For å lage klare rapporter og oppdatere dem i sanntid, trenger moderne virksomheter en kraftig tjeneste for behandling av informasjon. I kommentarene til mine tidligere har lesere gjentatte ganger bedt meg om å skrive en manual for arbeid med Microsoft Power BI. I denne artikkelen skal jeg vise deg hvordan du kommer i gang med denne plattformen.

Microsoft Power BI-funksjoner på et øyeblikk

Power BI er en kraftig nok gratis BI-plattform. Microsoft investerer tungt i utviklingen av dette produktet, og oppdateringer utgis ofte for å forbedre mulighetene. Du kan bruke følgende versjoner av programmet:

• Power BI Desktop beregnet for utvikling av en datamodell og rapporter;
• Power BI-tjeneste- en nettanalog som spesialiserer seg på overvåking og analyse av ferdige rapporter, så mulighetene for å designe og jobbe med data der er svært begrensede.

Vanligvis brukes skrivebordsversjonen som designer, hvoretter den utviklede filen publiseres til Power BI-tjenesten. For videre arbeid, last ned Power BI Desktop fra denne lenken.

For Microsoft Windows 10-brukere er det en egen versjon av Power BI Desktop, som du finner ved å følge denne lenken.

Hvor kan data lastes fra?

Power BI har mange innebygde koblinger til ulike tjenester og databaser, med hvilke du kan laste inn ønsket sett med data fra ulike kilder inn i programmet på få minutter, koble dem sammen og bygge konsoliderte rapporter og diagrammer. Når dette skrives, er alle tilgjengelige koblinger delt inn i fire grupper:

1. Gruppe "Fil":

Som du kan se, kan Power BI importere data fra de mest fremtredende databasene og tjenestene ved å bruke en rekke filformater. Etter å ha lastet informasjon fra tilgjengelige kilder inn i Power BI, har du store muligheter for å rense og transformere data, på grunn av at plattformen har ganske kraftig ETL-funksjonalitet. De innlastede tabellene kan redigeres, og basert på deres kolonner, kan beregnede kolonner og mål opprettes - på denne måten kan du transformere arrayene av informasjon til datasett med den strukturen som er nødvendig for å bygge visualiseringen.

Etter å ha dannet et sett med data lastet fra forskjellige kilder, vil mange innebygde visualiseringselementer bli tilgjengelige for deg:

• stablet stolpediagram;
• stablet histogram;
• gruppert stolpediagram;
• gruppert histogram;
• normalisert søylediagram;
• normalisert histogram;
• rute;
• område diagram;
• Stablet områdediagram
• Lineære og stablede histogrammer;
• Lineære og grupperte histogrammer;
• foss diagram;
• punktdiagram;
• Kake diagram;
• tre diagram;
• kart;
• bord;
• matrise;
• fullført kort;
• trakt;
• sensor;
• multi-line kort;
• kort;
• nøkkelindikator;
• skive;
• smultring graf;
• visuelt element r-script (for øyeblikket inkludert i programparametrene).

Alle elementer har et ganske bredt spekter av innstillinger som tar sikte på å endre de ønskede parameterne: farge, bakgrunn, tittel, grenser og så videre. Hvis standardsettet ikke er nok for deg, kan du laste ned egendefinerte bilder.

Sjekk ut nyhetsbrevet vårt for flere nyttige analysetips. Bare fyll ut skjemaet:

sende

Hvordan laster jeg inn data til Power BI Desktop?

1. Koble til Google Analytics

1.1. La oss fortsette direkte til å laste inn informasjon fra Google Analytics-visningen. På "Hjem"-fanen i "Eksterne data"-gruppen, klikk på "Hent data"-knappen

.
Etter det, i "Hent data"-dialogboksen i "Annet"-gruppen, velg "Google Analytics"-tjenesten og klikk "Koble til". 1.2. Deretter vil Power BI be deg om å logge på Google-kontoen din.

1.3. Det siste trinnet er å gi tillatelse til å se dataene i ønsket Google Analytics-visning. 1.4. Etter å ha klikket på «Tillat»-knappen går vi automatisk tilbake til «Google-konto»-vinduet, hvor det vil komme et varsel om at du er pålogget. Klikk på "Koble til"-knappen.
I Navigator-vinduet som åpnes, vil du se en liste over alle tilgjengelige Google Analytics-kontoer, ressurser og visninger.
Hver visning inneholder det samme settet med parametere og indikatorer, delt inn i 28 grupper:

