Разработка BI-дашборда (Business Intelligence)

Разработка BI-дашборда (Business Intelligence)

BI-дашборд — это не просто набор графиков, а инструмент для принятия решений на основе данных. Отличие от обычного дашборда аналитики: самостоятельное построение отчётов пользователями без помощи разработчика (self-service BI), работа с многомерными данными, OLAP-анализ, cohort analysis, predictive metrics.

Архитектура данных для BI

BI работает с данными, оптимизированными для аналитических запросов, а не для транзакций. Стандартный подход — Data Warehouse с размерной моделью:

Star schema:

          dim_customers
               |
dim_products — fact_orders — dim_dates
               |
          dim_locations

fact_orders — факты (транзакции), содержит числовые метрики (сумма, количество) и ключи к измерениям. dim_* — измерения (описательные данные). Запросы вида «продажи по регионам за Q3» работают быстро благодаря этой структуре.

ClickHouse как аналитическое хранилище

ClickHouse — колончатая СУБД с огромной скоростью агрегации. На практике: запрос COUNT(*) + SUM(revenue) по таблице с 1 миллиардом строк — секунды, не минуты.

-- ClickHouse: продажи по категориям за последние 30 дней
SELECT
    category,
    sum(revenue) AS total_revenue,
    uniqExact(customer_id) AS unique_customers,
    count() AS orders
FROM orders_mv
WHERE toDate(created_at) >= today() - 30
GROUP BY category
ORDER BY total_revenue DESC;

ETL из PostgreSQL в ClickHouse: через clickhouse-local + scheduled job или Apache Airflow.

Self-service BI

Self-service означает, что аналитик или менеджер может сам построить нужный отчёт. Компоненты:

• Конструктор запросов (query builder UI) — drag & drop полей, выбор агрегаций и фильтров без SQL
• Конструктор дашборда — добавить виджет, выбрать тип графика, настроить оси
• Параметризованные отчёты — шаблон с переменными, пользователь вводит значения

Готовые инструменты для встраивания BI в собственное приложение:

• Metabase Embedded — iframe или API, white-label возможности
• Apache Superset — open-source, полноценный BI
• Lightdash — BI поверх dbt models
• Custom — TanStack Table + ECharts + headless query engine

OLAP и slice & dice

OLAP позволяет «нарезать» данные по нескольким измерениям:

• Drill-down: год → квартал → месяц → день
• Slice: только один регион из всех
• Dice: регион × категория × период
• Pivot: строки и колонки меняются местами

В BI-дашборде это реализуется через иерархические фильтры и pivot-таблицы.

Когортный анализ

Когортный анализ — группировка пользователей по периоду первого действия и отслеживание метрик во времени:

SQL для когортного retention:

WITH cohorts AS (
  SELECT user_id, DATE_TRUNC('month', created_at) AS cohort_month
  FROM users
),
activity AS (
  SELECT user_id, DATE_TRUNC('month', event_at) AS activity_month
  FROM user_events WHERE event_type = 'purchase'
)
SELECT
  cohort_month,
  EXTRACT(MONTH FROM AGE(activity_month, cohort_month)) AS period,
  COUNT(DISTINCT a.user_id)::FLOAT / COUNT(DISTINCT c.user_id) AS retention_rate
FROM cohorts c
LEFT JOIN activity a USING (user_id)
GROUP BY 1, 2;

Доступ и безопасность

• Row-level security: каждый менеджер видит только своих клиентов/регион
• Политики на уровне датасета: кто может создавать отчёты, кто только просматривать
• Аудит запросов: кто и когда смотрел какие отчёты

Сроки

MVP BI-дашборда (ClickHouse/PostgreSQL, 10–15 отчётов, базовые фильтры, пользовательские роли): 3–4 месяца. Полноценная BI-платформа с self-service конструктором, когортами, ETL и embedded SDK: 5–9 месяцев.