ch
Feedback
Дашбордец

Дашбордец

前往频道在 Telegram

Привет, котятки) Я Даша, и это мой уютный канал про дашборды - от бизнес-анализа до реализации на BI. Темы канала: data viz, BI, dashboards, DWH.

显示更多
8 879
订阅者
-324 小时
-17
无数据30
吸引订阅者
六月 '26
六月 '26
+13
在0个频道中
五月 '26
+62
在0个频道中
Get PRO
四月 '26
+65
在0个频道中
Get PRO
三月 '26
+105
在0个频道中
Get PRO
二月 '26
+93
在0个频道中
Get PRO
一月 '26
+87
在0个频道中
Get PRO
十二月 '25
+79
在1个频道中
Get PRO
十一月 '25
+240
在3个频道中
Get PRO
十月 '25
+197
在4个频道中
Get PRO
九月 '25
+170
在1个频道中
Get PRO
八月 '25
+111
在4个频道中
Get PRO
七月 '25
+116
在3个频道中
Get PRO
六月 '25
+98
在2个频道中
Get PRO
五月 '25
+115
在0个频道中
Get PRO
四月 '25
+134
在2个频道中
Get PRO
三月 '25
+198
在8个频道中
Get PRO
二月 '25
+132
在5个频道中
Get PRO
一月 '25
+152
在1个频道中
Get PRO
十二月 '24
+155
在1个频道中
Get PRO
十一月 '24
+208
在1个频道中
Get PRO
十月 '24
+210
在0个频道中
Get PRO
九月 '24
+218
在0个频道中
Get PRO
八月 '24
+187
在0个频道中
Get PRO
七月 '24
+157
在2个频道中
Get PRO
六月 '24
+94
在2个频道中
Get PRO
五月 '24
+95
在3个频道中
Get PRO
四月 '24
+104
在0个频道中
Get PRO
三月 '24
+120
在2个频道中
Get PRO
二月 '24
+158
在2个频道中
Get PRO
一月 '24
+217
在0个频道中
Get PRO
十二月 '23
+178
在1个频道中
Get PRO
十一月 '23
+99
在0个频道中
Get PRO
十月 '23
+106
在1个频道中
Get PRO
九月 '23
+133
在0个频道中
Get PRO
八月 '23
+127
在0个频道中
Get PRO
七月 '23
+233
在0个频道中
Get PRO
六月 '23
+128
在0个频道中
Get PRO
五月 '23
+502
在0个频道中
Get PRO
四月 '23
+114
在0个频道中
Get PRO
三月 '23
+404
在0个频道中
Get PRO
二月 '23
+115
在0个频道中
Get PRO
一月 '23
+119
在0个频道中
Get PRO
十二月 '22
+134
在0个频道中
Get PRO
十一月 '22
+169
在0个频道中
Get PRO
十月 '22
+230
在0个频道中
Get PRO
九月 '22
+231
在0个频道中
Get PRO
八月 '22
+117
在0个频道中
Get PRO
七月 '22
+202
在0个频道中
Get PRO
六月 '22
+134
在0个频道中
Get PRO
五月 '22
+75
在0个频道中
Get PRO
四月 '22
+145
在0个频道中
Get PRO
三月 '22
+125
在0个频道中
Get PRO
二月 '22
+94
在0个频道中
Get PRO
一月 '22
+97
在0个频道中
Get PRO
十二月 '21
+116
在0个频道中
Get PRO
十一月 '21
+112
在0个频道中
Get PRO
十月 '21
+175
在0个频道中
Get PRO
九月 '21
+367
在0个频道中
Get PRO
八月 '21
+178
在0个频道中
Get PRO
七月 '21
+490
在0个频道中
Get PRO
六月 '21
+138
在0个频道中
Get PRO
五月 '21
+216
在0个频道中
Get PRO
四月 '21
+124
在0个频道中
Get PRO
三月 '21
+120
在0个频道中
Get PRO
二月 '21
+155
在0个频道中
Get PRO
一月 '21
+171
在0个频道中
Get PRO
十二月 '20
+3 369
在0个频道中
日期
订阅者增长
提及
频道
10 六月+1
09 六月+4
08 六月+1
07 六月0
06 六月0
05 六月+1
04 六月+2
03 六月+3
02 六月0
01 六月+1
频道帖子
⚡ Почему одни получают оффер аналитика быстро, а другие учатся годами без результата? Большинство новичков совершают одну и т
Почему одни получают оффер аналитика быстро, а другие учатся годами без результата? Большинство новичков совершают одну и ту же ошибку: учат всё подряд. SQL, Python, Power BI, статистика, курсы на степике... Но работодатели оценивают кандидатов совсем по другим критериям. Из-за этого многие месяцами рассылают резюме и получают только отказы или полное игнорирование. На бесплатном вебинаре Андрон Алексанян - аналитик с опытом 9 лет и СEO Симулейтив покажет, как сегодня выглядит путь к первой работе аналитиком в 2026 году. Вы узнаете:
