правильно всё оцените.

Игнорирование подготовки данных

Очистить данные, удалить ошибки, проверить несоответствия, настроить типы - большая работа, в которой есть свои нюансы. Когда забыл удалить пустоты или настроить типы - в дальнейшем можно ожидать массу ошибок.

Чтобы решить большинство вопросов обработки данных, я снял видео на 1.5 часа, очень рекомендую: https://youtu.be/pAn4FLC5nEU. Самое главное - аккуратность и внимание к деталям. Не оставляйте непонятных типов, неуместных пробелов или пустых строк - уделите время подготовке данных.

Еще одна проблема в подготовке данных - загрузка слишком больших данных когда по итогу вам нужны группированные таблицы. При получении данных из БД проще сразу сгруппировать (а иногда и сделать JOIN данных) чтобы снять эту нагрузку с Power BI.

Если говорить о Join - в Power Query крайне редко нужен Join, ведь в модели данных есть связи. Кстати, злоупотребление Join в PQ - также частая ошибка новичков, я сам раньше так делал:)

Ошибки в моделировании

Самая частая проблема - хаотичная сложная модель данных, где ничего не понятно. Таблицы фактов соединяются с таблицами фактов, связи многие ко многим и другие частые ошибки. В идеале ваша модель должна быть не сложнее вот этой (хотя таблиц может быть больше):

Сложная модель с непродуманной структурой погубит любой отчёт. Вы сойдёте с ума пытаясь понять почему мера считается не так, как нужно. Поэтому никогда не пренебрегайте работой с моделью.

Еще одна частая проблема модели - сложность расчётов и ошибка DAX при подсчёте мер всей таблицы. При добавлении параметров из разных таблиц вы можете с этим столкнуться, поэтому важно правильно разделить нагрузку между Power Query, динамическими таблицами и расчётными мерами.

Перегрузка отчёта визуалами и закладками

Начинающие пользователи часто пытаются визуализировать всё подряд, забивая всё пространство отчёта. Когда визуалы не вмещаются, в ход идут закладки и сложность возрастает.

Во-первых, нужно помнить, что любой отчёт должен быть структурирован и понятен пользователю. Во вторых - в фильтры всегда можно добавить переключение мер. Ну и в третьих - конфигурацию состава столбцов в визуале пользователь может проводить самостоятельно при включенной персонализации.

Часто отчёта на 1-2 листа с нужным составом фильтров вполне хватает для базового решения задачи. Чтобы облегчить пользователю жизнь, мы чаще всего делали 5-6 листов, где отражались самые частые срезы. Всё остальное пользователь может донастроить сам, важно показать ему именно те меры и столбцы, которые будут работать, а не сбрасывать на него все существующие таблицы. Те же таблицы фактов лучше просто скрыть, оттуда обычно нужны только меры. А вот таблицы измерений понадобятся для разбивки данных и фильтрации.

Игнорирование логики и безопасности

Еще одна привычка начинающих - выгружать отчёт по ссылке. Такие отчёты часто индексируются поисковиком и потом легко находятся коллегами в поиске по сайту app.powerbi.com. Публикация в интернет - небезопасна.

Неаккуратное распределение доступов внутри организации также часто ведёт к утечке. И конечно, мало кто пользуется RLS (Row-Level Security), что позволяет распределить доступ в рамках одного отчёта между коллегами и не плодить много отчётов.

Вообще, частая просьба коллег или клиентов - сделать несколько похожих отчётов/листов для разных целей. Тут важно объяснить, что вы не делаете новые отчёты или листы для случаев, когда можно обойтись фильтром и сохранить результат в пользовательскую закладку. Ведь в Power BI есть всё для удобного управления данными и часто для десятка задач не нужно плодить десяток отчётов.

Отсутствие тестирования и проверки

Частое желание - как можно быстрее поделиться отчётом с клиентом, не проверив его. Так лучше не делать. Возьмите общие цифры и попробуйте сравнить их с данными в источниках - вас ждёт много интересного.

