Power BI adatvizualizációs eszköz

Az adatok megjelenítése

Egy adatmodellezési és riportépítési folyamat utolsó lépése az adatok megjelenítése a felhasználók számára. Az adatok vizualizációja évről évre fontosabb szerepet kap, ahogy erre a célra több és fejlettebb technológia érhető el, az üzleti felhasználók pedig egyre személyre szabottabb és egyre interaktívabb riportokat, valamint dashboardokat szeretnének használni.

Fontos szempont az is, hogy a felhasználó saját maga is végre tudjon hajtani módosításokat az elemzéseken. A megfelelő adattárház kiválasztása mellett ma már kardinális kérdés lett az is, hogy milyen adatvizualizációs eszközt válasszunk.

A Microsoft piacvezető a Business Intelligence Platformok és Elemzések területén, a Power BI az egyik legelterjedtebb adatvizualizációs eszköz (Gartner 2020 Magic Quadrant felmérése alapján). Az üzleti intelligencia eszköz 2015. július 24. óta érhető el a nagyközönség számára. A következőkben bemutatjuk, hogy adatmodellezésre és adatvizualizációra egyaránt alkalmas, míg egy következő cikkünkben részletesen ismertetjük a gépi tanulásban, illetve a mesterséges intelligenciában rejlő lehetőségeit.

A Microsoft Power BI, mint termék

A megoldás adatvizualizációs eszköz nagy előnye, hogy mivel Microsoft termék, ezért felülete közismert, nem kell a felhasználóknak teljesen új környezetet megtanulnia, mert az üzleti intelligencia eszköz Ms Office integrációja kiemelkedő.

A Power BI árazása kiemelkedően rugalmas, már 10 dollár / accounttól elérhető. Természetesen lehetőség van az ingyenes próbaidőszakra is, így minden elköteleződés nélkül kipróbálható.

Segítségével egyszerűen megtudjuk osztani az információt akár az egész cégen, akár a csapatunkon belül. Vállalaton kívül is megoszthatók a Power BI riportok, feltételezve, hogy az adott felhasználó rendelkezik Power BI accounttal. A közös platform segítségével (Power Platform) csak publikálnunk kell az adott riportot vagy dashboardot, és az máris elérhető lesz kollégáink számára, akár közösen dolgozhatnak ugyanazon a riporton. Az elkészült lekérdezéseket akár a Power BI mobil applikáción is megtekinthetjük. Külön érdekesség, hogy a Power BI Mobile iOS app már össze van integrálva a Siri shortcutssal, így Siri segítségével is meg lehet nyitni a riportokat, elég annyit mondanunk, hogy „Siri, open the sales report!”.

A PowerBI élen jár az mesterséges intelligenciában rejlő lehetőségek felhasználásában az üzleti intelligencia terén, jó példa erre a Quick Insights funkció, ami segít trendeket felfedezni az adatokban, illetve a Q&A funkció, amely választ ad felhasználók által feltett kérdésekre.

A Power BI állandóan „fejlődik”, folyamatosan jönnek ki az új fejlesztések és funkciók, amelyek segítik a lehető legtöbbet kihozni az adatainkból.

A Power BI adatvizualizációs eszköz komponensei

• Power BI Desktop: a riportok elkészítésére használjuk.
• Power BI szolgáltatás: felhő alapú szolgáltatás, amelyen keresztül tudjuk publikálni az elkészült riportokat, valamint itt tudjuk megtekinteni a kollégáink által készített riportokat is.
• Power BI mobilalkalmazás: segítségével a telefonunkon is tudjuk használni az eszközt.
• Power BI jelentéskészítő kiszolgáló: lehetővé teszi, hogy a riportjainkat a tűzfalon belül használjuk, így azoknak a cégeknek készült, akik még nem szeretnék adataikat a felhőben tárolni. Utólag egyszerűn át lehet állni a felhőalapú Power BI szolgáltatásra.

A Power BI temérdek egyedi vizuális és adatelemzést könnyítő megoldással rendelkezik, többek között:

• Lokáció alapú adat megjelenítés
• Interaktív szűrések (filtering)
• Egyedi látvány témák készítésének lehetősége
• Sor szintű biztonság
• Lefúrás az adott dashboardon belül
• Saját template rendszer kialakítása
• Slicer (‘Szeletelő’)

Power BI adatkinyerési módszerek

A Power BI-ban történő riport /dashboard alkotás során az első lépés az adatkinyerési metódus megválasztása. Adatot kinyerni számtalan forrásrendszerből lehetséges, például: SAP, HANA, Oracle, MS SQL, SharePoint, Excel, csv, stb. A Power BI kétféle módon tud adatot kinyerni a forrásrendszer(ek)ből:

• direkt query módszer
• import módszer

A direkt query módszer használata során a riport / dashboard futásidejében történik a forrásrendszer oldali adatkinyerés, azaz futtatásonként van lekérdezés a forrásban. Ennek előnye, hogy – megfelelő forrásrendszer használata esetén – kvázi real-time riportozás valósítható meg. Hátránya viszont, hogy nem csak fokozottan terheli a forrásrendszert, hanem a forrás oldali adatkinyerés futásideje is hozzáadódik a Power BI riport/dashboard megjelenítési idejéhez.

