Power BI: что это, где используется и чем отличается от Excel и Tableau

Power BI — это среда для отчётности и аналитики, где данные подключают к источникам, связывают и показывают на дашбордах. Он нужен не ради красивых графиков, а ради одного отчёта, которым команда пользуется постоянно. Этот отчёт должен обновляться и не спорить с источником.

Excel удобен для локального анализа и ручных таблиц. Power BI сильнее там, где нужна устойчивая модель данных, единые меры, обновление по расписанию и доступ для нескольких ролей. Если отчёт должен жить долго, Power BI обычно выигрывает.

Первый отчёт собрать несложно: подключить таблицу, сделать пару визуалов и фильтры можно быстро. Сложность начинается позже, когда нужно правильно выстроить связи, календарь, меры и права доступа. Именно здесь и начинается рабочий уровень. Интерфейс сам по себе эту часть не решает.

Следующий слой — Power Query, модель данных, связи, календарные таблицы, DAX и контекст фильтрации. Без этого навык остаётся на уровне учебного отчёта и плохо переносится в рабочую среду, где источники шумные, а расчёты спорные. Это и отделяет учебный дашборд от рабочего.

Да, если вы хотите делать рабочие отчёты, а не демонстрационные дашборды. DAX нужен там, где метрика зависит от периода, фильтра, плана, доли или нескольких источников сразу. Без него Power BI быстро упирается в потолок. Особенно на повторяемых бизнес-метриках.

В серьёзной работе важнее модель. Красивый экран можно собрать быстро, но если связи неверны, календарь сломан, а меры спорят друг с другом, отчёту нельзя доверять. Сильный специалист сначала наводит порядок в расчётах и источниках. И только потом думает о подаче.

Desktop — бесплатная программа для Windows, в которой строят модель данных и сами отчёты. Service — облачная платформа: туда отчёты публикуют, там настраивают доступ команды, подписки и автообновление. Mobile — приложение для просмотра готовых дашбордов с телефона; создавать отчёты в нём нельзя. Полный цикл выглядит так: собрал в Desktop, опубликовал в Service, смотришь где угодно.

Бесплатная лицензия позволяет работать в Desktop без ограничений и публиковать отчёты только в личное пространство. Pro — платная подписка на пользователя, открывает рабочие области и совместную работу. Premium Per User добавляет большие модели и инкрементальное обновление, а Premium-ёмкость покупают крупные компании, чтобы зрители отчётов обходились без платных лицензий. Для обучения хватает бесплатного Desktop.

Microsoft остановила продажи и подписки в России ещё в 2022 году, но Desktop по-прежнему скачивается и работает бесплатно, а спрос держится: навык стабильно присутствует в московском IT-срезе, тренд растущий. Компании живут на старых лицензиях и параллельно мигрируют на DataLens, Superset и Visiology — на такие проекты ищут людей, знающих именно Power BI. Сами концепции — модель данных, меры, ETL — переносятся на любую BI-платформу.

Yandex DataLens — облачный, бесплатный на старте, самый быстрый вход для небольших команд. Apache Superset — с открытым исходным кодом, его любят технические команды; в московском IT-срезе он часто упоминается рядом с Power BI. Visiology позиционируется как корпоративная замена Power BI с установкой on-premise, Luxms BI берут крупные компании под большие данные. Источники у всех те же: PostgreSQL, ClickHouse, MS SQL, 1С.

CALCULATE — главная функция DAX: она вычисляет выражение в изменённом контексте фильтра, например «продажи только за прошлый год» или «доля региона от общего итога». FILTER возвращает отфильтрованную таблицу и часто передаётся в CALCULATE как условие. Связка CALCULATE + FILTER закрывает большинство рабочих расчётов, поэтому с неё начинают изучение DAX.

Power Query — встроенный ETL-слой Power BI: он подключается к источникам, чистит и преобразует данные до попадания в модель. Типовые операции — удаление дублей, разбор колонок, слияние таблиц, разворот сводных данных в плоский вид. Все шаги записываются на языке M и повторяются автоматически при каждом обновлении, так что рутинную чистку делаешь один раз.

Import загружает данные в сжатую модель в памяти: отчёты летают, но данные актуальны на момент последнего обновления. DirectQuery шлёт запросы к источнику при каждом клике пользователя — данные свежие, зато скорость упирается в базу. По умолчанию берут Import; DirectQuery оставляют для очень больших таблиц и сценариев, близких к реальному времени.

Вместо полной перезагрузки таблицы Power BI обновляет только свежий срез — например, последние семь дней, — а исторические партиции не трогает. На больших фактовых таблицах это сокращает обновление с часов до минут. Настраивается через параметры RangeStart и RangeEnd плюс политику обновления таблицы; полноценно работает на лицензиях уровня Premium.

RLS ограничивает строки, которые видит конкретный пользователь: менеджер по Москве открывает тот же отчёт, что и коллега из Казани, но видит только свои сделки. Роли и DAX-фильтры задают в Desktop, а пользователей назначают на роли уже в Service. В вакансиях BI-разработчиков RLS — стандартное требование, его часто спрашивают на собеседованиях.

Если время ограничено — SQL: в вакансиях с Power BI он стоит рядом чаще всего и нужен, чтобы забирать данные из баз, а не ждать выгрузок. Реалистичный план — параллельно: базовые SELECT и JOIN берутся за пару недель, после чего первые отчёты в Power BI строятся уже на живых запросах. Один SQL без визуализации тоже продаётся хуже, чем связка.

Ядро общее: движок VertiPaq, язык DAX и Power Query есть и там и там. Power Pivot живёт внутри Excel и упирается в его пределы по визуализации, объёму и публикации. Power BI добавляет интерактивные отчёты, облачную публикацию и управление доступом. Если вы уже строили модели в Power Pivot — переход в Power BI займёт дни, а не месяцы.

Из Desktop отчёт публикуется в рабочую область Power BI Service, дальше коллеги открывают его в браузере или с телефона. Доступ раздают через рабочие области и приложения (apps), есть подписки на почту и встраивание в корпоративные порталы. Для просмотра чужих отчётов в общем случае нужна лицензия Pro — либо Premium-ёмкость на стороне компании.

Отчёт — многостраничный интерактивный документ, который строят в Desktop на одной модели данных. Дашборд существует только в Service: это одна «доска» из визуалов, закреплённых хоть из десяти разных отчётов, — витрина ключевых метрик. В разговорной речи дашбордом называют всё подряд, но на собеседовании разницу иногда спрашивают буквально.

Power BI — частый гость в вакансиях продуктовых аналитиков московского IT-среза. Инструмент закрывает регулярную отчётность по метрикам продукта: воронки, retention, юнит-экономика, A/B-срезы для команды. Продуктовому аналитику обычно хватает уверенного среднего уровня — модель, базовые меры, понятные дашборды, — а глубина уходит в SQL и Python.

PL-300 (Microsoft Certified: Power BI Data Analyst) — официальный экзамен по подготовке данных, моделированию, визуализации и развёртыванию. Из России сдать его напрямую затруднительно из-за ограничений Microsoft, а работодатели в вакансиях чаще просят портфолио и опыт, а не сертификат. При этом программа PL-300 — готовая бесплатная карта тем: по ней удобно проверять, что вы ничего не пропустили.

Зарплату определяют роль и уровень, а не сам навык — актуальные цифры смотрите в рыночном блоке этой страницы. Junior-позиции стартуют заметно ниже медианы, зато их доля высокая для аналитики, то есть предложений для старта много. Дальнейший рост зарплаты связан не с самим Power BI, а со связкой SQL + Python и умением говорить с бизнесом на языке метрик.

Да, и это один из коротких путей: в московском IT-срезе доля junior-вакансий с Power BI — 17.6%, выше, чем у большинства инструментов аналитики. Порог входа низкий: Desktop бесплатен, первые дашборды получаются за недели, портфолио собирается на открытых данных. Чтобы проходить отбор, добавьте SQL — он нужен в 84% тех же вакансий.

База — подключение источников, Power Query, простые визуализации — берётся за 3–4 недели при 5–7 часах в неделю. Уверенный рабочий уровень с моделью данных и DAX — 3–4 месяца практики на реальных датасетах. Дольше всего растёт навык проектирования моделей под задачи бизнеса: он приходит только с проектами, а не с курсами.

Python встраивается в двух точках: скрипты в Power Query для загрузки и обработки данных и Python-визуалы (matplotlib, seaborn) прямо в отчёте. На практике чаще наоборот: Python готовит и обогащает данные до Power BI, а тот отвечает за витрину для бизнеса. В вакансиях с Power BI Python просят в 59% случаев — связка давно стандартная.