Inleiding
Microsoft timmert de laatste paar jaar enorm aan de weg met Power BI. Het product wordt maandelijks verrijkt met nieuwe functies en daarmee steeds beter. Dit wordt ook gezien door de markt en marktonderzoekers zoals Gartner met hun ‘magic quadrant for BI and Analytics’.
Dit artikel is de laatste in een serie van drie.
In dit artikel gaan we aan de hand van een demonstratie dataset (2 dimensionele modellen) aan de slag om in concrete stappen toe te werken naar bruikbare ‘analytics’.
Daarbij lopen we tegen praktische zaken aan, en zullen dan ook ingaan op de wijze waarop we die hebben aangepakt.
Alhoewel we soms een vergelijking maken met OBIEE, is dit artikel vooral niet bedoeld om de twee producten te vergelijken en een oordeel te geven. De vergelijking is vooral gedaan, omdat onze kennis en kunde van oorsprong ligt bij de Oracle technologie.
We willen in een serie van 3 artikelen vooral laten zien waar we tegenaan gelopen zijn bij lastiger onderwerpen, en hoe we dit hebben opgelost.
- Artikel 1: Uitleg van de proeftuin en samenvatting bevindingen
- Artikel 2: Modelleren en “shapen” van de data
- Artikel 3: Visualisaties maken en publicatie (dit artikel)
Visualisaties maken
Het maken van diverse visualisaties gaat verbluffend snel en eenvoudig, zoals bij elk modern datavisualisatie-product tegenwoordig het geval is.
Filters (slicers) maken, eenzelfde rapport kopiëren en met een andere opmaak tonen, het gaat verbluffend snel.
Een bijzonder krachtige weergave in tabelvorm is de matrix (kruistabel). Daarbij kun je meerdere detailniveaus gebruiken, die niet direct allemaal zichtbaar zijn. Maar dat wel kunnen worden via een drill-down knop.
Door deze mogelijkheid ben je niet langer genoodzaakt om een drill-down langs een bepaalde van te voren gedefinieerde hiërarchie te doen. In feite kun je elke drill-down maken die je wenst.
Hieronder zien we dat we van jaren naar maanden kunnen inzoomen, en daarna naar de productgroepen.
Je ziet hier alleen jaren en maanden, terwijl er nog een detailniveau beschikbaar is voor de productgroepen.
En hierboven zie je dan het volledige resultaat.
Filtering met behulp van visualisaties
Ook een bijzonder handig feature is dat je niet alleen kunt filteren met behulp van slicers, maar ook met andere visualisaties.
In bovenstaande schermafdruk zie je welk deel betrekking heeft op de gemaakte selecties (diepe kleur) en welk deel niet (fletse kleur).
Je kunt zelfs met data uit de kolommen van een tabel filteren.
Dan willen we nu nog ingaan op twee speciale zaken die we in het begin al onder de aandacht hebben gebracht:
- Feiten bij elkaar brengen met dezelfde dimensie tijd, maar niet gelijke niveaus (actuals per dag, forecasts per maand).
- Feiten laten zien in combinatie met niet-gerelateerde dimensies.
Feiten met common, non-conformed dimensions
Dit heeft vooral impact tijdens het modelleren in Power BI desktop (tabular model). Dit is al besproken. Voor de rapporten heeft het in zoverre impact dat je de forecasts nu ziet op de 1e dag van de maand, omdat de forecast cijfers ook aan de dagen zijn gekoppeld (1e van de maand).
Verder heeft het geen gevolgen, het werkt prima.
Feiten combineren met een niet gekoppelde dimensie
In het tabular model leg je geen relatie tussen bijvoorbeeld de dimensie product en forecasts. In het rapport leidt dit ertoe dat je bij de forecasts in combinatie met producten altijd hetzelfde cijfer ziet. Bij de actuals zie je dit niet.
Je kunt dus wel de meetwaarden in 1 rapport combineren, maar je ziet altijd dezelfde waarde, en dan moet je dus zelf interpreteren dat er geen verband is tussen de dimensie en de meetwaarde.
Wellicht is het mogelijk om met DAX formules het voor elkaar te krijgen dat je geen cijfer toont, maar het is ons – met onze beperkte kennis van DAX – niet gelukt. DAX voelt toch meer als programmeren dan modelleren.
Wanneer we deze opzet vergelijken met de Oracle BI Suite, dan zien we een verschil qua benadering. De BI suite laat bij de meetwaarde geen cijfers meer zien, want die zijn er niet. Sowieso zouden we in het in de Oracle BI Suite anders oplossen, door voor de actuals en forecasts aparte “subject areas” te maken, waarbij de feiten en dimensies die met elkaar te maken hebben alleen zijn te zien. En dan kun je vervolgens over de twee subject areas combinaties maken van alleen die dimensie die beide delen. Je wordt als het ware behoedt voor het maken van fouten.
Publicatie op de Power BI service (powerbi.com)
Het laatste dat we hebben gedaan is het uploaden van het Power BI desktop document (.pbix) naar de Power BI service (powerbi.com).
Deze is echt vrij eenvoudig door via de actie “Gegevens ophalen” de ‘.pbix’ in te lezen. Wat meekomt met deze actie is het datamodel inclusief de data en de rapporten. Deze kun je dan ook direct gebruiken.
Wat echter opvalt na de upload actie is dat de naam van de meetwaarden “% of Grand Total” is gewijzigd van Engelstalig uit de Desktopversie naar Nederlands in de online-versie. Uiteindelijk is dit vrij eenvoudig aangepast door de naam van de meetwaarde te wijzigen, maar het is naar ons idee wel een kleine fout.
Verder dan deze stappen zijn we niet gegaan. Wat we nog hadden kunnen doen zijn de volgende zaken:
- Een dashboard maken
- Rechten uitdelen aan groepen medewerkers om hen toegang te geven tot deze BI-oplossing
- Een verbinding maken met de on-premises databron via de gateway