Yandex DataLens 2026: дашборд маркетолога без Looker и Power BI

Раз в месяц мне пишет основатель с примерно таким запросом: «Нам нужен BI, но Power BI дорого, а Looker отвалился». В девяти случаях из десяти под этим прячется одна задача — собрать маркетологу один дашборд, где видно трафик, конверсии и CPL по каналам в одном месте. Для этого не нужен ни Power BI, ни платная подписка. Нужен Yandex DataLens, и собирается такой дашборд за вечер. Я делаю их клиентам уже третий год, и ниже разбираю не «что такое BI», а конкретно: что подключить, какие чарты собрать и где у DataLens честный потолок.

Сразу рамка. DataLens — это не «убийца Power BI» и не магия. Это бесплатный конструктор дашбордов от Яндекса с нативными коннекторами к Метрике и Директу. Для РФ-стека он закрывает 80% задач маркетингового отчёта. Оставшиеся 20% — сложные расчёты и тяжёлые выгрузки — упираются в потолок, про который продавцы «настройки сквозной аналитики под ключ» молчат. Про потолок тоже расскажу, без него статья была бы рекламой.

Дашборд — это не «красивые графики». Дашборд — это один экран, на который ты смотришь утром и за тридцать секунд понимаешь, куда сегодня деваются деньги.

1. Что такое DataLens и почему бесплатно

DataLens — BI-сервис в экосистеме Яндекса с Метрикой, Директом и Облаком. Логика простая: подключаешь источник, на нём строишь датасет, на датасете рисуешь чарты, чарты собираешь в дашборд. Те же четыре слоя, что в Power BI и Looker Studio, только без лицензии за рабочее место.

«Бесплатно» тут не маркетинговая ловушка с астериском. Подключение Метрики, Директа и Google Sheets, сборка чартов, расшаривание — всё это денег не стоит и стоить не будет. Платить начинаешь, когда уходишь в Yandex Cloud со своей базой и большими данными: тогда считается compute и хранилище. Но маркетолог, который льёт отчёт по Директу и Метрике, в эту зону не заходит. За девять лет в digital я видел сотни «бесплатных» инструментов, которые превращались в платные на втором экране настроек. DataLens — не из них, и это редкость.

2. Подключение источников: что и откуда тянуть

Главное преимущество DataLens для рунета — нативные коннекторы. Не выгрузки, не сторонние парсеры, а прямое подключение по аккаунту. Вот что подключаю на типовом проекте:

• Яндекс Метрика — трафик, источники, поведение, цели. Авторизация аккаунтом, выбор счётчика, поля тянутся сами. Здесь же удобно держать настроенные цели Я.Метрики как основу для конверсий.
• Яндекс Директ — расходы, клики, показы, CPC по кампаниям. Тот же логин, выбор кабинета. Это то, ради чего DataLens вообще берут для РФ.
• Google Sheets — расходы по каналам, которых нет в кабинетах: блогеры, посевы, офлайн, ручные сметы. Маркетолог ведёт табличку, DataLens её читает.
• База данных (ClickHouse, PostgreSQL, MySQL) — если есть бэкенд с продажами и нужна выручка, а не только лиды. Тут уже пригодится SQL или помощь разработчика.

Связка Метрика плюс Директ плюс Google Sheets закрывает основу. Если хочется свести рекламу с реальными продажами из CRM, источником становится база или выгрузка, и это уже территория сквозной аналитики — отдельная история, где DataLens играет роль витрины, а не движка расчётов.

Один нюанс про связку каналов. Чтобы расходы из Google Sheets и сессии из Метрики сошлись по одному каналу, нужна единая разметка. Без аккуратной UTM-схемы у тебя в дашборде будет «yandex», «Yandex», «яндекс-директ» и «ydirect» как четыре разных источника. Это не баг DataLens, это бардак в данных на входе. Чистая UTM-схема экономит потом часы возни с расчётными полями.

3. Какие чарты реально нужны маркетологу

Тут срабатывает главный соблазн новичка — навалить двадцать графиков, потому что «можем». Не надо. Дашборд, на который никто не смотрит дольше пяти секунд, бесполезен. Базовый набор, который я выношу на первый лист, — шесть-семь блоков, не больше.

Динамика трафика по дням или неделям. Воронка от визита до целевого действия. Расходы и CPL по каналам рядом, чтобы сразу видеть, какой канал жрёт бюджет впустую. Таблица источников с CPC и конверсией. И сверху пара чисел крупно — лиды за период и средний CPL. Всё. Состав конкретных чартов и их источники — во второй таблице ниже.

Расчётные поля для маркетинга в DataLens простые. CPL — это расходы делить на лиды, конверсия — действия делить на визиты. Язык формул свой, не SQL и не DAX, но на уровне четырёх арифметических операций разберётся любой. За сложными вычислениями вроде когортного retention или оконных функций придётся лезть в документацию, и иногда оказывается, что проще посчитать в источнике.

4. Сборка дашборда и селекторы

Чарты живут на отдельных листах, дашборд — это лист, куда ты их вытаскиваешь и компонуешь. Логика раскладки сверху вниз: крупные числа, потом динамика, потом разбивка по каналам, потом детальная таблица. Человек читает дашборд как страницу — слева направо, сверху вниз. Если самое важное внизу, его не увидят.

Селекторы — то, что превращает картинку в инструмент. Ставлю минимум два: период дат и канал. Один селектор фильтрует все чарты разом, и маркетолог сам крутит «покажи мне только Директ за последнюю неделю» без новых запросов аналитику. На EZ KATKA, где было 19 клубов, селектор по городу экономил мне примерно час в неделю на ручных нарезках отчётов — я просто отдал руководителям дашборд с фильтром и перестал быть прокладкой между ними и цифрами.

5. Расшаривание и обновление данных

Доступ выдаётся двумя способами. По аккаунтам внутри организации — когда команде нужно смотреть, но не наружу. Публичной ссылкой — дашборд открывается без авторизации вообще, удобно для клиента, у которого нет Яндекс-аккаунта. Минус публичного режима жёсткий: ссылку увидит каждый, кому она попадёт. Для цифр выручки или маржи публичный доступ закрывать обязательно, иначе твои данные гуляют по чужим чатам.

Обновление данных — не realtime, и слава богу, маркетологу realtime не нужен. Коннекторы Метрики и Директа подтягиваются при открытии либо по расписанию через материализацию. Google Sheets обновляется по кешу датасета: ставлю от 15 минут до часа. Realtime-дашборд — это другая инженерная задача с другим бюджетом, и в 99% маркетинговых отчётов он лишний. Картина «по вчера» решает.

6. DataLens против Looker Studio и Power BI

Главный вопрос на коллах: «А чем это лучше Looker?» Честный ответ — для РФ-стека лучше нативными коннекторами и тем, что не отвалится. Looker Studio с лета 2022 официально не дружит с российскими рекламными источниками, и тянуть туда Директ приходится через сторонние платные коннекторы. Плюс сам Google для российского юзера нестабилен. DataLens этих проблем не имеет в принципе.

Power BI — другая лига по мощности расчётов: язык DAX серьёзнее, модель данных гибче, оконные функции из коробки. Но это десктоп-стек Microsoft, лицензии, и для России официальной поддержки нет. Если задача — отчёт маркетолога по Метрике и Директу, Power BI как из пушки по воробьям. Если задача — финансовая модель на миллион строк с кастомной логикой, DataLens упрётся в потолок, а Power BI нет. Сравнение по делу — в таблице.

7. Набор чартов базового дашборда и источники

Конкретный состав того самого первого листа, который я отдаю клиенту. Шесть блоков, каждый из понятного источника. Это скелет — под нишу добавляются один-два чарта, но костяк один и тот же на любом проекте.

Если хочется тот же скелет, но на гугловском стеке, — у меня есть разбор дашбордов в Looker Studio. А общую логику, зачем вообще маркетологу аналитика и в какой последовательности её строить, я раскладываю в статье про аналитику маркетинга.

8. Где честный потолок DataLens

Теперь то, о чём молчат на продающих лендингах. У DataLens есть три места, где он спотыкается.

Сложные расчётные поля. Язык формул простой, и это палка о двух концах: арифметику он считает легко, а вот когортный анализ, многоступенчатую атрибуцию или нетривиальные оконные функции писать в нём мучительно. Я пару раз упирался и выносил расчёт в источник — в ClickHouse это десять строк, в DataLens полдня боли.

Большие выгрузки. На сотнях тысяч строк с тяжёлой моделью данных дашборд начинает думать. Лечится материализацией и предагрегацией в базе, но это уже инженерия, не «собрал за вечер». Если у тебя миллион транзакций и нужна гибкая нарезка по десятку измерений — DataLens будет тормозить.

Кастомная логика на стыке нескольких баз. Когда модель — это десяток связанных таблиц с разной гранулярностью, проще навести порядок в хранилище и отдать DataLens готовую витрину. Он отличная витрина и посредственный движок расчётов. Понимать эту границу — значит не обещать клиенту того, что инструмент не вывезет, и не позориться через месяц.

Вывод

DataLens — не «бесплатная замена всему», а точный инструмент под конкретную задачу: маркетинговый дашборд по Метрике и Директу для российского проекта. В этой нише он бьёт и Looker Studio, и Power BI — нативными коннекторами, нулевой ценой и тем, что не отвалится по политическим причинам. Где начинаются сложные расчёты и большие данные — там его место витрины, а движок переезжает в базу. Я собираю такие дашборды клиентам третий год, и почти всегда первый рабочий экран рождается за один вечер, а не за «месяц внедрения BI».

Если у тебя сейчас цифры размазаны по пяти вкладкам и Excel-файлу, который никто не открывает, — напиши мне в Telegram @dipustovalov или оставь заявку через форму. Стартовая консультация — 0 ₽: за полчаса разберём, что у тебя есть на входе, и накидаем, какой дашборд закроет твой вопрос «куда уходят деньги» в первую неделю.