[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"general-list":3,"footer-feature-tags":4,"slate-glossary-term-data-warehouse":66},true,[5,14,20,29,34,40,46,52,56,62],{"id":6,"name":7,"hex":8,"translations":9,"count_pages":13},8,"Компания","#f40925",{"ru":10,"en":11},{"name":7},{"name":12},"Company",9,{"id":15,"name":16,"hex":17,"translations":18,"count_pages":6},26,"Главная страница",null,{"ru":19},{"name":16},{"id":21,"name":22,"hex":23,"translations":24,"count_pages":28},2,"Проекты","#3027ff",{"ru":25,"en":26},{"name":22},{"name":27},"Project",15,{"id":30,"name":31,"hex":17,"translations":32,"count_pages":21},33,"ИИ",{"ru":33},{"name":31},{"id":35,"name":36,"hex":17,"translations":37,"count_pages":39},34,"Комментарии",{"ru":38},{"name":36},4,{"id":41,"name":42,"hex":17,"translations":43,"count_pages":45},25,"Задачи",{"ru":44},{"name":42},24,{"id":47,"name":48,"hex":17,"translations":49,"count_pages":51},27,"Рабочие пространства",{"ru":50},{"name":48},3,{"id":45,"name":53,"hex":17,"translations":54,"count_pages":6},"Kanban-доска",{"ru":55},{"name":53},{"id":57,"name":58,"hex":17,"translations":59,"count_pages":61},23,"Диаграмма Ганта",{"ru":60},{"name":58},1,{"id":28,"name":63,"hex":17,"translations":64,"count_pages":61},"Календарь",{"ru":65},{"name":63},{"detail":67,"more":164},{"id":68,"slug":69,"translations":70,"category":84,"tags":92,"letter":102,"og_image":17,"cover":17,"author_name":17,"author_position":17,"author_avatar":17,"faqs":103,"related":117,"views_count":161,"helpful_yes_count":106,"helpful_no_count":106,"created_at":162,"updated_at":163,"published_at":17},306,"data-warehouse",{"ru":71},{"title":72,"short_definition":73,"tldr":74,"full_explanation":75,"when_to_apply":76,"when_not_to_apply":77,"examples":78,"tips":79,"synonyms":80,"translation_en":81,"seo_title":82,"seo_description":83},"Хранилище данных (Data Warehouse)","Специализированная база данных, в которой собраны и согласованы данные из разных источников для аналитики.","Хранилище данных — это центральное место, куда стекаются цифры из разных систем компании: база продукта, биллинг, рекламные кабинеты, CRM. Внутри хранилища данные приводят к единой структуре и используют для отчётов, сводных панелей и моделей. Современные облачные хранилища (BigQuery, Snowflake, Redshift) умеют быстро считать сложные запросы по миллиардам строк, что десять лет назад было либо невозможно, либо очень дорого.","\u003Cp>Хранилище данных — не просто большая база. Оно устроено так, чтобы хорошо отвечать на аналитические вопросы по сводным данным, а не обслуживать продуктовые операции.\u003C\u002Fp>\u003Ch3>Особенности\u003C\u002Fh3>\u003Cul>\u003Cli>Колоночное хранение и сжатие — быстрые своды по миллионам строк.\u003C\u002Fli>\u003Cli>Слои данных: сырой, промежуточный и слой готовых бизнес-витрин.\u003C\u002Fli>\u003Cli>Регулярные процессы загрузки, которые обновляют данные с разной периодичностью.\u003C\u002Fli>\u003Cli>Управление доступом по командам и ролям.\u003C\u002Fli>\u003C\u002Ful>\u003Ch3>Что обычно лежит\u003C\u002Fh3>\u003Cul>\u003Cli>События продукта.\u003C\u002Fli>\u003Cli>Финансовые операции и выручка.\u003C\u002Fli>\u003Cli>Маркетинг и рекламные расходы.\u003C\u002Fli>\u003Cli>Воронки продаж, сделки, поддержка.\u003C\u002Fli>\u003Cli>Кадровые, операционные и другие справочные данные.\u003C\u002Fli>\u003C\u002Ful>","\u003Cul>\u003Cli>Источников данных больше двух и они нужны вместе\u003C\u002Fli>\u003Cli>Аналитика в рабочей базе уже мешает работе продукта\u003C\u002Fli>\u003Cli>Нужна история данных без оглядки на удаления и обновления в источниках\u003C\u002Fli>\u003C\u002Ful>","\u003Cul>\u003Cli>Только один источник данных и команда из 3–5 человек — пока хватит грамотных представлений в самой продуктовой базе\u003C\u002Fli>\u003C\u002Ful>","\u003Cp>До хранилища аналитика стартапа жила в рабочей базе на Postgres и ломала отчёты при больших запросах. После переезда на BigQuery с регулярным копированием через Fivetran база продукта перестала падать от тяжёлых SQL-отчётов. Все рекламные расходы и события продукта теперь в одном месте, и команда может быстро отвечать на вопросы вроде «какая окупаемость у новой кампании на горизонте 90 дней» без ручной сшивки выгрузок.\u003C\u002Fp>","\u003Cp>Не путайте хранилище данных и базу продукта: у них разные задачи и разная нагрузка. Попытки делать тяжёлую аналитику в рабочей базе, которая обслуживает операции пользователей, обычно заканчиваются либо тормозами продукта, либо урезанием отчётов до неинформативных.\u003C\u002Fp>","хранилище данных, аналитическое хранилище, DWH, Data Warehouse","Data Warehouse (DWH)","Хранилище данных (DWH): что это и зачем | Глоссарий Shtab","Хранилище данных (DWH) — центральное место для аналитики компании. Слои данных, типичные источники и когда переезжать с боевой продуктовой базы.",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":88},11,"analytics-data","#06b6d4",{"ru":89},{"title":90,"description":91},"Аналитика и данные","Понятия и инструменты работы с данными: виды аналитики, статистические основы, A\u002FB-тестирование, продуктовые метрики, дашборды и BI, инфраструктура данных, качество и управление данными.",[93],{"id":94,"slug":95,"kind":96,"hex":97,"order":98,"translations":99},44,"data-engineering","tool","#0F9488",102,{"ru":100},{"title":101},"Инфраструктура данных","Х",[104,111],{"id":105,"order":106,"translations":107},1562,0,{"ru":108},{"question":109,"answer":110},"Чем хранилище данных отличается от обычной базы данных?","\u003Cp>Обычная база продукта заточена под быстрые операции: добавил заказ, обновил профиль, перевёл деньги. Хранилище данных — под быстрые ответы на тяжёлые аналитические запросы по миллионам и миллиардам строк. Устройство и движки у них разные, и пытаться делать аналитику в базе продукта обычно плохая идея.\u003C\u002Fp>",{"id":112,"order":61,"translations":113},1563,{"ru":114},{"question":115,"answer":116},"Какое хранилище выбрать новому стартапу?","\u003Cp>Среди облачных популярны BigQuery, Snowflake, Redshift, ClickHouse и его облачные версии. Выбор обычно идёт от того, где уже живёт ваша инфраструктура и какой у команды опыт. Для большинства небольших продуктовых компаний разница между ними не критична.\u003C\u002Fp>",{"related":118},[119,126,133,140,147,154],{"id":120,"slug":121,"translations":122},305,"etl-elt",{"ru":123},{"title":124,"short_definition":125},"ETL и ELT (загрузка и преобразование данных)","Два подхода к переносу и подготовке данных: ETL — извлечение, преобразование, загрузка; ELT — извлечение, загрузка, преобразование.",{"id":127,"slug":128,"translations":129},304,"bi",{"ru":130},{"title":131,"short_definition":132},"Business Intelligence (бизнес-аналитика)","Совокупность процессов и инструментов сбора, хранения и визуализации данных для принятия деловых решений.",{"id":134,"slug":135,"translations":136},307,"data-lake",{"ru":137},{"title":138,"short_definition":139},"Озеро данных (Data Lake)","Хранилище сырых данных в исходных форматах: логов, файлов, выгрузок — без жёсткой схемы.",{"id":141,"slug":142,"translations":143},308,"data-pipeline",{"ru":144},{"title":145,"short_definition":146},"Пайплайн данных","Последовательность шагов, по которой данные двигаются от источника до конечного потребителя — отчёта, модели или системы.",{"id":148,"slug":149,"translations":150},311,"data-governance",{"ru":151},{"title":152,"short_definition":153},"Управление данными (Data Governance)","Совокупность правил, ролей и процессов, по которым в организации работают с данными как с активом.",{"id":155,"slug":156,"translations":157},309,"olap-oltp",{"ru":158},{"title":159,"short_definition":160},"OLAP и OLTP (аналитические и транзакционные базы данных)","Два типа баз данных: OLTP обслуживает быстрые операции продукта, OLAP — тяжёлые аналитические запросы по большим объёмам данных.",98,"2026-05-11T20:16:06.906281+03:00","2026-05-11T20:16:06.906297+03:00",[165,188,204],{"id":166,"slug":167,"translations":168,"category":173,"tags":176,"letter":186,"cover":17,"updated_at":187,"published_at":17},313,"arpu",{"ru":169},{"title":170,"short_definition":171,"translation_en":172},"ARPU и ARPPU (средняя выручка на пользователя)","ARPU — средняя выручка на пользователя. ARPPU — средняя выручка на платящего пользователя.","ARPU and ARPPU",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":174},{"ru":175},{"title":90,"description":91},[177],{"id":178,"slug":179,"kind":180,"hex":181,"order":182,"translations":183},45,"product-analytics","metric","#5e79ec",103,{"ru":184},{"title":185},"Продуктовая аналитика","A","2026-05-11T20:16:09.534333+03:00",{"id":127,"slug":128,"translations":189,"category":192,"tags":195,"letter":202,"cover":17,"updated_at":203,"published_at":17},{"ru":190},{"title":131,"short_definition":132,"translation_en":191},"Business Intelligence (BI)",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":193},{"ru":194},{"title":90,"description":91},[196,199],{"id":94,"slug":95,"kind":96,"hex":97,"order":98,"translations":197},{"ru":198},{"title":101},{"id":178,"slug":179,"kind":180,"hex":181,"order":182,"translations":200},{"ru":201},{"title":185},"B","2026-05-11T20:16:06.204990+03:00",{"id":205,"slug":206,"translations":207,"category":212,"tags":215,"letter":219,"cover":17,"updated_at":220,"published_at":17},312,"dau-wau-mau",{"ru":208},{"title":209,"short_definition":210,"translation_en":211},"DAU, WAU, MAU (активная аудитория за день, неделю и месяц)","Количество уникальных активных пользователей за день, неделю и месяц соответственно.","DAU \u002F WAU \u002F MAU",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":213},{"ru":214},{"title":90,"description":91},[216],{"id":178,"slug":179,"kind":180,"hex":181,"order":182,"translations":217},{"ru":218},{"title":185},"D","2026-05-11T20:16:09.166914+03:00"]