Forwarded from Диаграммы и презентации
Спешу поделиться потрясающим проектом Фабиана Ланга.
Дизайнер и аналитик Фабиан Ланг 3 года работал с открытыми источниками, архивами и различными экспертами, чтобы получить уникальные наборы данных о природных и человеческих явлениях, связанных с Альпами. В результате получился 200-страничный сборник из 100 визуальных историй, где данные превращены в наглядные визуализации.
Проект охватывает такие темы, как:
- жизнь бородатого стервятника (GPS-трек)
- прошлое и будущее крупнейших альпийских ледников
- биоразнообразие на основе 30 000 наблюдений
- сосуществование людей и волков
- изменение климата, энергетический переход, распространение фамилий по высоте и др.
Это не просто визуализация гор - это визуализация взаимосвязей между средой, биоразнообразием, климатом и людьми. Данные становятся языком, с помощью которого читатель узнает и чувствует Альпы, а не просто читает сухие цифры.
Проект был отмечен рядом наград за сочетание дизайна, аналитики и ясного визуального языка.
Обязательно посмотрите, вдохновитесь
➡️https://www.fabianlang.net/schweizer-bergwelten/
Дизайнер и аналитик Фабиан Ланг 3 года работал с открытыми источниками, архивами и различными экспертами, чтобы получить уникальные наборы данных о природных и человеческих явлениях, связанных с Альпами. В результате получился 200-страничный сборник из 100 визуальных историй, где данные превращены в наглядные визуализации.
Проект охватывает такие темы, как:
- жизнь бородатого стервятника (GPS-трек)
- прошлое и будущее крупнейших альпийских ледников
- биоразнообразие на основе 30 000 наблюдений
- сосуществование людей и волков
- изменение климата, энергетический переход, распространение фамилий по высоте и др.
Это не просто визуализация гор - это визуализация взаимосвязей между средой, биоразнообразием, климатом и людьми. Данные становятся языком, с помощью которого читатель узнает и чувствует Альпы, а не просто читает сухие цифры.
Проект был отмечен рядом наград за сочетание дизайна, аналитики и ясного визуального языка.
Обязательно посмотрите, вдохновитесь
➡️https://www.fabianlang.net/schweizer-bergwelten/
🔥17❤9👍1
Котятки🐱,
Внутри любого продукта для хранения/аналитики есть логирование и возможность мониторинга.
На тачках, где они хостятся, если логирование и мониторинг.
Есть агенты типа Zabbix, которые ходят по всем тачкам и собирают всякие метрики, чтобы потом все это выдать в какой-нибудь Grafana.
Но факт в общем простой: любая observability-система, которую мы сами себе строим, имеет глубину погружения. Можно завезти в зоопарк видеокамеры, а можно ходить и брать у животных кровь на анализы и тыкать в них градусником. И то и другое не дает понимание, что на самом деле происходит в организме наших лисичек и бегемотиков, но по крайней мере мы понимаем, что они живы и возможно не умирают.
Вот тут неплохая программная статья про многослойный подход к observability в BI, линк: https://www.sigmacomputing.com/blog/data-observability
Внутри любого продукта для хранения/аналитики есть логирование и возможность мониторинга.
На тачках, где они хостятся, если логирование и мониторинг.
Есть агенты типа Zabbix, которые ходят по всем тачкам и собирают всякие метрики, чтобы потом все это выдать в какой-нибудь Grafana.
Но факт в общем простой: любая observability-система, которую мы сами себе строим, имеет глубину погружения. Можно завезти в зоопарк видеокамеры, а можно ходить и брать у животных кровь на анализы и тыкать в них градусником. И то и другое не дает понимание, что на самом деле происходит в организме наших лисичек и бегемотиков, но по крайней мере мы понимаем, что они живы и возможно не умирают.
Вот тут неплохая программная статья про многослойный подход к observability в BI, линк: https://www.sigmacomputing.com/blog/data-observability
Sigma
How Data Observability Future-Proofs Your BI Strategy
Data observability ensures BI reliability by monitoring pipelines, catching issues early, and building trust for scalable, future-ready analytics.
❤6👍4🔥1
Котятки🐱,
С 8м марта девочек) пусть будет прекрасной и удивительной эта весна для всех нас!
Ну и сегодня еще тот самый день, который оказывает сильное влияние на ретейл)
У меня сегодня на изучении заумный гайд по сезонности и baseline ( книженция Intermittent Demand Forecasting) и чуть более веселая вещь - гайд по тому, как построить аналитику для цветочного магазина):
https://youtu.be/7fmij5j3hwM?si=RHj_HZwEYLNVnDmY
С 8м марта девочек) пусть будет прекрасной и удивительной эта весна для всех нас!
Ну и сегодня еще тот самый день, который оказывает сильное влияние на ретейл)
У меня сегодня на изучении заумный гайд по сезонности и baseline ( книженция Intermittent Demand Forecasting) и чуть более веселая вещь - гайд по тому, как построить аналитику для цветочного магазина):
https://youtu.be/7fmij5j3hwM?si=RHj_HZwEYLNVnDmY
YouTube
Interactive Excel Flower Shop Analysis Dashboard | Data Analysis Project
In this video, I create a flower shop sales dashboard using Microsoft Excel. The dashboard includes visualizations for top-selling products, monthly sales trends, product categories, sales by city, payment methods, and customer breakdown.
Like, share, and…
Like, share, and…
❤8👍7🔥4
Forwarded from Чернов пишет (Stanislav Chernov)
Опубликовал mcp-superset — MCP-сервер для Apache Superset
128+ инструментов. Дашборды, графики, датасеты, SQL Lab, пользователи, роли, RLS, группы, аудит прав — всё через Claude Code / Claude Desktop / Cursor.
Там "конкуренты" и рядом не стояли, сравнительную таблицу в том числе написал (по состоянию на 11 марта 2026 года)
Что умеет:
- полный CRUD всего что есть в Superset
- выполнение SQL запросов
- управление доступом (пользователи, роли, RLS, группы)
- аудит прав (матрица кто-куда-имеет-доступ)
- экспорт/импорт всего инстанса
- встроенная защита от случайного удаления и DDL/DML в SQL Lab
Ни один другой MCP-сервер для Superset даже близко не подошёл — ближайший конкурент имеет 60 инструментов и
ноль управления безопасностью.
или просто
репа: github.com/bintocher/mcp-superset
pypi: pypi.org/project/mcp-superset
описание: https://github.com/bintocher/mcp-superset/blob/main/README_RU.md
Лицензия: MIT
#mcp@chernovdev #superset@chernovdev #claudecode@chernovdev
https://xn--r1a.website/chernovdev
128+ инструментов. Дашборды, графики, датасеты, SQL Lab, пользователи, роли, RLS, группы, аудит прав — всё через Claude Code / Claude Desktop / Cursor.
Там "конкуренты" и рядом не стояли, сравнительную таблицу в том числе написал (по состоянию на 11 марта 2026 года)
Что умеет:
- полный CRUD всего что есть в Superset
- выполнение SQL запросов
- управление доступом (пользователи, роли, RLS, группы)
- аудит прав (матрица кто-куда-имеет-доступ)
- экспорт/импорт всего инстанса
- встроенная защита от случайного удаления и DDL/DML в SQL Lab
Ни один другой MCP-сервер для Superset даже близко не подошёл — ближайший конкурент имеет 60 инструментов и
ноль управления безопасностью.
pip install mcp-superset
или просто
uvx mcp-superset
репа: github.com/bintocher/mcp-superset
pypi: pypi.org/project/mcp-superset
описание: https://github.com/bintocher/mcp-superset/blob/main/README_RU.md
Лицензия: MIT
#mcp@chernovdev #superset@chernovdev #claudecode@chernovdev
https://xn--r1a.website/chernovdev
🔥15❤7🎉5👍1
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.
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.
👍7❤4🔥3
Forwarded from Чернов пишет (Stanislav Chernov)
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:
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.
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
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 qvdrshttps://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
GitHub
GitHub - bintocher/qvdrs
Contribute to bintocher/qvdrs development by creating an account on GitHub.
❤10👍3🔥3
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. Но пока для меня это концепция проектирования, а не набор характеристик визуального элемента, как такового перехода из подхода в жесткий чек-лист пока, как мне кажется, не произошло. Самый, наверное, знаменитый такой интерфейс - https://finviz.com.
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. Но пока для меня это концепция проектирования, а не набор характеристик визуального элемента, как такового перехода из подхода в жесткий чек-лист пока, как мне кажется, не произошло. Самый, наверное, знаменитый такой интерфейс - https://finviz.com.
Medium
Decision Intelligence: In Action — Part 1
From “Orange Is the New Black” to “Questions Are the New Answers”…
❤11🔥2👍1
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.
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.
❤12👍5🔥2
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.
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.
❤10🔥5👍4🤔1
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.
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.
❤8🔥8👍5
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
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
Moderndata101
Evolution of the Data Stack: The story of how we interpret ever-growing data | Modern Data Blog
Evolution through traditional, modern, and data-first stacks and how they played their important roles in upgrading our ability to interpret ever-growing data.
❤8🔥3👍2
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. Возможно,конечно, он еще с точки зрения UX не готов- ведь в идеале, мы просто жмем на любую цифру, и таблица динамически перестраивается под новый разрез. Однако, мне кажется, все еще в пути)
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. Возможно,конечно, он еще с точки зрения UX не готов- ведь в идеале, мы просто жмем на любую цифру, и таблица динамически перестраивается под новый разрез. Однако, мне кажется, все еще в пути)
Medium
Understanding Drill-Down, Drill-Up, Drill-Through, and More (BI Reporting Techniques)
Understanding Drill-Down, Drill-Up, Drill-Through, and More (BI Reporting Techniques) Data drilling is a standard business intelligence technique that allows users to analyze data from a variety of …
🔥7❤5👍4
Forwarded from Точки над ИИ
This media is not supported in your browser
VIEW IN TELEGRAM
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.
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.
❤14👍6🔥5
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
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
Grid Dynamics
Semantic data layer: A unified approach
A unified semantic layer provides a single, consolidated view of metrics for all data consumers. Our starter kit is designed to expedite your time-to-market, aiding you right from the initial stages of semantic layer adoption to enhancing the overall data…
❤12🔥5👍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/
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/
PowerBI.tips
Semantics Layer Genie & Data Agents - Ep.527 | PowerBI.tips
Mike and Tommy explore what ‘semantic layer genies’ and data agents could mean for Fabric and Power BI teams, from metadata-driven modeling to assisted development workflows. They break down where agents help today, what needs governance, and how to stay…
❤9👍5🔥4🤔1
⚡ 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:
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!
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.
Если вы хотите войти в аналитику и перестать тратить время на лишнее обучение — этот вебинар поможет понять, на чем действительно стоит сосредоточиться.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥10❤4👍4