Перейти к содержимому
Учи.Онлайн Выбрать школу
Статья

Power BI для продакт-менеджера: дашборд метрик продукта, когорты и воронка без аналитика

Продакт-менеджер использует Power BI, чтобы самому собрать дашборд метрик продукта из сырых событий и денег. Он подключает выгрузку событий или таблицы в ClickHouse и PostgreSQL, связывает их со справочником пользователей и календарём, описывает на DAX активную аудиторию, DAU/MAU, когорты удержания и конверсию воронки активации, а затем публикует отчёт к еженедельному продуктовому ревью. Для этого нужны Power Query, модель данных, меры DAX и понимание, какие расчёты лучше сделать в базе и когда хватит Amplitude или DataLens.

Автор: редакция Учи.ОнлайнОтветственный редактор: Дмитрий Игнатьев
Содержание
Иллюстрация к статье: Power BI для продакт-менеджера: дашборд метрик продукта, когорты и воронка без аналитика

Отличие от отчётов финансиста или маркетолога в том, что продукт описывают события, а не строки продаж. Строка таблицы — это «пользователь 81 открыл проект в 10:42», и за месяц их набираются миллионы. Продуктовые метрики считают уникальных людей, а не суммы. Поэтому продакт осваивает в Power BI прежде всего две вещи: как довезти события до модели, не утонув в объёме, и как правильно считать уникальных пользователей в разных разрезах.

Когда продакту нужен Power BI, а когда хватит готовой аналитики

Amplitude и AppMetrica строят воронки и когорты по кнопке, и если вопрос касается только поведения в приложении, Power BI будет лишним слоем. Он нужен, когда ответ требует данных, которых в системе событий нет: оплат из биллинга, тарифов из CRM, обращений в поддержку. Например, удержание нужно показать только платящим компаниям на тарифе «Команда», а воронку — с разбивкой по менеджеру, который вёл сделку.

Второй повод — единая версия цифр для ревью: когда все смотрят одну страницу с одинаково определёнными метриками, спор идёт о решениях, а не о том, чья цифра правильная. Если же компания уже работает в Yandex DataLens или Apache Superset и данные лежат в ClickHouse, логика дашборда та же, а переносить его в Power BI ради самого инструмента нет смысла. Сами метрики и воронки разобраны в статье о продуктовой аналитике.

Откуда брать события: выгрузки, ClickHouse и PostgreSQL

Для старта хватает CSV-выгрузок событий в папке: Power Query объединяет файлы и подхватывает новые. Через несколько месяцев файлы тяжелеют, и разумнее подключиться к базе: PostgreSQL обычно хранит пользователей и оплаты, ClickHouse — поток событий.

С ClickHouse есть подводный камень. В документации ClickHouse об интеграции с Power BI советуют режим DirectQuery: Power BI не копирует данные, а отправляет запрос в базу при каждом щелчке по фильтру. Но в описании DirectQuery от Microsoft (обновлено 6 апреля 2026 года) указаны два ограничения: любой запрос или промежуточная операция, возвращающие больше 1 000 000 строк, завершаются ошибкой, а в облачном сервисе на один запрос отводится четыре минуты. Повысить порог строк можно только на ёмкости Premium.

Для продуктовых метрик это критично: уникальных пользователей считают по детальным данным, и когортная матрица за полгода на продукте с миллионом активных пользователей легко потребует промежуточного результата «пользователь — неделя» больше лимита. Визуальный элемент тогда выдаёт ошибку. Выход — считать тяжёлое в базе: документация ClickHouse рекомендует материализованные представления под визуализации и предагрегаты по часам, дням и месяцам. Продакт просит инженера данных сделать таблицу «пользователь — день — ключевые действия» и загружает уже её. Там же описана мелочь, на которой спотыкаются новички: столбцы UInt64 и шире автоматически не загружаются, а идентификаторы пользователей часто хранятся именно так. Тип меняют в Power Query, например на текст.

Учебный пример: дашборд к еженедельному ревью

Ситуация учебная. Сервис командного планирования задач работает по подписке. Продакт хочет к каждому понедельнику видеть одну страницу: сколько людей пользуются продуктом, доходят ли новые команды до первой пользы и удерживаются ли пришедшие после релиза.

В модели четыре таблицы: «События» — агрегат из ClickHouse, «Пользователи» с датой регистрации и тарифом из PostgreSQL, «Оплаты» из биллинга и календарь. Пользователи связаны с событиями и оплатами по идентификатору, календарь — по дате. В пользователей добавляют столбец «Неделя регистрации», в события — «Номер недели жизни»: сколько полных недель прошло от регистрации.

Мер немного. «Активные пользователи» — DISTINCTCOUNT по идентификатору в событиях: в разрезе дня это DAU, в разрезе месяца — MAU. Удержание на DAX выглядит так:

Размер когорты =
CALCULATE ( [Активные пользователи], 'События'[Номер недели жизни] = 0 )

Удержание % =
DIVIDE ( [Активные пользователи], [Размер когорты] )

В матрицу ставят недели регистрации по строкам и номера недель жизни по столбцам. Первая мера заменяет фильтр столбца на нулевую неделю, поэтому знаменатель в каждой ячейке строки — это вся когорта.

На первом прогоне в правом нижнем углу матрицы обычно видна ложная тревога: у свежих когорт удержание на поздних неделях резко ниже. Это незрелые ячейки — эти недели ещё не прошли. Их скрывают мерой, которая возвращает пусто, если неделя регистрации плюс номер недели позже последней полной недели в данных.

Воронка активации и сравнение до и после релиза

Что считать активацией, продакт решает сам. Пусть это команда, которая за первые семь дней создала проект, добавила пять задач и пригласила коллегу. Каждый шаг — мера, которая считает пользователей с нужным событием в окне семи дней от регистрации, а шаги выводят в визуализацию «Воронка» с долями от первого шага.

До и после релиза сравнивают на одинаковых окнах: когорты четырёх недель до выкладки против четырёх после, по одной мере активации. Даты релизов выводят на график вертикальными линиями. Разница до и после не доказывает эффект: на неё влияют сезонность, реклама и смена трафика. Если решение дорогое, нужен A/B-тест, а дашборд подсказывает, где его ставить.

С чего начать и в каком порядке осваивать

Порядок повторяет путь данных от источника к выводу. Если начать с визуализаций, ошибки в связях и подсчёте уникальных пользователей останутся незамеченными, а когортная матрица будет выглядеть убедительно и врать. Поэтому сначала данные и модель, потом меры, затем страница для ревью.

  1. Выгрузите события за один месяц в CSV и загрузите их через Power Query, задав типы столбцов.
  2. Постройте модель: события, пользователи, календарь, связи «один ко многим».
  3. Напишите меры активной аудитории и сверьте DAU за один день с цифрой из системы аналитики.
  4. Добавьте когортную матрицу и скройте незрелые ячейки.
  5. Опишите воронку активации и проверьте каждый шаг на десятке реальных пользователей.
  6. Подключитесь к базе и решите, что считать в ClickHouse или PostgreSQL, а что — в DAX.

Первые три шага можно пройти самостоятельно по бесплатной документации Microsoft и обезличенной выгрузке своего продукта. Если нужен маршрут с проверкой заданий, на курсе Skillbox «Продуктовая аналитика» этому посвящён второй уровень «Дашборд и работа с данными»: там разбирают подключение источников в Power BI, программа рассчитана на два месяца, а в итоге остаётся сводный дашборд.

Открыть курс «Продуктовая аналитика»

Упражнения и типичные ошибки

Хорошее упражнение — посчитать MAU за прошлый месяц в Power BI и запросом к базе: если цифры расходятся, ищите дубли пользователей или события до регистрации. Второе — объяснить коллеге, почему итог матрицы не равен сумме ячеек.

Самая частая ошибка связана как раз с этим: уникальных пользователей нельзя складывать. MAU не равен сумме DAU за месяц, потому что один человек активен много дней, а DAU/MAU считают как среднее DAU за дни месяца, делённое на MAU. Вторая ошибка — путать дату события с датой загрузки: события с телефонов приходят с опозданием, и вчерашний день выглядит провалом. Третья — считать активностью любые события, включая служебные вроде фонового обновления токена.

Ещё одна ловушка — дашборд, который никто не открывает на ревью. Какие пять цифр важны команде, быстрее понимает тот, кто учится внутри продуктовой работы. Например, на курсе Skillbox «Product Owner» Power BI стоит в аналитической части программы рядом с метриками, воронками и юнит-экономикой, а задачи идут через симулятор кейсов. Обучение длится восемь месяцев — это вариант для тех, кому нужен весь продуктовый маршрут.

Открыть курс «Профессия Product Owner»

Обновление, шлюз и доступ из России

Отчёт, который обновляют вручную, через месяц перестают открывать. Чтобы облачный сервис Power BI обновлял данные из баз внутри сети компании, нужен локальный шлюз данных — программа на сервере, через которую облако забирает данные; документация ClickHouse прямо называет его обязательным.

Для российских компаний вопрос часто решает не техника, а доступ к облаку Microsoft; ограничения подробно разобраны в статье о профессии BI-аналитика. Power BI Desktop годится для разработки и личной работы, а дашборды для команды многие компании публикуют в DataLens или Superset. Модель, меры и подход к когортам переносятся, формулы придётся переписать.

Как навык влияет на доход

Отдельной надбавки за Power BI для продакт-менеджеров открытые источники не публикуют. В статье Хабр Карьеры о профессии менеджера продукта от 17 августа 2026 года по данным зарплатного калькулятора сервиса медиана названа на уровне 292 тысяч рублей в месяц, у джуна — 124 тысячи, у мидла — 243 тысячи, у сеньора в среднем 355 тысяч, у лида — 478 тысяч. Период выборки и то, указаны суммы до или после налога, в статье не уточнены.

Показательно, что среди требований там названы базовый SQL и умение читать дашборды, а Power BI отдельно не упомянут. Построение отчётов — не вход в профессию, а преимущество: продакт, который сам проверяет гипотезы на данных, меньше ждёт аналитика и увереннее защищает решения. Чтобы оценить рынок своего города, сравните медианы в вакансиях с упоминанием BI-инструментов и без него, с поправкой на опыт.

Как выбрать обучение

Сначала решите, чего не хватает: инструмента или продуктового мышления вокруг него. Если вы уже ведёте продукт, достаточно программы, где Power Query, модель и DAX разбирают на практике. Если метрики тоже новые, нужна программа, где BI идёт в связке с исследованиями и экономикой продукта.

Тем, кто работает на стыке продукта и маркетинга, подойдёт другой формат: на курсе Skillbox «Продуктовый маркетолог + ИИ» есть блок BI и нейросетей, где проходят Power Query, модель данных, DAX и интерактивные дашборды. Программа длится шесть месяцев; перед оплатой уточните у школы, как организован доступ к Power BI и кто проверяет задания.

Открыть курс «Профессия Продуктовый маркетолог»

В описании любой программы проверьте, есть ли практика на событийных данных, а не только на продажах магазина, учат ли считать уникальных пользователей и когорты и разбирают ли подключение к базе с обновлением по расписанию. Такой навык переносится и в DataLens, и в Superset.

Сравнить школы по практике и условиям поможет рейтинг онлайн-школ по продуктовой аналитике на Учи.Онлайн. Хороший ориентир при выборе — сможете ли вы после обучения сами собрать страницу к понедельничному ревью и объяснить команде, как посчитана каждая цифра на ней.