• Ad Exchange - informasjon om effektiviteten av annonsering i Ad Exchange;
• AdSense - informasjon om ytelsen til Adsense-annonsevisninger;
• Adwords - informasjon om effektiviteten til annonsekampanjer i Google Ads;
• App traking - informasjon om interaksjon med en mobilapplikasjon;
• Målgruppe – demografisk informasjon om besøkende på nettstedet;
• Kanalgruppering - grupper av trafikkkanaler;
• Innholdseksperimenter - informasjon om pågående eksperimenter;
• Innholdsgruppering - klassifisering av nettstedinnhold i grupper;
• Egendefinerte variabler eller kolonner - egendefinerte parametere og indikatorer;
• Google Marketing Platform – ytelsesinformasjon i Google Ad Manager.
• E-handel - e-handelsdata;
• Hendelsessporing - informasjon om hendelser;
• Unntak - unntak;
• Geonettverk - geodata for besøkende;
• Målkonvertering - data om oppnåelse av mål;
• Internt søk - informasjon om bruk av søk på nettstedet;
• Sidesporing - informasjon om sidene som er sett av brukere;
• Plattform eller enhet - operativsystemer og brukerenheter;
• Relaterte produktrelaterte tjenester;
• Sesjon - informasjon om økter;
• Nettstedshastighet - sidelastingshastighet;
• Sosiale aktiviteter - indikatorer på aktivitet i sosiale nettverk;
• Sosial interaksjon - indikatorer på samspillet mellom trafikk fra sosiale nettverk;
• System - informasjon om systemindikatorene til besøkende;
• Tid - informasjon om tidspunktet for hendelsene;
• Trafikkkilde - informasjon om trafikkkilder;
• Bruker - informasjon om brukere;
• Brukertiming - øktens varighet.

Som et eksempel, la oss velge følgende parametere: Kanalgruppering -> Standard kanalgruppering; Bruker -> Brukertype; Tid -> Måned i året. La oss ta som indikatorer: Session -> Sessions; Økt -> Spretter; Sesjon -> Sesjonsvarighet. Jeg vil merke meg at i Power BI, som med enhver API-forespørsel i Google Analytics, er det en grense for maksimalt antall forespurte parametere (ikke mer enn syv) og indikatorer (ikke mer enn ti).

1.5. For å laste de valgte dataene inn i Power BI-datamodellen klikker du på Last inn-knappen, som er plassert i nedre høyre hjørne av Navigator-vinduet.
Nå vises det innlastede datasettet i feltområdet, og vi kan bygge et hvilket som helst tilgjengelig visuelt element basert på denne informasjonen.

2. Hvordan laste inn data fra MySQL?

For å vise funksjonaliteten til Power BI har jeg generert og lastet salgsdata inn i MySQL. Ved å følge instruksjonene som er beskrevet nedenfor, kan du koble til alle tilgjengelige databaser og deretter kombinere all den nedlastede informasjonen til én tabell eller graf.

2.1. For å laste ned salgsdata fra MySQL, som i det beskrevne eksemplet, må du bruke Hent data-kommandoen på fanen Hjem.
2.2. I "Hent data"-dialogboksen i "Database"-gruppen velger du elementet "MySQL Database". 2.3. Etter å ha klikket på "Koble til"-knappen i "MySQL Database"-vinduet, skriv inn server-IP, navnet på databasen og teksten til SQL-spørringen. Hvis du ikke er kjent med SQL og bare ønsker å velge noen tabeller fra hele databasen, så bør du ikke legge inn en SQL-spørring, på neste trinn vil du ha muligheten til å velge en tabell. Siden jeg lastet ned testdataene fra en lokal PC, vil jeg spesifisere "localhost" i Server-feltet i stedet for IP.
2.4. Deretter skriver du inn legitimasjonen for å få tilgang til MySQL og klikker på "Koble til"-knappen.
2.5. På dette stadiet er tilkoblingen til MySQL-serveren etablert. Hvis du tidligere har registrert et SQL-skript, vil resultatet av arbeidet bli lastet inn i datamodellen. Siden vi ikke spesifiserte en spørring, vil en liste over tilgjengelige tabeller fra den tidligere spesifiserte databasen vises på venstre side av Navigator-dialogboksen. I mitt tilfelle er bare én tabell "salg" tilgjengelig, alle de andre er systemtabeller, og derfor setter vi en hake foran navnet på salgstabellen og klikker på "Last inn".
Power BI-datamodellen er nå lastet med data fra to kilder: Google Analytics og MySQL.

3. Hvordan organisere dataene?

Etter at alle nødvendige data er lastet inn, er det nødvendig å bringe dem til ønsket form. Den mest praktiske måten å redigere data på er å bytte til "Data"-modus ved å bruke kommandoen med samme navn i venstre rute i Power BI-arbeidsvinduet. I datamodus kan du endre typen data som er lagret i en hvilken som helst kolonne, opprette nye kolonner og mål ved å bruke egenskapene til DAX-formelspråket, erstatte verdier som er lagret i kolonner - generelt gjør du hva du vil med dataene. I vårt tilfelle bør vi endre formatet for visning av "Salg"-feltet til monetært. I "Felter"-menyen, som er i "Data"-modus på høyre side av vinduet, velg det nødvendige datasettet (i vårt tilfelle "Data fra MySQL"), klikk deretter på kolonnenavnet "Salg" og endre dataformatet ved å gå til fanen "Modellering" til "Formattering"-gruppen.

4. Hvordan etablere relasjoner mellom tabeller

For å bygge en visualisering basert på data fra to ulike kilder, er det nødvendig å sette opp koblinger mellom dem. Power BI støtter tre typer relasjoner:

• mange til en;
• en til en;
• en til mange.

