Что лучше 1с или power bi
Михаил, у вас найдется время пояснить как в Питоне обстоят дела с графиками. Построение графиков в Питоне удобная фича или это область относится к «в принципе решаемым задачам»? Я переживаю, а вдруг это какой-то недружелюбный гемморой, нужно поставить несколько разных приложений — одни для графиков, другие для того, чтобы первое могло строить графики (утрировано). Меня больше всего раздражает необходимость прыгать из продукта в продукт. Люблю законченные элегантные решения. Дело в том, что у меня много идей, они так часты, что для меня важна скорость от момента возникновения мысли до ее воплощения. Важно чтобы я не утратил энергию от новой идеи и она не увязла в технических моментах. В Excele проблем небыло, разве что иногда бесило ВПРить. С графиками было легко: сделал столбец, на панеле пару кнопок нажал и вот график. Через месяц легко будет уже совсем другой столбец добавить, а первоначальный убрать. Нравится в экселе то, что свое творчество быстро можно реализовать.
Все эти нюансы для меня важны по той причине, что я такой человек, который не по кальке действует как робот из года в год делая одно и тоже по наработанному алгоритму, а постоянно меняю алгоритмы. Сегодня был один набор столбцов, завтра добавлю еще два. Для меня важно чтобы код легко следовал за потоком мысли, а не пил из меня энергию мыслями «блин, это че, все опять переписывать? Да ну его, может завтра решусь».
Не знаю понятно ли объяснил то ощущение в Excele которое хотел бы сохранить в новой среде. Мне нравится ощущение развязанных рук, я хочу пересесть (пусть даже с трудностями) в такую же свободную среду, где смогу творить.
В общем у меня два вопроса — удобно ли графики делать и второй вопрос — Питон удачное решение для человека, находящегося в постоянном поиске и проверке своих идей?
Александр Петров, графики не проблема — есть специальная библиотека matplotlib заточенная под рисование графиков. Полистайте — думаю многое вы в Excel не сможете нарисовать в принципе.
Работа с данными — это всегда много экспериментов, и возможно только в перспективе какая-то единая программа. В Питоне многое сделано для это — так называемые Python notebooks. Некая последовательность ячеек в которые можно вводить текст, код, выводить промежуточные результаты, графики, менять все на лету и т.д. Вот пример моего анализа ВВП.
Конечно, многое прийдется изучить Python + набор библиотек для анализа данных, но это окупается. Многие вещи, делаются буквально пару команд, а проблем с 50 МБ не возникает. Сам раньше возился с Excel файлами, но ушел в сторону Python и не желею. Тут ролик про акции — автор оперирует данными из 500 000 строк на лету.
При этом Python это я зык общего назначения, который по известной поговорке является вторым лучшим языком для всего. Потенциально вы сможете сделать все, что захотите на уровне близком к самым лучшим вариантам в практически любой области. А в области анализа данных это бесспорно первый язык.
С другой стороны, если вам нужно просто рисовать графики по имеющимся данным, то можно найти вариант и по проще.
«очень нужен совет, чтобы быть уверенным что мне это подойдет. » многим профи подходит. почему думаете вам не подойдет? Скачайте демо, посмотрите… наверняка есть видео в свободном доступе ознакомительные… mariam, я прошел бесплатный курс из трех онлайн-уроков, повторял все вслед за автором, неоднозначные ощущения, язык DAX скорее отталкивает. Выразить словами сложно, просто хочется избавиться от всего этого, при этом я усердно выполнил все задания, старался. Повторяю выразить сложно словами впечатления А задача то какая непонятно?Если накапливать данные, то сколько их будет? может и Excel хватит.
Если БД интересует, то уж лучше MS Access освоить, тем более что как понимаю VBA как-то использовали. По философии языка они похожи.
Есть мастера для запросов на первое время. Они конечно «несколько» отличаются от стандартного SQL, по мере освоения сами поймете где что подпилить. Книг «для чайников» навалом.
