Power BI

Power BI от Microsoft — BI-платформа: импорт данных (Power Query), модель (DAX), интерактивные дашборды и публикация в веб-службу для команды.

Уровень: начальный 18 разделов ⏱ 4 часа

1. Компоненты Power BI

Power BI Desktop — бесплатное приложение для разработки отчётов.
Power BI Service — облако: публикация, дашборды, шеринг.
Power Query — загрузка и очистка данных.
DAX — язык формул для вычисляемых мер.

2. Загрузка данных

Источники: Excel, CSV, SQL Server, MySQL, PostgreSQL, API, веб-страницы.

Получить данные → SQL Server → вписать сервер и БД
→ Выбрать таблицы → Загрузить условно или Преобразовать

3. Power Query и очистка

Удаление столбцов, фильтры, объединение запросов (Merge/Append).
Трансформация типов и дат; заполнение пропусков.
Каждое действие записывается шагом в редакторе — легко откатить.

Названия столбцов в Power Query нормализуй сразу (без пробелов и кириллицы в коде DAX жёстче) — это экономит часы позже.

4. Модель данных: таблицы и связи

Модель (star schema): таблица фактов (продажи) + таблицы измерений (даты, клиенты, товары). Связи: один-ко-многим по ключам, фильтры распространяются в обе стороны.

5. DAX: меры и вычисляемые столбцы

Revenue = SUM(Sales[Amount])
RevenuePY = CALCULATE([Revenue], SAMEPERIODLASTYEAR(Date[Date]))
YoY = DIVIDE([Revenue] - [RevenuePY], [RevenuePY], 0)

Quantity sold = DISTINCTCOUNT(Sales[OrderID])
ReturnRate = DIVIDE([Returns], [Orders])

Меры вычисляются в момент запроса — экономьте вычисляемые столбцы.

6. Визуализации

KPI-карточки, линейные графики по времени.
Столбчатые/круговые диаграммы, таблицу-матрица.
Срез (slicer) и фильтры страницы/отчёта.
Performance Analyzer (вкладка View) подсвечивает, какие визуалы тормозят.

7. Календарная таблица

Calendar = CALENDAR(DATE(2024,1,1), DATE(2026,12,31))

Year = YEAR(Calendar[Date])
MonthName = FORMAT(Calendar[Date], "MMM")

Без отдельного календаря функции времени (отклонение по годам, месяц-к-месяцу) не работают корректно.

8. Публикация и service

Отчёт → Опубликовать → выбираешь рабочую область службы.
Дашборд: закрепить плитки из отчётов; показатели с автообновлением.
Шеринг: рабочие области, ссылки, приложения, комментарии в отчёте.

9. Автообновление

Планировщик обновления (в час) для источников в службе; шлюз (gateway) для локальных БД и файлов. Для живого стриминга — push-API.

10. Лучшие практики

Меры вместо вычисляемых столбцов: меньше памяти, быстрее отчёты.
Фильтрация в Power Query, а не в DAX — прозрачнее.
Тюнинг: Performance Analyzer; фильтры — в Power Query, меры — в DAX.
Используй AppSource для готовых визуалов и виджетов.

Import-модели тянут данные в память: большие факт-таблицы делай агрегированными (таблицы агрегаций) или DirectQuery.

11. DAX: контекст фильтра и CALCULATE

Базовый приём DAX — переопределение контекста фильтра функцией CALCULATE. Она меняет фильтры для выражения во время вычисления меры:

Sales 2026 = CALCULATE([Revenue], Year[Year] = 2026)
Region North = CALCULATE([Revenue], Customer[Region] = "Север")
Share = DIVIDE([Revenue], CALCULATE([Revenue], ALL(Product)))

ALL снимает фильтры по таблице или колонке — так считается доля или итог по всему набору.

Функция	Назначение
CALCULATE	изменить контекст фильтрации
ALL / ALLEXCEPT	снять фильтры
FILTER	задать произвольное условие по строкам
KEEPFILTERS	добавить фильтр, не отбрасывая остальные

Сначала пропиши меры простыми выражениями, а CALCULATE добавляй только там, где нужен другой контекст — это частая ловушка новичков.

12. Time Intelligence

Функции времени требуют отдельного календаря со сплошным рядом дат. Без него сравнения периодов дают неверные результаты.