Den eneste passende relasjonstypen for innlastede tabeller er mange-til-mange. Den lages gjennom mellomtabeller (referansebøker) og ved å lage to relasjoner av typen mange til én og én til mange. Det er tre parametere i datasettet vårt, ifølge hvilke det er nødvendig å sette opp relasjoner mellom tabellene "Standardkanalgruppe", "Årsmåned", "Brukertype". Følgelig er det nødvendig å lage tre oppslagsverk med samme navn, som vil inneholde en liste over alle unike elementer i hver av de listede kategoriene. Som et eksempel vil vi laste inn en liste over unike elementer for hvert felt fra CSV-filer.

• kanalgruppe;
• årMåned;
• brukertype.

4.1. Prosessen med å laste opp CSV-filer til Power BI er like enkel som de tidligere beskrevne koblingene til Google Analytics og MySQL: Klikk på "Hent data", i "Fil"-gruppen, velg "CSV" og last deretter ned de tre nedlastede CSV-ene inn i datamodellfilen.

4.2. Når du laster inn tabellene "channelGroup" og "userType", må du spesifisere at den første raden er kolonneoverskriften. For å gjøre dette, gå til spørringsredigeringsmodus, på "Transformasjon"-fanen i rullegardinmenyen "Tabell", bruk kommandoen "Bruk den første raden som tittel":
Hvis du gjorde alt riktig på dette stadiet, vil datamodellen bestå av fem tabeller. For å bekrefte dette kan du se i feltområdet eller bytte til det visuelle grensesnittet for å se datamodellen (for dette klikker du på ikonet med bildet av relasjonene mellom tabellene i venstre rute i Power BI). Power BI har definert noen relasjoner på egen hånd, så datamodellen ser slik ut.
4.3. For å opprette alle koblinger ytterligere, må vi endre typen gjeldende lenker til ensrettet, ellers vil koblingene vi planlegger å lage være tvetydige og Power BI vil gi en feilmelding når de defineres. For å endre type lenker, dobbeltklikk på lenken med venstre museknapp og i dialogboksen "Endre lenke" endrer du kryssfiltreringsretningen til ensrettet.

Etter å ha endret retningen på kryssfiltreringslenker som opprettes automatisk, kan du fortsette til prosessen med å opprette resten av koblingene.

4.4. I Power BI er det to måter å definere relasjoner mellom tabeller på: visuelt og ved å bruke dialogboksen Administrer relasjoner. For å lage en lenke i datamodellvisualiseringsmodus, må du dra et felt fra én tabell med musen til den som vi ønsker å lage en kobling med. La oss dermed aktivere lenken på "Default channel group"-feltet i "Data from GA"-tabellen med "Channel"-feltet i "channel"-tabellen.
Som i de forrige eksemplene, må du endre kryssfilterretningen til ensrettet. Datamodellen ser nå slik ut:
4.5. Vi vil opprette de resterende koblingene ved å bruke dialogboksen Administrer koblinger. For å gjøre dette, klikk på Administrer koblinger-knappen på Hjem-fanen. Dialogboksen "Administrer lenker" inneholder alle tidligere opprettede lenker, for å lage nye lenker, klikk på "Opprett"-knappen.

I vinduet for å opprette en kobling må du spesifisere tabellene og feltene som du planlegger å konfigurere koblingen med, samt angi frekvensen til koblingen og retningen for kryssfiltrering.

4.6. For å opprette en kobling mellom tabellen "Data fra GA" og "årMåned", angi følgende parametere i vinduet for opprettelse av koblinger.
På samme måte må vi koble sammen tabellen "data fra MySQL" og "yearMonth".
Datamodellen ser nå slik ut.
Som du kan se, er tabellene «Data fra GA» og «Data fra MySQL» nå knyttet til hverandre gjennom ordbøker og har et mange-til-mange forhold til hverandre.

5. Hvordan bygge en visualisering?

5.1. For å lage en visualisering, gå tilbake til "Rapport"-modus ved å bruke knappen med samme navn i menyen på venstre side av Power BI-vinduet. 5.2. La oss deretter bygge et diagram der vi kombinerer data fra forskjellige kilder: data om antall økter vil vises fra Google Analytics, og data om antall salg fra MySQL vil vises.

5.2.1. Som et visualiseringselement vil vi bruke visningen "Lineært og stablet histogram". 5.2.2. Dra "måned"-feltet fra "yearMonth"-tabellen til "Shared Axis"-området. 5.2.3 Dra "Session"-feltet fra "Data from GA"-tabellen til "Column Values"-området. 5.2.4. Dra "salg"-feltet fra "Data fra MySQL"-tabellen til "Row Values"-området. Som et resultat av disse manipulasjonene i rapportområdet vil det bygges et diagram av følgende type.
Som du kan se, kombinerer diagrammet økt- og salgsinformasjon fra to forskjellige kilder.

5.3. I tillegg kan du bruke alternativene for å formatere visualiseringsobjekter ved å klikke på ikonet med en pensel. Som et resultat kan du endre farger, størrelse, skrift, bakgrunn og andre parametere til visualiseringselementet.

6. Hvordan sette opp datafiltre?

For mer praktisk arbeid med datafiltre bør du legge til tre skjærere i regnearket.

6.1. Dra følgende felt med musen til en tom plass i rapportområdet:

6.2. Velg deretter hvert av disse objektene med musen og bytt til "Slice"-modus. Som et resultat vil vi få et ark med mulighet til å filtrere data etter brukertype, kilde/kanal og måned i året.
6.3. Hvis du trenger å endre Google-kontoen som enkelte Analytics-visninger er koblet til, bruker du Fil-menyen -> Alternativer og innstillinger -> Datakildeinnstillinger.
Deretter kan du endre parametrene eller slette enhver tilkoblet datakilde.
6.4. Eksperimenter med visualiseringselementer og velg de best egnede (for mer informasjon om reglene for å velge et diagram, se publikasjonen "Hvordan bygge et diagram og ikke skru det opp"), og oppdater deretter alle diagrammer og tabeller med et klikk på en knapp.
Ved å klikke på lenken kan du laste ned filen gitt i denne artikkelen.

Hvordan kommer jeg i gang med Power BI-tjenesten?

Som jeg nevnte i begynnelsen av artikkelen, i tillegg til den vanlige stasjonære versjonen, er det en online Power BI-tjeneste. Dens funksjonalitet er ikke så omfattende, men generelt sett er den ganske nok for online overvåking av nøkkelindikatorer. Åpne Power BI Service ved å følge denne lenken.

1. Hvordan koble Power BI Service til Google Analycs?

For å åpne arbeidsområdet, klikk på knappen med menybildet. Ved å bruke knappen "Motta data" begynner vi prosessen med å koble til Google Analytics. Deretter velger du "Få data fra nettjenester".
I listen over tilgjengelige tjenester finner og velger vi Google Analytics.
Vi trykker på knappen "Koble til".
For Google Analytics for øyeblikket er det bare én måte å autentisere "oAuth", så i autentiseringsdialogboksen endrer vi ingenting og klikker "Logg inn".

Bekreft Power BI Service-tillatelsen til å se Google Analytics-data.
1.3. Det neste trinnet er å velge en konto, en egenskap og en Google Analytics-visning.
Etter at du har klikket på "Importer", vil datasettet, rapporten og dashbordet automatisk genereres i arbeidsområdet.

2. Hvordan jobbe med rapporter?

Du kan også se alle automatisk genererte rapporter, for dette klikker du i hovedmenyen i rapportområdet på punktet "Google Analytics".
2.1. Rapporter er gruppert etter side:

• nettsted trafikk;
• Systembruk;
• Totalt antall brukere;
• Sideytelse;
• Toppsider.

2.1.1. Følgelig inneholder nettstedtrafikksiden informasjon om økter og treff, samt brukeratferdsindikatorer.

2.1.2. Systembrukssiden inneholder informasjon om geolokalisering, operativsystem og enhetstype for brukere.
2.1.3. På Total User-siden finner du informasjon om antall besøkende.
2.1.4. Siden Sideytelse inneholder informasjon om sidelastningshastighet.
2.1.5. Den siste siden av Toppsider viser informasjon om antall unike visninger, samt antall oppføringer og utganger fra nettstedet i sammenheng med sider.
2.2 Du kan endre hvilket som helst element i rapporten eller legge til en ny side, for dette klikker du bare på knappen "Endre rapport".
En knapp for å legge til nye sider i rapporten vises nederst på skjermen.
2.3. Som du kanskje har lagt merke til, er det i nettversjonen av Power BI ingen mulighet til å velge parametere og indikatorer når du laster inn data fra Google Analytics, og derfor kan du bare jobbe med et standardsett med felt, som igjen består av fem tabeller:

2.3.1. Beregninger:

• Gjennomsnittlig daglig nye brukere - gjennomsnittlig daglig antall nye brukere;
• Gj.sn. daglige nye brukere (ukedag) - gjennomsnittlig daglig antall brukere etter ukedag;
• Gj.sn. daglige brukere - gjennomsnittlig daglig antall brukere;
• Gjennomsnittlig daglige brukere ukedag - gjennomsnittlig daglig antall brukere etter ukedager;
• Gj.sn. øktvarighet (sek) - gjennomsnittlig øktvarighet i sekunder;
• Bounces MoM - økningen i antall avvisninger i løpet av de siste 30 dagene;
• Hits MoM - økningen i antall treff de siste 30 dagene;
• Nye brukere MoM - økningen i nye brukere de siste 30 dagene;
• Session MoM – Økningen i volumet av økter de siste 30 dagene.

2.3.2. Overwiev:

• Gj.sn. øktvarighet - gjennomsnittlig varighet av økten;
• Sprett - antall sprett;
• Nettleser - brukerens nettleser;
• Land - brukerens land;
• Dato - sesjonsdato;
• DayOfMonth Dagen i måneden da økten ble utført;
• DayOfWeek Ukedagen økten ble utført.
• Enhetskategori - enhetstype;
• Treff - antall treff;
• MonthName - navnet på måneden;
• MonthYear - måned i året;
• Operativsystem - brukerens operativsystem;
• Side / økter - gjennomsnittlig antall viste sider per økt;
• Sidevisninger – totalt antall viste sider;
• Økter - antall økter;
• År - år.

2.3.3. Sideytelse:

• Dato - dato;
• DayOfMonth - dag i måneden;
• DayOfWeek - ukedag;
• DomainLookupTime - tid for domenesøk;
• MonthName - navnet på måneden;
• MonthYear - måned i året;
• PageLoadTime - sideinnlastingstid;
• RedirectionTime - omdirigeringstid;
• År - år.