Что точно хорошо работает — интеграция с Excel. Данные будет легко туда-сюда гонять. Да и выгрузка данных с квика простая. kachanov, задача анализ для долгосрочной торговли (найди-купи и держи), для накопления без формул действительно хватает Excel, с формулами файл уже много весит и раздражает работать через ВПР и ф-ции поиска, столбцов с формулами леплю много, так как основной массив это промежуточные вычисления, а я люблю чтобы конечный итог разбивался по промежуточным значениям, т.к. формулы большие и если я ее не разобъю на отдельные смысловые блоки, то путаюсь и долго вспоминаю каким образом свою задачу решает этот столбец, а когда он расписан по промежуточным столбцам мне проще. Затем свожу все в рейтинговые таблицы акций, иногда хочется построить график по годам. например по показателю p/e или какому-либо другому мультипликатору. Данные из квика мне не требуются т.к. долгосрочная торговля. В основном сбор данных ручной — переношу руками из PDF-отчетов МСФО и основная задача это его проанализировать Александр Петров, есть такая засада в Excel, сам столкнулся
Тогда совет прежний MS Access, на мой взгляд самый простой путь, достаточный для данной прикладной задачи kachanov, да, спасибо, я видел вашу рекомендацию. Сам присматривался в свое время долго к MS Access, правда это было еще в 2010 году. Но сейчас, по моему делитантскому мнению, из этих двух продуктов MS (имеется в виду Power BI и MS Access) я бы точно выбрал Power BI за хорошую интеграцию всего в одном приложении (можно строить очень красивые графики не прибегая к другим приложениям). Может у вас найдутся контраргументы, но в моем представлении MS Access «подсидел» Power BI, ну в смысле Power BI современнее и на его успех сделана большая ставка компании.
Ну как бы нет смысла учить «предтечу» до Power BI. Уже сразу учить Power BI так как одинаково сил займет прыжок что туда, что сюда. Если прыгать то уже во что-то более интересное. Возможно я очень ошибаюсь на счет MS Access, но сейчас мое мнение такое. Хотелось бы услышать сильные аргументы в пользу MS Access.
Александр Петров, мне сложно аргументировать, поскольку про Power BI я вообще от Вас первый раз услышал (кстати, спасибо за наводку)
Прочитаю обзоры — смогу высказаться более предметно.
Пока первое впечатление такое — это эдакий построитель красивых отчетов с использованием множественных источников данных. Т.е. его нельзя сравнивать напрямую ни с Excel, ни с Access. Это просто агрегатор данных, которые он способен как-то обрабатывать и красиво представлять. Насколько могу судить данные он не хранит, т.е. где-то их придется брать или создавать свое хранилище отдельно. Возможно для Вас будет оптимальным собирать и хранить данные в Excel, а потом обрабатывать их в Power BI. Поскольку с отчетами в MS Access реально плохо (было раньше и думаю ничего не изменилось), то тут однозначно Power BI окажется кстати. Использовать только Power BI и ничего больше — не получится, в этом я практически уверен.
Дальше надо смотреть как он способен агрегировать данные. Если требуется (а это скорее всего) иметь уникальные столбцы для связи нескольких таблиц, то по факту придется реализовать в Excel аналог базы данных. Тогда уже проще сразу использовать связку MS Access + Power BI для тех же целей.
kachanov, могу посоветовать курс бесплатный, я его проходил каждый урок и руками повторял прямо за автором в Power BI. Сам Power BI бесплатно можете скачать прямо на официальном сайте, он будет полноценно работать даже если забить на регистрацию. Я регистрацию пропустил и приложение лояльно к этому отнеслось. Я так понял платная версия нужна только для работы в облаке для несколькоих человек (ставка на корпоративных клиентов). Из курса возможно будет понять что стоит за красивым глянцем, который так часто выпячивают в качестве достоинства продукта и посмотреть как устроен сам язык DAX и база данных.Лично я сам, в ходе обсуждений этой темы в комментариях, решил не брать платный курс Power BI и остановить свой выбор на Питоне. Какие-то аргументы привести в пользу этого решения не могу, кроме разве того, что есть внутренний отклик ввязать в такое приключение, и окончательное осознание того факта, что к Power BI я по какой-то неизвестной мне причине охладел после знакомства с языком DAX (именно по этой причине и создал эту тему — чтобы от него отговорили в пользу чего-то другого), при всех его бесспорных достоинствах. Если решитесь проходить курс, то отпишите потом о своих впечатлениях о Power BI — очень интересно получить отзыв-сравнение от пользователя Access.
