😨 Увидев это, жизнь уже не будет прежней.

3 года я продумываю, переделываю и универсализирую комбайн в Power Query для автоматизации работы с контекстной рекламой.

Но сделать его и объяснять выполнение и применение сотен операций людям без опыта работы с Power Query, сводными таблицами, моделью данных, не разобрав сначала основы основ, нет никакого смысла.

Для незнакомого с этим человека комбайн и его исходный код без инструкции использования — пустышка.

————

25 вопросов, которые закроет инструкция к комбайну:

🔹 Какие операции он выполняет?
🔹 Чем они важны?
🔹 Какие, откуда и в каком виде нужны исходные данные?
🔹 Какие процессы после этого станут возможны?
🔹 Какие этапы автоматизировать?
🔹 Почему это важно?
🔹 Чем они важны для PPC-шника и рекламодателя?
🔹 Как не допустить возникновение ряда проблем в контекстной рекламе?
🔹 Разовое и итерационное решение проблем.
🔹 Как создать интерактивную фильтрацию чего угодно?
🔹 Как интерпретировать результаты?
🔹 Как их применять в контекстной рекламе?
🔹 Иные сферы применения?
🔹 Что для этого нужно?
🔹 Как подготовить данные для дальнейшего использования?
🔹 На каких этапах работы с проектом их применять?
🔹 Как часто выполнять какие операции?
🔹 Что нужно для автоматизации всех последующих итераций одинаковых действий?
🔹 Как это применить в любом проекте?
🔹 Как это раскатить на любой язык?
🔹 Как адаптировать шаблон и под Гугл, и под Яндекс?

И ещё десятки других вопросов о выполнении каждой операции.

————

Самым правильным решением будет сделать пошаговый видеокурс по работе с Power Query в контекстной рекламе, разложив всё по полочкам:

1️⃣ Введение, возможности, сферы применения.
2️⃣ Все кнопочки панели управления и контекстные меню.
3️⃣ Возможности языка M, которых нет в графическом интерфейсе PQ.
4️⃣ Десятки способов ускорения отработки запросов PQ.
5️⃣ Как делать нельзя ни в коем случае.
6️⃣ Возможности языка DAX в Power Pivot для вычисления мер в модели данных.
7️⃣ Применение полученных данных в различных видах визуализации.
8️⃣ Создание условий для удобной интерактивной фильтрации визуализированных данных.
9️⃣ Продвинутая работа со сводными таблицами по модели данных.

И весь этот материал объяснять на реальных примерах из контекстной рекламы:

✅️ Зачем, что, как и когда делать?
✅️ Что важно, когда и почему?
✅️ Как сразу делать, чтобы не переделывать по 10 раз?
✅️ Как сразу делать оптимально, чтобы не страдать от долгой отработки запросов?
✅️ Как на этом зарабатывать больше денег ежемесячно?

————

Почему Power Query, а не Python?

Потому что в PQ гораздо ниже порог входа. Множество операций выполняется кнопками в панели меню, как в Excel. И здесь нет ничего сложного. Базовые полсотни самых необходимых операций в PQ может освоить за день даже ребёнок. И применять потом усвоенное одновременно и в Excel, и в Power BI.

Дальше по той же логике строить работу и в Looker Studio, и в любых других ETL и BI сервисах и визуализации данных.

И при желании повторять это на каких угодно языках программирования. Уже есть пример, когда человек посмотрел мои эфиры и пошёл всё повторять сразу на Python. И всё правильно сделал.

Разберу всё самое важное, что сам освоил, но не весь тот бред, который я когда-либо делал и переделывал после тройных инсультов, а уже оптимизированную версию подходов к работе, чтобы помочь вам избежать бесконечных переделываний и расстройств.

————

Зачем нужен Power Query?

Это среда автоматизации выполнения сотен операций в едином пайплайне.

Сколько можно годами делать каждый раз одно и то же вручную?

Сколько можно ненавидеть свою работу или её части из-за того, что нет средств, позволяющих выполнять задачи не с мучениями, а легко и с горящими глазами?

————

Мне не интересно делать курсы по контекстной рекламе, которыми уже засран интернет.

Мне интересно создать несуществующий в отрасли уникальный продукт и курс по его использованию, благодаря которому любой, кто хоть раз увидит результаты его отработки, никогда больше не сможет смотреть на свою работу как прежде.

Как вам идея?

via @ppc_bigbrain