”
De laatste tijd zie je dat steeds meer bedrijven aan de slag gaan met Power BI. Het is een populair product, men heeft er weleens van gehoord en het is makkelijk zelf, en gratis, te downloaden. Self-service BI is populair. De drempel om een dashboard te bouwen is laag en het ziet er al snel erg mooi en interactief uit. Wat is nu nog de meerwaarde van een datawarehouse of een semantische laag als iedereen gewoon zelf met power BI aan de slag kan?
Databron
Als men binnen een organisatie zelf aan de slag gaat met Power BI als self-service tool zien we waak dat Power BI wordt gevoed door Excel files. Deze Excel files worden vaak uit een bronapplicatie geëxporteerd en daarna, voordat ze in Power BI worden geladen, als dan niet bewerkt. Om een rapportage te updaten moeten een aantal handelingen worden verricht en de herkomst van de data van de verschillende dashboards is soms zelfs lastig te achterhalen. Voor je het weet wordt de organisatie gestuurd op dashboard waarvan eigenlijk niemand ooit goed heeft gecontroleerd of de data echt wel klopt.
Organisaties die de data al rechtstreeks uit het bronsysteem halen denken deze problemen voor te zijn, maar ook dan kan het erg nuttig zijn om na te denken over de architectuur. Een model in Power BI is zo gemodelleerd, maar waar leg je dan je definities vast en hoe zorg je dat de tabellen altijd op de goede manier aan elkaar worden gekoppeld?
Semantische laag
Door het gebruik van een semantische laag tussen de database en de rapportage tool kunnen een hoop van bovenstaande problemen weggenomen worden. Een semantische laag (of data management laag) is eigenlijk een fysieke of virtuele laag tussen de databron(nen) en de rapportage tool waarin de data vertaald wordt naar een makkelijk te gebruiken model voor de eindgebruiker. Een veel gebruikte oplossing hiervoor binnen de Microsoft BI-stack is kubussen. Deze bieden tevens nog het voordeel dat je hierop met Power BI live kan connecteren. Wat is nu de meerwaarde van een semantische laag tussen de database en de rapportage tool?
• Definities kunnen op een plek worden vastgelegd
• Modellering hoeft maar een keer te worden gedaan
• De modellering wordt juist gedaan, waardoor iedereen over de juiste cijfers beschikt
• Een eindgebruiker hoeft geen verstand van databases te hebben
• Men kan rapporteren aan de hand van businesstermen
• Afhankelijk van de architectuur wordt het bronsysteem niet continu belast met query's
• Er kan met verschillende tools over dezelfde data worden gerapporteerd
Ontwikkeling onder controle
Door het aanbieden van een goede en bruikbare rapportageomgeving aan de eindgebruikers kan ook een wildgroei aan rapportages binnen de organisatie voorkomen worden. Alle rapportages maken op dezelfde manier een connectie met verschillende bronsysteem en deze kunnen op een gestructureerde manier, al dan niet in de cloud, worden opgeslagen. Door middel van de verschillende security mogelijkheden kan ook nog bepaald worden wie welke data mag zien en wie welke rapportages kan wijzigen of ontwikkelen.
Conclusie
De opkomst van self-service BI is zeker niet verkeerd, maar denk als organisatie wel goed na over de inzet van de verschillende tools en tevens ook de beheerbaarheid ervan. Power BI gebruiken om even snel een analyse te doen op bepaalde data kan heel waardevol zijn, maar als de rapportages een dagelijks onderwerp van gesprek worden is het wellicht toch goed om even kritisch naar de architectuur en de inzet van de tool te kijken.
21 en 22 maart 2023 Organisaties hebben behoefte aan data science, selfservice BI, embedded BI, edge analytics en klantgedreven BI. Vaak is het dan ook tijd voor een nieuwe, toekomstbestendige data-architectuur. Dit tweedaagse seminar geeft antwoord ...
4 april 2023 (Face-to-face én Live Video Stream) Schrijf in voor al weer de tiende editie van ons jaarlijkse congres met wederom een ijzersterke sprekers line-up. Op deze editie behandelen wij belangrijke thema’s als Datamesh, Analytics ...
5 april 2023 Praktisch en interactief seminar met Nigel Turner Data-gedreven worden lukt niet door alleen nieuwe technologie en tools aan te schaffen. Het vereist een transformatie van bestaande business modellen, met cultuurverandering, een herontwe...
5 april 2023 (halve dag)Praktische workshop met Alec Sharp This workshop introduces concept modelling from a non-technical perspective, provides tips and guidelines for the analyst, and explores entity-relationship modelling at conceptual and logical...
5 april 2023 (halve dag)Praktische workshop door Thomas Frisendal In deze workshop van een halve dag zal de Deense expert Thomas Frisendal laten zien wat graph technologieën in de praktijk betekenen. Hij zal ook laten zien hoe graph oplossi...
13 april 2023 Praktische workshop Datavisualisatie en Human Data Stories. Hoe gaat u van data naar inzicht? En hoe gaat u om met grote hoeveelheden data, de noodzaak van storytelling, data science en de data artist? Lex Pierik behandelt de stromingen...
8 t/m 10 mei 2023 Praktische workshop Data Management Fundamentals door Chris Bradley - CDMP-examinatie optioneel De DAMA DMBoK2 beschrijft 11 disciplines van Data Management, waarbij Data Governance centraal staat. De Certified Data Managemen...
11 en 12 mei 2023 Praktische workshop Data Governance & Stewardship door Chris Bradley - CDMP-examinatie optioneel Wat betekent Data Governance eigenlijk, hoe kunnen we het praktisch laten werken en wat zijn de implicaties? Deze 2-daagse cursus bie...
Deel dit bericht