Александр Петров, спасибо, но курс я точно проходит не буду, мне документации на сайте MS пока достаточно.
DAX — это поделка, которая решает только одну задачу — сделать язык SQL-запросов более дружелюбным для пользователя. По непонятным мне причинам эта попытка встречается регулярно, не только в исполнении MS, хотя как правило в итоге получается некий монстр: и пользователю понятней не становится и сама процедура создания запроса превращается в какой-то квест. Не удивлен, что у Вас нет восторга после такого знакомства . Если человек ранее не сталкивался и не работал на языке SQL-запросов, то все эти поделки как минимум непонятны.
Мне в свое время хороший программист дал совет изучить основу, сам SQL и после этого все стало очень просто.
Про Питон ничего не скажу, надобности в нем никогда не возникало.
А вот связка MS Access + Power BI для обработки отчетов меня заинтересовала, есть над чем подумать
DAX действительно может быть сложен в понимании по началу, нужно изучить фундаментальные принципы его работы. Но зато формулы написанные на нем получаются компактными, даже по сравнению с sql кода в разы меньше.
Ну и из плюсов, так же как и в Excel, удобная интеграция с чем угодно, причем есть графический режим и расширенный, с редактором кода.
В прошлом году я проводил небольшой конкурс на выбор BI для нашего проекта. Я руковожу направлением BI и аналитики Питерской клинике «Скандинавия». Никакого BI до этого в нашей клинике не было и одна из моих задач была в его создании. Я попросил представителей 4-х известных вендоров (Tableau, Power BI, Qlik, Oracle) провести для меня презентацию. Ниже я собрал в кучу то, что они они мне рассказали про свои системы и краткое субъективное впечатление от каждой из них. Почему субьективное? Потому что я не поставил все системе себе и не проработал с ними пару лет (хотя с Tableau я до этого работал), чтобы составить более полное представление, а скорее опирался на то, как представили мне все менеджеры. Ну а менеджеры бывают разные, презентации бывают разные. Так что смотрите, что вышло:
Ребята из Oracle очень старались, но я вообще не пониманию, как может быть не стыдно продавать такой слабый продукт за такие деньги, да еще с такой абсолютно безумной структурой попилки на модули. Куда ни ткни, очередной продукт с какой-то тележкой прочего функционала за большие деньги. Причем каждый продукт в отдельности — это кастрат. Хотите чашку кофе? Отлично, у нас есть вкусный, горячий кофе в кружке, но без ручки. А ручка в другом продукте «Oracle средства держания», в котором так же имеeтcz кусочек сахара и салфетка. Но я не пью с сахаром… Еще кофе в не enterprise edition можно пить не больше 2х раз в день и только перед сном! С вас 150 тысяч долларов, пожалуйста!
Qlik вроде ничего, но странные. Их эта «фича», что они такие молодцы и могут объединять на лету все источники в одну схему в памяти. А потом на ней стоить дашборды! Они так на это напирают, будто это что-то особенное. Но это умеют делать все системы BI! Эта ваша главная фича? Так что не отпускайте менеджеров без спецов по теме на подобные презентации.
По сравнению с power BI и Tableau отстают по функционалу и стоят больше денег. Тут вам и лицензии за установку, а потом еще и за саппорт. С ними в итоге выбор простой: Qlik — слабее и дороже, чем Tableau/Power BI.
Мои личные предпочтения я бы отдал Tableau и Power BI. Между ними трудно выбрать, power BI не много отстает, но довольно быстро выпускает патчи и закрывает гэп. Стоимость схожая, а если у вас есть уже технологии MS, то вы вообще можете получить power BI report server бесплатно. Так что выбор между эти системами уже больше зависит от обстоятельств конкретного бизнеса. В освоении обе системы не очень сложные и результат от них можно начать получать довольно быстро. Ну а мастерство в использовании в обоих случаях требует времени и обучения.
Если 10 лет назад знания Excel для бухгалтера считались высшим пилотажем, то сейчас, извините, нет.
Бывали на совещаниях, где сидят маркетологи и айтишники? Тоже поражались, откуда они набрались всех этих слов? Никуда не денешься, надо понимать, о каких таких «метриках», на увеличение которых направили бюджет на «охватные кампании в соцсетях», толкуют SMMщик и продакт.
Большинству бухгалтеров и финансистов (если это не финдир Газпрома) названия Tableau, SQL, Power BI, Python кажутся набором букв. Можно подумать, что эти инструменты относятся к компетенции программистов и маркетологов, но никак не бухгалтеров.
Относятся, и еще как.
И мы вместе с Еленой Герасимовой, руководителем факультета «Data Science и аналитика» онлайн-университета «Нетология» рассказываем, почему.
Не хочется, но придется
Раньше никто не жаловался. Все работали в привычном Excel, об инструментах Tableau, SQL, Power BI, Python мало кто знал, но это не отменяло их существование.
Но профессии трансформируются. Рынок труда уходит от мышления профобязанностями к мышлению компетенциями.
Кризис дает о себе знать. Компании сокращают штат или отдают работу на аутсорсинг. К оставшимся сотрудникам в штате начинают предъявлять большие требования.
Бухгалтер недоумевает: зачем узнавать новое, если все и так нормально получается в Excel? Да потому что это видимость, что Excel покрывает все потребности финслужбы. А директор, который сходил на модную конференцию про автоматизацию, не преминет об этом сказать.
А когда директор поговорит с молодым специалистом, который не признает привычный Excel, шансов у бухгалтера, работающего по старинке, становится еще меньше. Молодой специалист еще и стоит дешевле.
Вывод один: бухгалтер должен уметь запрашивать (и делать ее понятной руководству) аналитику самостоятельно, не привлекая программистов.
Системы аналитики и визуализации TABLEAU И POWER BI
И вот как раз Tableau специализируется на анализе данных через визуализацию. В нем легко создавать интерактивные дашборды, которые позволяют изучить динамику, тренды и структуру данных.
Плюсы:
Минусы:
- программа на английском;
- сложность во внедрении мало экспертов со знание администрирования этой платформы.
Tableau больше подойдет человеку, который готов больше развиваться в визуализации, настраивать свое рабочее окружение и нарабатывать себе портфолио (Tableau позволяет делиться своим публичным профилем эксперта).
Интерфейс был создан, чтобы расширить функционал MS Excel и прокачать его до требований времени.
Плюсы:
- интерфейс будет хорошо знаком пользователям Windows (т.е. каждому);
- Power BI тесно связан с MS Excel, Azure Cloud Service и SQL Server;
- быстрая разработка информативных бизнес отчетов;
- прост во внедрении;
- приемлемые цены на лицензии.
Совет. Если вы работаете на Microsoft, то обучайтесь сразу в Power BI, а не Tableau.
Языки работы с данными SQL И PYTHON
Рассказываем, почему самый популярный набор инструментов у аналитиков, это, пожалуй, Python SQL.
Например, есть некий набор данных (грубо говоря, табличка Excel). И из этого набора надо выбрать какие-то данные или посчитать итоги по известным критериям. В Excel это делается автофильтрами, автосуммами или можно написать макрос, который сам пролистает строки и нужное посчитает.
Здесь можно сделать выборку или базовый подсчёт с помощью SQL-запроса.
Для комфортной работы достаточно выучить около двадцати команд и научиться доставать данные без участия программистов.
Если же нужна глубже зарыться в преобразование данных, можно достать и подготовить все с помощью SQL-запросов, а дальнейшие вычисления предоставить шустрому Python с его готовыми скриптами и библиотеками.
Возьмем, к примеру, трейдинг и фондовые рынки. Это золотые кейсы для Python. Совсем недавно этот вид деятельности был по плечу лишь институциональным инвесторам с миллионными бюджетами, однако сегодня при наличии ноутбука и интернета фактически любой может этим заниматься. Во многом благодаря Python трейдинг стал доступным. Торговать в автоматическом режиме можно почти любыми финансовыми инструментами: акциями, валютами, сырьем или кредитными продуктами.
Благодаря Python можно, к примеру:
- рассчитывать риски по акциям;
- делать прогнозы по возврату кредитов;
- автоматизировать анализ кредитной истории;
- смотреть на корреляцию каких-либо факторов для активов в портфеле.
Так что в итоге?
С каждым даже не годом, а месяцем работодатели все больше будут ценить тех, кто умеет обращаться с базами данных, доставать оттуда нужные данные и визуализировать их сами, без разработчиков.
Бухгалтер, который победит Tableau, SQL, Power BI, Python, становится автономной боевой единицей.
А самое главное, что овладев новыми компетенциями, вы всегда будете в выигрыше и не только на своем месте работы. Благодаря аналитике и визуализации развитие финансиста и бухгалтера перестает быть тупиковым. Раньше штатный финансист мог претендовать на финдира, а с новыми ключевыми знаниями в его сфере открывается широкая линейка ролей. Например смело можно идти в сферу аналитики BI.
Не бойтесь учиться. Если не станете программистом, то, как минимум, поймете, что айтишники не небожители и сможете быть более эффективным, говоря с ними на одном языке.
В данной статье я хотел бы подробнее остановиться на данной теме, так как данные из 1С в том или ином виде есть почти у каждого нашего клиента. Всего мы знаем 5 разных способов подключения к данным, из которых в своей практике использовали 4:
- выгрузка файлов Excel/XML в папку;
- коммерческий коннектор (АТК, BI Consult, Первый Бит);
- публикация базы 1С в вебе и подключение к ней по протоколу oData;
- построение собственной аналитической базы SQL и наполнение ее выгрузками из 1С;
- подключение напрямую к рабочей базе SQL 1С и разбор метаданных.
1. Выгрузка файлов Excel в папку или на FTP сервер
Отличный способ, когда нужно максимально быстро и просто получить обновляемые файлы из базы 1С. С помощью штатного инструмента 1С Рассылка отчетов вы можете выложить файлы в общую папку на сервере/FTP ресурс/облачный диск. Программисты 1С вместо Excel файлов могут использовать XML файлы, которые используют при обменах между базами 1С.
В первую очередь вам нужно подготовить Универсальный отчет . В отчете вы задаете какой объект конфигурации вам нужен, какая таблица, период, указываете отбор. Далее вы сохраняете получившийся вариант отчета.
Далее вам нужно воспользоваться инструментом Рассылка отчетов . Вы указываете подходящий Вариант отчета , настраиваете расписание, формат выходного файла и его местоположение.
Вы можете задать локальную папку, сетевую или FTP ресурс.
Наверно, самым большим ограничением данного способа, является то, что сложно обеспечить добавление данных и обычно предполагается, что каждый файл перезатирает предыдущий. Таким образом поддерживается достоверность данных.
Конечно, такой способ отлично работает когда файлов относительно немного. Если речь пойдет о сотнях файлов со сложной структурой и расписанием, то наверно из этого способа вы уже выросли и стоит перейти к следующим.
Примерные трудозатраты и бюджет : условно бесплатно, можно сделать самостоятельно без участия программистов, максимум 1 час на каждый файл.
2. Коммерческие коннекторы (АКТ, BI Consult, Первый Бит и другие)
Крупные игроки на рынке BI аналитики Qlik разработали собственные коммерческие коннекторы к 1С. Мы тестировали коннектор от АТК, поэтому мои дальнейшие выводы основаны на его использовании.
Реализация коннектора будет зависеть от используемой базы SQL под 1С. Если используется Microsoft SQL то коннектор работает в полном режиме, создает SQL базу, в которой будут специальные представления View, которые представляют собой уже расшифрованные в удобном для аналитике виде данные 1С.
В режиме Postgre SQL коннектор работает гораздо проще, не может создать представление View, а просто генерирует текстовые файлы запросов, которые можно использовать в BI системе. То есть запрос на рисунке выше вы сможете использовать напрямую в Power BI.
Стоит отметить, что коннектору обязательно нужны доступы как к самой базе 1С, так и SQL базе.
Именно в этой SQL базе, но в собственной схеме коннектор и будет делать представления данных View, которые будут создаваться после успешного подключения к данным.
Коннектор сможет отсканировать все объекты метаданных конфигурации 1С, чтобы аналитик мог выбрать нужные ему документы и регистры.
Стоит отметить, что в выходных таблицах View коннектора он сразу может преобразовывать многочисленные ключи справочников в их значения. То есть простой документ может уже сразу содержать нужные наименования Организации, Номенклатуры, Контрагента и так далее и нет нужды тянуть к документу еще пару десятков справочников.
Таким образом, коннектор помогает аналитику выбрать подходящие объекты конфигурации, сразу увидеть их значения и подключить BI систему к базе SQL. Это экономит десятки часов по раскодированию/расшифрове метаданных 1С. Это одно из главных преимуществ коннектора, возможность развернуть его за 1 рабочий день аналитика и почти сразу получать нужные данные из 1С.
Из минусов коннектора отметим, что в режиме PostgreSQL он может генерировать только текстовые файлы-запросы, которые мог бы нам сделать и обычный программист 1С. Поэтому рекомендуется использовать Microsoft SQl для полного функционала коннектора. Также сторонников безопасности может насторожить тот факт, что коннектору нужен доступ на запись в рабочую базу SQL 1C для создания представлений View (но в другой схеме).
Примерные трудозатраты и бюджет : от 60 000 рублей за 1 базу 1С, в рамках 1 рабочего дня программиста 1С на подключение.
3. Публикация базы 1С в вебе и подключение к ней по протоколу oData
Этот способ сейчас активно рекламируется и продвигается различными аналитиками. В первую очередь, потому что это довольно просто. Нужно просто опубликовать базу 1С на веб-сервере (у нас на сайте есть статья-инструкция на эту тему) и затем согласно справке можно делать такие запросы вида:
В ответ вы получите файл-справочник Номенклатура. Более того в справке 1С можно найти команды, которые позволят вам сделать преобразование ссылок в значения на лету, то есть вам не нужно будет выгружать десяток справочников, чтобы собрать один документ. Также поддерживается возможность задать разные фильтры, чтобы ограничить объем получаемых данных.
На выходе получается файл json со всеми реквизитами и значениями справочника.
Так в чем же проблема этого метода? Проблем я вижу две.
Первое, подключение к Odata довольно медленное, если файл будет содержать сотни тысяч записей, а то и миллионы (а для регистра бухгалтерии это довольно обычный объем), то файлы будут запрашиваться по 5-10-15 минут, могут возникнуть обрывы подключения. Каждый новый документ и справочник потребует генерации нового источника данных и нового файла. В итоге при большом объеме данных этот способ не сильно будет отличаться от выгрузок Excel файлов.
Второе, не все готовы публиковать базу 1С на веб-сервере. Иногда, например для синхронизации 1С и CRM системы клиенты уже это делают, но есть и консервативные компании, которые не работаю с облачными сервисами и доступом принципиально из-за угроз утечки данных.
Не смотря на указанные недостатки выше, все равно это очень популярный способ и многие аналитики, интеграторы публикуют инструкции и доп. сервисы, облегчающие генерации нужных веб-запросов к опубликованной базе 1С.
Примерные трудозатраты и бюджет : условно бесплатно, необходимо участие программиста 1С, настраивается примерно за 1 рабочий день.
4. Построение собственной аналитической базы SQL и наполнение ее выгрузками из 1С
Думаю, что если скажу, что для серьезной аналитики с большими данными нужна своя аналитическая база SQL, то большинство аналитиков со мной согласится.
Работая с файлами Excel/Json вы столкнетесь с проблемами производительности и сложностью администрирования и технической поддержки. Пытаясь разобраться в структуре данных SQL 1C базы, вы столкнетесь с тем, что она проектировалась для оптимизации работы 1С, а не для аналитиков. Простой документ может потянуть за собой десяток справочников, а каждый справочник может использовать дочерние справочники, а дочерние справочники какие-нибудь перечисления и так далее. Можно легко получить 3-5 уровней нормализации данных, что также не всегда нужно аналитику.
Поэтому для больших проектов мы будем предлагать этот вариант, хотя он самый трудозатратный и дорогой.
В чем преимущество данной базы? Во первых, вы сможете в ней объединить данные из разных источников. Вот пример схемы из моего реального проекта.
Мы получали данные из различных источников:
- 1С УПП
- веб-сервис ГИС с геоданными
- база данных производственной программы
- ряд Excel файлов финансовой службы.
Во вторых, внутри этой базы вы можете разложить свои данные на несколько уровней. Аналитики различают несколько уровней и преобразований данных:
Данные, которые без изменений приходят из различных источников
На этом уровне происходит фильтрация ошибочных значений, обновление данных, приведение их к единому формату, обогащение данных доп. информацией
На этом уровне происходит агрегирование данных, представление данных в удобном для аналитике виде.
Таким образом внутри аналитической базы вы сможете проводить расчеты любой степени сложности. Данные расчеты могут быть выполнены быстрее, чем к примеру в Power Query от Power BI.
А как же наполнять эти данные выгрузками из 1С? Скорей всего вам придется самостоятельно написать нужные обработки и регламентные задания, которые представляют собой запросы к базе 1С и выгрузку результатов этих запросов в заранее созданные SQL таблицы. Вот пример подобного запроса:
Для программиста 1С такой запрос не представляет особой сложности, но работа может быть довольно трудоемкой, если данные нужны из различных документов, регистров и справочников. Для каждого такого объекта нужно будет подготовить свою таблицу SQL и свои запросы.
Проектирование подобной базы стоит доверить опытному аналитику, который имеет доступ ко всем источникам данных для проектам и сможет правильно их соединить, обработать и подготовить в необходимом для анализа виде.
Примерные трудозатраты и бюджет : от 1 недели до 1 года в зависимости от объема данных, количества источников, совместимости данных друг с другом и множества других факторов. Бюджет от 100 000 рублей до нескольких миллионов для крупных компаний.
5. Подключение напрямую к рабочей базе SQL 1С и разбор метаданных
Честно говоря, я никогда не рассматривал этот способ всерьез. У него есть несколько существенных минусов.
Во первых, это запрещено лицензионной политикой 1С.
Нельзя обращаться к данным информационной базы напрямую, минуя уровень объектов работы с данными «1С:Предприятия», например при помощи средств СУБД или при помощи внешних компонент, которые реализуют прямой доступ к СУБД. Это ограничение распространяется на любые действия с данными, в том числе на изменение их структуры, а так же на чтение или изменение самих данных информационной базы или служебных данных «1С:Предприятия».
Во вторых, подключившись к таблице документа мы увидим что-то подобное:
С другой стороны, от коллег я с удивлением узнал, что множество аналитиков использует этот способ и один раз разобравшись со сложной структурой метаданных могут очень быстро получать любые данные из рабочей базы SQL 1C.
Примерные трудозатраты и бюджет : условно бесплатно, необходимо участие программиста 1С, настраивается примерно за 1 неделю.
Читайте также: