gerdlezhev.ru

Яндекс DataLens для финансовых аналитиков: полный гайд для начинающих

—

от автора

Виталий Гердлежев
в

Введение: почему финансистам нужен DataLens прямо сейчас

В эру цифровизации финансовый аналитик – это не только человек, который работает с таблицами и отчётами, но и специалист, который может быстро преобразовать миллионы строк данных в понятные визуализации для принятия решений. Яндекс DataLens – это облачный сервис, разработанный Яндексом, который позволяет финансистам и бизнес-аналитикам создавать интерактивные дашборды, отчёты и визуализации без необходимости написания сложного кода или покупки дорогостоящих лицензий.

Почему именно DataLens привлекает внимание финансовых профессионалов? Во-первых, это инструмент российского происхождения, соответствующий стандартам безопасности федерального законодательства. Во-вторых, он полностью бесплатен для индивидуального использования, что критично для аналитиков, которые только начинают работать с бизнес-аналитикой. В-третьих, он умеет работать с 1С – системой, которая используется подавляющим большинством российских компаний для ведения учёта и отчётности.

Эта статья – ваш полный путеводитель по DataLens, написанный специально для финансовых аналитиков, которые хотят овладеть этим мощным инструментом с нуля.

Часть 1: Основные понятия и архитектура DataLens

Что такое DataLens и как он устроен?

DataLens – это облачный сервис бизнес-аналитики (BI), интегрированный в экосистему Яндекс.Облако. Основная идея простая: вы подключаете свой источник данных, создаёте модель этих данных, строите визуализации и собираете из них интерактивные дашборды. Ключевой особенностью является то, что DataLens не хранит данные у себя – он работает напрямую с источником (базой данных, CSV-файлом, Google Sheets и т.д.), получая информацию в реальном времени.

Представьте себе архитектуру DataLens как пирамиду, где каждый уровень строится на предыдущем:

Уровень 1: Подключение (Connection) – это набор параметров для доступа к источнику данных. Например, IP-адрес хоста, порт, имя пользователя и пароль для подключения к базе данных PostgreSQL. Один раз настроив подключение, вы сможете использовать его для создания нескольких датасетов.

Уровень 2: Датасет (Dataset) – это описание набора данных из источника. Здесь вы выбираете, какие таблицы использовать, как их связывать между собой, какие поля включать, и создаёте вычисляемые поля (формулы). Датасет – это промежуточный слой между raw-данными и визуализациями. Здесь же вы устанавливаете типы данных, агрегации (сумма, среднее, счёт) и первичные метрики.

Уровень 3: Чарт (Chart) – это визуализация данных из датасета: таблицы, графики, диаграммы, карты. Один датасет может быть основой для множества чартов с разными фокусами и фильтрами.

Уровень 4: Дашборд (Dashboard) – это интерактивная панель, где размещаются чарты, селекторы (фильтры) и текстовые блоки. Дашборд – это то, что видит конечный пользователь. Он может кликать на данные, применять фильтры, переходить на детализированные представления.

Уровень 5: Отчёт (Report) – это особый тип контейнера, который позволяет собрать чарты, текст, изображения в презентацию с возможностью экспорта в PDF.

Организационные единицы: Воркбук и Коллекция – Воркбук содержит подключения, датасеты, чарты и дашборды. Коллекция группирует воркбуки и другие коллекции для удобства навигации. Это как папки в файловой системе.

Почему именно эта архитектура важна для финансистов?

Для финансовой аналитики особенно важна разделение ответственности. На уровне датасета вы один раз настраиваете финансовые метрики (EBITDA, маржинальность, ROI и т.д.) – и они будут одинаковыми для всех чартов. Это предотвращает ошибки, когда разные отчёты показывают разные цифры для одного и того же показателя.

Часть 2: Подготовка к работе с DataLens

Шаг 1: Регистрация и активация

Чтобы начать работу с DataLens, вам нужен аккаунт Яндекса. Если у вас его нет, создайте на странице accounts.yandex.ru. После этого откройте datalens.yandex.ru и нажмите кнопку «Открыть сервис». Система предложит вам создать организацию и экземпляр DataLens. На этом этапе вы получаете доступ к сервису – и это полностью бесплатно.

Важная информация о тарифах (актуально на декабрь 2025 года):

  • Для индивидуального использования (один пользователь, один экземпляр DataLens) сервис полностью БЕСПЛАТЕН.
  • Если вы пригласите коллег в свой экземпляр DataLens для совместной работы, то каждого из них нужно будет оплачивать: 990 рублей в месяц за одно рабочее место.
  • При первой активации нового экземпляра действует 30-дневный пробный период, в течение которого командная работа доступна бесплатно. Это отличная возможность протестировать совместную работу перед оплатой.