В фильтрах не должно быть значений "(пусто)", фильтры должны реагировать друг на друга, в данных не должно быть пропусков, вызванных отсутствием элементов, и так далее. Ну и конечно сами цифры отчёта должны быть корректны. Это простые правила, которые сэкономят вам время и выставят вас в положительном свете перед клиентом.

Выводы

Многим кажется, что Power BI - программа, которую можно освоить за вечер. Да, основы выучить можно, но при большой нагрузке или сложной структуре неправильная настройка отчёта приведет к большим проблемам.

Самостоятельное изучение Power BI - долгий процесс, который можно сильно сократить если рядом будет эксперт. Курс Power BI для рекламных отчётов специально сделан, чтобы мы смогли пройти этот путь вместе.

Привет! Меня зовут Александр Морин, в Power BI с 2017 года.

Если интересовались темой Power BI, вы могли видеть мой YouTube.

Возможно даже кто-то уже подписан на Telegram.

Услуги

Стоимость часовой консультации по входу в профессию - 4000 рублей.

Первый созвон (15 минут) - бесплатно.

Контакты

Пишите в Telegram, по всем вопросам сориентирую.

Эта статья написана на основе короткого видео из нашего Instagram*.
Подпишитесь на него, чтобы видеть в ленте больше полезных видео!

В мире бизнес-аналитики существует множество источников, данные которых необходимо анализировать и представлять в удобном для понимания формате. Именно здесь нам поможет Power BI, мощный инструмент от Microsoft, который позволяет создавать детализированные и интерактивные отчеты. Но какие именно рекламные источники можно интегрировать в отчеты Power BI и что делать если источник не предоставил API для подключения?

API – ваш лучший друг

Power BI предоставляет широкие возможности для интеграции различных источников данных. Ваш отчет может включать в себя данные из Яндекс.Директа, Vkads, MyTarget , систем аналитики, коллтрекингов и многих других источников.

Как же это происходит? Большинство платформ предоставляют API (программный интерфейс приложения), который позволяет автоматически получать данные напрямую в ваш отчет. Это означает, что вам не нужно вручную собирать и вводить данные, что сэкономит вам массу времени. Вам просто нужно написать функцию, которая будет обращаться к API и тянуть данные.

Ниже приведён пример простого запроса к API с использованием Power Query в Power BI или Excel для получения данных в формате JSON:

Json.Document(
    Web.Contents(
        "https://api.youradplatform.com/getdata?apikey=yourapikey"
    )
)

Как вы видите по примеру запроса, в нём всегда есть ссылка для получения данных и токен или API_KEY, который используется в качестве логина-пароля. С помощью токена (или ключа API) сервис понимает, что запрос делает реальный пользователь, который хочет забрать свои данные, а не случайный человек. Поэтому свои токены нужно охранять не хуже паролей - не нужно давать их непроверенным подрядчикам или случайным людям.

Реальные коннекторы состоят из десятков или сотен строк кода, но при наличии API и хорошей справки можно быстро создать нужное подключение и не заниматься ручными выгрузками данных. Если отправить справку API в ChatGPT, он быстро напишет вам простое подключение на том же Power Query, которое при желании можно развить до полноценного коннектора.

Парсинг данных, он же веб-скрапинг

Если веб-сервис не предоставил API или другой возможности скачивания данных, всегда есть альтернативные способы. Один из них - парсинг или веб-скрапинг.

Всё довольно просто - вы пишете программу, которая заходит на платформу и вызывает нужную страницу со статистикой точь-в-точь как вы бы сделали из браузера. Далее происходит скачивание статистики из интерфейса сервиса и загрузка данных в хранилище.

Иногда для получения статистики нужно нажать на какую-то кнопку или подождать какое-то время, но всё это реализуемо, а сама реализация зависит от конкретного инструмента.