Sales PY = CALCULATE([Revenue], SAMEPERIODLASTYEAR(Date[Date]))
Sales MTD = TOTALMTD([Revenue], Date[Date])
Sales QTD = TOTALQTD([Revenue], Date[Date])
MoM = DIVIDE([Revenue] - [RevenuePrevMonth], [RevenuePrevMonth])

SAMEPERIODLASTYEAR — сравнение с прошлым годом;
TOTALMTD / TOTALQTD / TOTALYTD — накопление за период;
DATEADD — сдвиг на произвольное число периодов;
помечай календарь флагом IsWorkday, чтобы считать только рабочие дни.

Календарь должен заканчиваться в будущем, иначе отчёты «съедают» последние данные при сравнении с прошлым годом.

13. Row-Level Security (RLS)

RLS ограничивает данные по роли пользователя: менеджер видит только свой регион, бухгалтер — всё.

// правило для роли "Менеджер" в Power BI Desktop
[Region] = USERPRINCIPALNAME()

Правила создаются в Power BI Desktop на вкладке Modelling → Manage roles, а затем роли назначаются в службе: Workspace → Security. Для динамики используй USERPRINCIPALNAME и справочник прав.

проверяй RLS в режиме «View as» от имени конкретной роли;
RLS работает и в DirectQuery, и в Import-моделях;
секретные данные в отчёте с RLS не попадут к чужой роли.

RLS — это проверка в отчёте, а не в базе данных: чувствительные уровни всегда дублируй на стороне источника.

14. Макет отчёта: закладки и drill-through

Закладки (bookmarks) сохраняют состояние страницы: фильтры, видимость панелей. Так делают переключение метрик по кнопкам и «листающиеся» дашборды.

Создание: View -> Bookmarks -> Add
Кнопка:   Insert -> Buttons -> Bookmark

drill-through — переход на детализированный отчёт с сохранением фильтров;
закрепляй навигационные кнопки в одинаковом месте каждой страницы;
настраивай tooltips страницы для быстрого контекста без лишних экранов.

Чистый макет: единая шрифтовая сетка, палитра из фирменного стиля и не более 2–3 KPI в строке. Глаз хуже считывает шесть и больше значений подряд.

15. Язык M в Power Query

Когда стандартных кнопок не хватает, шаги редактируются прямо на языке M — каждый шаг запроса это строка в панели Advanced Editor. Базовые конструкции:

let
    Source = Csv.Document(File.Contents("orders.csv")),
    Тип    = Table.TransformColumnTypes(Source, {{"price", type number}}),
    Фильтр = Table.SelectRows(Тип, each [price] > 100),
    Итог   = Table.Group(Фильтр, {"region"}, {{"sum", each List.Sum([price]), type number}})
in
    Итог

каждый шаг переиспользуем: откат к середине запроса не ломает начало;
функции each — компактная запись анонимных функций;
структурируй обработку: фильтры и типы раньше, объединения позже.

Сделай шаги «лестницей»: один шаг — одно изменение. Так проще понять логику и переиспользовать куски запроса в других загрузках.

16. Иерархии, меры и категории: моделирование

Хорошая модель предсказуемо отвечает на вопросы. Частые приёмы моделирования:

// иерархический календарь: год -> квартал -> месяц
Месяц = FORMAT(Calendar[Date], "YYYY-MM")

// категоризация продаж
Класс = SWITCH(TRUE(),
    [Revenue] > 1000000, "A",
    [Revenue] >  400000, "B",
    "C")

// «разряд»: бакеты значения
Bucket = SWITCH(TRUE(), [Margin] < 0.05, "low", [Margin] < 0.15, "mid", "high")

иерархии в Dimensions: не плюсуй географию в одну плоскую таблицу;
категории считай мерами или вычисляемыми колонками с осторожностью — колонки жгут память;
невидимые меры-«справочники» держи в одной таблице параметров.

Слишком много измерений «нарезают» меру пересечениями и замедляют отчёт. Лучше 3–4 нужных измерения, чем десять «на всякий случай».

17. Оптимизация отчёта: от запроса до визуала

Медленный дашборд почти всегда лечится до лишней сложности DAX:

Причина	Решение
лишние строки в Power Query	фильтруй на источнике, убирай ненужные колонки
высококардинальные колонки	снижай по необходимости, обрезай текст
слишком много визуалов на страницу	декомпозируй страницу, скрывай до необходимости
мера-«тяжеловес»	выноси подзапросы в отдельные меры

Оптимизация: View -> Performance Analyzer
-> Start recording -> Refresh visual

Начни с самого медленного визуала и упрости его запрос; часто выигрыш от одной меры больше, чем от пересборки всей модели.

