Перейти к содержимому
Учи.Онлайн Выбрать школу
Статья

Apache Superset: бесплатные дашборды на SQL — как аналитику собрать BI без Power BI и Tableau

Apache Superset — открытая BI-система фонда Apache, которую компания ставит на свой сервер и не платит за лицензии. Аналитик подключает к ней базу данных, например PostgreSQL или ClickHouse, пишет запрос в редакторе SQL Lab, сохраняет результат как датасет, строит по нему чарты и собирает дашборд с фильтрами. Администратор раздаёт роли и ограничивает строки, которые видит каждая группа пользователей. Для работы нужны уверенный SQL, понимание таблиц базы и минимальные навыки Docker, если систему разворачиваете вы сами. Ниже — чем Superset отличается от Power BI и DataLens, учебный пример, права доступа, кеш и порядок освоения.

Автор: редакция Учи.ОнлайнОтветственный редактор: Дмитрий Игнатьев
Содержание
Иллюстрация к статье: Apache Superset: бесплатные дашборды на SQL — как аналитику собрать BI без Power BI и Tableau

Главное заблуждение — считать Superset бесплатной копией Power BI. В Power BI аналитик загружает данные в модель и считает показатели формулами DAX. В Superset такой модели нет: датасет хранит лишь метрики и столбцы, а каждый чарт превращается в SQL-запрос к вашей базе, и скорость дашборда определяет база, а не BI-система. Лицензия бесплатна, но кто-то должен держать сервер, обновлять версии, настраивать кеш и права.

Кому подходит Superset и когда взять другой инструмент

Superset выбирают компании, у которых данные уже лежат в аналитической базе и есть люди, пишущие SQL: продуктовые аналитики, инженеры данных, BI-разработчики. Частая причина — нежелание передавать данные во внешнее облако и платить за каждого зрителя.

Если отчёты строят менеджеры без SQL, проще облачный сервис с готовыми коннекторами вроде DataLens или привычный Power BI; о них у нас есть отдельные статьи, как и о профессии BI-аналитика. Для простых вопросов к базе («сколько заказов вчера по городам») часто хватает Metabase с конструктором запросов без кода или Redash — по сути редактора SQL с графиками. Superset оправдан, когда дашбордов десятки, нужны разные роли и фильтр по строкам.

Кто не хочет администрировать сервер, может взять облачный Superset от компании Preset: по странице тарифов на октябрь 2026 года бесплатный тариф Starter — одно рабочее пространство и до пяти пользователей. Российской компании стоит заранее проверить, можно ли передавать туда данные.

Из чего собирается дашборд

Работа в Superset идёт по цепочке из четырёх объектов. Подключение к базе задаётся строкой SQLAlchemy URI. По документации Superset для PostgreSQL нужен драйвер psycopg2 и строка вида postgresql://пользователь:пароль@хост/база, для ClickHouse — пакет clickhouse-connect и схема clickhousedb://. Драйвер PostgreSQL в сборке Docker Compose уже есть, остальные добавляют в файл docker/requirements-local.txt.

Датасет бывает физическим — это таблица или представление базы — и виртуальным, то есть сохранённым SQL-запросом. Виртуальный датасет обычно рождается в SQL Lab: аналитик пишет и проверяет запрос, затем сохраняет его. В датасете добавляют метрики, например SUM(amount), и указывают столбец времени. Чарт строится поверх датасета: тип визуализации, метрика, группировка, шаг времени. Дашборд собирает чарты на одной странице и добавляет нативные фильтры — по периоду, городу, категории, — которые действуют сразу на несколько чартов.

Учебный пример: время доставки по городам

Ситуация учебная. Сервис доставки хранит заказы в PostgreSQL: номер заказа, город, курьер, время создания, время доставки, сумма. Операционный директор хочет видеть среднее время доставки и долю опозданий по дням, а руководители городов — только свой город.

Аналитик подключает базу под пользователем только с правом чтения и в SQL Lab пишет запрос, который считает минуты доставки как разницу двух меток времени и помечает заказ опоздавшим, если прошло больше 60 минут. Результат он сверяет с ручным подсчётом операционной службы за один день и только потом сохраняет запрос как датасет.

В датасете аналитик заводит две метрики: среднее время доставки и долю опоздавших заказов. На дашборд попадают крупное число с линией тренда, линейный график по дням и столбцы по городам. Фильтры периода и города привязываются ко всем чартам. Остаётся раздать доступ: директору — весь дашборд, руководителю Казани — только строки своего города.

Роли и фильтр по строкам: где он не работает

В Superset есть встроенные роли. По разделу о безопасности Admin получает все права, Alpha видит все источники и редактирует свои объекты, Gamma только просматривает дашборды и чарты на доступных ей данных, а отдельная роль sql_lab открывает редактор запросов. Фильтр по строкам (Row Level Security, RLS) создают в меню безопасности: указывают датасет, роли и условие, например city = ‘Казань’. Это условие Superset дописывает в WHERE каждого запроса, который строит чарт, а несколько подходящих фильтров объединяет через AND.

Ловушка в том, что запросы SQL Lab по умолчанию идут в базу без этих условий. В списке флагов функций применение RLS к SQL Lab вынесено в отдельный флаг RLS_IN_SQLLAB: по умолчанию он выключен, отнесён к тестируемым, а описание предупреждает, что включение требует разбора запроса, может ломать запросы или допускать обход RLS. На практике это значит: если руководитель Казани получил роль sql_lab и доступ к базе, он напишет SELECT по таблице заказов и увидит все города, хотя на дашборде видит только свой. Поэтому тем, кого ограничивают фильтром по строкам, SQL Lab обычно не выдают, а для аналитиков, которым он нужен, заводят в базе отдельного пользователя или представление только с разрешёнными данными.

Кеш и скорость дашборда

Без кеша дашборд из двенадцати чартов при открытии и при каждой смене фильтра отправляет в базу двенадцать запросов. Помогает кеш, но без настройки его нет. По документации о кешировании для данных чартов по умолчанию используется NullCache, который ничего не сохраняет, а рекомендуемый бэкенд — Redis. Срок жизни кеша Superset ищет по цепочке: настройка чарта, затем датасета, затем базы и только потом общее значение; число -1 отключает кеш на любом уровне.

Кеш не спасает от медленного первого запроса: если датасет каждый раз соединяет три большие таблицы, лучше попросить инженера данных собрать витрину.

С чего начать и в каком порядке осваивать

Порядок ниже идёт от самого дешёвого шага к самому трудному. Пока нет работающего экземпляра и тестовой базы, не на чем пробовать запросы; без проверенного датасета чарты покажут неверные цифры; права и кеш имеет смысл настраивать, когда уже есть что защищать и ускорять.

  1. Поднимите Superset локально. По инструкции для Docker Compose достаточно клонировать репозиторий командой git clone --depth=1 и запустить docker compose -f docker-compose-image-tag.yml up; интерфейс откроется на localhost:8088, вход admin/admin. Разработчики прямо пишут, что такая установка не готова к продакшену.
  2. Подключите учебную базу PostgreSQL или ClickHouse и посмотрите таблицы в SQL Lab.
  3. Напишите несколько запросов с группировкой, соединением и оконной функцией, сохраните один как виртуальный датасет и добавьте в него метрики.
  4. Постройте три-четыре чарта разных типов и соберите дашборд с фильтрами периода и категории.
  5. Создайте тестовую роль, фильтр по строкам и проверьте под ней, что видно на дашборде, а что в SQL Lab.
  6. Подключите Redis, задайте срок кеша и сравните время открытия дашборда.

Если SQL уже знаком, этого плана хватит. Тем, кто начинает с нуля, удобнее пройти SQL и визуализацию в одной программе: на курсе Хекслета «Аналитик данных» после трёх блоков SQL идёт визуализация в Superset, а в портфолио входят три проекта, включая анализ продаж и сквозную аналитику онлайн-школы. Срок — от 8 месяцев, и Superset здесь лишь один из инструментов профессии.

Открыть курс «Аналитик данных»

Упражнения и типичные ошибки

Хорошая тренировка — собрать один отчёт на физическом и на виртуальном датасете и сверить итоги с ручным подсчётом в SQL Lab. Второе упражнение — создать пользователя с ролью Gamma и фильтром по строкам и пройти под ним по всем разделам: так становится видно, что именно открыто.

Новички чаще всего ошибаются в четырёх местах. Подключают BI под пользователем базы с правом записи. Строят чарт по виртуальному датасету, в котором соединение размножило строки, и не сверяют сумму с источником. Выдают SQL Lab всем «на всякий случай» и тем самым обходят собственный фильтр по строкам. Оставляют локальную установку с admin/admin и стандартным секретным ключом и открывают её в интернет.

Где учиться дальше

Чаще Superset входит в профессию аналитика данных наряду с другими системами визуализации. Так устроен курс Нетологии и МФТИ «Аналитика данных»: Python, статистика, SQL и PostgreSQL, а для представления результатов — DataLens, Qlik и Superset. Обучение занимает от 9 до 10 месяцев; выдают два диплома о профессиональной переподготовке; сколько времени уходит именно на Superset, по описанию не понять, это стоит уточнить у школы.

Открыть курс «Аналитика данных c МФТИ»

Если вам ближе другая сторона работы — наполнить хранилище и подготовить витрины для дашбордов, — смотрите на курсы инженерии данных. Порог входа там выше: нужны Linux, Python и SQL.

Пример такой программы — курс Слёрма «Инженер данных: основы работы»: 120 часов, из них 88 практических, перенос данных из PostgreSQL в ClickHouse, витрины, dbt и Airflow, а среди BI-инструментов в программе назван Metabase. Superset в описании не упоминается, поэтому курс подходит тем, кто готовит данные для дашбордов, а не учится собирать их в самом Superset.

Открыть курс «Инженер данных: основы работы»

Как Superset влияет на доход

Отдельной зарплатной статистики по Superset нет: это строка в требованиях вакансии, а не профессия. На странице навыка Superset на «Хабр Карьере» при проверке 15 октября 2026 года была одна открытая вакансия — старший продуктовый аналитик в Москве с возможностью удалённой работы, без указанной зарплаты, рядом с ClickHouse и SQL. Это не статистика, а лишь пример окружения навыка.

Ориентир дают зарплаты профессий, в которых Superset используется. По материалу «Хабр Карьеры» от 10 августа 2026 года медианная зарплата IT-специалиста в России в первом полугодии 2026 года составила 191 тыс. рублей, медиана инженера по данным — 250 тыс.; это все уровни вместе, методика в статье не раскрыта. Навык сам по себе прибавку не даёт, но позволяет брать задачи BI-разработчика: настроить отчётность без лицензий, перенести дашборды из Tableau или Power BI, разграничить доступ. В вакансиях смотрите регион, уровень и указана ли сумма до вычета налога.

Как выбрать обучение

Перед оплатой проверьте три вещи. Есть ли практика на настоящей базе, а не только на загруженном CSV: в Superset основная работа идёт через SQL. Разбирают ли права доступа и фильтр по строкам, ведь без них дашборд нельзя показать нескольким отделам. Дают ли собрать дашборд, который можно показать работодателю вместе с запросами. Для сравнения школ подойдёт рейтинг онлайн-школ с обучением BI и Power BI — он шире Superset и в основном посвящён Power BI, поэтому программу каждого курса сверяйте со своей задачей: нужен ли вам открытый инструмент на своём сервере или облачный сервис.