В качестве инструмента парсинга отлично подойдёт Python - на нём уже есть несколько библиотек, которые вам помогут. Другим хорошим (но платным) инструментом для вас может стать Zennoposter - он может быть полезен если схема более сложная и требует имитации ручных действий.

Один из частых примеров, где многие применяют парсинг - получение исторических данных из сервиса Wordstat. Так как историю Wordstat нельзя забрать по API, а список интересующих запросов довольно большой, коллеги производят парсинг соответствующих страниц. Это даёт возможность собрать нужные данные и построить развёрнутый отчёт по популярности своего бренда в сравнении с конкурентами.

Google Таблицы и ручное заполнение

Бывает, что и спарсить данные нельзя, потому что просто неоткуда - ведь не всегда ваши рекламные расходы хранятся в каком-то сервисе. Расходы на SEO-продвижение, посевы в Telegram или реклама у блогера могут просто заноситься в блокнот. Эти данные нужно учитывать, но пока вы не внесли их куда-то, забрать их в отчёт Power BI не получится.

Хорошим решением в подобных случаях могут стать Google-таблицы. Если создать аккуратную таблицу, куда будут вноситься все подобные траты, вы легко сможете добавить их в отчёт Power BI наравне с другими рекламными источниками.

Конечно, в Google-таблицах популярна 429-я ошибка - это когда сервис считает, что вы слишком часто обращаетесь к нему с запросами. Но вы можете один раз получить Google-таблицу в поток данных (Power BI Dataflow) и далее обращаться уже к потоку данных без всяких ошибок.

Выводы

Интеграция различных источников данных в Power BI открывает широкие возможности для анализа и представления информации. Используя API, а в некоторых случаях и парсинг, вы можете автоматизировать процесс сбора почти любых данных и создать наглядные и информативные отчеты.

Конечно, всегда будут источники данных, которые придется заполнять вручную. Важно правильно организовать процесс заполнения данных, чтобы обеспечить их регулярное и корректное появление в отчетах Power BI.

Оригинал видео ниже (не забудьте включить VPN чтобы оно подгрузилось):

*Социальные сети Instagram и Facebook запрещены в РФ. Решением суда от 21.03.2022 компания Meta признана экстремистской организацией на территории Российской Федерации.

Эта статья написана на основе короткого видео из нашего Instagram*.
Подпишитесь на него, чтобы видеть в ленте больше полезных видео!

Атрибуция — это способ определения, какие каналы маркетинга оказывают наибольшее влияние на привлечение клиентов и совершение ими покупок. В Power BI можно строить отчёты по разным моделям атрибуции и даже делать переключение между разными моделями с помощью фильтра.

Есть 3 разных уровня реализации отчётов с разными моделями атрибуции:
- получение данных напрямую,
- использование цепочек конверсий,
- сбор данных по всем сеансам пользователя.

Давайте разберём эти уровни подробнее.

Способы построения отчётов по разным моделям атрибуции

Получение данных по нужной модели напрямую

Первый из способов — получить данные напрямую из таких систем аналитики, как Яндекс.Метрика. Можно использовать модель атрибуции "Первый переход" или "Последний переход". Это довольно простой и быстрый способ, но он имеет свои ограничения — вы зависите от моделей атрибуции, которые предлагает Яндекс.Метрика. Поэтому важно заранее изучить, какие варианты доступны и подходят ли они для вашего бизнеса.

Использование цепочек конверсий из Google Analytics 4 / Calltouch / ...

Второй вариант — воспользоваться цепочками конверсий из Google Analytics 4, Calltouch или из другого сервиса. К сожалению, на ноябрь 2023 цепочки GA4 не отдаются по API, но возможно скоро это будет автоматизировано. В Calltouch это называется Map Visits, отчёт содержит данные по сеансам, которые привели к звонку.

Получив данные о последовательности действий пользователя перед совершением конверсии, можно разделить вклад каждого касания на равные части. Так формируется линейная модель атрибуции. Но в результате могут получиться дробные значения конверсий — это особенность такого подхода.

