Группировка данных – это ключевой этап в анализе данных с использованием Power BI, который обеспечивает не только систематизацию информации, но и выявление важных трендов и закономерностей. Овладение этим инструментом power query становится неотъемлемой частью процесса улучшения эффективности аналитики.
Понимание принципов группирования данных и использование соответствующих запросов в Power Query позволяет не только более полно и точно анализировать информацию, но и существенно экономить время на подготовке данных для последующего анализа данных.
В данной статье мы рассмотрим основные приемы и рекомендации по эффективному применению группирования данных в Power Query, чтобы вы могли максимально эффективно использовать потенциал этого мощного инструмента для вашего аналитического процесса.
Содержание статьи:
- Оптимизация процесса обработки данных
- Ускорение работы Power Query
- Эффективное использование функций
- Использование пользовательских функций
- Организация структуры запросов
- Группировка и фильтрация данных
- Работа с объемными данными
- Разбивка на части и обработка поэтапно
- Вопрос-ответ:
- Какие инструменты предлагает Power Query для группировки данных?
- Как эффективно использовать группировку данных для анализа больших наборов информации?
- Какие существуют типичные ошибки при использовании функции группировки в Power Query?
- Как можно оптимизировать процесс группировки данных в Power Query для повышения производительности?
Оптимизация процесса обработки данных
Группировка данных является одним из основных методов оптимизации процесса обработки данных. При работе с большими объемами информации эффективная группировка позволяет уменьшить количество обрабатываемых записей, что в свою очередь снижает нагрузку на систему и ускоряет выполнение запросов.
Одним из советов по оптимизации процесса группировки данных в Power Query является использование инструментов для предварительной фильтрации данных перед их группировкой. Это позволяет исключить из обработки ненужные записи и сосредоточиться только на необходимых данных, что повышает производительность запросов.
Кроме того, стоит обратить внимание на оптимизацию использования функций при группировке данных. Используйте только необходимые функции и избегайте излишнего применения сложных операций, которые могут замедлить выполнение запросов.
Для улучшения эффективности группировки данных также рекомендуется оптимизировать структуру запросов. Разбивайте сложные запросы на более простые этапы и используйте результаты промежуточных операций для дальнейшей обработки данных.
Наконец, не забывайте о регулярном анализе процесса обработки данных и поиске возможностей для его улучшения. При необходимости обращайтесь к документации Power BI и активно использовать сообщества пользователей для обмена опытом и получения дополнительных советов по оптимизации работы с данными в Power Query.
Ускорение работы Power Query
В данной статье мы рассмотрим ключевые методы ускорения загрузки данных в Power Query. Основные направления оптимизации включают в себя минимизацию времени загрузки и оптимизацию применения запросов.
Минимизация времени загрузки данных
Для ускорения загрузки данных следует оптимизировать процесс подготовки и загрузки данных в Power Query. Перед загрузкой данных рекомендуется провести предварительную обработку и фильтрацию данных непосредственно в источнике, чтобы загружать только необходимые данные. Это позволит сократить объем загружаемой информации и уменьшить время выполнения запросов.
Также стоит избегать использования избыточных шагов и операций в запросах. Оцените каждый этап обработки данных и оптимизируйте их количество, удаляя лишние шаги и объединяя операции, если это возможно.
Оптимизация применения запросов
Для улучшения эффективности загрузки данных в Power Query рекомендуется оптимизировать применение запросов. Используйте группирование данных и фильтрацию на этапе запроса, чтобы сократить объем данных, обрабатываемых Power Query. Это позволит снизить нагрузку на систему и ускорить выполнение запросов.
Также стоит обратить внимание на эффективное использование функций в запросах. Предпочтительно использовать встроенные функции Power Query, так как они оптимизированы для работы с данными и обеспечивают лучшую производительность по сравнению с пользовательскими функциями.
Минимизация времени загрузки данных
Оптимизация запросов
Для улучшения эффективности загрузки данных необходимо аккуратно настроить запросы в Power Query. Это включает в себя оптимизацию выбора столбцов, фильтрацию только необходимых строк и использование индексов при сортировке данных. Чем более точно определены требуемые данные, тем быстрее будет происходить их загрузка.