2.3.4.Sider:

• Dato - dato;
• DayOfMonth - dag i måneden;
• DayOfWeek - ukedag;
• Innganger - antall besøk;
• Utganger - antall utganger;
• MonthName - navnet på måneden;
• MonthYear - måned i året;
• Side - url til siden;
• Sidetittel - tittelen på siden;
• Sidevisninger – antall sidevisninger;
• TimeOnPage (sek) - total tid brukt på siden i sekunder;
• Unike sidevisninger – antall unike sidevisninger;
• År - år.

2.3.5. Bruker:

• Dato - dato;
• DayOfMonth - dag i måneden;
• DayOfWeek - ukedag;
• DaysFromToday - antall dager fra i dag;
• MonthName - navnet på måneden;
• MonthYear - måned i året;
• Nye brukere - antall nye brukere;
• Brukere - antall brukere;
• År - år.

Disse fem tabellene, lastet ned fra Google Analytics, er ikke relatert, da man i nettversjonen av Power BI ikke har mulighet til å skape relasjoner. Men i Power BI Service kan du publisere filer designet i Power BI Desktop-filer.

For å gjøre dette trenger du bare å være en registrert bruker av denne tjenesten og klikke på "Publiser"-knappen. Deretter starter prosessen med å publisere filen til Power BI-tjenesten.
Hvis du gjorde alt riktig, vil du motta en melding om at filen er publisert vellykket, og du kan starte automatisk dataanalyse. Power BI-tjenesten vil vise mønstre som finnes i dataene.
I dette tilfellet vil alle eksisterende koblinger mellom tabeller bli bevart i den publiserte filen.

Konklusjon

I dag fortalte jeg:

1. Hvordan laste det nødvendige datasettet inn i programmet (jeg viste hvordan du gjør dette ved å bruke eksempelet med integrasjon med Google Analytics eller lasting av data fra MySQL).
2. Hvordan organisere dataene for å bringe dem til den formen de trenger for visualisering.
3. Hvordan bygge en rapport der data fra forskjellige kilder vises.
4. Hvordan sette opp datafiltre, velge passende visualiseringer og publisere resultatet for visning i nettversjonen av Power BI.

Power BI er et kraftig og multifunksjonelt verktøy, så det er vanskelig nok å beskrive all funksjonaliteten i én artikkel. Svar på grunnleggende spørsmål om arbeid med Power BI finner du i den offisielle håndboken, som du finner her. Jeg svarer gjerne på resten i kommentarfeltet.

Behovet for big data-analyse for å revidere, identifisere problemer og generere ny kunnskap er stort innen ethvert IT-relatert felt.

Retningen til informasjonssikkerhet er intet unntak. Det er vanlig å bruke SIEM-systemer (Security Information and Event Management) for å samle inn og korrelere datakilder av ulik kvalitet. Samtidig er business intelligence-systemer også godt egnet for rask løsning av oppgavene informasjonssikkerhetstjenesten står overfor.

Power Pivot / Power View

Tillegg lar deg behandle og visualisere store mengder data fra flere kilder. Generelt sett koker arbeid med tillegg ned til følgende trinn:

1. Basert på oppgaven for å bestemme informasjonskildene
2. Last inn data i Power Pivot
3. Utfør ytterligere databehandling og koble tabeller til hverandre (lag en datamodell)
4. Vis grafer og rapporter av interesse på PowerView

Eksempel: Revisjon av en webtjeneste

Selskapet har en nettjeneste der eksterne brukere melder seg på time og sender inn søknader. Ressursmengden (mottakstid) er begrenset, de som ikke hadde tid venter på neste uke, noe som gjør at misbruk er mulig. Brannmurer registrerer angrep på tjenesten, mest av alt i det øyeblikket registreringen åpnes for en avtale.

Det kreves revisjon for å forstå belastningen på tjenesten, hvilken av brukerne og organisasjonene som er mest aktive, hvordan brukere er assosiert med angrep, om det er uregelmessigheter i tjenesten.

Opprinnelige data: webserverlogger, webapplikasjonsdatabase, webapplikasjonsbrannmurdatabase

Ved å kombinere kildedataene på ett PowerView-ark får vi et praktisk analyseverktøy. Svarene på de listede spørsmålene blir bokstavelig talt "synlige". I tillegg blir ny kunnskap tilgjengelig, for eksempel ble brukernes relasjoner til hverandre (via mail, IP-adresser) avslørt, noe som gjorde det mulig å bedre forstå de pågående prosessene og forhindre misbruk.

Power BI

Siden 2016 har Microsoft et eget produkt posisjonert som en business intelligence-tjeneste. Power BI er basert på de samme komponentene og logikken som Power Pivot, men det er et frittstående program, ikke et tillegg til Excel. Det er mye flere analysemuligheter, det er flere plugins, inkludert de for å visualisere forbindelser. Et godt kurs er også tilgjengelig.

Eksempel: Revisjon av brukertilkoblinger

Selskapet har terminalservere som eksterne brukere kobler seg til. Det er påkrevd å revidere aktiviteten til eksterne brukere på terminalservere, så vel som interne brukere på domenekontrollere, for å identifisere mistenkelig aktivitet, inkludert mislykkede tilkoblinger.

Opprinnelige data: Windows-hendelseslogger fra servere, Active Directory-kataloger, Microsoft-sikkerhetshendelsesbeskrivelsestabeller.

I tillegg til generell statistikk om hvilke brukere og organisasjoner som jobber mest eller når serverne er mest lastet, avdekket tilsynet følgende hendelser:

1. Bruk av brukerkontoer fra flere nettsteder, inkludert samtidig, noe som innebar å kompromittere kontoen;
2. Aktivitet utenfor arbeidstid, når brukeren ikke kunne være på sin arbeidsplass;
3. Brute force passordet. På serveren ble hendelsene med feil passordinntasting av brukeren registrert, men kontoen ble ikke blokkert. det gikk nok tid mellom forsøkene på å angi passordet slik at telleren for mislykkede autorisasjonsforsøk ble tilbakestilt. Med tanke på at det på dagen for slike hendelser var mer enn 30 én bruker om gangen, ble antagelsen om at dette var en menneskelig faktor utelukket.

Sammendrag

Hvis Power Pivot for meg snarere har blitt et tvunget verktøy for å løse spesifikke problemer, så er Power BI en reell oppdagelse som gir svært brede muligheter for operasjonell analyse av alt og alle. Ulempen med Power BI er at det ikke er SIEM og ikke vet hvordan man utfører komplekse korrelasjoner og sender varsler. Men som et verktøy for å få ny kunnskap og gjennomføre periodiske revisjoner er Power BI flott.

Fordelen med visuell analyse er at analysen ofte avdekker kunnskap som tidligere var ukjent. Det dukker opp svar på spørsmål som ikke ble stilt, men ikke fordi de ikke er viktige, men fordi det ikke er mulig å forutse alt.

Hvilke dataanalyseverktøy bruker du? Hvilke ikke-standardiserte datakilder i visuell analyse gir nyttige resultater for informasjonssikkerhetstjenesten?

Microsoft Power BI er en pakke med business intelligence-verktøy for å analysere data og gi innsikt. Kontroller virksomheten din fra hvilken som helst enhet hvor som helst i verden i sanntid!

Power BI-konseptet er basert på følgende ideer:

1. Fargerik moderne grafikk Moderne teknologier som tar hensyn til de siste trendene innen dataanalyse.		2. Selv-BI Bedriftsbrukere kan uavhengig analysere og lage interaktive dashboards uten hjelp fra IT-avdelingen.		3. Mobilitet Applikasjoner for mobile enheter basert på Windows, Android og iOS.
4. ALT OG UMIDDELBART! Analyser alle dataene dine samtidig i et praktisk format. Innebygde koblinger til de fleste systemer og tjenester.		5. Presentasjon av data Et stort sett med visuelle representasjoner.		6. På samme språk som deg Bare spør Power BI: «Hva er marginene for alle prosjekter i Q2 2018?», Og systemet vil umiddelbart gi et svar i form av et interaktivt dashbord.
7. Enkelt senter for analyse Du trenger ikke lenger å søke etter informasjon om selskapets anliggender i forskjellige mapper og filer. All analyse genereres i ETT interaktivt grensesnitt.		8. Deling Del alle applikasjoner fra hvilken som helst enhet.

Interaktivt (klikkbart) demoeksempel

Få en demo

Power BI kostnad og funksjonalitet

Få en demo

Hvorfor trenger du Power BI?

Med Power BI kan du analysere alle bedriftsdataene dine, både skyen og lokalt. Ved å bruke fantasien og bruke visuelle Power BI-verktøy, vil du lage interaktive rapporter i løpet av sekunder i sanntid. Systemet vil automatisk fikse dataformateringsproblemer. Med Power BI kan du koble SQL Server-databaser, Analysis Services-modeller og andre datakilder til de samme dashbordene i Power BI.

Hvilken kunnskap trenger du for å jobbe med Power BI?

Etter implementeringen av systemet trenger ikke en bedriftsbruker spesiell kunnskap for å jobbe effektivt med data. Et praktisk, intuitivt grensesnitt lar deg raskt og enkelt endre eller lage analyser i ønsket presentasjon.

Implementeringsprosjekt for Power BI

BI-teamet til First BIT er et team av bransjeeksperter med lang erfaring i å implementere prosjekter på ulike plattformer. Vi dekker alle kundens behov som en del av implementeringen av Power BI Business Intelligence-systemet:

• Undersøkelse av dine forretningsprosesser
• Utforming og koordinering av krav til BI-systemet
• Koble til en datakilde og konsolidere dem
• Bygge en datamodell og utvikle rapportering
• Trene dine ansatte (forretningsanalytikere og utviklere)
• Profesjonell teknologisk støtte for din bedrift i fremtiden

Eksempel på Power BI-løsninger

Vi introduserer Power BI

Hva er Power BI?
Først og fremst vil jeg presisere at Power BI ikke er en del av Excel, men et frittstående forretningsanalyseprogram som må installeres separat på en PC. Men det er verdt det. Power BI i seg selv inkluderer et stort sett med verktøy som lar deg behandle og vise all nødvendig informasjon om alle bedriftsindikatorer (og ikke bare) ved hjelp av interaktiv visualisering. Enkelt sagt – ved hjelp av Power BI kan du enkelt og raskt, uten lang opplæring og spesielle ferdigheter, lage vakre interaktive grafer basert på nesten alle data. I dag er det veldig fasjonabelt å kalle slike sett med visualiseringer "dashboards":

