Знакомо чувство, когда несколько часов собираешь финансовый анализ, а потом случайно закрываешь исходник без сохранения? В этот момент кажется, что всё пропало. Но меня спас Power BI — благодаря настроенной модели данных, в BI-системе всё сохранилось в идеальном виде! Главный плюс работы в Power Query в том, что каждый ваш шаг очистки и трансформации данных жестко записывается в историю. Если вы ошиблись, всегда можно легко отменить или переупорядочить шаги в панели «Примененные шаги», вернув модель к нужному моменту. Но что еще важнее — Power BI и Power Query позволяют обновлять данные буквально одной кнопкой. Вам больше не придется переделывать всю работу заново каждый месяц: система сама пропустит новые выгрузки по уже настроенному алгоритму. На этом кейсе из моего портфолио я хочу показать, как грамотная настройка связей и правильные графики помогают легко и наглядно анализировать дебиторскую задолженность (ДЗ). Моделирование данных: почему важны связи У нас изначально были две разрозненные таблицы фактов — «Реестр документов» (план начислений) и «Реестр оплат» (факт платежей). Связать их напрямую было невозможно, поэтому важно было правильно объединить их через общую центральную таблицу-справочник — «Реестр объектов недвижимости» по общему полю Код ОНИ. Чтобы таблицы начислений и оплат полноценно «видели» друг друга через центр, для связей было настроено двунаправленное направление кросс-фильтрации. Это позволило безболезненно выводить данные из разных источников на один график, избежав искажения цифр при расчетах. Что мы видим на дашборде? Визуализация построена на сопоставлении плана начислений и фактических оплат за 10 месяцев (Январь — Октябрь 2026 года). Благодаря правильному срезу периодов в DAX, графики работают как идеальный радар: Индикатор выполнения плана (78%): Главная карточка в центре сразу показывает верхнеуровневый KPI. Из 19,72 млн руб. годового плана за 10 месяцев бизнес фактически собрал 12,82 млн руб. Рейтинг платежной дисциплины (Правый график): Горизонтальная линейчатая диаграмма — самый информативный инструмент для поиска должников. Мы сразу видим, что 13 из 15 арендаторов (ТехноПрогресс, АвтоТранс, ГринЭнерго и др.) — идеальные плательщики, их полосы ровно стоят на отметке 100%. Фокус на проблему: В самом низу рейтинга мгновенно выделяются два злостных неплательщика, которые и сформировали долг по компании. ЭкоСистемы оплатили лишь около 40% от своего плана, а МеталлСервис — всего 20% (потому что перестали платить с весны). Структура выручки (Центральный график): Круговая диаграмма наглядно показывает, что 75,77% (9,71 млн руб.) всех доходов приносят объекты категории «Здание», а на помещения и квартиры приходятся оставшиеся доли. Объемы начислений (Левый график): Столбчатая диаграмма ранжирует клиентов по размеру арендной платы. Самые крупные начисления проходят по компаниям МедКор, МеталлСервис и ТехноПрогресс. При этом мы сразу видим пересечение: один из крупнейших нанимателей (МеталлСервис) как раз и оказался главным должником, что критично для денежного потока. С помощью BI-аналитики управление дебиторской задолженностью становится минутным делом. Менеджеру не нужно перебирать тысячи строк в таблицах — достаточно одного взгляда на графики, чтобы увидеть точную сумму сборов и адресно пойти к двум конкретным должникам. Все исходные данные прикреплены на Яндекс Диске и находятся здесь 👇 https://disk.yandex.ru/d/IlqWyv13jCpDwg Спасибо за внимание! 😊 Инструменты: Power BI, Power Query (Примененные шаги), Автоматизация обновлений, Моделирование данных, DAX (DIVIDE, CALCULATE).