Обязательно объясните клиенту, что дробное число конверсий - это всего лишь результат разделения цепочки на равные части. Общее число конверсий будет целым, но когда мы хотим разделить их по источникам - тут и возникают дроби. Ведь в цепочке может быть как 2, так и 200 касаний, а конверсия при этом на выходе может быть всего одна.

Сбор данных по всем сеансам пользователя

Третий (и самый правильный) вариант — собрать данные по всем сеансам пользователей, также выгрузив ID каждого пользователя. Для обработки такого большого объема данных понадобится база данных, ведь вы будете грузить по сути сырые данные.

Но такая детализация позволит вам построить собственную модель атрибуции, основанную на поведении пользователей. Вы сможете считать необходимые для бизнеса метрики в вашей собственной модели атрибуции. Такой подход требует больше времени и ресурсов, но он обеспечивает высокую гибкость и точность в анализе маркетинговых каналов.

Небольшая ложка дёгтя: когда модель атрибуции сделана лично под вас - эти цифры совершенно не с чем сверить. Вы можете сделать кастомную модель на основе поведения пользователей, но удостовериться в точности данных вы не сможете, ведь подобной модели нет ни в одном сервисе аналитики.

Советы и рекомендации

1. Изучите доступные инструменты: Прежде чем приступать к работе, ознакомьтесь с функционалом Power BI и самих аналитических систем. Это поможет вам понять, какие данные можно получить и как их лучше всего обработать.
2. Не бойтесь экспериментировать: Тестируйте разные модели атрибуции в рамках систем аналитики, чтобы лучше понять какая из них подходит для оценки маркетинговых каналов в вашем бизнесе.
3. Смотрите на весь путь пользователя: Не стоит принимать решения только на основе модели "Последний значимый" или "Первый переход". Постарайтесь сравнить их с моделями, которые оценивают весь путь.
4. Начинайте с малого: Не нужно сразу собирать огромную базу данных. Начните с получения данных из Метрики, затем разберитесь с цепочками GA4, а потом уже задумывайтесь про сырые данные.

Выводы

Использование Power BI для анализа разных моделей атрибуции — отличный способ понять, какие маркетинговые каналы наиболее эффективны для вашего бизнеса. Это поможет сформировать полную картину влияния каналов на привлечение клиентов и увеличить эффективность маркетинговых кампаний.

Оригинал видео ниже (не забудьте включить VPN чтобы оно подгрузилось):

*Социальные сети Instagram и Facebook запрещены в РФ. Решением суда от 21.03.2022 компания Meta признана экстремистской организацией на территории Российской Федерации.

Эта статья написана на основе короткого видео из нашего Instagram*.
Подпишитесь на него, чтобы видеть в ленте больше полезных видео!

В работе с Power Query в Microsoft Power BI часто возникает необходимость добавления новых столбцов в уже существующие таблицы данных. Эта задача может быть выполнена различными способами, например, путем вызова функции или использования условного выражения.

Однако, при добавлении нового столбца, Power Query по умолчанию не позволяет указать его тип, что может вызвать определенные неудобства. В этой статье мы разберемся, как можно добавить новый столбец и сразу же указать его тип, чтобы сделать ваш рабочий процесс более простым и удобным.

Настраиваемый столбец в Power Query с типом данных

Добавление новых столбцов в Power Query довольно простой и интуитивно понятный процесс. Вы можете использовать настраиваемый столбец или вызвать необходимую функцию в новом столбце.

Поскольку при добавлении нового столбца Power Query не позволяет указать его тип, это может привести к добавлению дополнительных шагов для приведения типа данных столбца к нужному формату. Однако, можно указать тип данных сразу же при создании столбца.

• После создания нового столбца в коде шага, перед последней скобочкой, поставьте запятую.
• После запятой укажите желаемый тип данных, например: , type text или , type number.