Et par ting å vite om Power BI først:

Power BI selv er delt inn i tre applikasjoner (selv om du bare trenger å installere én):

• Power BI Desktop- hovedapplikasjonen som rapportene genereres i
• Power BI-tjeneste(Power BI-tjeneste) - den nettbaserte markedsplassen hvor alle genererte rapporter plasseres og sendes til tjenesten for publisering
• Power BI for mobil- en app for smarttelefoner og nettbrett som lar deg se rapporter publisert i Power BI-tjenesten

Hva du trenger å gjøre og vite før du begynner å jobbe i Power BI

• Først må du installere Power BI Desktop-applikasjonen, fordi det er i den alle rapporter utarbeides. Du kan laste den ned fra lenken: https://powerbi.microsoft.com/ru-ru/desktop/
• Så snart nedlastingen starter, må du oppgi dataene dine, inkludert e-post. Samme e-post må legges inn ved første gangs lansering og registrering av søknaden. Jeg vil gjøre deg oppmerksom på at e-post må være bedriftens. De. ikke her [e-postbeskyttet], [e-postbeskyttet], [e-postbeskyttet] osv. Ellers kan det godt vise seg at det vil være mulig å lage en rapport, men den vil ikke lenger publiseres
• Etter installasjon og registrering kan du begynne å lage dine første rapporter i Power BI.

Etter å ha startet Power BI, vises hovedvinduet. For å komme i gang er det nok å bare kunne navigere i arbeidsområdene. I skjermbildet nedenfor prøvde jeg å fremheve hovedarbeidsområdene i dette vinduet.


Meny-knapp- Utvider en meny med tilgang til grunnleggende kommandoer og innstillinger som Publiser, Importer og eksporter, Lagre, Hjelp, Logg av Power BI-konto, etc.

- på fanene i dette panelet er hovedverktøyene for å jobbe med spørringer og visuelle elementer distribuert

Regionnavigering- Hovedområdet er visualiseringsområdet (det første ikonet fra toppen), der alle visuelle rapporter er bygget. Men du kan også gå til tabellvisningen for å se data og endre visse feltparametere (Datatyper, Sortering, Legge til kolonner og mål osv.) og i den visuelle representasjonen av relasjoner mellom tabeller. Lenker kan også konfigureres her.

Visualiseringer- Dette er sannsynligvis et av hovedområdene i dette vinduet. Det er her knappene for å lage direkte diagrammer er plassert (de kalles visuelle elementer). Ved å klikke på ikonet som gjenspeiler det omtrentlige utseendet til det visuelle elementet, legges et slikt element automatisk til arbeidsområdet til visualiseringene.

Filtre- Dette området lar deg lage filtrering av data som faller inn i et visuelt element. Hvis du for eksempel har informasjon om inntekter og utgifter i datatabellen, kan du bruke filtre til å bygge et visuelt element bare etter utgifter eller kun etter inntekt. Filterområdet er igjen delt inn i tre seksjoner:

• Visuelle nivåfiltre- filtre plassert her utvider effekten utelukkende til det visuelle elementet som dette filteret tilhører
• Filtre på sidenivå- filtre plassert her utvider effekten til alle visuelle elementer på siden som dette filteret tilhører
• Filtre på rapportnivå- utvider effekten til alle visuelle elementer på alle sidene i rapporten

Enger- alle felt i alle spørringstabeller er oppført her. Det er på grunnlag av dataene i dette området at visuelle elementer bygges. Å legge til data fra felt til et visuelt element eller filterområde gjøres ved vanlig å dra musen.

Rett under arbeidsområdet er det også arknavigasjonsområde, hvor du kan legge til et nytt ark i rapporten, gi nytt navn til eller slette eksisterende.

Når du oppretter en forespørsel (tab hjem -For å få data) ett til av hovedvinduene vises - spørringsvinduet. For de som har jobbet i Power Query fra Excel er det knapt noe nytt der, pga Power BI tok fullstendig over arbeidet med spørringer fra Power Query:

Meny-knapp- åpner en meny med tilgang til grunnleggende kommandoer som Lukk, Lagre, samt datakildeinnstillinger

Båndpanel med et sett med kommandoer- som du kanskje gjetter, er dette hovedarbeidsområdet, fordi det er på dette panelet at hovedverktøyene for å jobbe med spørringer og data er fordelt på fanene (Hjem, Transformasjon, Legg til kolonne, Vis)

Spørreområde- alle spørringer som er lastet inn i gjeldende datamodell er oppført her. Spørringsnavn kan endres: enten ved å dobbeltklikke på søkenavnet i spørreområdet, eller ved å Eiendomspaneler for gjeldende forespørsel.

Forhåndsvisningsområde- en forhåndsvisning av typen data som vil bli lastet inn i modellen etter at alle handlingene våre er vist her. Med dens hjelp kan du visuelt se det resulterende datasettet og identifisere feil.

