ИИ-аналитика поверх Power BI:
без миграции и в закрытом контуре
Компания работает в локальном Power BI с бессрочной лицензией и не хочет тратить год и бюджет на миграцию. При этом бизнесу нужны дашборды, собранные ИИ, и вопросы к данным на естественном языке. Мы подключаем Glarus AI к существующим моделям Power BI через MCP и настраиваем языковую модель так, чтобы данные не покидали периметр компании.
Power BI уже работает. Нужен ИИ, а не миграция
Типичная ситуация: у компании локально установленный Power BI (Report Server и Desktop) с бессрочной лицензией, десятки отчётов и семантических моделей, на которых держится управленческая отчётность. Переход на другую BI-платформу означает перенос моделей, DAX-мер, отчётов, переобучение пользователей — это дорого, долго и рискованно, а работающая лицензия уже оплачена.
При этом бизнес хочет того, что даёт ИИ: строить дашборды по запросу на естественном языке, задавать вопросы к данным без знания DAX, получать анализ отклонений и рекомендации. Главное ограничение — информационная безопасность: коммерческие и персональные данные нельзя отправлять во внешние облачные сервисы.
Наше решение — не заменять Power BI, а надстроить над ним ИИ-слой. Мы разворачиваем у заказчика MCP-сервер для Power BI и Glarus AI, а языковую модель подбираем под требования ИБ: от полностью локальной LLM до гибридной схемы, в которой внешняя модель видит только метаданные.
ИИ поверх Power BI вместо дорогой миграции
Существующие отчёты и модели продолжают работать, а поверх них появляется ИИ-ассистент, который понимает структуру ваших данных.
- Каждый новый отчёт — заявка аналитику и ожидание в очереди
- Вопрос к данным требует знания DAX и структуры модели
- Публичные ИИ-сервисы запрещены политикой ИБ — данные нельзя выносить наружу
- Альтернатива — миграция на новую BI: месяцы работ, бюджет и риск для отчётности
- Дашборды и срезы собираются по запросу на естественном языке
- ИИ сам строит DAX-запрос к модели Power BI и объясняет результат
- LLM работает в контуре или видит только метаданные — данные остаются внутри
- Power BI, его модели и бессрочная лицензия сохраняются без изменений
Как ИИ подключается к Power BI
Все компоненты разворачиваются в инфраструктуре заказчика. Power BI ничего не знает об ИИ-слое — для него это ещё один клиент с правами на чтение.
-
Пользователь
Задаёт вопрос текстом или голосом: «Покажи выручку по регионам за квартал и где мы отстаём от плана».
-
Glarus AI
Понимает вопрос, планирует шаги, строит дашборды и формулирует выводы. Работает с выбранной LLM.
-
MCP-сервер Power BI
Отдаёт ИИ структуру модели (таблицы, связи, меры) и выполняет DAX-запросы с правами сервисной учётной записи.
-
Power BI
Существующие семантические модели Report Server / SSAS / Desktop. Отчёты и пользователи продолжают работать как раньше.
Три режима работы LLM — под ваши требования ИБ
Выберите режим, чтобы увидеть, что именно видит модель, где она работает и кому подходит. Режим можно сменить позже без перенастройки Power BI.
Локальная LLM в контуре заказчика
Языковая модель разворачивается на GPU-сервере заказчика рядом с Power BI. Ни данные, ни метаданные, ни тексты вопросов не покидают периметр — контур может быть полностью изолирован от интернета.
Что делаем
- Подбор модели — открытые LLM (семейства Qwen, DeepSeek, Llama, Gemma и др.) под ваши задачи, язык и бюджет на оборудование.
- Сайзинг и развёртывание — расчёт GPU, установка сервера инференса, настройка под нагрузку и число пользователей.
- Адаптация под домен — словарь терминов компании, описания мер и таблиц, примеры вопросов, чтобы модель точнее строила DAX.
- Интеграция — подключение модели к Glarus AI и MCP-серверу Power BI, проверка качества ответов на ваших моделях.
Ценность для бизнеса
Максимальный уровень защиты: ИИ-аналитика доступна даже там, где внешние сервисы запрещены полностью — в финансовых организациях, на производстве, в госсекторе. Нет зависимости от внешних провайдеров и оплаты за токены.
Гибрид: внешняя LLM видит только метаданные
Мощная внешняя модель используется как «планировщик»: она получает только структуру модели Power BI и текст вопроса, а сам запрос к данным выполняется внутри контура. Цифры, строки таблиц и персональные данные во внешнюю модель не передаются.
Как это работает
- Метаданные наружу — внешняя LLM получает названия таблиц, столбцов, связей, мер и их описания — без значений.
- План и DAX — модель возвращает план анализа, DAX-запрос и макет дашборда.