Шаг 2: Выбор источника данных

Прежде чем создавать визуализации, нужно решить, где живут ваши финансовые данные. DataLens поддерживает множество источников:

Для больших объёмов данных (миллионы строк):

  • ClickHouse – специализированная колоночная база данных, оптимизированная для аналитики. Это лучший выбор для финансовой аналитики с большими объёмами исторических данных.
  • PostgreSQL – надёжная и широко распространённая реляционная база данных.
  • MySQL – альтернатива PostgreSQL.
  • MS SQL Server – если в вашей компании используется Microsoft SQL Server.
  • Oracle – для крупных корпораций.

Для средних объёмов или прототипирования:

  • CSV-файлы – вы можете загружать таблицы в формате CSV прямо в DataLens. Это простой и быстрый способ для пилот-проектов.
  • Google Sheets – если у вас есть финансовые данные в гугл-таблицах.

Специализированные источники для финансистов:

  • Яндекс.Директ – для анализа рекламных кампаний и их ROI.
  • Яндекс Cloud Billing – для анализа затрат на облачные ресурсы.
  • Яндекс.Метрика и Яндекс AppMetrica – для анализа трафика сайтов и приложений.

Для 1С (критически важно для российских финансистов):

  • Существует специальный инструмент «Экстрактор 1С» для DataLens, который позволяет выгружать данные из 1С напрямую. Об этом мы поговорим подробнее в отдельной секции.

Часть 3: Ваше первое подключение – практический пример с PostgreSQL

Давайте создадим своё первое подключение. Предположим, у вас есть база данных PostgreSQL с финансовыми данными о продажах. Вот пошаговая инструкция:

Шаг 1: Создание подключения

  1. На главной странице DataLens нажмите кнопку «Создать подключение».
  2. В разделе «Базы данных» выберите PostgreSQL.
  3. Откроется форма с полями:
    • Имя хоста – адрес вашего сервера (например, db.company.com)
    • Порт – обычно 5432
    • Имя БД – название вашей базы данных
    • Имя пользователя – учётная запись для подключения
    • Пароль – пароль от аккаунта
  4. Нажмите кнопку «Проверить подключение» – если всё верно, появится зелёная галочка.
  5. Нажмите «Создать подключение» и дайте ему понятное название (например, «Финансовая БД Production»).
  6. Систем предложит создать воркбук – согласитесь и назовите его что-нибудь вроде «Финансовая аналитика».

На этом этапе вы прошли самый сложный момент – подключение к источнику данных!

Шаг 2: Значение параметра «Уровень доступа SQL-запросов»

При создании подключения вы заметите настройку «Уровень доступа SQL-запросов». Это важный параметр безопасности и функциональности:

  • Минимум – «Запросы к датасетам запрещены»: вы сможете только выбирать готовые таблицы.
  • Средний – «Разрешить подзапросы в датасетах»: вы сможете писать SQL-запросы при описании датасета, но не при создании чартов.
  • Максимум – «Разрешить подзапросы в датасетах и запросы из чартов»: полный доступ к SQL, можно писать сложные запросы везде.

Для финансовой аналитики я рекомендую выбрать максимальный уровень, так как вам нужна гибкость для создания сложных финансовых расчётов.

Часть 4: Создание датасета – превращаем raw-данные в финансовые метрики

Если подключение – это дорога к данным, то датасет – это карта, по которой мы прокладываем маршруты к тому, что нам нужно.

Концепция датасета для финансистов

Датасет – это не просто выборка данных. Это ваша модель данных, где вы определяете, какие поля относятся к измерениям (dimensions), какие к показателям (measures), какие формулы применяются для расчёта финансовых метрик.

Измерения – это категории, по которым вы хотите анализировать данные:

  • Дата (для временного анализа)
  • Регион (для географического анализа)
  • Вид продукции (для анализа по ассортименту)
  • Контрагент или клиент (для анализа по партнёрам)
  • Подразделение или центр затрат (для внутреннего анализа)

Показатели – это числовые значения, которые вы хотите анализировать:

  • Выручка (Revenue)
  • Себестоимость (Cost of Goods Sold)
  • Валовая прибыль (Gross Profit = Revenue — COGS)
  • EBITDA (Earnings Before Interest, Taxes, Depreciation, Amortization)
  • Прибыль/убыток (Profit/Loss)
  • Количество транзакций
  • Средний размер заказа

Практический пример: датасет для анализа продаж и прибыльности

Предположим, у вас есть три таблицы в PostgreSQL:

  • sales_facts – фактические данные о продажах (сумма, дата, клиент, продукт)
  • products – справочник товаров (ID, название, категория, себестоимость)
  • clients – справочник клиентов (ID, название, регион, статус)

Вот как создать датасет:

  1. На странице подключения нажмите «Создать датасет».
  2. На левой панели вы видите список таблиц. Перетащите таблицу sales_facts на рабочую область.
  3. Затем перетащите products и clients. DataLens автоматически предложит связи между таблицами (он ищет совпадения по имени и типу полей).
  4. Если автоматическая связь неверна, кликните на связь и отредактируйте условие JOIN.
  5. Нажмите на вкладку «Поля» в левой части экрана. Здесь вы видите все поля из трёх таблиц.
  6. Отредактируйте свойства полей:
    • Для sales_amount установите агрегацию «Сумма» (это автоматически превратит его в показатель).
    • Для date установите тип данных «Дата» (если он не установлен автоматически).
    • Для client_id установите агрегацию «Количество уникальных» (это покажет количество клиентов).

Создание вычисляемого поля: расчёт валовой прибыли

Теперь создадим вычисляемое поле для расчёта валовой прибыли. Это одна из самых важных метрик для финансиста.

  1. На вкладке «Поля» справа сверху нажмите кнопку «Добавить поле».
  2. Введите название: «Валовая прибыль».
  3. Выберите тип: «Формула».
  4. В поле «Выражение» напишите формулу:text[sales_amount] - ([quantity] * [cost_per_unit]) Здесь [sales_amount] – выручка, [quantity] – количество, [cost_per_unit] – себестоимость единицы.
  5. Нажмите «Создать». Вычисляемое поле добавится в список полей датасета.

Аналогично создайте поля:

  • Валовая маржинальность (%): ([sales_amount] - ([quantity] * [cost_per_unit])) * 100 / [sales_amount]
  • ROI: ([profit] / [investment_amount]) * 100 (если у вас есть данные об инвестициях)
  • Средний размер заказа: просто отметьте агрегацию «Среднее» для sales_amount

Критический момент: типы данных

DataLens определяет тип данных автоматически, но часто ошибается. Проверьте:

  • Даты должны быть типа «Дата» или «Дата и время», а не «Строка». Иначе вы не сможете группировать по месяцам/годам.
  • Числовые показатели должны быть «Число», а не «Строка».
  • Если у вас сумма в долларах, её можно отформатировать как «Денежная» с валютой USD.

Часть 5: Создание первого финансового чарта – пошаговая инструкция

Теперь, когда у нас есть датасет, создадим наш первый чарт – столбчатую диаграмму, показывающую выручку по месяцам.

Шаг 1: Создание чарта

  1. На странице датасета нажмите кнопку «Создать чарт» (в правом верхнем углу).
  2. Система предложит выбрать тип визуализации. Для выручки по времени выберите «Столбчатая диаграмма» (Column chart).

Шаг 2: Настройка осей

  1. На левой панели вы видите разделы «Измерения» и «Показатели».
  2. Из раздела «Измерения» перетащите поле «Дата» в секцию «X» (горизонтальная ось).
  3. В окне, которое появится, установите группировку: вместо «День» выберите «Месяц» или «Год» (в зависимости от периода, который вы анализируете).
  4. Из раздела «Показатели» перетащите «Валовая прибыль» в секцию «Y» (вертикальная ось).

Теперь у вас должна появиться столбчатая диаграмма, показывающая валовую прибыль по месяцам!

Шаг 3: Добавление дополнительных измерений – анализ по категориям

Часто финансисту нужно не просто видеть общую картину, но разбирать данные по отдельным категориям товаров или направлениям бизнеса.

  1. Из раздела «Измерения» перетащите «Категория товара» в секцию «Цвет» (или «Группировка», в зависимости от типа чарта).
  2. Теперь каждая категория будет показана отдельным цветом.

Шаг 4: Сортировка и форматирование

  1. Из раздела «Показатели» перетащите «Валовая прибыль» в секцию «Сортировка» – диаграмма отсортируется по убыванию прибыли.
  2. Справа вверху найдите иконку форматирования. Нажмите на неё и установите:
    • Формат чисел: «Денежный» с рублями
    • Количество десятичных знаков: 0 (не нужны копейки в дашборде)
  3. Дайте чарту название: «Валовая прибыль по месяцам и категориям».
  4. Нажмите «Сохранить».

Поздравляем! Вы создали свой первый финансовый чарт в DataLens!

Часть 6: Создание дашборда и добавление интерактивности

Теперь создадим дашборд – интерактивную панель, где соберём несколько чартов и добавим фильтры.

Шаг 1: Создание дашборда

  1. Перейдите в ваш воркбук (нажав на его название в пути навигации).
  2. Нажмите «Создать» > «Дашборд».
  3. Система предложит пустой холст. Это ваша рабочая площадка для сборки дашборда.

Шаг 2: Добавление чартов

  1. На панели внизу найдите кнопку «Чарт» и перетащите её на холст в нужное место.
  2. Система попросит выбрать чарт – выберите «Валовая прибыль по месяцам и категориям» (или другой, который вы создали).
  3. Отпустите чарт – он разместится на дашборде. Его можно переместить и изменить размер.

Повторите эту операцию для других чартов. Например, создайте чарты:

  • Выручка по клиентам (таблица или столбчатая диаграмма)
  • ROI по продуктам
  • Динамика маржинальности (линейный график)
  • Топ-10 клиентов по выручке (горизонтальная столбчатая диаграмма)

Шаг 3: Добавление селектора (фильтра)

Селектор – это элемент управления, который позволяет пользователям фильтровать данные на дашборде без редактирования чартов.

  1. На панели внизу найдите кнопку «Селектор» и перетащите её на дашборд.
  2. В окне конфигурации:
    • Выберите датасет (тот, который вы создали).
    • Выберите поле: например, «Дата».
    • Выберите тип селектора: «Диапазон» (для выбора периода от-до).
    • Введите заголовок: «Выберите период».
  3. Нажмите «Сохранить».

Теперь когда пользователь выберет период в селекторе, все чарты на дашборде автоматически отфильтруются по этому периоду!

Создайте ещё селекторы:

  • По клиенту (для изучения одного клиента)
  • По категории товара (для анализа по ассортименту)
  • По статусу (например, «Оплачено/Не оплачено» для анализа дебиторки)

Шаг 4: Сохранение дашборда

  1. Нажмите «Сохранить» в правом верхнем углу.
  2. Введите название: «Финансовый дашборд».
  3. Нажмите «Создать».

Готово! Ваш первый финансовый дашборд создан и работает!

Часть 7: Продвинутые техники для финансовой аналитики

Иерархии и Drill-Down – детализация данных

Одна из мощнейших функций DataLens для аналитиков – это иерархии с возможностью детализации (drill-down). Представьте, что вы смотрите финансовый отчёт по всей компании, и вас интересует, откуда идёт убыток. Вы кликаете на «Убыток» – и система показывает вам убыток по подразделениям. Вы кликаете на подразделение – видите убыток по проектам. И так далее.

Вот как создать иерархию для анализа валовой прибыли:

  1. Создайте новый чарт типа «Таблица».
  2. На левой панели над списком полей нажмите кнопку «+» и выберите «Иерархия».
  3. Введите название: «Детализация прибыли».
  4. Выберите поля в порядке детализации:
    • Сначала «Регион» (общий уровень)
    • Затем «Город»
    • Затем «Магазин» (самый детальный уровень)
  5. Нажмите «Сохранить».
  6. Перетащите созданную иерархию в секцию «Столбцы».
  7. Добавьте «Валовую прибыль» в «Показатели».

Теперь в таблице вы можете кликать на «Регион» и получать разбивку по городам, затем по магазинам. Это идеальный инструмент для финансового анализа, когда нужно быстро понять, где находится проблема.

Row-Level Security (RLS) – разные данные для разных пользователей

Представьте, что у вас в компании несколько региональных менеджеров. Каждый должен видеть только финансовые данные своего региона. Вот здесь пригодится RLS.

RLS позволяет создавать правила, по которым каждому пользователю показываются только те данные, к которым он имеет доступ.

Пример настройки RLS:

  1. На странице датасета нажмите кнопку «Безопасность на уровне строк» (Row-level security).
  2. Создайте правило:
    • Поле: «Регион_ID»
    • Значение: «{{user.region}}» (это специальная переменная DataLens, содержащая регион текущего пользователя)
  3. Нажмите «Создать».

Теперь нужно добавить атрибуты пользователей. Это делается в управлении пользователями. Для каждого пользователя устанавливается атрибут «region» со значением его региона. Когда пользователь откроет дашборд, DataLens автоматически профильтрует данные, показав только его регион.

Вычисляемые поля: расширенные формулы для финансовой аналитики

Мы уже создавали простые вычисляемые поля, но DataLens поддерживает намного более сложные формулы. Вот несколько примеров, полезных для финансистов:

1. Условные расчёты (CASE WHEN):

sqlCASE [invoice_status]
  WHEN 'Оплачена' THEN [amount]
  WHEN 'Задолженность' THEN 0
  ELSE 0
END

Это вычислит выручку только по оплаченным счётам.

2. Расчёт коэффициентов:

sql[profit] / [revenue] * 100

Это вычислит маржинальность в процентах.

3. Расчёт нарастающего итога (для анализа cash flow):

sqlRUNNING_SUM([cash_inflow] - [cash_outflow])

Это покажет накопленный cash flow.

4. Расчёт ROI по клиентам (LTV / CAC):

sql[lifetime_value] / [customer_acquisition_cost]

SQL-запросы (QL-чарты) для сложного анализа

Иногда стандартного конструктора DataLens недостаточно. Вы можете использовать SQL-запросы для создания чартов.

Пример: вы хотите построить таблицу, показывающую для каждого клиента, в каком квартале он был наиболее активен (дал максимальную выручку).