Formel bar(Formellinje) - teksten til den sist utførte handlingen med forespørselen vises her. Teksten vises på det innebygde språket M og kan endres direkte på denne linjen. Du kan vise eller skjule den fra fanen Utsikt -Formel bar.
Egenskapsruten i gjeldende forespørsel- egenskapene til den valgte forespørselen er samlet her. Du kan endre navnet på spørringen, og hvis du utvider elementet Alle egenskaper, kan du også gi en beskrivelse av spørringen og ikke inkludere spørringen i dataoppdateringen (som standard oppdateres alle spørringer som lastes inn i modellen med en Oppdater-knappen fra hovedvinduet i Power BI).

Panel med operasjoner utført i forespørselen(Anvendte trinn) er en veldig hendig ting. Her, trinn for trinn, vises alle handlingene som ble brukt i forespørselen: starter fra datainnlasting og slutter med siste transformasjon. Hvis du gjorde en operasjon i forespørselen ved en feiltakelse eller bare gjorde en feil med parametrene, kan du ganske enkelt slette det siste trinnet (eller flere). Vi kan si at denne funksjonen erstatter tilbakeføring av handlinger i kontorprogrammer ( Ctrl+Z). Det er også veldig praktisk å lære syntaksen til M-språket - du kan trinn for trinn se hva operasjonen heter på dette språket. Dessuten kan hele forespørselen ses ved å klikke på fanen Utsikt -Avansert redaktør.

Power BI arbeidsflyt med et blikk:

• først blir inndataene lastet inn i modellen og klargjort (gjengitt i en form som er praktisk for å bygge visualiseringer) ved hjelp av Power Query
• deretter, basert på de forberedte dataene, bygges diagrammer og andre visuelle rapporter ved enkel dra-og-slipp uten komplekse manipulasjoner
• opprettede rapporter lastes opp til skyen, der andre brukere kan se disse rapportene fra en nettleser eller fra en mobilapplikasjon

Samtidig kan du jobbe i Power BI uten programmeringskunnskaper - for å lage visualiseringer er "knapp"-funksjonaliteten til programmet og innebygde DAX-formler (Data Analysis Expressions), som ligner veldig på formler i Excel, nok . Men selv for mer avanserte brukere er det mye å snu – Power BI har sitt eget programmeringsspråk M, som lar deg utvide standardfunksjonene ganske bra. I tillegg er det en mulighet til å lage dine egne separate visuelle elementer ved å bruke skriptredigeringsprogrammet R. Og med mine visuelle elementer mener jeg mine egne, forfatterens, unike visualiseringer, og ikke bare noen blandede diagrammer (som de i Excel). Den som ikke vet hvordan eller ikke vil lage seg selv - sparegrisen med slike forfatters elementer blir kontinuerlig oppdatert på Power BI-nettstedet: https://app.powerbi.com/visuals/

Hvem er Power BI for?
Microsoft tror Power BI vil være nyttig for et lite, mellomstort eller stort selskap. Jeg tror at en slik applikasjon er nødvendig for alle som på en eller annen måte driver med dataanalyse og bygger alle typer rapporter.

Tabell over egenskaper og forskjeller mellom grunnversjonen og Pro:

("Bottom bar" :( "textstyle": "static", "textpositionstatic": "bottom", "textautohide": true, "textpositionmarginstatic": 0, "textpositiondynamic": "bottomleft", "textpositionmarginleft": 24, " textpositionmarginright ": 24," textpositionmargintop ": 24," textpositionmarginbottom ": 24," texteffect ":" slide "," texteffecteasing ":" easeOutCubic "," texteffectduration ": 600," texteffectslidedirection ":" venstre "," texteffectslidedistance " : 30, "texteffectdelay": 500, "texteffectseparate": false, "texteffect1": "slide", "texteffectslidedirection1": "right", "texteffectslidedistance1": 120, "texteffecteasing1": "easeOutCubic", "text6001": , "texteffectdelay1": 1000, "texteffect2": "slide", "texteffectslidedirection2": "right", "texteffectslidedistance2": 120, "texteffecteasing2": "easeOutCubic", "texteffectduration2": 600, "texteffectdelay":css1002": :" display: block; padding: 12px; text-align: left; "," textbgcss ":" display: block; posisjon: absolutt; topp: 0px; venstre: 0px; bredde: 100%; høyde: 100% ; bakgrunn -farge: # 333333; opasitet: 0,6; filter: a lpha (opasitet = 60); "," titlecss ":" display: block; stilling: pårørende; font: fet 14px \ "Lucida Sans Unicode \", \ "Lucida Grande \", sans-serif, Arial; farge: #fff; "," descriptioncss ":" display: block; stilling: pårørende; font: 12px \ "Lucida Sans Unicode \", \ "Lucida Grande \", sans-serif, Arial; farge: #fff; margin-top: 8px; "," buttoncss ":" display: block; stilling: pårørende; margin-top: 8px; "," texteffectresponsive ": true," texteffectresponsivesize ": 640," titlecssresponsive ":" font-size: 12px; "," descriptioncssresponsive ":" display: ingen! viktig; "," buttoncssresponsive ": "", "addgooglefonts": false, "googlefonts": "", "textleftrightpercentforstatic": 40))