Первые шаги в DataForge: от показателей до аналитических витрин

Добро пожаловать в DataForge.

Этот раздел документации поможет вам познакомиться с базовыми возможностями платформы и пройти полный путь работы с аналитической моделью: от подключения источника данных и создания бизнес-показателей до формирования готовых витрин для BI-систем и пользователей.

Если вы впервые работаете с DataForge, рекомендуем изучать материалы последовательно. Каждое следующее руководство опирается на результаты предыдущего.

После прохождения всех трёх уроков вы сможете:

• подключить источник данных;
• создать факты и показатели;
• настроить расчётные метрики;
• описать измерения и справочники;
• проследить происхождение данных;
• построить модель данных;
• настроить связи между объектами;
• проверить корректность показателей;
• сформировать аналитическую витрину;
• выгрузить подготовленные данные в базу данных или Excel. 

Урок 1. Создание реестра показателей и измерений (РПИ)

Реестр показателей и измерений является основой аналитической модели DataForge. Он позволяет централизованно описывать бизнес-показатели организации, фиксировать правила их расчёта и связывать их с физическими источниками данных.

Использование РПИ помогает обеспечить единое понимание метрик внутри компании, снизить количество расхождений между отчётами и сохранить знания о бизнес-логике независимо от состава команды.

Что вы изучите

В рамках данного урока рассматриваются следующие операции:

• создание нового проекта;
• подключение базы данных;
• создание фактов;
• создание показателей;
• настройка расчётных показателей;
• просмотр происхождения данных (Data Lineage);
• создание измерений;
• работа со справочниками;
• обзор готового реестра показателей и измерений.

Когда использовать

Используйте РПИ в случаях, когда необходимо:

• формализовать определения бизнес-показателей;
• создать единый словарь метрик организации;
• документировать бизнес-логику расчётов;
• обеспечить прозрачность происхождения данных;
• подготовить семантический слой для BI-решений и AI-сервисов.

Видеоинструкция

Урок 2. Построение модели данных

После описания показателей необходимо определить структуру аналитической модели.

Модель данных в DataForge позволяет описать взаимосвязи между объектами, настроить ключи и фильтры, а также обеспечить корректную работу аналитических расчётов.

Грамотно построенная модель данных облегчает сопровождение системы и повышает качество аналитики.

Что вы изучите

В ходе урока рассматриваются:

• переход к таблицам фактов;
• обзор элементов модели;
• настройка отображения объектов;
• детализация показателей;
• настройка внешних ключей (FK);
• настройка первичных ключей (PK);
• создание фильтров;
• проверка показателей;
• просмотр итоговой модели данных.

Когда использовать

Данный функционал применяется для:

• проектирования аналитических моделей;
• описания структуры хранилища данных;
• документирования взаимосвязей между объектами;
• проверки корректности аналитических расчётов;
• подготовки моделей для дальнейшего использования в BI.

Видеоинструкция

Урок 3. Создание аналитических витрин

Аналитические витрины предназначены для подготовки данных к использованию в отчётности, BI-инструментах и пользовательских сценариях анализа.

Витрина представляет собой набор показателей и измерений, сформированный для решения конкретной бизнес-задачи.

Использование витрин позволяет стандартизировать доступ к данным и сократить время разработки аналитических решений.

Что вы изучите

В данном уроке показано:

• создание новой витрины;
• добавление показателей;
• добавление измерений;
• проверка сформированной структуры;
• выгрузка результатов в базу данных;
• экспорт данных в Excel.

Когда использовать

Используйте витрины данных, если требуется:

• подготовить данные для BI-систем;
• предоставить пользователям готовый аналитический слой;
• выгрузить результаты обработки в БД;
• экспортировать данные в Excel;
• создать стандартизированные представления для дальнейшего анализа.

Видеоинструкция

Что дальше

После изучения базовых возможностей рекомендуем перейти к следующим разделам документации:

• управление проектами;
• совместная работа пользователей;
• настройка источников данных;
• расширенные возможности Data Lineage;
• управление версиями аналитических моделей;
• подготовка семантического слоя для AI-агентов;
• интеграция с BI-платформами и хранилищами данных.

Освоив эти инструменты, вы сможете использовать DataForge как единое пространство проектирования, документирования и сопровождения корпоративных аналитических решений.

Урок 4. Изменение формулы

В этом видео показано, как в DataForge централизованно изменить формулу бизнес-показателя и автоматически применить новую логику во всех подключённых аналитических системах.

На примере показателя возвратов демонстрируется изменение расчёта в семантическом слое, анализ влияния на связанные объекты и последующее обновление витрины.

После изменения формулы новые значения синхронно отображаются в Power BI, FineBI, Excel и AI-агенте DataForge Analyst.

Видео показывает, как единый семантический слой помогает избежать расхождений между отчётами и управлять бизнес-логикой из одного места.

Урок 5. Миграция хранилища

В этом видео показано, как с помощью DataForge перенести аналитический проект с PostgreSQL на ClickHouse без перестройки существующих BI-дашбордов.

На основе текущего проекта создаётся новая версия, в которой меняется подключение к базе данных и формируется представление витрины уже в ClickHouse.

После переключения источника Power BI продолжает работать с прежними визуализациями и показателями.

Видео демонстрирует, как версионирование проектов и независимость аналитической модели от конкретной СУБД упрощают миграцию хранилища данных.

Урок 6. Поиск ошибки

В этом видео показано, как в DataForge быстро найти причину некорректного значения показателя в BI-дашборде.

С помощью истории изменений можно определить, кто и когда изменил формулу, сравнить предыдущую и новую версии и обнаружить источник ошибки.

После этого корректная версия формулы восстанавливается непосредственно из истории изменений, витрина обновляется, а BI-дашборд снова отображает правильные значения.

Видео демонстрирует возможности DataForge для аудита изменений, поиска ошибок и быстрого отката бизнес-логики без ручного анализа SQL и доработки отчётов.

Урок 7. Транспонированные витрины

В этом видео показан принцип работы транспонированных витрин DataForge, которые позволяют создавать BI-дашборды без жёсткой привязки к конкретному набору показателей.

Показатели в такой витрине представлены как строки данных, поэтому новый показатель можно добавить в DataForge без перестройки существующих визуализаций.

После обновления витрины новый расчётный показатель автоматически становится доступен в Power BI и может анализироваться в различных разрезах.

Видео показывает, как транспонированные витрины упрощают развитие аналитических моделей и сокращают объём ручной доработки BI-отчётности.

Вернуться к статьям

Вернуться на главную