Indsigter

Power BI vs Excel: hvornår er Excel ikke nok længere?

Excel er ikke død, men der er klare tegn på, hvornår det er tid til Power BI. Her er tegnene, en rigtig case og de første skridt.

Excel er ikke længere nok, når I henter data fra mange forskellige systemer, når nogen bruger timer hver uge på at opdatere regnearket i hånden, og når ledelsen må vente på, at én bestemt medarbejder bliver færdig, før tallene er klar. Så er det tid til Power BI. Men Excel er ikke død, og I skal ikke lukke det hele ned på én gang.

Kort fortalt

  • Skiftet giver mening, når data kommer fra flere systemer, og opdateringen tager timer hver uge.
  • Med Power BI bygger man det én gang, og så opdaterer det sig selv, fx hver morgen kl. 7.
  • Excel og Power BI spiller sammen. Start med det, der skaber mest værdi, og slet intet, før det nye virker.

Hvornår er Excel ikke nok længere?

Jeg bliver ofte spurgt, hvornår man har “vokset fra” Excel. Mit svar er, at det sjældent handler om, hvor stor virksomheden er. Det handler om, hvordan jeres data ser ud, og hvor meget tid det koster at holde dem ved lige. Her er de tegn, jeg ser oftest:

  • Data kommer fra mange steder. Når tallene skal hentes fra økonomisystemet, webshoppen, lageret og et par mails mere, bliver det svært at bevare overblikket. Både over selve tallene og over, hvordan de er hentet og renset.
  • Opdateringen er manuel. Hver uge eller hver dag sidder nogen og kopierer, retter og indsætter. Det er tid, der aldrig kommer igen.
  • Analyse og visning ligger i samme fil. Når beregninger, rådata og grafer ligger samme sted, ender det let i et ark, som kun én person tør røre.
  • Der findes flere versioner af sandheden. Filen bliver mailet rundt, og pludselig sidder to ledere med hvert sit tal.
  • Datamængden vokser. Et Excel-ark kan højst have cirka 1 million rækker (Microsoft: Specifikationer og begrænsninger i Excel). De fleste bliver dog langsomme og ustabile længe før.

Excel har faktisk Power Query, så man kan godt hente og rense data dér. Forskellen er, at Power BI bygger en rigtig datamodel, der binder kilderne sammen, og at rapporterne kan opdatere automatisk flere gange i døgnet (Microsoft Learn: Dataopdatering i Power BI).

Hvem sidder typisk med problemet?

Næsten altid økonomiafdelingen. I mindre virksomheder er det tit CFO’en selv, der hver morgen sørger for, at gårsdagens tal er kommet ind, er korrekte og stemmer i rapporterne. I lidt større virksomheder er det en controller.

De kan sagtens finde ud af det. Men de er økonomifolk, ikke dataeksperter, og derfor tager det lang tid. Tid, der burde gå til økonomiopgaverne. Der er også to skjulte omkostninger:

  • Nøglepersonsrisiko. Når én person har bygget arket, står alt stille, når vedkommende er syg, på ferie eller stopper.
  • Tallene kommer for sent. Når rapporten først er klar et stykke inde i næste måned, træffer ledelsen beslutninger på gamle tal.

Hvis I vil se, hvad det koster jer, kan I regne det ud i beregneren på forsiden.

Sådan gjorde jeg hos en kunde, der brugte 2-3 timer hver dag

En kunde fik hver dag og hver uge tilsendt data som Excel-filer på mail. Én medarbejder skulle hver gang hente filen, finde skæringsdatoen, slette alle de gamle rækker, kopiere de nye og sætte dem ind i et stort “master”-ark. Det tog 2-3 timer om dagen, hver eneste dag. Og arket lå lokalt på medarbejderens computer.

Jeg automatiserede det hele med Power Automate og Microsoft Fabric. Når mailen kommer, tager Power Automate filen, fjerner de rækker, der ikke skal bruges, og lægger dataene i én samlet tabel i Fabric (OneLake). Power BI læser derfra.

Resultatet:

  • 20-30 timer sparet om måneden. Det svarer til 3-4 arbejdsdage, som nu bruges på at forstå tallene i stedet for at flytte dem.
  • Tallene er klar kl. 7. Når folk møder ind, er gårsdagens tal allerede i dashboardet. Før kunne der gå et par timer, og hvis medarbejderen sad i møder om formiddagen, blev det eftermiddag.
  • Alle relevante personer har adgang. Ingen skal vente på én bestemt kollega.
  • Færre fejl. En forkert skæringsdato eller en række for meget eller for lidt sker ikke, når det kører automatisk.

Man kan også få Power Automate til at sende en besked, hvis filen ikke kommer, eller indlæsningen fejler. Så opdager man det med det samme. Tallene venter på jer, ikke omvendt.

Er Excel så død?

Nej. Det er nok den største misforståelse, jeg møder. Excel er stadig et rigtig stærkt værktøj til de små, hurtige analyser, hvor man selv skriver eller kopierer data ind. De to værktøjer spiller sammen.

Med “Analysér i Excel” kan man fx lave en pivottabel i Excel direkte oven på Power BI’s datamodel (Microsoft Learn: Analysér i Excel). Økonomiafdelingen beholder sit velkendte værktøj, men med de samme opdaterede tal som alle andre.

Power BI er heller ikke kun for store virksomheder. Min tommelfingerregel er, at det er antallet af datakilder, og hvor tit tallene skal opdateres, der afgør det. Ikke antallet af ansatte. Power BI Desktop kan hentes gratis, og det koster først noget, når rapporterne skal deles.

Hvornår skal man blive ved med Excel?

Der er tilfælde, hvor jeg fraråder Power BI. Hvis I har meget lidt data, fx nogle hundrede rækker, og jeres økonomisystem eller webshoppens egen statistik allerede viser det, I har brug for, så brug det. Business Central har fx en del indbyggede rapporter.

En simpel test: skal I sammenholde tal fra to eller flere systemer? Så har I brug for et analyseværktøj. Hvis ikke, kan Excel og systemernes egne rapporter være nok. Giver det ikke mening for jer, så siger jeg det på det første møde.

Hvilke fejl ser jeg oftest?

  • De vil rette direkte i tallene. I Excel retter man bare i en celle. I Power BI kommer data fra kildesystemerne, så fejl skal rettes dér. Det er en vane, der skal brydes, men det er også derfor, alle kan stole på tallene.
  • De bygger Excel-arket 1:1 i Power BI. Start i stedet med spørgsmålet: hvilke 3-5 ting skal ledelsen have svar på?
  • De starter med det flotte dashboard. Hvis datamodellen ikke er på plads, stemmer tallene ikke med Excel, og så mister ledelsen tilliden. Den er svær at vinde tilbage.
  • De lapper fejl i rapporten. En forkert kunde eller en manglende kategori bliver rettet i Power BI og dukker op igen ved næste opdatering.

Hvordan kommer man i gang?

Når en kunde vil væk fra Excel, starter jeg altid med at se, hvad de har. Sådan ser trinene typisk ud:

  1. Kortlæg Excel-arkene. Hvad har I, og hvad bruges det til? Find også de skjulte regler: manuelle justeringer, tal der er skrevet direkte ind, og formler som kun én person forstår.
  2. Find kilderne. Hvor kommer dataene fra? Laver I dem selv, eller kommer de fra andre systemer?
  3. Byg fundamentet. Saml dataene ét sted, i et datawarehouse eller i OneLake, som Power BI kan hente fra.
  4. Byg den første rapport. Vælg det, der er nemmest at flytte, og som skaber mest værdi. Så er der synlig gevinst inden for de første uger.
  5. Kør parallelt. Lad Excel og Power BI køre side om side, og afstem tallene, indtil de stemmer.
  6. Luk Excel-arket. Først nu. Slet aldrig noget, før I ved, at I har det tilsvarende i Power BI.

Hvilke værktøjer skal man kende?

Som slutbruger skal I ikke lære at kode. I skal kunne klikke, filtrere og stille spørgsmål til tallene. Resten er udviklerens arbejde. Men det er godt at kende begreberne:

  • Power BI: værktøjet til rapporter og dashboards, der opdaterer sig selv.
  • Power Query: den del, der henter og renser data. Findes både i Excel og Power BI.
  • Power Automate: automatiserer manuelle opgaver, fx at hente filer fra mails.
  • Microsoft Fabric og OneLake: Microsofts samlede dataplatform, hvor alle data kan ligge ét sted. Smart, hvis I er i gang med at bygge op, eller allerede bruger meget Azure. Læs mere i Microsoft Fabric for mindre virksomheder.
  • Datawarehouse: en database, der samler data fra flere systemer i en fast struktur. Har I allerede et godt et, kan I fint beholde det.
  • Business Central: det økonomisystem, mange danske virksomheder bygger på. Se Power BI på Business Central.

Hvad er det vigtigste råd?

Det, at I bruger Excel, betyder ikke, at I er bagud. Det vigtige er, om I har styr på jeres data:

  • Ved I, hvor jeres data kommer fra?
  • Kan I samle dem ét sted?
  • Hvad er forretningskritisk for at kunne bygge rapporter, der bliver brugt?

Når det er på plads, kan I bygge dashboards, som flere i organisationen kan bruge, med kontrol over hvem der ser hvad (fx at sælgere kun ser egne kunder). Det kan Excel ikke.

Det kan I gøre i morgen: skriv en liste over jeres vigtigste Excel-ark, hvor dataene kommer fra, og hvor mange timer om ugen I bruger på at opdatere dem. Så ved I, hvor I skal starte.

Ofte stillede spørgsmål

Skal vi stoppe med at bruge Excel, når vi får Power BI?

Nej. Excel er stadig godt til små, hurtige analyser, og med “Analysér i Excel” kan I arbejde i Excel oven på de samme tal som i Power BI.

Er Power BI kun for store virksomheder?

Nej. Det afgøres af, hvor mange systemer jeres data kommer fra, og hvor tit tallene skal opdateres, ikke af antallet af ansatte.

Hvor lang tid tager det at komme fra Excel til Power BI?

Det afhænger af, hvor mange kilder og regneark I har. Jeg arbejder i små skridt, så den første rapport kan være klar inden for de første uger, mens resten flyttes bagefter.

Skal vi selv kunne programmere?

Nej. Som bruger klikker og filtrerer I. Power Query, DAX og datamodellen er udviklerens arbejde.

Kan vi beholde vores Excel-ark, mens vi skifter?

Ja, og det bør I. Kør dem parallelt, til tallene stemmer, og slet intet, før det tilsvarende virker i Power BI.

Er I i tvivl om, hvorvidt I er vokset fra Excel? Book et uforpligtende afklaringsmøde, så kigger vi på det sammen. Hvis Excel er nok for jer, siger jeg det. Se også, hvad jeg laver som Power BI-konsulent.

Book et afklaringsmøde

Skriv kort, hvad I gerne vil have styr på, så aftaler vi 30 minutter, online eller hos jer. Det er gratis og uforpligtende.

dr@datly.dk

Hellere ringe? +45 42 68 94 50

  • Vi kigger på jeres systemer og de spørgsmål, I gerne vil have svar på.
  • I får mit bud på, hvad der kan automatiseres, og hvor I bør starte.
  • I får konkrete næste skridt, uanset om vi arbejder sammen.

Jeg bruger kun dine oplysninger til at svare på din henvendelse. Læs mere i privatlivspolitik.