Ми з колегою працювали над проектом бізнес-аналітики, аналізуючи три роки даних на рівні брендів, використовуючи Power BI, Python, SQL і AI-візуалізації. Мета полягала в розумінні ефективності продажів, трендів онлайн-замовлень і рентабельності, а також перетворення статичних даних на інтерактивні дашборди.
У цій статті я розповім, як створити подібний дашборд, покроково описуючи процес — від обробки даних, створення візуалізацій до AI-розповідей в Power BI.
📦 Використовувані інструменти
- Power BI
- DAX
- SQL (для зберігання та очищення даних)
- Python (Pandas + Seaborn для початкового аналізу)
- AI-візуалізації в Power BI:
- Q&A Візуалізація
- Декомпозиційне дерево
- Ключові впливи
- Розумні наративи
🔹 Крок 1: Збір і підготовка даних
Ми почали з трьох років даних про продажі та замовлення для різних брендів і регіонів. Дані включали:
- Назва бренду
- Тип замовлення (онлайн/офлайн)
- Регіон і місто
- Доходи та прибуток
- Розподіл за місяцями
🔧 Очищення даних за допомогою SQL:
- Видалили null-значення та дублікати
- Нормалізували типи замовлень
- Створили SQL-видання для звітів за роками та регіонами
Після очищення ми імпортували таблиці безпосередньо в Power BI за допомогою SQL Server Connector.
🔹 Крок 2: Моделювання даних у Power BI
У Model view ми створили зв'язки між таблицями:
Orders(OrderID, Date, Amount)Brands(BrandID, Category)Regions(City, SalesRep)Order Types(Online/Offline)
Ми налаштували кардинальність і напрямок крос-фільтрації (в основному One-to-Many, Single).
🔹 Крок 3: Створення обчислюваних стовпців та DAX-метрик
Для обчислення інсайтів використовували DAX:
DAX
Total Sales = SUM(Orders[Amount])
Total Profit = SUM(Orders[Profit])
YoY Growth = DIVIDE([This Year Sales] - [Last Year Sales], [Last Year Sales], 0)
Online Order % = DIVIDE([Online Orders], [Total Orders], 0)
Ці метрики використовувалися у картках, візуалізаціях і підказках.
🔹 Крок 4: Створення візуалізацій на дашборді
Ось як ми побудували візуальні компоненти:
✅ Картки для KPI:
- Загальні продажі
- Загальний прибуток
- Процент онлайн-замовлень
- Зростання порівняно з минулим роком
📊 Гістограми та стовпчикові діаграми:
- Продажі по брендам
- Замовлення по регіонах
- Зростання за роками
📈 Лінійна діаграма:
- Тренд продажів по місяцях
🍩 Кругова діаграма:
- Розподіл онлайн та офлайн замовлень
- Розподіл доходів по категоріях
🗺️ Карта:
- Продажі по містах з використанням регіону
📋 Матриця:
- Порівняння продажів по роках для кожного бренду
🔹 Крок 5: Інтерактивність — фільтри, зрізи та теми
🎛️ Додано:
- Зрізи для бренду, регіону та року
- Фільтр по даті (огляд по часу)
- Тема для чистого, послідовного оформлення
- Drill-Through Pages для детального аналізу ефективності окремих брендів
🔹 Крок 6: Додавання AI-візуалізацій 🤖
Power BI надає 4 потужні AI-візуалізації, які ми використали для підвищення функціональності нашого дашборду:
🧠 1. Q&A Візуалізація — Аналітика природної мови
Як використовувати:
- Вставити Q&A Візуалізацію → Написати питання, наприклад:
- “Загальний прибуток по бренду”
- “Онлайн замовлення у 2023 році”
Поради:
- Використовувати синоніми та переіменовувати стовпці для кращого розпізнавання
- Розмістіть візуалізацію вгорі для швидкого пошуку
🔍 2. Декомпозиційне дерево — Інструмент для аналізу
Як використовувати:
- Додати метрику до “Аналізувати” → Додати поля до “Пояснити через”
- Наприклад, Загальні продажі → Бренд → Регіон → Місяць
Поради:
- Використовувати автоматичне розділення для виявлення інсайтів
- Ідеально підходить для аналізу причин зниження або збільшення прибутку
🌟 3. Ключові впливи — Визначення основних факторів
Як використовувати:
- Вибрати метрику (наприклад, прибуток)
- Додати потенційні фактори впливу (наприклад, регіон, тип замовлення, бренд)
Поради:
- Використовувати для відповіді на запитання “Які фактори найбільше впливають на прибуток?”
- Поєднувати з зрізами, щоб побачити зміни впливу з часом
✍️ 4. Розумні наративи — Розповіді на основі даних
Як використовувати:
- Вставити візуалізацію “Smart Narrative” і налаштувати її для автоматичного генерування тексту, що пояснює дані на дашборді.
- Ця функція допомагає створювати текстові висновки про дані для користувачів.
Висновок
Ці інструменти в Power BI дозволяють не тільки створювати візуалізації даних, але й використовувати AI для глибшого аналізу, що робить дашборди набагато інтерактивнішими та інформативнішими.
Ці тренди визначатимуть, як ми працюємо з даними в майбутньому.
Перекладено з: AJV vs class-validator vs Joi vs Yup vs Zod: A Runtime Validator Comparison