Таким образом, вам не придется добавлять лишние шаги в ваш алгоритм, и работа в Power Query станет намного проще и удобнее.

Примеры добавления столбцов с типами

Ниже мы привели примеры указания типа данных при добавлении столбца перед последней скобкой.

• Добавление столбца с текстовыми данными:

code= Table.AddColumn(Source, "NewColumn", 
each "Hello World", type text)

• Добавление столбца с дробными числами:

code = Table.AddColumn(Source, "NewColumn", each 123.5, type number)

• Добавление столбца с целочисленным типом:

code = Table.AddColumn(Source, "NewColumn", 
each if [OldColumn] > 100 then 0 else 1, Int64.Type)

Эти простые примеры помогут вам начать работу с добавлением новых столбцов и указанием типов данных в Power Query, делая ваш процесс анализа данных более гибким и удобным.

Типы данных в Power Query

Чтобы вам было проще, мы собрали список возможных типов данных, в которых можно добавлять новые столбцы:

1. Int64.Type – это тип данных для 64-битных целых чисел.
2. type number – обобщенный тип для чисел, может включать как целые, так и дробные числа.
3. type text – тип данных для текстовых строк.
4. type binary – для двоичных данных.
5. type date – для дат.
6. type time – для времени.
7. type datetime – для даты и времени.
8. type datetimezone – для даты и времени с учетом временной зоны.
9. type duration – для продолжительности времени.
10. type logical – для логических значений (истина/ложь).
11. type null – для отсутствующих или нулевых значений.
12. type any – обобщенный тип данных, может включать значения любого типа.
13. type record – для записей.
14. type table – для таблиц.
15. type list – для списков.
16. Currency.Type – для валютных значений.
17. Percentage.Type – для процентных значений.
18. Int8.Type – для 8-битных целых чисел.
19. Int16.Type – для 16-битных целых чисел.
20. Int32.Type – для 32-битных целых чисел.
21. Single.Type – для 32-битных чисел с плавающей точкой.
22. Double.Type – для 64-битных чисел с плавающей точкой.

Многие из них вам скорее всего не понадобятся, но что-то - точно пригодится.

Выводы

Используя приведенные выше методы и примеры, вы сможете с легкостью добавлять новые столбцы в свои таблицы в Power Query, указывая нужные типы данных без лишних усилий. Это сделает вашу работу с Power BI более продуктивной и приятной. Шагов станет меньше, а удобство повысится.

Оригинал видео ниже (не забудьте включить VPN чтобы оно подгрузилось):

*Социальные сети Instagram и Facebook запрещены в РФ. Решением суда от 21.03.2022 компания Meta признана экстремистской организацией на территории Российской Федерации.

Эта статья написана на основе короткого видео из нашего Instagram*.
Подпишитесь на него, чтобы видеть в ленте больше полезных видео!

Инкрементное обновление данных — это удобный способ управлять большими объемами информации, особенно в приложениях для бизнес-аналитики, например, в Power BI. Это помогает снизить нагрузку на систему и упростить процесс обновления данных в отчетах, без необходимости заново загружать всю базу данных.

В чём суть инкрементного обновления?

Инкрементное или частичное обновление — это метод, когда обновляется только некоторая часть данных, а не все сразу. Это очень удобно, когда у вас много данных, и обновление всего объема может занять много времени и затратить много ресурсов компьютера.

В Power BI инкрементное обновление обычно доступно для определенных источников данных, таких как базы данных или потоки данных, но недоступно для стандартных подключений к API.

Но если вы настраиваете инкрементное обновление в потоках данных Power BI, эти ограничения можно обойти и инкрементно обновлять любые источники.

Преимущества инкрементного обновления:

• Эффективность ресурсов: Инкрементное обновление значительно сокращает нагрузку на систему, экономя ресурсы и время.
• Актуальность данных: Позволяет поддерживать данные в актуальном состоянии, обновляя только последние изменения, например, за последнюю неделю или месяц.
• Быстродействие: Ускоряет процесс обновления данных, делая его более управляемым и предсказуемым.