Группирование данных
Эффективное группирование данных также способствует сокращению времени загрузки. При необходимости проведения агрегации данных по определенным критериям рекомендуется использовать группировку прямо в Power Query. Это позволяет уменьшить объем обрабатываемых данных и ускорить процесс загрузки.
Применение фильтров
Использование фильтров для предварительной обработки данных перед их загрузкой также помогает уменьшить время загрузки. Отфильтровывая только необходимые строки или столбцы, мы сокращаем объем информации, которую необходимо обработать, что в свою очередь ускоряет процесс загрузки данных.
Оптимизация применения запросов
При создании запросов важно избегать избыточных операций и использовать только необходимые шаги обработки данных. Используйте инструменты мониторинга выполнения запросов для выявления и устранения узких мест в процессе обработки данных.
Оптимизация применения запросов
Эффективное использование запросов в Power Query является ключевым моментом для повышения производительности и улучшения работы в Power BI. Запросы представляют собой основной инструмент для обработки данных в Power Query, поэтому их оптимизация может значительно улучшить процесс анализа данных.
Вот несколько советов по оптимизации применения запросов в Power BI:
- Стремитесь к минимизации числа шагов в каждом запросе. Чем меньше шагов, тем быстрее будет выполняться запрос. Рассмотрите возможность объединения нескольких шагов в один, используя функции Power Query, такие как Merge или Group By.
- Избегайте лишних операций в запросах. Оцените каждый шаг и убедитесь, что он действительно необходим для достижения вашей цели. Лишние операции могут замедлить процесс обработки данных.
- Оптимизируйте использование фильтров и условных операторов. При работе с большими объемами данных старайтесь использовать фильтры как можно раньше в процессе обработки данных, чтобы уменьшить объем данных, с которым нужно работать в последующих шагах.
- Используйте индексы для ускорения работы с большими таблицами. Индексирование позволяет Power Query эффективно находить и обрабатывать данные, что может значительно улучшить производительность запросов.
- Разбивайте сложные запросы на более простые подзапросы. Это позволит упростить отладку и оптимизацию каждого подзапроса отдельно, что может сделать весь процесс более эффективным.
В конечном итоге, оптимизация применения запросов в Power Query позволяет сделать процесс обработки данных более быстрым и эффективным, что в свою очередь улучшает производительность и качество анализа данных в Power BI.
Эффективное использование функций
Введение
1. Изучите встроенные функции
Перед тем как приступать к созданию собственных функций, изучите встроенные возможности Power Query. Часто вы найдете функции, которые уже реализуют необходимую вам логику, что позволит сэкономить время и упростить код.
2. Создание пользовательских функций
Если встроенных функций недостаточно, создайте свои пользовательские функции. Они позволят вам унифицировать и повторно использовать части вашего кода, что сделает его более читаемым и эффективным.
3. Оптимизация запросов
Стремитесь к минимальному количеству запросов в вашем проекте. Объединяйте запросы там, где это возможно, чтобы избежать избыточных операций обработки данных.
4. Используйте параметры функций
Параметры функций позволяют делать ваш код более гибким и масштабируемым. Используйте их для передачи аргументов и настройки работы функций в зависимости от конкретных условий.
5. Оптимизация производительности
При написании функций обращайте внимание на их производительность. Избегайте использования сложных операций и циклов там, где это возможно, чтобы ускорить выполнение запросов.
Заключение
Эффективное использование функций в Power Query играет ключевую роль в обработке и анализе данных в Power BI. Придерживаясь описанных выше советов, вы сможете значительно улучшить эффективность вашего проекта и сделать процесс работы с данными более продуктивным.
Использование пользовательских функций
Использование пользовательских функций в Power Query открывает перед пользователями множество возможностей для улучшения эффективности работы с данными. Это мощный инструмент, который позволяет создавать собственные функции и применять их к различным этапам обработки информации.
Почему важно использовать пользовательские функции?
Power Query предоставляет широкий набор встроенных функций для обработки данных. Однако иногда требуется создать более сложные операции обработки, которые не поддерживаются стандартными средствами. В таких случаях пользовательские функции становятся незаменимым инструментом для реализации нужной логики обработки данных.
Преимущества использования пользовательских функций:
- Гибкость: Пользовательские функции позволяют адаптировать обработку данных под конкретные потребности проекта или бизнеса.
- Эффективность: Создание собственных функций позволяет оптимизировать процесс обработки данных, ускоряя выполнение запросов и снижая нагрузку на систему.
- Переиспользование: Разработанные пользовательские функции можно легко переиспользовать в различных проектах или на разных этапах анализа данных.
Советы по созданию пользовательских функций в Power Query:
- Определите цель: Прежде чем приступать к созданию пользовательской функции, четко определите, какую задачу она должна решать и какие параметры в неё должны входить.
- Используйте параметры: Параметры функций позволяют делать их более универсальными и применимыми к разным сценариям.
- Тестируйте: Перед использованием новой функции рекомендуется провести тестирование на различных наборах данных, чтобы убедиться в её корректной работе.
Пример применения пользовательской функции:
Предположим, требуется произвести группировку данных по определенному признаку, который не поддерживается стандартными функциями Power Query. Мы можем создать пользовательскую функцию, которая принимает на вход данные и критерий группировки, а затем выполняет необходимые операции.
В результате, использование пользовательских функций в Power Query становится неотъемлемой частью процесса анализа данных в Power BI. Оно позволяет пользователю гибко управлять обработкой информации, повышая эффективность работы и расширяя возможности инструмента.
Создание и применение собственных скриптов
В процессе работы с данными в Power Query, особенно когда речь идет о группировке данных и улучшении их эффективности, часто возникает необходимость в создании и применении собственных скриптов. Это мощный инструмент, который позволяет автоматизировать рутинные операции, обрабатывать данные более гибко и точно под свои нужды, а также повышать общую производительность вашего рабочего процесса в Power BI.
Для эффективного использования собственных скриптов в Power Query следует придерживаться нескольких рекомендаций и советов:
- Понимание возможностей Power Query: Прежде чем приступить к созданию собственных скриптов, важно хорошо разбираться в функционале Power Query. Это поможет определить, где именно вам необходимо применять скрипты для достижения желаемых результатов.
- Изучение языка M: Скрипты в Power Query пишутся на языке M (M-формулах). Поэтому для эффективного создания и применения скриптов необходимо иметь хорошее понимание синтаксиса и возможностей этого языка. Рекомендуется изучить документацию Microsoft по языку M.
- Группировка и фильтрация данных: Использование собственных скриптов особенно полезно при выполнении сложных операций группировки и фильтрации данных. С их помощью можно создавать индивидуализированные запросы, которые удовлетворяют специфическим требованиям вашего проекта.
- Разработка пользовательских функций: Для повторного использования определенных операций рекомендуется создавать пользовательские функции. Это позволит упростить код и сделать его более понятным и модульным.
- Тестирование и отладка: Перед применением скриптов в больших проектах рекомендуется тщательно тестировать их на небольших выборках данных. Это позволит выявить и исправить возможные ошибки до того, как они повлияют на весь процесс обработки данных.
Максимизация использования встроенных функций
Группировка данных: Одной из основных функций Power Query является возможность группировки данных. При работе с большим объемом информации это становится необходимым шагом для проведения агрегации данных по определенным критериям. Используйте эту функцию с умом, определяя правильные ключи группировки для получения нужных результатов.
Анализ данных: Встроенные функции Power Query предоставляют широкий набор инструментов для анализа данных. От фильтрации и сортировки до расчета статистических показателей и создания сводных таблиц — правильное использование этих функций позволит провести глубокий и качественный анализ вашей информации.
Оптимизация запросов: Эффективное использование запросов в Power Query играет важную роль в улучшении производительности. Избегайте создания избыточных шагов и старайтесь оптимизировать каждый запрос для минимизации времени обработки данных.
Рекомендации по улучшению эффективности: При работе с встроенными функциями Power Query следует придерживаться нескольких основных рекомендаций. Во-первых, старайтесь использовать функции непосредственно в рамках каждого запроса, избегая создания лишних промежуточных шагов. Во-вторых, не забывайте о возможности использования параметров и переменных для более гибкой настройки запросов в зависимости от конкретных потребностей анализа данных.
Максимизация использования встроенных функций Power Query в Power BI позволит вам эффективно проводить анализ данных, улучшая качество принимаемых на его основе решений. Следуйте советам и рекомендациям, представленным выше, и достигайте новых высот в работе с данными!
Организация структуры запросов
При работе с данными в Power BI или других инструментах, основанных на Power Query, важно правильно организовать структуру запросов для улучшения эффективности анализа. В данной статье мы рассмотрим несколько советов и рекомендаций по группировке данных и оптимизации работы с ними.
Первым шагом при организации структуры запросов является группирование данных по логическим критериям. Это позволяет легко управлять большими объемами информации и проводить более точный анализ данных.
Для улучшения эффективности работы с данными в Power Query рекомендуется использовать различные функции и операции, такие как фильтрация, сортировка и удаление дубликатов. Это позволяет минимизировать объем обрабатываемых данных и ускорить процесс анализа.
Кроме того, важно правильно организовать порядок выполнения операций в запросе. Рекомендуется начинать с наиболее ресурсоемких операций, таких как фильтрация и сортировка, а затем применять более легкие операции, такие как удаление дубликатов и добавление столбцов.
При работе с объемными данными рекомендуется разбивать их на части и обрабатывать поэтапно. Это позволяет избежать перегрузки памяти и ускорить процесс анализа.
Использование условных выражений также может значительно упростить и ускорить анализ данных. При помощи условных выражений можно легко фильтровать данные и выделять нужную информацию.
Группировка и фильтрация данных
Power Query предоставляет множество инструментов для группировки данных в соответствии с определенными критериями. Один из основных инструментов – это возможность создания групп на основе значений определенного столбца. Например, вы можете сгруппировать данные по категориям товаров или по датам сделок.
При работе с группировкой данных в Power Query следует учитывать несколько важных моментов:
- Правильно выбирайте столбец или столбцы для группировки. От этого зависит точность и полнота получаемых результатов.
- Используйте различные функции агрегации для подсчета статистических показателей внутри каждой группы. Например, вы можете получить сумму, среднее значение, максимальное или минимальное значение для каждой группы.
- Не забывайте о возможности фильтрации данных перед группировкой. Это позволит исключить из анализа ненужные данные и сосредоточиться на значимых.
Кроме того, для улучшения эффективности работы с данными в Power Query рекомендуется следующее:
- Оптимизируйте последовательность выполнения операций. Иногда изменение порядка действий может значительно ускорить обработку данных.
- Изучите возможности использования параметризации запросов. Это позволит создавать более гибкие и переиспользуемые запросы, что особенно полезно при работе с большими объемами данных.
- Не забывайте про документацию и онлайн-ресурсы по Power Query. Знание дополнительных функций и приемов работы с инструментом поможет вам стать более продуктивным пользователем.
Важно также помнить, что Power Query не ограничивается только обработкой данных в рамках одного инструмента. Вы можете использовать результаты своей работы в Power Query для дальнейшего анализа в Power BI или других приложениях.
Таким образом, грамотная группировка и фильтрация данных в Power Query сопровождаются не только основными функциями инструмента, но и дополнительными советами и рекомендациями по улучшению эффективности анализа данных.
Применение шаговых операций
Первый и самый важный совет – аккуратно структурировать ваши запросы в Power Query. Используйте шаговые операции для разбиения больших и сложных запросов на более мелкие и понятные части. Это поможет не только улучшить читаемость вашего кода, но и облегчит отладку и дальнейшее обслуживание.
Второй совет – оптимизируйте использование шаговых операций для минимизации количества промежуточных шагов в вашем запросе. Чем меньше шагов обработки данных, тем быстрее будет выполняться запрос. Избегайте лишних преобразований и фильтров, сокращайте количество операций до необходимого минимума.
Третий совет – используйте условные выражения и функции для управления шагами операций в зависимости от различных условий. Это позволит создавать более гибкие и адаптивные запросы, которые могут автоматически реагировать на изменения в данных или внешние условия.
Наконец, четвертый совет – не забывайте производить анализ выполнения запросов с помощью инструментов мониторинга производительности в Power BI. Это позволит идентифицировать узкие места в вашем запросе и оптимизировать его для достижения максимальной эффективности.
Использование условных выражений
В процессе работы с данными в Power Query важно уметь применять условные выражения для более гибкого и точного анализа данных. Это позволяет эффективно фильтровать, преобразовывать и обрабатывать информацию в соответствии с определенными условиями.
В Power Query вы можете использовать различные условные выражения, такие как IF, THEN, ELSE, чтобы создавать логику обработки данных в соответствии с вашими потребностями. Например, вы можете применять условные выражения для создания новых столбцов на основе определенных критериев или для фильтрации данных по определенным условиям.
Вот несколько советов по использованию условных выражений в Power Query:
- Будьте четкими в определении условий. Перед началом работы убедитесь, что вы четко понимаете, какие условия должны быть выполнены для применения определенного действия к данным.
- Используйте функции логических операций, такие как AND, OR, NOT, для создания более сложных условий, если это необходимо для вашего анализа данных.
- Тестируйте свои условные выражения на небольших наборах данных перед их применением к большим объемам данных. Это поможет избежать ошибок и непредвиденных результатов.
- Используйте комментарии в вашем коде, чтобы объяснить логику ваших условных выражений. Это сделает ваш код более понятным для других пользователей и для вас самого при последующих изменениях.
Эффективное использование условных выражений в Power Query поможет вам улучшить эффективность работы с данными, ускорить процесс анализа данных и получить более точные результаты. Следуя рекомендациям и группируя данные с помощью условных выражений, вы сможете получить более полное представление о вашей информации и принимать обоснованные решения на основе данных.
Работа с объемными данными
Обработка объемных данных представляет собой значительный вызов для аналитиков и специалистов по обработке данных в Power BI. Эти данные могут быть огромными по размеру и сложными по структуре, что требует особого внимания при создании запросов и их последующей обработке.
Запросы и группирование данных:
Для эффективной работы с объемными данными в Power BI важно осуществлять группировку данных на этапе запросов. Группировка помогает уменьшить объем информации и сделать ее более управляемой. Рекомендуется разбивать данные на более мелкие группы, что упрощает их анализ и улучшает производительность работы с ними.
Улучшение эффективности:
Для оптимизации обработки объемных данных в Power BI следует использовать инструменты для оптимизации запросов. Это может включать в себя использование индексов, фильтрацию данных и оптимизацию процесса загрузки. Рекомендуется также использовать структурированные запросы для минимизации нагрузки на систему и ускорения выполнения запросов.
Рекомендации по анализу данных:
При работе с объемными данными важно использовать различные методы анализа данных для выявления закономерностей и трендов. Это может включать в себя использование статистических методов, машинного обучения и визуализацию данных. Рекомендуется также проводить анализ данных с использованием различных агрегатных функций для получения более полной картины их структуры и характеристик.
Советы по обработке данных:
Для эффективной обработки объемных данных в Power BI рекомендуется следить за оптимизацией процесса загрузки и обработки данных. Это может включать в себя предварительную фильтрацию данных, использование индексов и оптимизацию запросов. Также важно использовать различные методы компрессии данных для уменьшения их объема и ускорения работы с ними.
Работа с объемными данными в Power BI требует от аналитика не только глубоких знаний инструментов и технологий, но и умения эффективно применять их в практической работе. Соблюдение рекомендаций по оптимизации запросов, группированию данных и анализу информации позволит сделать работу с объемными данными более эффективной и продуктивной.
Разбивка на части и обработка поэтапно
Работа с большими CSV-файлами в Power Query может представлять собой значительное испытание для эффективности вашего процесса обработки данных. Однако, благодаря умелому использованию функционала Power Query, вы можете справиться с этим вызовом без лишних сложностей.
Одной из ключевых стратегий при работе с большими CSV-файлами является их разбивка на более мелкие части для обработки поэтапно. Этот подход не только помогает в ускорении загрузки и обработки данных, но и снижает риск перегрузки ресурсов вашего компьютера или сервера.
Как же это реализовать с помощью Power Query?
1. Разделение данных: В начале процесса загрузки вашего большого CSV-файла в Power Query, рассмотрите возможность разделения данных на более мелкие части. Это можно сделать с помощью функций разделения и фильтрации, доступных в Power Query.
2. Обработка поэтапно: После того как вы разбили данные на части, обработайте их поэтапно. Это позволит вам более эффективно управлять процессом обработки и избежать перегрузки системы. Например, вы можете применить несколько запросов к каждой части данных последовательно, оптимизируя каждый этап обработки.
3. Использование запросов: Power Query предоставляет широкий спектр функций и инструментов для обработки данных. Воспользуйтесь возможностями группировки, фильтрации, и других операций для оптимизации вашего процесса обработки данных.
Следуя этим рекомендациям, вы сможете значительно улучшить эффективность работы с большими CSV-файлами в Power Query. Помните о разбивке данных на части, обработке их поэтапно и использовании запросов для оптимизации процесса. Это позволит вам максимально эффективно использовать функционал Power Query в Power BI.
Работа с большими CSV-файлами
Первый шаг к оптимизации работы с большими CSV-файлами — это грамотное использование запросов. Вместо загрузки всего файла целиком, рассмотрите возможность загрузки только необходимых данных. Это можно сделать с помощью фильтрации или группировки данных на этапе запроса. Такой подход не только ускорит загрузку данных, но и сэкономит ресурсы вашей системы.
Для улучшения производительности также рекомендуется использовать группировку данных. Если вы работаете с большим объемом информации, группировка может помочь упростить анализ данных и сделать его более наглядным. Это особенно полезно, если вам необходимо рассмотреть данные по определенным категориям или временным интервалам.
| Советы по работе с большими CSV-файлами |
|---|
| Используйте фильтрацию данных для загрузки только необходимой информации. |
| Применяйте группировку данных для упрощения анализа и визуализации информации. |
| Оптимизируйте запросы, чтобы сократить время загрузки и обработки данных. |
| Разбивайте большие CSV-файлы на более мелкие части для более эффективной обработки. |
Помимо этого, стоит уделить внимание оптимизации самого процесса загрузки данных. Разбейте большие CSV-файлы на более мелкие части, если это возможно, чтобы улучшить скорость загрузки и обработки данных. Также рассмотрите возможность использования параллельной загрузки данных для еще более быстрой обработки.
Итак, работа с большими CSV-файлами в Power BI может быть эффективной при использовании правильных методов и стратегий. Соблюдайте рекомендации по оптимизации запросов, группировке данных и разбивке файлов, и ваш процесс анализа данных станет более производительным и удобным.
Оптимизация загрузки больших таблиц
Первым шагом к оптимизации загрузки больших таблиц является правильное группирование данных. При работе с объемными наборами информации важно оптимизировать структуру данных для более быстрой обработки. Используйте группировку данных для уменьшения объема информации, которую необходимо загружать и обрабатывать в Power Query.
Power Query предоставляет различные инструменты для работы с данными, такие как фильтрация, сортировка и объединение таблиц. Используйте эти возможности для оптимизации процесса обработки данных. Например, можно применить фильтрацию данных перед их загрузкой, чтобы исключить из выборки ненужные строки или столбцы.
Кроме того, эффективное использование запросов поможет ускорить загрузку больших таблиц в Power Query. При создании запросов старайтесь минимизировать количество шагов и оптимизировать их последовательность для достижения максимальной производительности.
| Рекомендации по оптимизации загрузки больших таблиц в Power Query: |
|---|
| Группируйте данные перед их загрузкой |
| Применяйте фильтрацию и сортировку для уменьшения объема данных |
| Минимизируйте количество и оптимизируйте последовательность запросов |
Используйте данные с умом, обращайте внимание на структуру таблиц и оптимизируйте их для более эффективной работы в Power Query. Соблюдение этих простых советов позволит вам значительно сократить время загрузки и обработки больших объемов информации в Power BI.
Вопрос-ответ:
Какие инструменты предлагает Power Query для группировки данных?
Power Query предоставляет различные инструменты для группировки данных, включая функцию Group By, а также возможность использовать агрегатные функции, такие как сумма, среднее, минимум и максимум для обработки группированных данных.
Как эффективно использовать группировку данных для анализа больших наборов информации?
Для анализа больших наборов данных с помощью группировки в Power Query, рекомендуется оптимизировать процесс, выбирая наиболее подходящие агрегатные функции и правильно настраивая группировку, чтобы избежать избыточного расхода ресурсов.
Какие существуют типичные ошибки при использовании функции группировки в Power Query?
Одной из типичных ошибок является неправильный выбор агрегатных функций, что может привести к некорректным результатам. Также часто допускается неправильная настройка ключей группировки, что может вызвать ошибки в данных или потерю информации.
Как можно оптимизировать процесс группировки данных в Power Query для повышения производительности?
Для повышения производительности при группировке данных в Power Query рекомендуется использовать фильтрацию данных до группировки для исключения ненужных строк, а также оптимизировать операции объединения таблиц и преобразования данных, чтобы сократить время выполнения запроса.