Топ проблем при внедрении BI-систем:

При этом лидер по внедрению BI-системы часто поддерживает иллюзию о ценности проекта для компании, не имея смелости критически оценить реальную прибыль от нового инструмента в текущем ландшафте компании. Менеджмент лишь поддерживает иллюзию потребности в BI, массово скрывая, что и сам не пользуется отчетами или что они не приносят ощутимой пользы, так как думает, что у других компаний ситуация иная.

Рассмотрим первые две боли.

Самая большая боль, которую называют директора отделов аналитики, — нехватка Data governance, процессов управления данными. Это сложный и кросс-функциональный раздел корпоративной работы с данными, которым можно заниматься очень долго (бесконечно!). Уровень Data governance будет расти по мере роста зрелости вашего проекта. Здесь можно говорить об условной «BI-стратегии», но не как о сложносочиненном документе для руководства, а как о наборе решений для команды по основным подходам в области процессов, ролей, инструментов, операционной эффективности, а также конкретных инициатив и проектов развития.

Self-service BI — бизнес-аналитику в формате самообслуживания — часто внедряют и позиционируют как решение нового уровня по отношению к централизованному BI. Но это неверно.

Важно разделять два понятия: вовлечение бизнеса в интерактивное пользование отчетностью и создание среды, в которой аналитики и аналитические команды создают и самостоятельно управляют своими отчетами. Первое на английском правильнее назвать guided analytics, то есть «направляемая аналитика», а второе — уже истинный Self-service BI. Бизнес-пользователю не нужно продавать Self-service. Бизнес не будет делать отчеты, а если даже и будет, — то не сможет ими управлять.

Для остальных случаев так называемая «фабрика отчетов» с сервисной, продуктовой моделью будет показывать большую эффективность за счет более простого управления ресурсом и контентом.

Противопоставлять self service и управляемую «фабрику отчетов» не нужно. Самым эффективным способом работы с BI всегда будет гибридная модель, в которой веса этих двух компонент распределяются в зависимости от уровня зрелости вашей компании, имеющихся ресурсов, процессов управления данными и аналитической культуры.

Представьте, что у вас есть огромная книга (или электронная таблица) с данными о вашем бизнесе: продажи, клиенты, товары и так далее. Вы хотите ответить на важные вопросы, например «Какой был общий доход за прошлый месяц?» или «Какой продукт продавался лучше всего в каждом регионе?» Вместо того чтобы вручную считать и анализировать строки, вы можете использовать DAX.

Например, если надо узнать общий доход, вы напишете формулу DAX, которая скажет программе: «Пожалуйста, сложите все числа продаж за прошлый месяц и дайте мне итог». DAX можно использовать для создания сложной формулы, которая будет фильтровать, сравнивать и считать продажи по каждому продукту в каждом регионе.

Самое крутое в DAX — то, что он умеет учитывать контекст. Если вы смотрите на продажи в одном конкретном магазине, DAX автоматически сосредоточится на данных только для этого магазина. DAX – это мощный инструмент, который позволяет задавать сложные вопросы и получать на них точные ответы.

Основные концепции DAX:

Преимущества использования DAX:

DAX включает в себя множество встроенных функций: статистические, даты и времени, фильтрации, логические и другие.

Вы можете комбинировать функции и операторы для создания выражений и формул, которые выполняют расчеты на основе данных. Выражения могут быть простыми, например SUM (Table[Column]), или более сложными, содержащими несколько функций и операторов.

Обратите внимание, что набор функций DAX в Visiology несколько меньше, чем в Power BI. С актуальным списком функций вы можете ознакомиться в документации здесь. Вы можете подробнее изучить описание основных функций в DAX, таких как SUM, AVERAGE, MIN, MAX, в нашем справочнике здесь.

Функции работают по общему принципу. Например, если у вас есть таблица с данными, сколько вы потратили каждый день на кофе, и вы хотите узнать общую сумму за месяц, вы просто сложите все эти числа вместе. На языке DAX вы бы написали это так: ОбщийРасходНаКофе = SUM(Расходы[Кофе]), или, если вы захотите вспомнить, когда же вы купили самый дорогой кофе, вы бы сделали то же самое, но искали самую большую сумму. В DAX команда для этого будет такой: СамыйДорогойКофе = MAX(Расходы[Кофе])

Рассмотрим это на примере функции SUMX. Обычная функция SUM просто суммирует все числа в столбце. SUMX позволяет сделать что-то более сложное: например, сначала умножить числа в двух разных столбцах, а затем сложить результаты.

Пример. Допустим, у вас есть магазин, и вы хотите узнать общий заработок. У вас есть столбец с количеством проданных товаров и столбец с ценой товара. Чтобы вычислить заработок, вам нужно для каждой строки таблицы умножить количество на цену, а затем сложить все это вместе. Вот как можно использовать SUMX:

Вспомните список вопросов, который вы готовили в качестве первого домашнего задания. Это должны быть очень простые запросы, ответить на которые мы сможем, используя функции DAX.

Посмотрим на примерах.

Впоследствии мы сможем разбить данную меру по любому подходящему контексту, например во времени или по зарядным станциям.

Пример 2. Онлайн-кинотеатр.

Во втором примере вопрос может быть таким: «Какова маржинальность показа фильма?» Это можно посчитать, зная стоимость показа и стоимость отчисления правообладателю. Для этого нужно обратиться к таблице «Статистика онлайн-кинотеатра» и вычесть с каждого показа 30%. Здесь важно провести операцию в рамках каждой отдельной строки, так как в случае простой агрегации мы вычтем значение из общей суммы, а не из каждой записи в таблице. Поэтому будем использовать функцию SUMХ: