Каждый аудитор рано или поздно сталкивается с вопросом как лучше представить результаты проведенной проверки. Сегодня мы поделимся своим опытом.

Лучше один раз увидеть, чем сто раз услышать. Как быть, если необходимо обратить внимание аудитории на детали, являющиеся важными аудиторскими доказательствами, а стандартного набора инструментов, предлагаемого различными видеоредакторами, недостаточно?

Машинное обучение в Power BI. Звучит довольно необычно, правда?
С недавних пор в Power BI реализовано машинное обучение на AutoML, однако воспользоваться этим функционалом могут не все пользователи. Так давайте же разберемся с тем, как обойти это ограничение с помощью Python

Часто сталкиваетесь с необходимостью визуализировать данные c помощью сводных таблиц и т.д.? А что если N число строк — это сухо и скучно? В этом случае необходима визуализация при помощи графиков и диаграмм. А что делать, если результаты гипотезы не совпадают с «ожиданием»? О том, как аудитору разобраться в фиктивной статистике читайте в нашей статье.

Согласитесь, работа с данными становится гораздо проще и приятней, если они выделены визуально. Не обязательно вчитываться в текст или цифры, достаточно бросить взгляд и глаз отделит нужные строки по цвету. А есть ли такая полезная фишка в Power BI?

Доброе утро, друзья! Сегодня поговорим о PowerBI. Работая с одним из отчетов, мы заметили, что в нем отсутствует возможность выбора с использованием поиска. Фильтры, используемые в форме, предлагали выбрать из списка со 100 наименованиями. Согласитесь, это неудобно

В настоящее время интеграция Python в Power BI предоставляет в распоряжение бизнес-аналитика удобные функциональные возможности, позволяющие использовать различные open source визуальные библиотеки, чтобы строить необычно оформленные графики (например, Seaborn).
С помощью данного материала вы во всех подробностях узнаете — каким образом визуальные библиотеки Python расширяют стандартный функционал Power BI.