Пример выгрузки Снежинка «Расчеты с клиентами по срокам. Остатки»

В современном мире бизнеса эффективное управление данными является ключевым фактором успеха. В этой статье мы рассмотрим пример выгрузки данных по расчётам с клиентами по срокам.

Работа со схемой данных

В современном мире бизнеса эффективное управление данными является ключевым фактором успеха. Одним из инструментов, который помогает в этом, является «Снежинка» — система, позволяющая осуществлять каскадную выгрузку нормализованных витрин данных. В этой статье мы рассмотрим пример выгрузки данных по расчётам с клиентами по срокам.

О том, что такое нормализация и денормализация данных, а также для чего они могут быть полезны и как используются в Экстракторе 1С, мы рассказали в данной статье.


Шаг 1: создание схемы данных

Для начала необходимо создать «Схему данных». Для этого открываем Экстрактор 1С и переходим в «Проекты».

Без имени1.png

Для того, чтобы создать Снежинку сначала необходимо создать "Схему данных", нажимаем кнопку Без имени2.png

Без имени3.png

Нажимаем кнопку для создания новой схемы данных и заполняем открывшуюся форму:

·         Наименование;

·         Подключение;

·         Префикс представлений (например, «v_»);

·         Префикс таблиц (например, «t_»);

·         Флаг «Транслитерация имён»;

·         Способ группировки («Факт и измерения»).

Затем нажимаем «Записать и закрыть».

Без имени4.png


Шаг 2: создание «Снежинки»

Теперь создадим саму «Снежинку». Заходим в созданную нами схему данных и нажимаем кнопку для сбора «Снежинки» Без имени5.png

Без имени6.png

Соберем Снежинку.

Без имени7.png

Заходим в «Регистры накопления» и выбираем таблицу фактов «Расчёты с клиентами по срокам. Остатки».

Без имени8.png

После нажатия на наименование выбранной таблицы фактов откроется список дерева всех полей данного факта. Выбираем следующие поля:

·         Договор;

·         Организация;

·         Партнёр;

·         Дата возникновения;

·         Дата планового погашения;

·         Долг (регл.) Остаток;

·         Предоплата (регл.) Остаток.

Выбранные поля добавляются в таблицы «Представление» и «Таблицы».

Без имени9.png


Шаг 3: проверка

Перед выгрузкой данных необходимо выполнить проверку. Она исключит дублирование полей, а также проверит допустимую длину именования полей и прочее. После выполнения проверки появится диалоговое окно с сообщением о результатах.

Без имени10.png

Нажимаем кнопку «Применить и закрыть».

Без имени11.png


Шаг 4: выполнение проекта

В результате в базе 1С Экстрактора создастся проект с тем видом группировки, который был указан при создании «Схемы данных».

Без имени12.png

У нас получилось два проекта:

·         «Расчёты с клиентами по срокам. Остатки» (Таблица фактов);

Без имени13.png

·         «Расчёты с клиентами по срокам. Остатки» (Таблицы измерений) с тремя строками.

Без имени14.png

Каждый из проектов для выгрузки следует выполнить, нажав последовательно кнопки «Сформировать очередь» и «Выполнить проект».

Дополнение

После выполнения выгрузки данных можно использовать их для анализа и принятия решений. Например, можно проанализировать остатки по договорам с клиентами, чтобы выявить проблемные договоры и принять меры по их урегулированию. Также можно использовать данные для прогнозирования будущих платежей и планирования финансовых потоков.

Кроме того, выгруженные данные можно использовать для создания отчётов и визуализации информации. Например, можно создать график, показывающий динамику остатков по договорам с клиентами, или таблицу, в которой будут отображаться основные показатели по каждому договору.

Это лишь некоторые из возможных способов использования выгруженных данных. В зависимости от конкретных потребностей бизнеса, данные можно использовать для решения различных задач, связанных с управлением отношениями с клиентами.

Инструмент

Сравнительный анализ

Традиционная парадигма разработки ПО, основанная на императивном программировании, требует высокой квалификации и много ресурсов. В этой модели создание и отладка кода — трудоемкие задачи, требующие глубоких знаний и навыков.

Low-code платформы предлагают другой подход. Они используют графические элементы и упрощают кодирование. Это сокращает время разработки и делает её понятной для пользователей с любым уровнем навыков.

Заказать демо

Другие статьи

LLM + OData + 1С: выдержит ли рабочая база AI-аналитику?
LLM + OData + 1С: выдержит ли рабочая база AI-аналитику?
На вебинаре Степан Пыстин, технический директор «Денвик Аналитика», разбирает ограничения OData, риски нагрузки на продуктивную 1С и показывает, как построить независимый контур данных для AI-аналитики с помощью Экстрактора 1С, ClickHouse и MCP.
От задачи до BI-отчета: ИИ + MCP + Экстрактор 1С + DVT + DataLens
От задачи до BI-отчета: ИИ + MCP + Экстрактор 1С + DVT + DataLens
В данной статье на видео мы демонстрируем практический кейс AI-аналитики: ИИ-агент Codex через MCP помогает настраивать ETL-процессы в DVT, объединять данные 1С и Service Desk (Zammad) и создавать аналитическую отчётность в Yandex DataLens.
Как подготовить данные 1С для искусственного интеллекта: AI-ready архитектура
Как подготовить данные 1С для искусственного интеллекта: AI-ready архитектура
Статья – о том, как подготовить данные 1С для AI-аналитики: построить витрину данных для ИИ, проверить ее готовность к работе с моделью и получить показатели, которые сходятся с отчетами 1С. На примере выручки с возвратами разберем, как правила обработки данных влияют на итоговую сумму.
Когда стандартных отчетов 1С уже мало. Интервью с техническим директором "Денвик Аналитика"
Когда стандартных отчетов 1С уже мало. Интервью с техническим директором "Денвик Аналитика"
Где заканчиваются возможности стандартных отчетов 1С, когда Excel стоит оставить, а когда пора автоматизировать получение и подготовку данных? Разбираем путь от обычного отчета до отдельного аналитического контура вместе с техническим директором «Денвик Аналитика».
История изменений и аудит-след при выгрузке данных из 1С: архитектура Append-only
История изменений и аудит-след при выгрузке данных из 1С: архитектура Append-only
Как сохранять полную историю изменений данных из 1С без UPDATE и DELETE? Разбираем архитектуру Append-only: инкрементальную выгрузку, аудит-след, обработку удалённых записей и пустых сегментов, формирование актуального среза в DWH, а также пошаговую настройку режима «Добавление» в Экстракторе 1С.
Где BI дает максимальный эффект в цепочке создания ценности
Где BI дает максимальный эффект в цепочке создания ценности
Максимальная ценность BI часто возникает на стыках процессов и информационных систем. Разбираем, как связать спрос, продажи, закупки, склад, производство, логистику и финансы в единую причинную модель и какую роль в архитектуре играют Экстрактор 1С, DVT, Инжектор и DCC.
BI в ритейле: запасы, спрос и маркетинг
BI в ритейле: запасы, спрос и маркетинг
Как понять, когда 600 единиц товара – большой запас, а когда уже риск дефицита? Разбираем Retail BI на расчётах запасов, прогнозировании спроса, экономике промо, российских исследованиях и реальных архитектурах данных.
Low-code ETL или код: как выбрать подход к подготовке данных
Low-code ETL или код: как выбрать подход к подготовке данных
Первый pipeline можно собрать разными способами. Настоящая разница проявляется позже – при изменениях, ошибках, росте объёма и передаче проекта другому специалисту.
Инструкция: как получить Экстрактор 1С и настроить подключение к Yandex DataLens
Инструкция: как получить Экстрактор 1С и настроить подключение к Yandex DataLens
Пошагово показываем, как получить и установить Экстрактор 1С, подключить его к Yandex DataLens и выполнить первую выгрузку данных. Разбираем весь путь от регистрации и лицензирования до появления таблицы из 1С в DataLens для дальнейшей аналитики.
Сверка данных между 1С:ERP и 1С:Бухгалтерией
Сверка данных между 1С:ERP и 1С:Бухгалтерией
Разбираем, как локализовать источник ошибки, организовать сверку данных и в каких случаях типовой синхронизации уже недостаточно и нужен управляемый интеграционный контур.
Yandex DataLens для управленческой отчетности: что подготовить до внедрения
Yandex DataLens для управленческой отчетности: что подготовить до внедрения
Разбираем, что нужно подготовить до создания управленческих дашбордов в Yandex DataLens: от бизнес-задач, метрик и KPI до источников, модели данных и правил обновления отчетности.
Data Governance: что это, принципы и как внедрить управление данными
Data Governance: что это, принципы и как внедрить управление данными
Разбираем Data Governance простыми словами: кто отвечает за данные, как согласовать правила, чем управление данными отличается от Data Management и с чего начать внедрение.

Подписка на новости

Хотите узнавать о лучших предложениях первыми?
Подпишитесь на наши новости!
Заказать демо