Import mód használata esetén sem kell a régi, klasszikus “éjszakai töltések másnapi riportolása” módszertant követni, mert be lehet állítani a kinyerést, hogy naponta néhány alkalommal, vagy akár óránként frissüljön a riport. Ennek a módszernek további előnye, hogy a frissítési folyamatnak csak a végén törli az előző eredményt, azaz a frissítés alatt is megfelelő performanciával jeleníthető meg a Power BI riport/dashboard.

A Power BI adatvizualizációs eszköz és a SAP BW/HANA

A korábbi SAP BW verziók integrált és ingyenes front-end eszköze volt – többek között – a Business Explorer, mely szoros Excel integrációval rendelkezett. A BW4HANA bevezetésével az SAP megszüntette az ingyenes front-end eszközt, ezért 3rd party megoldások alkalmazása relevánsabbá vált.

A korábbi, nem HANA alapú adattárház verziók esetén is lehetőség van – igaz, jelentős korlátokkal – a Power BI képességeinek a kihasználására. 7.3-as, non HANA alapú SAP-BW rendszerből is lehet adatot kinyerni, query mint adatforrás használatával. Ebben az esetben az üzleti felhasználók által évek alatt validált adattartalmú riportok adatai kerülhetnek áttöltésre, ami jelentősen kisebb tesztelési ráfordítást igénnyel, illetve infókocka is lehet a Power BI riportálás alapja.

Azonban HANA-s forrás esetén a lehetőségek tárháza jóval bővebb, kihasználható a HANA által nyújtott virtuális adatmodellezés minden előnye, ezért javasolt az adatmodellezés jelentős részét a HANA-ban elvégezni. A Power BI azonban nem csak egy kiaknázó-megjelenítő eszköz, hanem képes adatmodellezésre is. Ennek köszönhetően kihasználható, hogy a HANA és a Power BI két külön rendszer, ami a Power BI-nak forrás, az a HANA felől érkezve már tetszőlegesen transzformált és aggregált adatokat tartalmaz. Ezzel a módszerrel csökkenthető a Power BI adatvizualizációs eszköz felé átadandó adatmennyiség, ugyanakkor a főbb jellemzők mentén történő bontás lehetővé teszi, hogy a Power BI-ban több forrásból érkező – akár nem SAP forrású – adatok is összekapcsolódjanak és megjelenjenek egyetlen beszámolóban.

A Power BI adatmodellezés során a modellbe importált táblákból újabb táblákat (Pl. DAX, függvényekkel, unióval) képezhetünk, majd ezek között is definiálhatunk kapcsolatokat.

Power BI és SharePoint

Jelentős a felhasználói köre a különböző SharePoint listáknak, melyek könnyen, felhasználóbarátan tarthatók karban, és használatukhoz nem kell a felhasználóknak kilépniük a megszokott Microsoft környezetből.

Még egy SAP-t használó termelő vállalat esetén is nagyon nehéz kialakítani az “egyetlen és igaz”, elemzésre teljeskörűen használható cikktörzset, mert az attribútumok jelentős része az SAP-ban, de más részük külön felhasználóknál “Az Excel táblában”, vagy “A Share-en” kerül karbantartásra.

Korábban ilyen esetekben valamilyen módon be kellett kényszeríteni az összes adatot – például – az adattárházba, vagy az alaprendszerbe, azonban a Power BI könnyen tud forrásként használni Excel táblákat, vagy SharePoint listákat is.

Ezen integrációs funkció használatával több, korábban releváns probléma is elhárítható:

• nem kell az üzleti felhasználónak új környezetet vagy eszközt megtanulni,
• nem kell “belefejleszteni” sem az alaprendszerbe, sem az adattárházba az érintett mezőket,
• front-end oldalon egyetlen beszámolóban láthatók és elemezhetők az adatok.

A Power BI, illetve a Power BI egy SAP HANA rendszerrel összekötve rengeteg riportálási, adatvizualizációs, illetve adatelemzési lehetőséget rejt magában. Ha a rendszerek rendelkezésre állnak, már csak egy megfelelő partnerre van szükség, hogy a lehető legtöbbet kihozzuk az adatainkból!

Tekintse meg további bejegyzéseinket!