Power BI direkte på kilden er nok, når I har én primær datakilde, overskuelige datamængder og ikke har brug for lang historik. Har I data i flere systemer, brug for ens definitioner på tværs af rapporter eller historik, som kildesystemet ikke gemmer, er et datawarehouse det rigtige valg. Mange starter direkte på kilden og bygger et datawarehouse, når behovet viser sig.
Kort fortalt
- Power BI direkte på kilden er nok med én primær datakilde og begrænset historik.
- Med flere systemer, behov for ens definitioner eller lang historik er et datawarehouse det rigtige valg.
- Mange starter direkte på kilden og bygger et datawarehouse, når behovet viser sig.
Hvad er et datawarehouse?
Et datawarehouse er en database, der samler data fra jeres forskellige systemer, renser dem og gemmer dem i en struktur, der er bygget til rapportering og analyse frem for daglig drift. ERP-systemet er bygget til at bogføre en faktura hurtigt. Datawarehouset er bygget til at svare på, hvordan dækningsgraden har udviklet sig pr. kundegruppe de sidste tre år.
I dag kalder man det ofte en dataplatform, fordi den typisk ligger i skyen, fx i Azure eller Microsoft Fabric, og kan rumme mere end klassiske tabeller. Princippet er det samme: ét sted, hvor data er samlet og gjort klar.
Hvad betyder “Power BI direkte på kilden”?
Power BI forbinder sig direkte til fx Business Central, e-conomic eller databasen bag et fagsystem, og al omformning af data sker i Power BI, i Power Query og i datamodellen. Data importeres typisk og opdateres efter en tidsplan.
Fordelene er tydelige:
- I kommer hurtigt i gang, og de første rapporter kan være klar på kort tid.
- Der er færre dele at drifte: ingen ekstra database eller dataflows.
- Det er en god måde at lære, hvilke tal der faktisk bliver brugt.
Ulemperne vokser med kompleksiteten:
- Logikken ligger i de enkelte Power BI-filer og bliver let kopieret og ændret forskelligt fra fil til fil.
- Det er svært at kombinere mange kilder og matche kunder eller varer på tværs af systemer.
- Kildesystemet belastes af opdateringerne.
- Historik, som kilden overskriver, går tabt, fx hvilken sælger en kunde havde sidste år, eller hvilken varegruppe en vare lå i før.
Hvornår har man brug for et datawarehouse? Seks tegn
- I har data i tre eller flere systemer, der skal ses sammen, fx ERP, webshop, CRM og budget i Excel.
- Det samme begreb betyder noget forskelligt i forskellige rapporter, og møderne går med at afstemme tal.
- I har brug for historik, som kildesystemet ikke gemmer.
- Opdateringen af Power BI er blevet langsom eller fejler, fordi datamængderne er vokset.
- I skifter ERP-system og vil bevare historikken på tværs af det gamle og det nye system.
- Flere personer bygger rapporter, og I vil have én fælles, kontrolleret datakilde.
Genkender I et eller to af punkterne, er det et signal om at holde øje. Genkender I flere, er det sandsynligvis tid.
Er DirectQuery ikke en mellemvej?
DirectQuery betyder, at Power BI ikke kopierer data, men spørger kilden direkte, hver gang en rapport vises. Det giver friske tal, men Microsoft beskriver selv en række begrænsninger ved DirectQuery, blandt andet langsommere visualiseringer, belastning af kilden og færre muligheder for at omforme data. Det løser heller ikke problemet med flere kilder eller manglende historik. DirectQuery er et godt værktøj i bestemte situationer, men sjældent et alternativ til et datawarehouse.
Hvordan ser en trinvis vej ud?
Valget behøver ikke være enten-eller fra dag ét. For mange mellemstore virksomheder giver denne rækkefølge mening:
- Start med Power BI direkte på den vigtigste kilde og en ordentlig datamodel. Brug den til at afklare, hvilke tal ledelsen faktisk bruger.
- Når den næste kilde kommer til, eller logikken begynder at blive kopieret, så flyt omformningen ud i et datawarehouse, og lad Power BI læse derfra.
- Byg datawarehouset i etaper, ét emneområde ad gangen (fx salg, så økonomi, så lager), så der er synlig værdi undervejs.
Det vigtigste er at bygge datamodellen i Power BI, så den kan flyttes. Er tabellerne allerede organiseret som fakta og dimensioner efter stjernemodellen, bliver skiftet til et datawarehouse meget mindre.
Et eksempel: en grossist med fire systemer
Forestil dig en grossist med 60 ansatte. Økonomien kører i Business Central, webshoppen i et andet system, sælgerne bruger et CRM-system, og budgettet ligger i Excel. Direktøren vil gerne se salg mod budget pr. sælger og kanal hver mandag.
Med Power BI direkte på kilderne skal fire forbindelser vedligeholdes i samme fil, kunder skal matches mellem webshop og ERP i Power Query, og budgettet skal kobles til den samme varegruppering. Det kan lade sig gøre, men det bliver skrøbeligt. Med et datawarehouse sker matchningen ét sted, historikken gemmes, og Power BI-modellen bliver enkel.
Det samme mønster ser man i transport og logistik, hvor ordre-, flåde- og økonomidata typisk ligger i hvert sit system. Læs mere om Power BI til transport og logistik.
Ofte stillede spørgsmål
Er et datawarehouse kun for store virksomheder?
Nej. Med cloudtjenester som Azure SQL og Microsoft Fabric kan et datawarehouse startes småt og vokse med behovet. Det afgørende er antallet af kilder og kravene til tallene, ikke antallet af ansatte.
Kan Power BI erstatte et datawarehouse?
Power BI kan klare en del omformning og en god datamodel, men det er bygget til analyse og visning, ikke til at samle, gemme historik og kvalitetssikre data fra mange systemer.
Hvor lang tid tager det at bygge et datawarehouse?
Det afhænger af antallet af kilder og ønskerne til rapporterne. Bygges det i etaper, kan det første emneområde være i brug længe før hele platformen er færdig.
Mister vi vores eksisterende Power BI-rapporter?
Ikke nødvendigvis. Er datamodellen bygget pænt, kan rapporterne ofte peges over på datawarehouset med mindre tilpasninger.
Næste skridt
Læs mere om datawarehouse og dataplatform hos Datly eller om Power BI-rådgivning. Er I i tvivl om, hvor I står, så tag et gratis afklaringsmøde: book det her.