Курсы Power Query

Для полноценной работы с Power Query и Power BI Desktop необходима операционная система Windows. На macOS десктопная версия Power BI не устанавливается — функционал ограничен или полностью недоступен. Если у вас Mac, есть два рабочих варианта: установить Parallels Desktop или другую виртуальную машину с Windows, либо работать через удалённый рабочий стол. Power BI Service (облачная версия) частично доступна в браузере на любой ОС, но возможности моделирования данных и написания DAX-формул там урезаны по сравнению с десктопной версией.

Вам нужно уверенное владение базовыми формулами Excel: ВПР (VLOOKUP), СУММЕСЛИ, ЕСЛИ, работа со сводными таблицами и понимание типов данных в ячейках. Power Query — это надстройка над Excel, и если вы не понимаете, как устроены таблицы, столбцы и связи между листами, обучение пойдёт тяжело. При этом знание VBA или макросов не требуется — Power Query заменяет их более простым визуальным интерфейсом. Если ваш уровень — только форматирование ячеек и простые суммы, сначала подтяните базовый Excel.

Power Query отвечает за загрузку, очистку и трансформацию данных: объединение таблиц из разных источников, удаление дублей, разделение столбцов, приведение типов. Power Pivot работает с уже подготовленными данными: строит модели данных, создаёт связи между таблицами и позволяет писать формулы DAX для расчёта метрик. На практике эти инструменты используются вместе — Power Query готовит данные, Power Pivot их анализирует. Учить только один из них бессмысленно, поэтому большинство программ этого направления включают оба инструмента.

M — это встроенный язык Power Query, на котором записываются все шаги трансформации данных. Когда вы нажимаете кнопки в интерфейсе (объединить запросы, разделить столбец, фильтровать строки), Power Query автоматически генерирует код на M. Для базовых задач писать вручную не нужно — визуального редактора достаточно. Но если вы столкнётесь со сложными сценариями (динамическая загрузка из API, параметризация запросов, условная логика), придётся читать и редактировать M-код. Глубокое знание языка M — это уровень продвинутого аналитика, а не обязательное требование для старта.

Движок обработки данных один и тот же — шаги трансформации, интерфейс редактора запросов и язык M идентичны. Разница в контексте использования: в Excel Power Query загружает данные на лист или в модель данных книги, а в Power BI — напрямую в модель данных отчёта с последующей визуализацией. Power BI Desktop также поддерживает более широкий набор коннекторов к источникам данных и позволяет публиковать отчёты в Power BI Service для совместного доступа. Если ваша цель — автоматизация отчётности внутри Excel, достаточно изучить Power Query в Excel. Если нужно строить интерактивные дашборды — переходите в Power BI.

Первая ошибка — загрузка данных без предварительной очистки: необработанные дубли, пустые строки и смешанные типы в столбцах ломают запросы при обновлении. Вторая — игнорирование типов данных: если Power Query определил столбец как текст вместо числа, последующие расчёты в DAX или сводных таблицах дадут ошибки. Третья — хардкод путей к файлам: при переносе книги Excel на другой компьютер запросы перестают работать. Четвёртая — отсутствие документации шагов: через месяц вы не вспомните, зачем добавили конкретный шаг трансформации. Переименовывайте шаги и группируйте их в логические блоки прямо в редакторе запросов.

Напрямую подключить Google Sheets или Яндекс Таблицы как источник данных в Power Query нельзя — нативного коннектора нет. Однако есть обходные пути: экспорт в CSV или Excel с последующей загрузкой, использование промежуточной базы данных, или подключение через веб-коннектор по опубликованной ссылке. Некоторые курсы этого направления включают работу с Яндекс Таблицами и Google Sheets как источниками, но трансформация всё равно происходит после выгрузки данных в формат, который Power Query может прочитать. Для полноценной облачной аналитики без экспорта-импорта рассмотрите Yandex DataLens.

Правильная последовательность: сначала Power Query (очистка и подготовка данных), затем Power Pivot и основы DAX (моделирование и расчёт метрик), и только потом Power BI (визуализация и публикация отчётов). Причина простая — без чистых данных DAX-формулы будут давать некорректные результаты, а без модели данных визуализация в Power BI превратится в набор несвязанных графиков. Если вы уже уверенно работаете в Excel и знаете сводные таблицы, можете начать сразу с Power Query и DAX параллельно, переключаясь между подготовкой данных и написанием формул.