- Исполнение внутри — запрос выполняется через MCP-сервер в контуре, результат показывается пользователю напрямую и не отправляется во внешнюю модель.
- Выводы локально — при необходимости текстовую интерпретацию цифр формирует компактная локальная модель, которой хватает обычного сервера.
Ценность для бизнеса
Качество топовых моделей при построении сложных DAX-запросов и дашбордов — без передачи данных за периметр и без покупки дорогого GPU-оборудования. Оптимальный баланс стоимости, качества и безопасности.
Облачная LLM по договору
Для данных без жёстких ограничений — подключение облачной модели российского или зарубежного провайдера по корпоративному договору. Самый быстрый старт: без оборудования и с доступом к самым мощным моделям.
Что делаем
- Выбор провайдера — GigaChat, YandexGPT, MWS, DeepSeek, Anthropic Claude, OpenAI и другие; переключение моделей прямо в диалоге.
- Разграничение по данным — облачная модель подключается только к разрешённым моделям Power BI; для чувствительных включается локальный или гибридный режим.
- Контроль расходов — лимиты, квоты по пользователям и журнал обращений.
- Плавный переход — можно начать с облака для пилота и позже перейти на локальную LLM без изменений в Power BI.
Ценность для бизнеса
ИИ-аналитика запускается за считаные дни, без капитальных затрат на оборудование. Пилот на обезличенных или открытых данных помогает быстро оценить пользу ИИ, прежде чем инвестировать в локальную инфраструктуру.
Что получают пользователи Power BI
ИИ работает с теми же моделями, мерами и бизнес-логикой, что и ваши отчёты Power BI — цифры совпадают.
Вопросы на естественном языке
«Какие товарные группы просели в сентябре и почему?» — ассистент сам находит нужные меры и строит DAX-запрос к модели.
Дашборды, собранные ИИ
Дашборд под конкретный управленческий вопрос за минуты: графики, таблицы и фильтры на данных моделей Power BI — без заявок аналитику.
Анализ и рекомендации
Поиск трендов, аномалий и отклонений от плана, объяснение причин и конкретные бизнес-рекомендации на основе цифр.
Помощь с DAX и моделями
Ассистент объясняет существующие меры, предлагает новые, помогает документировать модели — полезно и BI-разработчикам.
Права и аудит
ИИ получает доступ только к разрешённым моделям через сервисную учётную запись с правами на чтение; все запросы журналируются.
Агенты и навыки
Повторяемые сценарии — еженедельный разбор продаж, контроль KPI, сводка для руководителя — оформляются как навыки и запускаются одной фразой.
Как проходит проект
Работы не затрагивают существующие отчёты Power BI: ИИ-слой добавляется рядом и подключается только на чтение.
Обследование
Изучаем инсталляцию Power BI, модели данных и требования ИБ, выбираем режим LLM и пилотные сценарии.
MCP и Glarus AI
Устанавливаем и настраиваем MCP-сервер для Power BI и Glarus AI на серверах заказчика.
Языковая модель
Разворачиваем локальную LLM или настраиваем гибридную / облачную схему, задаём правила передачи данных.
Пилот и обучение
Описываем модели и термины, проверяем качество ответов на реальных вопросах, обучаем пользователей.
Частые вопросы
Нужно ли переносить отчёты и модели из Power BI?
Нет. Power BI, его отчёты, семантические модели и DAX-меры остаются без изменений. ИИ-слой подключается к моделям через MCP-сервер на чтение и работает параллельно с привычными отчётами.
Подойдёт ли решение для локального Power BI Report Server?
Да, сценарий рассчитан именно на on-premise-инсталляции: Power BI Report Server, Analysis Services и модели Power BI Desktop. Облачная подписка Power BI не требуется.
Как гарантируется, что данные не уходят наружу?
В локальном режиме LLM работает на сервере заказчика и контур может быть изолирован от интернета. В гибридном режиме внешней модели передаются только метаданные (названия таблиц, полей и мер), а результаты запросов остаются внутри; все обращения к внешней модели журналируются.
Какое оборудование нужно для локальной LLM?
Зависит от выбранной модели, числа пользователей и требуемой скорости ответа. Мы рассчитываем конфигурацию GPU-сервера на этапе обследования; для гибридного режима достаточно обычного сервера.
Можно ли позже перейти на Glarus BI?
Можно, но это не обязательно. Если со временем вы решите отказаться от Power BI, Glarus AI и настроенные сценарии сохранятся, а переход пройдёт постепенно — подробнее на странице «Переход с Power BI».
Хотите ИИ-аналитику, не отказываясь от Power BI?
Обсудим вашу инсталляцию и требования ИБ, подберём режим работы LLM и проведём пилот на ваших моделях Power BI.