15 апреля 2026 г.

Как сделать дашборд в Yandex DataLens

Почему DataLens

После ухода Tableau и Power BI из России DataLens стал одной из главных альтернатив. Бесплатный (на базовом плане), интегрирован с Yandex Cloud, поддерживает все основные СУБД.

Для российских компаний, особенно тех, кто уже на Yandex Cloud, — естественный выбор. Для начинающих аналитиков — хороший вход в BI-инструменты.

Подключение источника

Первый шаг — подключение базы данных. DataLens поддерживает:

  • PostgreSQL.
  • MySQL.
  • ClickHouse.
  • Yandex Managed Databases.
  • Google BigQuery.
  • Greenplum.
  • Excel / CSV / Google Sheets.

В интерфейсе идёте в раздел «Подключения», создаёте новое. Указываете host, port, user, password, database.

Для облачных БД Яндекса подключение через SA-key или cluster ID, без ручного указания credentials. Это проще и безопаснее.

После создания подключения DataLens показывает схему — базы данных, таблицы, колонки.

Создание dataset

Dataset — это логический слой над таблицами. Здесь вы:

  • Выбираете таблицы и их связи.
  • Определяете типы полей (измерение vs мера).
  • Создаёте вычисляемые поля.
  • Настраиваете связи между таблицами (joins).

Измерения (dimensions) — категориальные поля для группировки: дата, регион, категория. В DataLens отмечены синим.

Меры (measures) — числовые агрегируемые поля: сумма, количество, среднее. В DataLens отмечены зелёным.

Можно создать вычисляемое поле:

[net_revenue] = [gross_revenue] - [refund_amount]

Или для процентов:

[margin_pct] = [net_profit] / [revenue] * 100

DataLens использует свой синтаксис, похожий на Tableau formulas.

Первый чарт

Создаёте новый chart, выбираете dataset. Видите два блока: слева поля из dataset, справа канвас для chart.

Перетаскиваете поля:

  • X (ось X) — dimension, обычно дата.
  • Y (ось Y) — мера, что считаем.
  • Цвет — для разделения на линии/столбцы.

Например, для «динамика выручки по регионам по месяцам»:

  • X = month.
  • Y = SUM(revenue).
  • Цвет = region.

Тип chart — line chart. DataLens строит график автоматически.

Типы chart

Line chart — для динамики во времени.

Bar chart — для сравнения категорий.

Pie chart — для долей (только если до 5 категорий).

Table — для детальных таблиц с несколькими metrics.

Scatter plot — для корреляций двух numeric переменных.

Heatmap — для матричных данных (cohorts, days of week × hours).

Map — для гео-данных.

Scorecard — для big numbers с сравнением periods.

Если хочется сразу закрепить тему на практике — открой тренажёр в Telegram. 10 минут в день — и синтаксис в пальцах.

Фильтры

Фильтры — must для интерактивного дашборда. Пользователь выбирает период, регион, категорию, и все виджеты обновляются.

Добавляете фильтр на дашборде:

  1. В редакторе дашборда выбираете «Селектор».
  2. Связываете с нужным полем dataset.
  3. Выбираете тип: list, range, calendar, search.

После этого фильтр появляется на дашборде и применяется ко всем виджетам, которые используют это поле.

Фильтры по умолчанию

Важная практика — задавать default values. «Календарь показывает последние 30 дней по умолчанию» — полезно. Пользователь не будет видеть пустой график каждый раз.

Настраивается в свойствах селектора.

Drill-down

Drill-down — возможность клика на элементе chart для перехода на другой уровень детализации.

Пример: клик на bar «Москва» → dashboard переходит на детальный view по районам Москвы.

В DataLens настраивается через Actions в настройках чарта.

Публикация

Когда дашборд готов, публикуете его:

Internal — доступ только для членов организации.

Share by link — публичная ссылка. Осторожно с sensitive данными.

Embed — встраивание в другие системы через iframe.

Для большинства корпоративных случаев — internal access с настройкой прав.

Права доступа

DataLens поддерживает гибкие права:

  • Admin — полный контроль над workspace.
  • Editor — может редактировать datasets, charts, dashboards.
  • Viewer — только смотреть.

Row-level security позволяет ограничивать данные на уровне строк: менеджер видит только свой регион, директор — все регионы.

Настройка RLS:

  1. В dataset добавляете поле с user identifier.
  2. Настраиваете правило: user_region = [current_user_region].

Теперь каждый видит только своё.

Оптимизация производительности

Медленные дашборды — распространённая проблема. Решения:

Материализация в БД. Вместо группировки миллиона строк в DataLens пре-агрегируйте в mart_daily. Дашборд читает 365 строк вместо 1М.

Кэширование. DataLens кэширует результаты запросов. Не делайте лишние уникальные combinations фильтров.

Лимиты. Ограничьте диапазон дат по умолчанию. «Все данные» на ноль клиентов быстро не загрузится.

Материализация чарта. Для heavy charts можно сохранить результат как snapshot.

Чтобы не только читать теорию, но и решать реальные задачи — загляните в бот Карьерника. Там по каждой теме подборка вопросов с разборами.

Типовые ошибки

Перегруженный дашборд. 30 виджетов на одной странице — пользователь потерян. Максимум 5-10 main widgets.

Плохие filter defaults. Открывается — пусто. Пользователь не понимает, что выбрать. Всегда sensible defaults.

Смешивание разных dataset-ов без join. Получается chaos. Либо один dataset с нужными связями, либо отдельные чарты.

Sensitive данные в public. Неправильные права → утечка. Всегда проверяйте доступ.

Интеграция с Yandex экосистемой

Если вся инфраструктура на Yandex Cloud, DataLens интегрируется лучше всего:

  • Источники — Managed ClickHouse, PostgreSQL, Object Storage.
  • Аутентификация через Yandex ID.
  • Scheduled refresh через Cloud Functions.

Для международных стеков (AWS, GCP) DataLens тоже работает, но преимущество интеграции меньше.

Альтернативы

Metabase — open-source, проще, меньше features.

Apache Superset — open-source, сопоставимый по functionality.

Visiology, Luxms BI — российские коммерческие альтернативы.

Loginom — специфичный для ETL / data prep.

Выбор зависит от бюджета, требований и existing stack.

Читайте также

FAQ

Сколько стоит DataLens?

Базовый план бесплатный. Pro — от 500 руб/юзер/мес.

Могут ли не-IT люди использовать?

Для просмотра — да, легко. Для создания простых charts — с обучением. Сложные datasets — всё же нужен аналитик.

Экспорт в Excel?

Да, по клику. Таблицы экспортируются, графики — как изображения.

Работает ли off-line?

Нет, облачный сервис. Требует интернет.

Тренироваться в Telegram