18. Совместная работа: workspaces, pipelines и версии

Power BI в команде живёт по процессу: разработка → тест → прод. Рабочие области и deployment pipelines разводят среды:

dev-область: эксперименты, новые меры и визуалы;
test-область: проверка на полных данных и RLS;
prod-область: уже показанная руководству сборка;
версии: Power BI Desktop хранит историю, но человек решает, что «выкатывать».

Деплой: Power BI Service -> Deployment Pipelines
-> Создать pipeline (Dev/Test/Prod) и переносить контент

Перед переносом в Prod обнови параметры источника и проверь, что RLS-роли не «уехали». Автоматизация через API и CI поднимет процесс ещё выше.

19. Режимы подключения: Import vs DirectQuery

Способ подключения определяет архитектуру отчёта. Import тянет данные в память (быстрые визуалы, агрегации), DirectQuery запрашивает источник на каждый визуал:

Режим	Когда выбирать	Ограничение
Import	разумный объём, нужна скорость	память и время загрузки
DirectQuery	большие данные, актуальность в реальном времени	латентность, нагрузка на источник
Live	Analysis Services/Tabular уже в работе	меньше возможностей в отчёте

смешивай: Composite Model — часть таблиц Import, часть DirectQuery;
для DirectQuery заводи агрегационные таблицы, чтобы не грузить деталью;
не переключай режим «на лету» в конце проекта — это меняет и производительность, и возможности DAX.

DirectQuery поддерживает не весь DAX (ряд функций времени работает иначе) — проверь совместимость мер до выбора режима.

20. QA отчёта: проверка чисел

Красивая визуализация неверного числа опаснее, чем его отсутствие. Перед показом отчёта пользователям прогони проверку:

Проверка	Как выполнить
итог vs источник	SELECT SUM() в SQL и сравнение с визуалом
NULL в мерах	проверить avg/sum на пустых строках
фильтры страницы	срезы, drill-through и скрытые фильтры
граничные даты	первый и последний день периода

Мера "Контроль продаж" =
  [Продажи из отчёта] - SUM(sales[amount])

Лучший QA-инструмент — второй человек, который сверяет цифры «от бизнеса». Свежий взгляд находит то, что привычный пропускает.

21. Параметры и шаблоны отчёта

Повторяющийся контент (ежемесячные отчёты по филиалам, отчёты по проектам) выноси в шаблоны. Параметры Power Query и переменные отчёта делают одну модель переиспользуемой:

параметры Power Query: язык, дата начала, регион — передаются при обновлении данных;
шаблон .pbix: одна визуальная схема, разные источники;
параметры отчёта в сервисе: переопределяй значения при настройке источника данных;
храни шаблон в dev-области и копируй в prod через pipelines — версии не разъедутся.

// Параметр в Power Query
#"Загрузка региона" = RegionParam <> null
  and Source[region] = RegionParam

Параметризация снижает дублирование: правка модели в одном месте обновляет все отчёты, собранные из шаблона.

22. Python и R в Power BI

Когда Power Query упирается в логику, на помощь приходят сценарии Python и R — и в Power Query (в кастомном шаге), и в визуалах. Пример сценария в Power Query:

let
  Source = Excel.CurrentWorkbook(){[Name="Sales"]}[Content],
  Cleaned = Python.Execute("
import pandas as pd
df = dataset[dataset['amount'] > 0]
df['month'] = df['date'].dt.to_period('M')
", [dataset=Source]),
  toTable = Table.FromRecords(Cleaned)
in
  toTable

полная цепочка данных: готовь витрину в Python-пайплайне, а не только внутри отчёта;
визуалы Python/R — для сложных графиков, которых нет в стандартной библиотеке;
помни про таймауты и тестовые наборы — сценарии на больших данных могут упираться в 10-минутный лимит обновления.

Не дублируй тяжёлые расчёты и в M, и в Python: единая точка правды (например, скрипт-пайплайн) упрощает поддержку, остальное оставляй модели.

Что дальше

Из визуалов дополняйся из Microsoft AppSource, а данные готовь в SQL, Pandas или на warehouse (см. ClickHouse).

← Вернуться к курсам