  1. На странице чарта нажмите «QL-чарт» (или создайте новый чарт типа QL).
  2. В поле «Запрос» напишите:
sqlSELECT 
  client_name,
  QUARTER(sale_date) as quarter,
  SUM(amount) as revenue,
  RANK() OVER (PARTITION BY client_name ORDER BY SUM(amount) DESC) as rank
FROM sales
GROUP BY client_name, QUARTER(sale_date)
HAVING rank = 1
  1. Нажмите «Запустить» – система выполнит запрос и покажет результаты.

Часть 8: Интеграция с 1С – критически важный раздел для российских финансистов

Большинство российских компаний используют 1С для бухгалтерского учёта, управления закупками и продажами. Интеграция DataLens с 1С – это святой Грааль для финансистов, потому что позволяет в реальном времени брать финансовые данные из 1С и анализировать их в DataLens.

Как работает интеграция

Существует инструмент «Экстрактор 1С» для DataLens, разработанный компаниями-партнёрами. Вот как он работает:

  1. Вы устанавливаете обработку «Экстрактор» в вашу 1С.
  2. Вы выбираете, какие данные хотите выгружать (регистры, справочники, документы).
  3. Экстрактор подключается к DataLens и регулярно выгружает данные.
  4. Данные появляются в DataLens как таблицы, которые вы можете использовать в датасетах.

Какие данные можно выгружать из 1С?

Регистры накопления:

  • Реестр продаж (для анализа выручки и себестоимости)
  • Реестр расходов (для анализа затрат)
  • Реестр материалов (для анализа складских остатков и движения)

Регистры расчета:

  • Расчеты с поставщиками (дебиторка и кредиторка)
  • Расчеты с клиентами

Регистры сведений:

  • Курсы валют
  • Ставки налогов
  • Справочные данные

Бухгалтерские регистры:

  • Счета (для анализа по бухгалтерским счетам)
  • Субконто (аналитика)
  • Остатки и обороты

Документы и справочники:

  • Документы продаж и закупок
  • Справочник клиентов и поставщиков
  • Справочник товаров с себестоимостью

Пример: выгрузка валовой прибыли из 1С

Допустим, вы хотите выгружать из 1С регистр продаж, чтобы анализировать валовую прибыль. Вот сценарий:

  1. В 1С откройте Экстрактор и выберите источник данных: «Регистр накопления ‘Продажи’» (название может отличаться).
  2. Выберите поля, которые нужны: дату, клиента, товар, количество, цену продажи, себестоимость.
  3. Задайте уровень детализации: может быть до документа или по товарам.
  4. Сохраните конфигурацию.
  5. Скопируйте токен из 1С.
  6. Перейдите на выданную ссылку, вставьте токен, и система подключит ваш DataLens к 1С.
  7. Теперь вы можете создать подключение к этому источнику и добавить таблицы в датасет.

После этого вы автоматически получите в DataLens таблицу с данными о продажах, из которой сможете рассчитать валовую прибыль как [цена_продажи] - [себестоимость].

Часть 9: Типичные ошибки финансистов и как их избежать

Ошибка 1: «Разные цифры в разных отчётах»

Проблема: вы создаёте два чарта на основе одного датасета, но показывают разные суммы выручки.

Причина: в чартах стоят разные фильтры или разная агрегация.

Решение: убедитесь, что агрегация поля установлена в датасете, а не в чарте. Например, если sales_amount в датасете настроена как «Сумма», то все чарты автоматически будут суммировать.

Ошибка 2: «Большой дашборд медленно загружается»

Проблема: дашборд с 10+ чартами загружается более 10 секунд.

Причина: вероятно, у вас слишком много одновременных запросов к базе данных, или запросы используют сложные объединения таблиц.

Решение:

  • Используйте материализацию данных (загрузку в ClickHouse) для часто используемых датасетов.
  • Установите значения по умолчанию в селекторах, чтобы не загружались все данные сразу.
  • Разделите чарты на разные вкладки дашборда (каждая вкладка загружает отдельно).
  • Предварительно агрегируйте данные в базе (создайте view с готовыми расчётами).

Ошибка 3: «Не могу разбить по месяцам, хотя у меня есть дата»

Проблема: дата добавлена на дашборд, но опция группировки по месяцам недоступна.

Причина: дата сохранена как текст (строка), а не как дата.

Решение: на вкладке «Поля» датасета нажмите на поле с датой и измените тип данных на «Дата» или «Дата и время».

Ошибка 4: «Деление на ноль при расчёте ROI»

Проблема: формула [profit] / [investment] выдаёт ошибку «Division by zero».

Причина: есть записи с нулевым инвестированием.

Решение: используйте условное выражение:

sqlCASE WHEN [investment] = 0 THEN 0 ELSE [profit] / [investment] END

Ошибка 5: «Себестоимость в 1С отличается от того, что я вижу в DataLens»

Проблема: вы выгружаете себестоимость из 1С, но суммы не совпадают с бухгалтерским отчётом.

Причина: в 1С есть несколько способов хранения себестоимости (средняя, FIFO, LIFO), и вы выгружаете не ту.

Решение: проверьте в 1С, какой метод оценки используется, и выгружайте правильный регистр.

Часть 10: Оптимизация производительности для больших объёмов данных

Если вы работаете с финансовыми данными, которые хранят годы исторических данных (миллионы строк), оптимизация критична.

Стратегия 1: Материализация данных

Материализация – это загрузка данных из источника в собственное хранилище DataLens (ClickHouse). Это ускоряет запросы, но данные обновляются по расписанию, а не в реальном времени.

Когда использовать:

  • Для исторических данных, которые не меняются часто
  • Для отчётов, которые обновляются раз в день
  • Для больших таблиц (миллионы строк)

Как включить:

  1. На странице подключения в свойствах датасета найдите «Материализация».
  2. Выберите опцию и установите расписание обновления (например, каждый день в 02:00).

Стратегия 2: Разделение на витрины

Вместо одной большой таблицы с миллионами строк, создайте несколько специализированных таблиц:

  • Витрина ежедневных продаж (агрегировано по дням, а не по часам)
  • Витрина аналитики по клиентам (со сводными показателями)
  • Витрина кассовых потоков (готовые расчёты CF по дням)

Стратегия 3: Предварительная фильтрация

Если у вас огромная таблица, но вы анализируете только последний год, загружайте только этот год в датасет:

sqlSELECT * FROM sales 
WHERE sale_date >= DATE_TRUNC('year', CURRENT_DATE)

Стратегия 4: Индексирование в базе данных

На уровне базы данных создайте индексы на часто используемые поля:

  • На дату (для группировки по периодам)
  • На клиента/поставщика (для фильтрации)
  • На статус платежа (для анализа дебиторки)

Часть 11: Совместная работа и управление доступом

Приглашение коллег

Когда ваш дашборд готов, вы можете поделиться им с коллегами:

  1. На левой панели DataLens нажмите «Управление доступом».
  2. Нажмите «Пригласить пользователей».
  3. Введите email-адреса коллег (на любую почту, не обязательно на @yandex.ru).
  4. Нажмите «Отправить приглашение».

Коллеги получат email с ссылкой, перейдут по ней, выберут аккаунт Яндекса и получат доступ.

Разграничение прав доступа

Вы можете назначить разные права на разные объекты:

Уровни доступа:

  • Просмотр – пользователь может смотреть дашборды, но не может их редактировать.
  • Редактирование – может редактировать чарты и дашборды, но не может менять датасеты.
  • Администрирование – полный доступ, может удалять объекты.

Публичные дашборды

Если хотите, чтобы дашборд видели даже те, кто не авторизирован в DataLens (например, клиенты), создайте публичную ссылку:

  1. На дашборде нажмите кнопку «Поделиться».
  2. Выберите «Публичный доступ».
  3. DataLens создаст ссылку, которую можно отправить кому угодно.

Люди смогут смотреть дашборд без входа в систему, но не смогут редактировать.

Часть 12: Примеры готовых дашбордов для финансовых аналитиков

Вот несколько идей дашбордов, которые финансисты часто создают:

Дашборд 1: «Финансовый результат и маржинальность»

Содержит:

  • Линейный график выручки, затрат и прибыли за последний год (по месяцам)
  • Таблица с детализацией по подразделениям: выручка, затраты, валовая прибыль, маржинальность (%)
  • Индикаторы KPI: прибыль месяца, маржинальность текущего месяца в сравнении с прошлым годом
  • Селекторы: период, подразделение, направление бизнеса

Дашборд 2: «Анализ дебиторской и кредиторской задолженности»

Содержит:

  • Столбчатую диаграмму «Возраст дебиторки» (сколько дней прошло с отгрузки)
  • Таблицу с топ-10 должников (клиент, сумма, дата отгрузки, задержка в днях)
  • Линейный график «Динамика дебиторки» (тренд задолженности)
  • Матрицу «Клиент × Менеджер» с суммами просроченных платежей
  • Селекторы: период просрочки (0-30, 30-60, 60+ дней), менеджер

Дашборд 3: «Cash Flow и потоки денежных средств»

Содержит:

  • Водопадную диаграмму (cascade chart) с cash inflow и cash outflow
  • Таблицу кассовых потоков по дням/неделям (дневной остаток, приход, расход)
  • Водопадный график «От выручки к чистому cash flow»
  • Линейный график «Прогноз cash flow на 3 месяца вперёд»
  • Селекторы: период, центр затрат

Дашборд 4: «ROI анализ по продуктам и клиентам»

Содержит:

  • Точечную диаграмму «Выручка vs Маржинальность» (каждая точка – продукт)
  • Таблицу с рейтингом продуктов по ROI
  • Горизонтальную столбчатую диаграмму топ-20 клиентов по LTV (lifetime value)
  • Матрицу «Продукт × Регион» с прибыльностью
  • Селекторы: период, категория товара

Дашборд 5: «Бюджет vs Факт (Budget Variance Analysis)»

Содержит:

  • Таблицу с колонками: статья бюджета, плановая сумма, фактическая сумма, отклонение (%), статус (зелёный/жёлтый/красный)
  • Столбчатую диаграмму сравнения планов и фактов по основным статьям расходов
  • Матрицу «Статья × Месяц» с процентами отклонения
  • Топ-5 статей расходов с наибольшим превышением бюджета
  • Селекторы: центр затрат, период

Часть 13: Обучение и развитие навыков

Официальные ресурсы

Яндекс предоставляет несколько ресурсов для обучения:

  • Официальная документация на yandex.cloud/ru/docs/datalens (на русском языке)
  • YouTube-канал Яндекса с видеоуроками по DataLens
  • DataLens Gallery – галерея готовых примеров дашбордов (очень полезно для изучения лучших практик)

Сертификация

Существует курс на платформе Stepik «Основы работы с DataLens» (бесплатный). После прохождения вы получите сертификат, который подтвердит ваши знания.

Практические упражнения для самостоятельного обучения

  1. Упражнение 1 (базовый уровень): Создайте дашборд с выручкой по дням за последний месяц с фильтром по продуктам.
  2. Упражнение 2 (средний уровень): Создайте датасет, который объединяет данные продаж из двух источников (например, продажи из 1С и продажи через онлайн-магазин), и визуализируйте их отдельно и вместе.
  3. Упражнение 3 (продвинутый уровень): Создайте дашборд с анализом LTV и CAC, используя вычисляемые поля и иерархии для детализации по когортам клиентов.
  4. Упражнение 4 (экспертный уровень): Настройте RLS, чтобы разные региональные менеджеры видели только данные своих регионов, и используйте материализацию для оптимизации производительности.

Часть 14: Часто задаваемые вопросы для финансистов

В: Можно ли экспортировать дашборд в Excel?
О: Нет, нельзя экспортировать весь дашборд целиком. Но отдельные таблицы можно экспортировать в CSV или Excel, нажав на кнопку экспорта в чарте.

В: Насколько безопасны мои финансовые данные в DataLens?
О: DataLens зарегистрирован в реестре отечественного ПО и полностью соответствует российским стандартам безопасности (ФЗ-152). Данные хранятся на российских серверах Яндекса. Для критичных данных можно использовать RLS и шифрование на уровне БД.

В: Какой источник данных выбрать – ClickHouse, PostgreSQL или CSV?
О: Для больших объёмов (миллионы строк) используйте ClickHouse. Для средних объёмов подойдёт PostgreSQL. CSV используйте для прототипирования или небольших таблиц справочной информации.

В: Можно ли использовать DataLens для real-time аналитики?
О: Да, если ваша БД обновляется в реальном времени, то DataLens будет показывать актуальные данные. Однако селекторы и фильтры могут срабатывать с задержкой в несколько секунд (это зависит от производительности БД).

В: Как часто нужно обновлять материализованные данные?
О: Это зависит от вашего сценария. Если нужна real-time аналитика – обновляйте каждые 5-10 минут. Если дневные отчёты достаточно – обновляйте раз в день.

В: Можно ли создавать прогнозы в DataLens?
О: Базовые прогнозы (линии тренда) встроены. Для сложного ML-прогнозирования используйте Yandex DataSphere (отдельный сервис) и экспортируйте результаты в DataLens.

В: Какое максимальное количество пользователей может использовать дашборд одновременно?
О: DataLens масштабируется до миллиона пользователей в день без потери производительности. Однако одновременно работающих пользователей может быть меньше (зависит от сложности чартов и объёма данных).

В: Как пригласить пользователя, у которого нет аккаунта Яндекса?
О: Отправьте приглашение на его email. Когда он перейдёт по ссылке, ему предложат выбрать или создать аккаунт Яндекса. После этого он получит доступ.

Часть 15: Чек-лист для начинающего финансового аналитика

Используйте этот чек-лист, чтобы структурировать ваше изучение DataLens:

Неделя 1: Основы

  •  Зарегистрировался в DataLens
  •  Создал первое подключение к источнику данных
  •  Создал простой датасет из одной таблицы
  •  Создал столбчатую диаграмму с выручкой
  •  Создал простой дашборд с одним чартом

Неделя 2: Изучение данных

  •  Создал датасет, объединяющий две таблицы (facts + dimension)
  •  Создал вычисляемые поля для валовой прибыли и маржинальности
  •  Создал несколько разных типов чартов (столбчатую, линейную, таблицу)
  •  Добавил фильтр по дате (селектор)
  •  Проверил корректность финансовых метрик

Неделя 3: Продвинутые функции

  •  Создал иерархию для детализации данных
  •  Создал QL-чарт с SQL-запросом
  •  Добавил несколько селекторов (период, клиент, товар)
  •  Создал финансовый дашборд с 5+ чартами
  •  Оптимизировал производительность (если дашборд медленный)

Неделя 4: Продакшн и совместная работа

  •  Настроил материализацию для больших таблиц
  •  Пригласил коллег и настроил права доступа
  •  Создал публичный дашборд для демонстрации
  •  Документировал формулы и логику вычисляемых полей
  •  Сделал резервную копию важных дашбордов

Месяц 2: Специализированная аналитика

  •  Интегрировался с 1С (если применимо)
  •  Создал дашборд по дебиторке/кредиторке
  •  Создал дашборд cash flow
  •  Создал дашборд budget vs actual
  •  Настроил RLS для разных пользователей
  •  Создал напоминание об обновлении материализованных данных

Часть 16: Интеграция с 1С – пошаговая инструкция (расширенная версия)

Так как интеграция с 1С критически важна для российских финансистов, давайте рассмотрим её подробнее.

Установка Экстрактора 1С

  1. Скачайте обработку «Экстрактор 1С для DataLens» (ищите на официальных сайтах Яндекса).
  2. Откройте вашу информационную базу 1С (конфигурация «Управление нашей фирмой» или другая).
  3. Откройте меню «Вспомогательные» > «Загрузить обработку».
  4. Выберите скачанный файл обработки.
  5. Экстрактор появится в меню.

Выбор данных для выгрузки

Открыв Экстрактор, вы видите список источников данных:

Рекомендуемые для финансистов:

  1. Регистр накопления «Продажи»:
    • Для 1С УНФ 3.0: Регистр «Продажи»
    • Для 1С КУП 2.0: Регистр «Выручка и себестоимость продаж»
    • Выбирайте поля: дата, клиент, товар, количество, цена, себестоимость
  2. Регистр накопления «Закупки»:
    • Для анализа стоимости закупок и поставщиков
  3. Регистр сведений «Курсы валют»:
    • Для пересчёта в валюту отчётности
  4. Документ «Счёт-фактура»:
    • Для анализа выставленных счётов и контроля над отгрузками
  5. Справочник «Контрагенты»:
    • Для присоединения информации о клиентах/поставщиках

Уровень детализации

При выгрузке из 1С можно выбрать уровень детализации:

  • По документам – каждая строка = одна строка документа (самый детальный)
  • По регистратору – каждая строка = один документ (агрегировано)
  • Дневная выборка – агрегировано по дням

Для финансовой аналитики обычно выбирают «по документам» или «по регистратору».

Включение RLS (разные данные для разных пользователей)

Часто в 1С нужно ограничить доступ к данным. Например, областной менеджер должен видеть только свой регион. В Экстракторе можно настроить RLS:

  1. Выберите поле для RLS (например, «ОтветственныйСотрудник»).
  2. Укажите переменную DataLens для сравнения (например, «{{user.responsible_person}}»).
  3. Сохраните.

Теперь каждый сотрудник будет видеть только «свои» данные.

Расписание обновления

Установите, как часто Экстрактор должен выгружать новые данные из 1С в DataLens:

  • Для real-time требуется обновление каждые 5 минут
  • Для большинства финансовых отчётов достаточно раз в день (например, в 06:00)
  • Для исторического анализа можно выгружать раз в неделю

Заключение: от новичка к эксперту

Вы прошли долгий путь от создания первого подключения до настройки сложных финансовых дашбордов. DataLens – это мощный инструмент, который станет вашей «правой рукой» в финансовой аналитике.

Помните несколько ключевых принципов:

  1. Начните с простого. Создайте датасет, один чарт, один дашборд. Затем усложняйте.
  2. Проверяйте цифры. Всегда сравнивайте результаты DataLens с цифрами из исходной БД или бухгалтерского отчёта. Ошибки в формулах – самая частая проблема.
  3. Оптимизируйте при необходимости. Не создавайте все данные в один датасет – разбивайте на специализированные таблицы и витрины.
  4. Делитесь с командой. Финансовая аналитика – командный вид спорта. Пригласите коллег, настройте доступ, обсуждайте результаты.
  5. Учитесь постоянно. DataLens развивается быстро, появляются новые функции. Следите за обновлениями и экспериментируйте с новыми возможностями.

Удачи в освоении DataLens! Теперь у вас есть все инструменты, чтобы стать финансовым аналитиком нового поколения.

Комментарии

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *