🟩 Компьютерно-техническая экспертиза систем BI

Экспертный гид по цифровой аналитике в суде

Пролог: когда дашборды лгут 📉💔

Вы когда-нибудь попадали в ситуацию, когда ваш бонус зависел от цифры в Power BI, но эта цифра оказалась «нарисованной»? Или ваш партнер предъявил отчет в Tableau, где ваша компания выглядит убыточной, а вы знаете, что это не так? Или интегратор внедрил BI-систему, которая ошибается в расчетах на миллионы, а доказать это невозможно? 😡

Системы бизнес-аналитики (BI) — это мощный инструмент, но в руках мошенников или некомпетентных разработчиков они становятся оружием. И вот вы в суде. Судья смотрит на ваши слова и на распечатки дашбордов. И не знает, кому верить. 🏛️

Но есть те, кто может заставить дашборды рассказать правду. Это эксперты, проводящие компьютерно-техническая экспертиза систем BI. Мы — Союз «Федерация судебных экспертов» (kompexp.ru). В этой статье я, эксперт-криминалист, расскажу три реальные истории: о фальсификации KPI в Power BI, о подлоге источников в Tableau, об ошибке в ETL-скрипте Qlik, которая стоила 25 миллионов. Вы узнаете, как мы работаем, какие инструменты используем и почему без нас ваши шансы на победу стремятся к нулю. Поехали! 🚀

Глава 1. BI-система – не игрушка, а источник цифровых следов 🔬

Многие думают: «Ну, дашборд, подумаешь, картинка». Наивные. За красивой графикой стоит сложная инженерная конструкция: 🏗️

ETL-скрипты (Power Query, SQL, Python) – здесь данные загружаются, чистятся, агрегируются. Ошибка или умысел на этом этапе искажают всё.

Формулы DAX / MDX / LOD – это мозг дашборда. Именно здесь рассчитываются KPI. Изменил формулу – и вот ты уже «должен» штраф или лишен премии.

Источники данных – Excel, базы данных, CRM. Их можно подменить.

Логи обновлений – кто, когда, что менял в дашборде.

Эксперт ищет следы на каждом уровне. И поверьте, если кто-то хотел обмануть, мы найдем, как. 🕵️

Глава 2. Кейс №1: Фальсификация KPI в Power BI – месть финансового директора 💼⚔️

Фабула: ООО «ТехноСервис» заключило договор с АО «СтройИнвест» на поставку оборудования. Договор содержал KPI поставщика (рассчитываемый в Power BI): если KPI ниже 80%, заказчик удерживает штраф 15% от суммы. Сделка на 150 млн руб., штраф – 22,5 млн. «СтройИнвест» рассчитал KPI = 65% и удержал штраф. «ТехноСервис» был уверен, что KPI должен быть 92%. Суд назначил экспертизу. 🏛️

Что сделал эксперт (я):

Выгрузил файл.pBIx из Power BI Service.

Открыл модель в DAX Studio. Увидел две меры:

KPI_Correct = DIVIDE(SUM(Sales[Fact]), SUM(Plan[Target]), 0) * 100 (в модели была, но не использовалась).

KPI_Shown = DIVIDE(SUM(Sales[Fact]), SUM(Plan[Target]), 0) * 0.7 (использовалась на дашборде).

Проверил историю версий через SharePoint. Изменение внесено 20.12.2023 пользователем Fin_Director. За 5 дней до расчета штрафа.

Проанализировал логи обновлений Power BI Activity Logs. Подтверждено, что опубликована версия с KPI_Shown.

Вывод: KPI намеренно занижен. Штраф незаконен. 💥

Решение суда: Штраф отменен, взысканы расходы на экспертизу (680 тыс. руб.). «СтройИнвест» доплатил 22,5 млн + проценты. 🏆

Мораль: Компьютерно-техническая экспертиза систем BI (Power BI) вскрыла подлог формул. Не верьте дашбордам на слово – проверяйте. 🔥

Глава 3. Как мы ловим фальсификаторов: экскурсия в «нутро» дашборда 🕵️

Расскажу, на что мы смотрим, когда открываем BI-систему. Это наш «секретный рецепт», но пусть враги знают, что мы умеем. 😈

3.1. Формулы DAX (Power BI)

Ищем лишние коэффициенты (умножение на 0.7, 0.8).

Проверяем разницу между CALCULATE и FILTER.

Сравниваем с эталоном из ТЗ.

3.2. ETL-скрипты Power Query (M)

Ищем фильтры, удаляющие «неудобных» клиентов (Table.SelectRows).

Проверяем замены значений (Table.ReplaceValue).

Смотрим агрегации (группировка по правильному полю?).

3.3. Источники данных (Excel, CSV)

Хэшируем файлы. Сравниваем с эталоном.

Смотрим метаданные: кто создал, когда, кто менял.

3.4. Логи обновлений (Power BI Activity Logs, Tableau Server Logs)

Кто публиковал дашборд?

Кто менял источники?

Кто изменял параметры?

Экспертиза систем BI – это как оперативная работа: ищем следы, фиксируем улики, предъявляем обвинение. 🧬

Глава 4. Кейс №2: Подлог Excel-файла в Tableau (менеджер против HR) 📈

Фабула: Менеджер Иванов не получил годовую премию 2,3 млн руб., так как его KPI в дашборде Tableau составил 74% (план – 100%). Иванов утверждал, что в дашборд загружался поддельный Excel-файл. Суд назначил экспертизу. 🏛️

Что сделал эксперт:

Извлек файл.twbx (Tableau workbook).

Распаковал.twbx – это архив. Внутри нашел Sales_Shown.xlsx и Sales_Actual.xlsx. Дашборд ссылался на Sales_Shown.xlsx.

Проанализировал метаданные Excel:

Sales_Shown.xlsx: создан 15.12.2023, автор HR_Manager.

Sales_Actual.xlsx: создан 01.11.2023, автор Ivanov.

Проверил логи Tableau Server: 16.12.2023 HR_Manager изменил источник данных.

Вывод: Источник подменен. Премия подлежит выплате. 💥

Решение суда: Взыскано 2,3 млн руб. + компенсация морального вреда + расходы на экспертизу (540 тыс. руб.). 🏆

Мораль: Экспертиза систем BI (Tableau) выявила подлог. Excel-файлы тоже оставляют следы. 🔐

Глава 5. ETL-скрипты – золотая жила улик 💰

ETL (Extract, Transform, Load) – это этап, где данные из сырого вида превращаются в аналитику. Ошибка здесь может стоить миллионов. И мы это находим. 🔧

Что ищем в Power Query (M):

Фильтры: Table.SelectRows с условием, отсекающим часть данных.

Замены: Table.ReplaceValue – например, заменяет реальные цифры на фейковые.

Группировки: Table.Group – если сгруппировали по неправильному полю, результат неверен.

Пример (из кейса №3):

m

let

Source = Excel.Workbook(File.Contents(«sales.xlsx»), null, true),

Sales = Source{[Item=»Sales»,Kind=»Table»]}[Data],

#»Grouped Rows» = Table.Group(Sales, {«Division»}, {{«TotalSales», each List.Sum([Sales]), type number}})

in

#»Grouped Rows»

Ошибка: группировка по Division вместо Product. Рентабельность искажена.

Экспертиза систем BI без анализа ETL – как хирургия без скальпеля. 🏥

Глава 6. Кейс №3: Ошибка в ETL-скрипте Qlik – убытки 25 миллионов 💣

Фабула: АО «ТехноЛидер» заказало разработку BI-системы на Qlik для расчета рентабельности продукции. Интегратор ошибся в ETL-скрипте: агрегировал по подразделениям вместо продуктов. В результате компания заключила контракты с заниженной ценой и понесла убытки 25 млн руб. Интегратор отказался признавать ошибку. Суд назначил экспертизу. 🏛️

Что сделал эксперт:

Извлек скрипт Qlik (.qvs).

Нашел ошибку:

sql

LOAD Division, Sum(Sales) as TotalSales, Sum(Cost) as TotalCost Resident Sales;

Вместо правильного:

sql

LOAD Product, Sum(Sales) as TotalSales, Sum(Cost) as TotalCost Resident Sales;

Сравнил с ТЗ: Требовался расчет по продуктам.

Проанализировал логи изменений: Ошибка внесена интегратором.

Вывод: Ошибка в ETL-скрипте, убытки подлежат возмещению. 💥

Решение суда: Взыскано 25 млн руб. + расходы на экспертизу (690 тыс. руб.). 🏆

Мораль: Экспертиза систем BI выявляет ошибки в ETL, которые могут привести к банкротству. 🚨

Глава 7. Chain of Custody – как мы не даем себя обмануть 🔗

Оппонент может заявить: «Вы подменили файлы!». Чтобы этого избежать, мы фиксируем каждый шаг. ✅

Для облачных BI (Power BI, Tableau Cloud):

Нотариальный осмотр веб-интерфейса. Нотариус фиксирует дату, время, версию дашборда.

Видеозапись выгрузки.pBIx /.twbx.

Вычисление хэшей SHA-256:

bash

sha256sum dashboard.pBIx > dashboard.pBIx.sha256

Для on-premises (Qlik, Tableau Server):

Write-blocker (Tableau, Atola) – исключает запись на диск.

Битовая копия.

Без этого суд не примет заключение. Мы это соблюдаем. 🔒

Глава 8. Инструментарий эксперта (наш арсенал) 🛠️

Power BI: DAX Studio, Tabular Editor, PowerShell (Activity Logs).

Tableau: Tableau Desktop, XML-редактор, Tableau Server Logs.

Qlik: Qlik Desktop, Qlik Compose.

Общее: Python (pandas, openpyxl), SQLite, ILSpy.

Экспертиза систем BI требует владения этим арсеналом. 🎓

Глава 9. Как выбрать эксперта: чек-лист ✅

Сертификат по конкретной BI (Microsoft Certified: Power BI Data Analyst, Tableau Desktop Specialist).

Опыт судебных экспертиз (попросите ссылки на решения).

Знание ETL и DAX.

Chain of custody (спросите, как фиксирует).

Цена: от 400 000 руб. Дешевле – красный флаг.

Федерация судебных экспертов – ваш надежный тыл. 🤝

Глава 10. Типовые вопросы к эксперту (для ходатайства) ❓

Имеются ли в модели Power BI (файл.pBIx) признаки намеренного искажения формулы KPI? Если да, то указать старую и новую формулу, дату изменения, пользователя.

Соответствует ли ETL-скрипт Power Query требованиям Технического задания (п….)? Если нет, то в чем выражается несоответствие?

Имеются ли в логах Tableau Server записи об изменении источника данных за период…?

Экспертиза систем BI отвечает на эти вопросы. 🎯

Глава 11. Часто задаваемые вопросы (ФСЕ) ❓

В: Могу ли я сам выгрузить дашборд и отдать эксперту?
О: Можете, но оппонент заявит, что вы его подделали. Лучше через нотариуса.

В: Что делать, если оппонент не дает доступ к Power BI Service?
О: Ходатайствовать об истребовании доказательств (ст. 66 АПК РФ).

В: Сколько времени?
О: 30-60 дней.

В: Дорого?
О: От 400 000 руб. Но победа стоит дороже.

Экспертиза систем BI – это страховка. Без нее вы рискуете. 🎲

Глава 12. Ошибки, которые превращают победу в поражение 🚫

Затянули с ходатайством. Логи обновлений хранятся 30-90 дней.

Сэкономили на эксперте. Дешевый эксперт не полезет в ETL-скрипты.

Не обеспечили chain of custody. Доказательства недопустимы.

Не указали конкретные вопросы. Эксперт не может гадать.

Экспертиза систем BI – это оружие, но им надо уметь пользоваться. 🗡️

Глава 13. Стоимость ошибки: почему лучше заплатить эксперту 💸

Допустим, иск на 50 млн руб.

Без экспертизы: шанс выиграть 30% → ожидаемый проигрыш 35 млн.

С экспертизой: шанс выиграть 90% → ожидаемый проигрыш 5 млн + 0,5 млн экспертиза = 5,5 млн.

Разница – 29,5 млн руб.

Вывод: Экономия на экспертизе – самая дорогая экономия. 🚫

Глава 14. Перспективы: что дальше? 🔮

ИИ-анализ ETL-скриптов будет автоматически выявлять аномалии.

Блокчейн-логи сделают историю изменений неизменяемой.

Но основа останется: экспертиза формул, источников, логов. Экспертиза систем BI будет эволюционировать. 🧬

Глава 15. Заключение: почему мы – и почему вам стоит нам доверять 🏆

Уважаемые читатели! Я показал вам три кейса, где компьютерно-техническая экспертиза систем BI вернула справедливость. Мы разоблачили фальсификацию KPI, нашли подлог источников, выявили ошибку в ETL. 📚

Союз «Федерация судебных экспертов» (kompexp.ru) – мы докажем правду. Обращайтесь! 🟩

Статья является интеллектуальной собственностью. При цитировании ссылка на оригинал обязательна. Кейсы приведены с изменением персональных данных.