Выводы

Инкрементное обновление в Power BI - это мощный инструмент для управления большими объемами данных. Оно не только повышает эффективность вашего рабочего процесса, но и обеспечивает, чтобы ваши отчеты всегда были актуализированы с минимальными затратами ресурсов.

Если вы хотите инкрементно обновлять подключения к API или иные источники, где инкрементное обновление не поддерживается, присмотритесь к потокам данных в Power BI - они позволяют это делать.

Оригинал видео ниже (не забудьте включить VPN чтобы оно подгрузилось):

*Социальные сети Instagram и Facebook запрещены в РФ. Решением суда от 21.03.2022 компания Meta признана экстремистской организацией на территории Российской Федерации.

Эта статья написана на основе короткого видео из нашего Instagram*.
Подпишитесь на него, чтобы видеть в ленте больше полезных видео!

При создании отчётов в Power BI многие сталкиваются с проблемой хаотичной организации таблиц. Это не просто ухудшает восприятие, но и усложняет работу. Чтобы помочь вам разобраться, предлагаю несколько советов и фишек для создания чёткой и продуманной модели данных.

Планирование модели данных

Прежде чем начинать работу, заранее нарисуйте схему. Визуальное представление помогает увидеть структуру данных, определить, какие таблицы и связи будут необходимы. Такой подход поможет избежать ненужного хаоса в будущем.

Фишка: Используйте Excel или Figma для предварительной визуализации модели. Это поможет быстро и наглядно изобразить структуру будущей модели данных.

Таблицы фактов и таблицы измерений

Ваши таблицы можно условно разделить на два типа:

• Таблицы измерений (списки): Календарь,Список кампаний, Список групп, Список фраз и так далее. Создайте уникальные списки всех элементов, которые у вас есть.
• Таблицы фактов: Эти таблицы содержат фактическую информацию, на которую будут влиять таблицы измерений.

Совет: Ваша модель будет выглядеть аккуратно, если вы разместите таблицы измерений слева, а таблицы фактов — справа. Это улучшит читаемость и восприятие.

Связи между таблицами

Особенное внимание стоит уделить связям между таблицами:

• Избегайте связей "многие ко многим"
• Избегайте двусторонних связей между таблицами фактов и измерений
• Избегайте лишних связей

Совет: Заранее отключите автоматическое создание связей в параметрах отчёта, выбрав Параметры и настройки -> Параметры -> Текущий файл -> Загрузка данных. Отключите галочки импорта связей и автоматического поиска связей, чтобы Power BI не добавлял лишних связей при загрузке таблиц:

Выводы

Создание чёткой и эффективной модели данных в Power BI - это не только вопрос эстетики, но и практичности. Следуя этим простым рекомендациям, вы обеспечите себе комфортную работу и избавите от потенциальных ошибок. Да и вашим коллегам будет гораздо проще разбираться с вашим отчётом.

Оригинал видео ниже (не забудьте включить VPN чтобы оно подгрузилось):

*Социальные сети Instagram и Facebook запрещены в РФ. Решением суда от 21.03.2022 компания Meta признана экстремистской организацией на территории Российской Федерации.

Эта статья написана на основе короткого видео из нашего Instagram*.
Подпишитесь на него, чтобы видеть в ленте больше полезных видео!

Управление данными и аналитика в Power Query часто требуют от нас использования условных выражений. Эти выражения могут быть простыми или сложными, в зависимости от конкретных требований к задаче. Но что делать, когда нам нужно обратить или "инвертировать" наше условное выражение? В этой статье мы рассмотрим, как это делается.

1. Пример простого инвертирования

Иногда в процессе создания алгоритма в Power Query может возникнуть потребность изменить условие на противоположное.

Простой пример: если у нас есть выражение: фраза равна 'купить стол',
то его инверсией будет: фраза не равна 'купить стол'.

2. Сложные условные выражения: как быть с ними?

В случае, если ваше условное выражение состоит из нескольких частей, вам потребуется инвертировать каждую часть по отдельности. Например:

• Вместо "равно" ставим "не равно".
• Вместо "больше" ставим "меньше или равно".
• И так далее для всех возможных условий.

Помимо этого, необходимо также изменить логические операторы:

• Вместо "и" ставим "или".
• Вместо "или" ставим "и".

В результате мы получим обратное условное выражение, что можно применять не только в Power Query, но и при любой работе с данными.

В Power Query есть еще один удобный способ обернуть логическое выражение - поместить его в скобки и поставить перед скобками "not". Алгоритм будет автоматом менять результат условного выражения на противоположный и вы добьётесь точно такого же эффекта, как и при оборачивании каждой отдельной части.

Выводы

Может показаться, что инвертирование условных выражений - это лишь техническая деталь. Однако в реальной работе с данными такой подход позволяет быстро адаптировать алгоритмы под изменяющиеся требования, не создавая их с нуля.

Инвертирование условных выражений в Power Query, будь то простые или сложные - незаменимый навык для любого специалиста по аналитике данных. С его помощью вы сможете с легкостью адаптировать свои алгоритмы к новым условиям и требованиям. Надеюсь, что этот материал поможет вам в вашей работе!

Оригинал видео ниже (не забудьте включить VPN чтобы оно подгрузилось):

*Социальные сети Instagram и Facebook запрещены в РФ. Решением суда от 21.03.2022 компания Meta признана экстремистской организацией на территории Российской Федерации.

Эта статья написана на основе короткого видео из нашего Instagram*.
Подпишитесь на него, чтобы видеть в ленте больше полезных видео!

Power BI – это мощный инструмент для анализа данных и создания интерактивных отчетов. Однако при работе с локальными источниками данных пользователи сталкиваются с необходимостью использования шлюзов. Но зачем они нужны и стоит ли их использовать?

Что такое шлюзы в Power BI?

Шлюзы представляют собой мосты между вашими локальными данными и облачным сервисом Power BI. Когда у вас есть не только подключение к данным в интернете, но и локальные подключения (например, файлы или базы данных), шлюзы становятся неотъемлемой частью этой связи.

Виды шлюзов:

1. Корпоративный (стандартный) шлюз. Этот тип подойдет, если вам нужно работать в команде и делиться данными с коллегами.
2. Персональный шлюз. Идеальный вариант для индивидуальной работы: чтобы, например, подключить файл с вашего компьютера.

В чем заключаются проблемы шлюзов?

Несмотря на свою полезность, шлюзы могут стать причиной ряда сложностей:

• Необходим постоянно включенный компьютер или сервер.
• Очень частые ошибки в рамках обновлений.
• Иногда создают трудности в работе.

Альтернативное решение

Если вы переключите все источники данных на интернет (на веб-подключения), это значительно упростит процесс. Вам будет проще обновляться и передавать отчеты коллегам, работать в команде и минимизировать возможные ошибки.

Бывают случаи, когда служба безопасности запрещает размещать данные в интернете даже с возможностью обращаться к ним по API. В этом случае вам всё же придётся работать со шлюзом, чтобы обеспечить корректное обновление в Power BI. Но в иных случаях мы рекомендуем уходить от Power BI Gateway и работать с интернет-подключениями.

Выводы

Шлюзы в Power BI – это инструмент, который может быть как полезным, так и усложняющим работу. Перед тем как решить использовать их или нет, тщательно взвесьте все "за" и "против". В некоторых случаях простое переключение на облачные источники данных может стать идеальным решением.

*Социальные сети Instagram и Facebook запрещены в РФ. Решением суда от 21.03.2022 компания Meta признана экстремистской организацией на территории Российской Федерации.