🔶Какие навыки действительно проверяют на собеседованиях; 🔶Что должно быть в портфолио, чтобы его открывали работодатели; 🔶Почему многие резюме аналитиков сразу отправляются в отказ; 🔶Как искать работу без коммерческого опыта; 🔶Какие преимущества есть у кандидатов после 30, 40 и даже 50 лет; 🔶Какие ошибки чаще всего мешают получить первый оффер.
Дополнительно покажем реальные примеры резюме и портфолио кандидатов, которые смогли пройти отбор. 🎁 Всем зарегистрировавшимся отправим PDF-гайд как стать Аналитиком данных и чек-лист подготовки к поиску работы. Если вы хотите войти в аналитику и перестать тратить время на лишнее обучение — этот вебинар поможет понять, на чем действительно стоит сосредоточиться. 🛎️Регистрируйтесь, эфир совсем скоро!

2
Котятки🐱, Мое утро началось с потерянного тикета по правам в Power BI(найден в другой команде) и вот этого канальчика : https://youtube.com/@powerbitips?si=xbQ5k0FEek_mzIh0 В нем мне нравятся не столько лайфхаки, но и хорошие подкасты по Power BI+Agents, тем более что сейчас ютуб позволяет автопереводом делать русскую звуковую дорожку. Но есть нюанс - часть контента доступна только для спонсоров. Как обойти: на сайте проекта есть посты с видосам и транскрипцией, и встроенные видео открываются без ограничений. Линк: https://powerbi.tips/2026/05/13/explicit-measures-podcast-ep-527/
858
3
Котятки😺, Сегодня я почти в ресурсе🙈 и у меня в меру архитектурный кейс. Что считать слоем потребления на физическом уровне в аналитическом хранилище для всех эндпоинтов? С чем я встречалась: -определенная схема внутри одной БД -витрины в определенной схеме внутри одной БД -отдельностоящая БД, из которой читают все эндпоинты (и внутри которой уже нет трансформаций, т.е. готовые пригодные для конечных задач таблицы) - асинхронный экспорт -история на несколько серверов (с одного читают одно эндпоинты, с другого - другие и пр) -разные разделенные Virtual Warehouses -историческая мешанина с семантическим слоем поверх нее. Сегодня я в своих исканиях прошла чуть дальше, и обнаружила Context lake (или даже скорее layer) со сложной странненькой архитектурой.😂 Из приятного, была вот эта веселенькая статья про семантический слой: https://www.griddynamics.com/blog/semantic-data-layer-design-principles
987
4
Кто-то навайбкодил визуализацию происхождения и миграции слов Вообще тема этимологии безумно интересна, так как она раскрывае
Кто-то навайбкодил визуализацию происхождения и миграции слов Вообще тема этимологии безумно интересна, так как она раскрывает не только происхождение тех или иных слов, но и по сути несет в себе еще несколько слоев информации о конкретных культурах, периодах и их пересечениях. В формате дата-визуализации это вдвойне интересно. Сейчас, правда, поиск по словам приостановлен, но можно потыкать на предложенные слова. Видимо автор неплохо потратился на API (под капотом там Gemini). Пробовать тут.
2 025
5
Где посмотреть не просто дашборды, а весь путь их появления — от задачи до финальной визуализации 👀 21 апреля пройдет митап
Где посмотреть не просто дашборды, а весь путь их появления — от задачи до финальной визуализации 👀 21 апреля пройдет митап «Лаборатория решений DataLens» — встреча, где разбирают реальные BI-кейсы из бизнеса. 📍 Москва, Loft Hall (Avantage) 🕓 Сбор с 16:30 Формат классный: компании заранее отдали свои задачи, а партнёры их решили. На встрече покажут весь путь — от данных и архитектуры до дашбордов и выводов. В программе: - решения от Навикон, КОРУС Консалтинг, Смарт-Аналитикс и SQEEL - разбор, как строятся дашборды под бизнес-задачи - немного про развитие DataLens - Q&A и нетворк Количество мест ограничено, записи не будет. Локация в 5 минутах от м.Автозаводская. 🔗 Регистрация по ссылке
0
6
Котятки🐱 Drill down уже, кажется, базовое требование в аналитике. С ним мало что можно сделать, разве что играться с глубиной. Ничего нового. А вот анархический концепт Drill by почему-то такую популярность не набрал, - да, это сложно технологически, однако дает куда большие возможности во всяких data-расследованиях. Мне кажется, он еще с точки зрения UX - ведь в идеале, мы просто жмем на любую цифру, и таблица динамически перестраивается под новый разрез. Однако, мне кажется, все еще в пути)
0
7
Котятки🐱, Сегодня я полдня ресерчила на тему эволюции data contracts, хотела понять, почему они усложняются, а не упрощаются, ведь по мере роста количества данных передавать связный контекст вместе, а не отдельным потоком, ведет к сильным накладным расходам. Пока я разбираюсь с этим забавным вопросом, ловите прелестную статью об эволюции Data Stack: https://www.moderndata101.com/blogs/evolution-of-the-data-stack-the-story-of-how-we-interpret-ever-growing-data
0
8
Котятки, Я все еще живу в процессе миграции, которая подарит мне и новый BI-инструмент, и новые возможности к нему. Там, в ча
Котятки, Я все еще живу в процессе миграции, которая подарит мне и новый BI-инструмент, и новые возможности к нему. Там, в частности, будет embedding. Раньше я к нему относилась прохладно, но потом как-то распробовала режим одного окна, когда операционка и аналитика доступна в рамках одного апплика. Если есть желание познакомиться с такими возможностями поближе и приложить к своему ландшафту, то можно пощупать, например, DataLens: 15 апреля Yandex Cloud покажут, как встроить DataLens прямо в продукты (в личные кабинеты, корпоративные порталы или сервисы для клиентов). Говорить будут и про логику, и про UX, и про авторизацию , и про секьюрити - короче, такое мини-погружение. За час команда DataLens покажет реальные кейсы и разберёт embedding-механики непубличного и публичного встраивания. Участие бесплатное, предварительно необходимо зарегистрироваться по ссылке.
0
9
Котятки🐱 Концепция Enterprise Intelligence не нова, особенно для тех, кто активно ищет способы, как превратить данные в знания. Интересного в ней то, что BI рассматривается не как отдельный инструмент, а как связующее звено, которое вытягивает смыслы из всех остальных систем. Сегодня утром я лениво по диагонали читала вот эту книжечку по теме и ресерчила, и наткнулась на занимательный блог чувака, который много лет батрачил в SQL Server Analysis Services : https://eugeneasahara.com/2026/02/02/explorer-subgraph-the-dynamic-cartography-of-relation-space/ У него интересные мысли, как превратить связку AI+BI в систему знаний, но подача прямо на любителя.
0
10
Котятки, В прошлом, аналитика данных из 1С была нетривиальной задачкой, и выбор обычно стоял между двух зол: либо пиши обрабо
Котятки, В прошлом, аналитика данных из 1С была нетривиальной задачкой, и выбор обычно стоял между двух зол: либо пиши обработки, либо разрабатывай свои отчеты. В 2014 году, помню, у нас сидело 2 программиста 1С чисто на написании запросов и выгрузках. С появлением нормальных коннекторов к 1С, наконец, появился вменяемый доступ к данным, а теперь и AI-инструменты над ними. Что посмотреть: 7 апреля в 12.00 будет вебинар Yandex DataLens и BI.Qube. Там будет реальный кейс: как в low-code инструменте связывать со справочниками и обновлять 290 млн чеков, хранящихся в 1С, и как получить ответы в BI DataLens с помощью Нейроаналитика. Что обещают: покажут, как запуститься за 1 день, получить первые результаты за 1–2 месяца и дальше развивать аналитику комфортно. Что будет реально - увидим) Думаю, вебинар будет полезен тем, у кого аналитики совсем нет, и тем, кто не хочет сам строить решения типа БД/Хранилище+BI+MCP+AI, и вместо этого попробовать связку Datalens+Нейроаналитик.
0
11
Котятки, В этом сезоне у меня новый интерес - Decision‑Centric Visual Interfaces (DCVI). Впервые я столкнулась с этим понятием вот в этой статье на медиум : https://roger-moser.medium.com/decision-intelligence-in-action-part-1-c53e474fcced Мне нравится концепция, что визуальный элемент знает свой SLA, риск и impact. Самый, наверное, знаменитый такой интерфейс - https://finviz.com.
0
12
qvd — чтение Qlik QVD файлов из Python и SQL Написал open-source библиотеку для работы с QVD файлами без Qlik. Ядро на Rust, биндинги для Python. Что умеет: pandas / Polars / DuckDB — одной строкой: df = qvd.read_qvd("data.qvd").to_pandas() df = qvd.read_qvd("data.qvd").to_polars() batch = qvd.read_qvd_to_arrow("data.qvd") duckdb.sql("SELECT * FROM batch WHERE x > 100") SQL-запросы к QVD через DataFusion — JOIN, GROUP BY, агрегации прямо по QVD файлам Конвертация QVD ↔ Parquet — с компрессией (snappy, zstd, gzip, lz4) Streaming — чтение огромных файлов по чанкам, без загрузки в память EXISTS() — O(1) хеш-индекс, как в Qlik Скорость (проверено на 20 реальных файлах, byte-identical round-trip): - 41 МБ / 465K строк / 12 колонок — чтение 0.5с, запись 0.03с - 587 МБ / 5.4M строк / 15 колонок — чтение 6.1с, запись 0.4с - 1.7 ГБ / 87M строк / 6 колонок — чтение 37с, запись 1.6с - 2.8 ГБ / 11.9M строк / 42 колонки — чтение 24с, запись 2.4с Первый и единственный QVD crate на crates.io. pip install qvdrs https://github.com/bintocher/qvdrs https://crates.io/crates/qvd ———— Подпишись, потом забудешь! https://max.ru/join/U4r4IN8vgLwYowRRsU42LWb5HmsSOSvy4ExmqTSQ0yc https://vk.com/chernovdev https://dzen.ru/chernovdev
0
13
Нашла эту книгу на одной уютной кухне, не смогла с вами не поделиться👆
Нашла эту книгу на одной уютной кухне, не смогла с вами не поделиться👆
0
14
Resonate_Present_Visual_Stories_that_Transform_Audiences_Nancy_Duarte.pdf
0
15
Котятки, Мне очень понравилась вот эта статья по масштабированию данных. Аккурат как раз когда я решаю вопрос о горизонте хранения: https://arxiv.org/html/2501.13779v1 Несмотря на то, что она относится к LLM, в ней важные мысли про критерии качества данных и расширение этих критериев для разных целей, и как это влияет на масштабирование. Грубо говоря, зачем хранить факт за 10 лет, если его поведение стабильно и доп горизонт хранения не даст дополнительных полезных свойств ни в задачах анализа, ни в задачах прогнозирования? Ну то есть, результат расчета всяких корреляций за 10 лет и за 3 года дает близкие коэффициенты? Впрочем, эти проблемы решены в Data vault 2.0, где мы можем сжать сателлит до состояния ‘признак-период’, оптимизировать производительность и оставить неограниченной глубину хранения.
0