1 Каждый понедельник - одно и то же (или с чем столкнулся наш фуллстек)
Приходишь на работу, а сообщений уже лавина:
- “Можешь выгрузить данные за прошлую неделю?”
- “А по регионам?”
- “А сравни с прошлым месяцем, только быстро, у нас митинг через 20 минут?”
Я - разработчик. Меня нанимали писать код, а не быть живым воплощением Excel. Но Slack не спрашивает, кем тебя нанимали.
Решение нашлось неожиданно. Натолкнулся на Apache Superset. И с тех пор - почти тишина.
2 Что же такое Apache Superset?
Apache Superset это BI-платформа с открытым исходным кодом (подробнее о Бизнес Аналитике тут), которую изначально создали в Airbnb, а теперь она живёт под крылом Apache Software Foundation.
Если коротко, то это бесплатный инструмент для визуализации данных, построения дашбордов и работы с SQL - прямо в браузере, без установки ничего лишнего на компьютеры коллег. Хочу отметить, что лишь кратко сравню Superset с платными инструментами, так как такое сопоставление функционала просто некорректно из-за разных “весовых категорий”.
Подключаешь базу данных. Пишешь запросы. Строишь графики и дашборды. Даёшь доступ команде. Всё.
3 Зачем вообще нужен BI-инструмент?
Данные есть у всех. Проблема не в их отсутствии, но проблема в том, что добраться до них могут только те, кто умеет писать SQL или знает, к кому из специалистов обратиться.
Без BI-инструмента типичная картина выглядит так:
- Аналитик или разработчик - единственная точка доступа к данным;
- Менеджер формулирует вопрос словами, разработчик переводит в SQL;
- Выгрузка идёт в Excel, Excel отправляется по почте;
- Через неделю данные устарели и всё повторяется снова.
BI-инструмент разрывает этот цикл. Данные становятся доступными, актуальными и понятными, причем без посредника и повторений.
4 Почему Superset, а не Tableau или Power BI?
Честный ответ: потому что бесплатно.
- Superset - бесплатный, ✅ на своем сервере, ✅ открытый условный код, ✅ SQL редактор, Источники данных - 40+, Порог входа - средний;
- Tableau - платный (~$70/мес за пользователя), ❌ на своем сервере, ❌ открытый условный код, SQL редактор - ограниченно, источники данных - 80+, порог входа - низкий;
- Power BI - платный (~$10–20/мес), ❌ на своем сервере, ❌ открытый условный код, SQL редактор - ограниченно, источники данных - 100+, порог входа - низкий;
Tableau и Power BI сильно мощнее в корпоративных сценариях. Но если у вас команда из 25 человек, то, например, Tableau обойдётся вам минимум в 20 000 долларов в год. Только за лицензии.
5 Как это выглядело в реальности
До:
У нас на проекте была PostgreSQL-база с таблицей заказов. Менеджеры хотели видеть метрики и продажи по неделям, по регионам, по продуктам. Каждый запрос - через меня.
5-10 Slack сообщений в день. Я терял фокус, они ждали ответа. Ни те, ни другие не были счастливы.
После:
Я поднял Superset за один вечер, подключил базу, создал несколько базовых дашбордов, которые впоследствие доработал. Дал доступ команде.
На следующий день менеджер написал: “Вау, я сам посмотрел данные по клиентам. Круто!”
С тех пор запросов на выгрузку стало в разы меньше. Команда смотрит дашборды сама. Данные всегда актуальные. Я занимаюсь кодом.
6 Как запустить за 20 минут
Шаг 1 - docker-compose.yml
Создайте файл docker-compose.yml:
Шаг 2 - инициализация:
Шаг 3 - подключение PostgreSQL:
Открываем http://localhost:8088 → Settings → Database Connections → + Database
Пример запроса на соединение (Connection string):
7 Первый запрос в SQL Lab
SQL Lab это встроенный редактор SQL. Открываем, выбираем базу, пишем запрос:
Результат сразу виден в таблице. Один клик - и это уже график. Ещё один - это уже часть дашборда.
7 Как кастомизировать?
В контексте тем и CSS Superset поддерживает кастомный CSS для дашбордов, то есть можно адаптировать под брендбук компании прямо в интерфейсе:
Внесение изменений в дашборд (Edit Dashboard → CSS):
8 Роли и доступы
В Apache Superset встроена развитая система управления ролями и правами доступа, нашел ее довольной гибкой:
менеджер - только просмотр, аналитик - редактирование, разработчик - полный доступ.
Пример создания кастомной роли:
9 Кастомные графики
Если встроенных типов визуализации не хватает, то всегд можно подключить свои собственные через Apache ECharts (https://echarts.apache.org/en/index.html) или написать плагин на React.
10 Честно о минусах
Было бы нечестно не сказать об этом:
- Сложное развертывание для нетехнических специалистов, без Docker и базового понимания DevOps будет непросто;
- Документация местами слабая, особенно для “продвинутых” сценариев;
- Меньше корпоративной поддержки, нет выделенной поддержки как у Tableau или Power BI;
- Кастомные плагины требуют знания React, в большинстве своем.
Но для команды разработчиков с PostgreSQL и желанием сэкономить время и силы это чистый плюс.
11 Вывод
Я не стал бизнес аналитиком. Я просто дал команде инструмент, чтобы они не зависели от меня.
Superset это не магия. Это правильный инструмент в нужном месте.
Docker-контейнер, несколько часов настройки, и данные перестают быть привилегией тех, кто умеет писать SQL запросы.
Шеф-поваром данных может стать любой разработчик. Главное это иметь правильный инструмент на кухне!
