Serie | Microsoft Power Platform – Power BI Deep Dive

Einführung

Datenbasierte empirische Entscheidungen sind von essenzieller Bedeutung für Handlungsmaßnahmen in einem Unternehmen. Ob technische Daten wie Ausfallraten bestimmter Maschinen oder Finanzdaten zur Bestimmung von Konsumententrends, eine Entscheidung auf Bauchgefühl ist nicht mehr zeitgemäß und riskiert maßgeblich den Erfolg eines Unternehmens. Um diese Brücke zu schließen, wird Reporting benötigt. Und hier kommt Microsofts Power BI ins Spiel:

Power BI ist studienbelegt, die führende interaktive self-service Reporting-Plattform, welche für Business- als auch Data Analytics genutzt wird. Grundsätzlich kann man Power BI als Tool beschreiben, welches dazu dient Daten schnell, effizient und vor allen Dingen, einfach zu Analysieren und zu Visualisieren. Allerdings richtet sich Power BI nicht nur an Entwickler, Analysten oder verwandte Rollen, sondern auch an Konsumenten der erstellten Dashboards und Reports. Ein großer Vorteil der Power BI Applikation ist somit neben der klassischen Offline-Version, die von Microsoft bereitgestellte Cloud-Plattform welche lokalisationsübergreifend/ortsübergreifend die Zusammenarbeit verschiedener Akteure einer oder sogar unterschiedlicher Organisationen vereinfacht. Power BIs Handlungsraum spielt sich in einem breiten Spektrum von Daten ab. Angefangen bei kleinen Excel-Files bis hin zu Big Data wird die Applikation als Datenverarbeitungstool in einer Reihe von Unternehmen und Industrien eingesetzt.

Nutzen

Der Nutzen Power BIs lässt sich anhand einiger ausgewählter Punkte darstellen. Microsofttypisch bietet Power BI eine Vielzahl von (1) Schnittstellen zu diversen Datenquellen. Excel, SQL-Datenbanken, Cloudquellen, APIs und SharePoint-Listen sind nur ein kleiner Ausschnitt aus welchem Power BI Daten beziehen kann. (2) Datensäuberung und Datentransformation nehmen in der Datenanalyse eine zentrale Rolle ein. Eben dieser Punkt wird auf Basis der Programmiersprache Power Query M durch ein intuitives Userinterface vereinfacht, indem Spalten und Reihen von Datensätzen schnell modifiziert werden können, ohne tatsächlich programmieren zu müssen. Selbstverständlich können fortgeschrittenere User:innen dennoch auf Power Query M zurück greifen. Darauf aufbauend, können in Power BI Datensätze durch (3) Datenmodellierung in Relationen gesetzt, und anschließend optimiert werden. Der hervorstechendste Punkt hierbei ist DAX. DAX steht für Data Analysis & Expression und ist in der einfachsten Form lediglich eine Sammlung von Funktionen, Operatoren und Konstanten die durch bestimmte Ausdrücke/Formeln Werte berechnen oder zurückgeben kann. Vereinfacht gesagt: DAX hilft neue Informationen aus sich bereits im Modell befindenden Daten zu generieren. Letztlich kann ein fertiger Report, der zur Veröffentlichung bereitsteht, durch (4) Power BI Service in Microsoft Teams, Webseiten oder schlichtweg als alleinstehender Report publiziert, und von berechtigten Akteuren konsumiert werden.

Abbildung 1: Power BIs Architektur

Workflow

Okay, und wie genau funktioniert das ganze jetzt? Let’s have a look. Zwar ist es möglich Reports direkt in Power BI Service zu erstellen, der klassische Power-BI-Workflow läuft jedoch wie folgt ab: Zunächst wird ein Bericht in Power BI Desktop erstellt und nach Fertigstellung mit Power BI Service publiziert. Der Workflow kann in sechs Schritte unterteilt werden:

• Konnektoren: Konnektoren sind die Schnittstelle zu den Daten. Ob Excel-File, SQL-Datenbank oder sogar SaaS-Anwendungen – Power BI bietet eine Verbindung zu einer Vielzahl von Datenquellen und stellt somit die Grundlage eines jeden Reports sicher – den Daten. Im ersten Schritt werden also zunächst eine oder mehrere Datenquellen mit Power BI verbunden.
• Datenvorbereitung: Oftmals unterschätzt, jedoch meist mit Konsequenzen. Die Datenvorbereitung nimmt einen der essentiellsten Rollen im Workflow ein. Historisch sehr zeitintensiv, hilft Power BI mit ein paar Klicks Daten zu reinigen, Datentypen zu ändern oder anzupassen und sogar neue Spalten zu erstellen, damit der konsekutiven Weiterverarbeitung der Daten nichts im Weg steht. Im zweiten Schritt unterziehen wir unserem Datenset eine ausführliche Säuberung.
• Datenmodellierung: Bei der Datenmodellierung werden die gesäuberten Daten in Relation gesetzt. Klingt schwer, ist es aber nicht. In einfachen Worten erklärt, bedeutet das, dass bei der Verwendung von verschiedenen Datensätzen die jeweilig daraus resultierenden Tabellen Beziehungen herstellen können. So kann beispielsweise die Mitarbeiter-ID aus Tabelle A mit der Mitarbeiter-ID aus Tabelle B “verbunden” werden, damit Power BI in der darauf aufbauenden Visualisierung Informationen austauschen und auf diese zurückgreifen kann. Schritt drei dient folglich dazu, Beziehungen zwischen den verwendeten Tabellen herzustellen.
• Visualisierung: This is where the fun begins. Nachdem die Daten erfolgreich gesäubert und modelliert wurden, können per Drag & Drop sogenannte Visuals auf die Reportseite gezogen, mit den gewünschten Informationen bestückt und anschließend nach Belieben in Form und Farbe angepasst werden. Der Kreativität sind hier keine Grenzen gesetzt, sogar Skripte anderer Programmiersprachen können implementiert werden, um zu den gewünschten Erkenntnissen zu gelangen. Im vierten Schritt bringen wir unseren Report mit aussagekräftigen Visuals zum Leben.
• Publikation in PBI Service: Sind die vorherigen Schritte erledigt, gilt es den neuen Report zu verteilen. Power BI Service fungiert hierbei als Steuerzentrale für Berichte. Von hier aus können Reports in Workspaces geteilt werden, bestimmte Kacheln einer oder mehrerer Reports zusammengeführt und als Dashboards abgespeichert und konsumiert werden. Dieser fünfte Schritt fungiert als Verteilerschritt.
• Konsumieren & Erkenntnisse ziehen: Zu guter Letzt können die dafür vorgesehenen User den Report je nach Berechtigung eigenständig konsumieren, teilen oder als Dashboards weiterverarbeiten. Im sechsten und letzten Schritt ist es an der Zeit den Report zu benutzen, ergo, Erkenntnisse aus unseren Daten zu ziehen.

Et voila, durch diese sechs einfachen Schritte offenbart sich die wahre Stärke des BI-Tools.

Vorteile

Nun, das alles ist schön und gut. Aber wie steht es um das Thema Datensicherheit bei all dem Teilen, dem kooperativen arbeiten und Konsumieren der Reports? Auch in Puncto Cyber-Security hat Microsoft vorgesorgt. Obwohl – oder besser – gerade, weil Power BI auf einer der größten und am schnellst expandierenden BI-Clouds basiert, setzt Microsoft hier auf volle Transparenz und Sicherheit. Durch Rechenzentren in aller Welt, werden Anforderungen an Compliance, individuelle nationale gesetzliche Sicherheitsstandards und Bestimmungen eingehalten. Regelmäßige, schnelle und innovative Updates auf Basis von Userfeedback führen zu einer kontinuierlichen Verbesserung des Service und sind somit immer Up-to-Date mit den neusten Entwicklungen auf dem Markt. Und auch standarisierte Unternehmensreport- und Analyselayouts, das Zusammenspiel mit Microsoft 365 und Excel, die Integration von KI und Machine-Learning-Methoden und Echtzeit-Analyseupdates sind Alleinstellungsmerkmale, die bei konkurrierenden Analysetools in der Regel nicht ohne Drittanbieter vorgefunden werden können. Und wie sich die Kostenstruktur zusammensetzt, welche verschiedenen Versionen es gibt und für wen, welche Version am besten geeignet ist, das klären wir jetzt.

Lizenz- und Kostenmodelle

Power BI ist nicht gleich Power BI. Es gibt im Wesentlichen zwei “Versionen” von Power BI: Desktop und Service. Der Unterschied zwischen den beiden Applikationen liegt im Use-Case. Während PB Desktop darauf ausgelegt ist, Reports zu bauen, komplexe Datenmodelle aus diversen Datenquellen zu erstellen und weitere datenintensive Operationen durchzuführen, ist Power BI Service mehr auf den Konsum und die Verteilung der Reports ausgelegt. Dashboards bauen, Workspaces erstellen und teilen oder paginierte Reports exportieren, all das sind exklusive Service Features. Dennoch gibt es auch einige Gemeinsamkeiten zwischen den beiden Versionen. Grundsätzlich können beide Versionen Reports erstellen und sich Visuals und Filter zu eigen machen. Kurz um: Desktop ist für die Entwicklung gedacht, Service für den Konsum. Weitere Unterschiede und Gemeinsamkeiten erläutert die Abbildung.

Abbildung 2: Unterschiede und Gemeinsamkeiten nach Microsoft 2022

Nun zur Frage, how much is the fish? Power BI kommt mit drei Lizenzmodellen an den Markt. Power BI Free, Power BI Pro und Power BI Premium. Abhängig von der Lizenzart stehen dem User unterschiedliche Features zur Verfügung. Festzuhalten ist, dass Power BI Free eine, in der technischen Funktionalität, vollwertige Version ist. Alle Features zum Bauen eines Reports stehen dem User somit vollständig zur Verfügung. Ein Power BI Free User kann lediglich keinen in Pro erstellten Report konsumieren, da dies erst mit einer Pro– oder Premium-Lizenz möglich wird. Power BI Free richtet sich somit an Einzel-User wie Studierende oder privat Personen.

In den kostenpflichtigen Lizensierungen richtet sich Microsoft an drei verschiedene Use-Cases. Während sich Power BI Pro ausschließlich durch eine „Per User“-basierte Lizenz charakterisiert, spiegelt sich Power BI Premium durch eine organisationsübergreifende- als auch eine „Per User“-basierte Lizenz wider. Dies will heißen, dass die Kostenstruktur nicht nur „Per User“, sondern auch „Per Organisation“ als Grundlage genommen werden kann. Bei der „organisationsübergreifenden“ Kostenstruktur liegt das Benutzen von Microsofts Cloud-Ressourcen wie Cloud-Computing und Cloud-Speicher zugrunde, also keine „Organisationslizenz“. Demzufolge ist es möglich Ressourcen zu skalieren, um Anpassungsfähig an individuelle Bedürfnisse zu bleiben, ohne Angaben zur Unternehmensgröße machen zu müssen.

Im Klartext bedeutet das, dass sich eine organisationübergreifende Premium-Lizenz tendenziell an größere Unternehmen oder Organisationen richtet, da diese Premium-Lizenz bei 4.212,30€ pro Monat (Stand Juni 2022) beginnt und sich somit rein rechnerisch – bei Kosten einer Pro-Lizenz von 8,40€ und einer „Pro User“-Premium-Lizenz von 16,90€ – erst ab einer Mitarbeiteranzahl von 491 bzw. 250 respektive, rentiert. Dennoch gibt es Szenarien, in denen sich eine Premium-Lizenz auch bei kleineren Organisationen lohnt, da Premium und Pro nicht nur in der Kostenstruktur differieren, sondern auch in Umfang und Use-Case. So können beispielsweise paginierte Reports, also vollends kompatible PDF-Reports, oder die Aktualisierungsrate von Datensätzen nur mit einer Premium-Lizenz erhöht werden. Das wichtigste hierbei die Anzahl an Entwicklern und Konsumenten. Diese Ratio entscheidet, welche Lizenzstruktur letztlich gewählt werden soll.

Um soweit festzuhalten: Alle Mitglieder einer Organisation müssen in der Premium-Organisation sein, um geteilte Reports zu konsumieren. Worin liegt jetzt nun der Unterschied? Ganz einfach: Pro wird hauptsächlich zum Erstellen von Reports genutzt, während die organisationsübergreifende Premium-Lizenz i.d.R. zum Konsumieren verwendet wird. Die „Per User“-Premium-Lizenz ist quasi eine Mischung aus beiden Welten. Reports können erstellt, geteilt und konsumiert werden. Zudem kommen bei dieser Version einige weitere Extras hinzu die es in der Pro-Lizenz nicht gibt.

So kann es sein, dass ein Unternehmen eine organisationsübergreifende Premium-Lizenz hat und nur an reportbauende Positionen wie Analysten oder Entwickler eine Pro– oder „Per User“-Premium-Lizenz verteilt. Alle anderen Mitglieder der Organisation können somit die Reports konsumieren, Dashboards bauen und diese weiter teilen, ohne eine Pro-Lizenz besitzen zu müssen.

Welches Lizenzmodell für Ihre Organisation am effizientesten ist, kann mit unserer kompetenten Beratung erörtert werden – vereinbaren Sie dazu einfach einen kostenlosen und unverbindlichen Vorstellungstermin.

Abbildung 3: Übersicht der Kosten und Features

Case Studie mit MASIS

Um sich nun etwas unter der ganzen Materie vorstellen zu können, stellen wir im Folgenden unsere Case Study zu einem unserer BI Projekte mit „Masis“ vor. Thema: Steuerung und Visualisierung der Sales- und Promotionsdaten. Die manuelle Auswertung großer Datenmengen erfordert hohe Aufwände. Um diese Daten verarbeiten zu können, müssen sie strukturiert, visualisiert und verfügbar gemacht werden. Hierfür haben wir eine standarisierte BI-fähige Auswertung der Kundendaten konzeptioniert, wodurch wichtige Kennzahlen sowie besagte Kundendaten direkt ablesbar gemacht wurden und somit ein businessfähiges Reporting ermöglicht haben.

Zunächst – woher kommt der Business Need?

Bisher fand die Auswertung der Daten bei MASIS einzig über CSV-Dateien statt, was große und unübersichtliche Datenmengen zur Folge hatte und einen hohen manuellen Aufwand erforderte, um datenbasierte Entscheidungen treffen zu können. Eine kontinuierliche Bereitstellung der Auswertungen an verschiedene Stakeholder war somit sehr aufwändig. Um mit diesen Datenmengen arbeiten zu können, müssen sie strukturiert, visualisiert und verfügbar gemacht werden.

Hierfür beauftragte MASIS uns mit der Konzeption einer standardisierten BI-fähigen Auswertung der Daten für ihre Endkunden. So sollte garantiert werden, dass der Erfolg der Außendienst Software sowie Erkenntnisse aus Kundendaten direkt ablesbar sind und über ein generisches Datenmodell ein businessfähiges Reporting möglich ist. Und das mit vollem Erfolg. Hier geht’s zur Case Studie.

Übersicht zur Microsoft Power Platform:

• Power BI Deep Dive
• Power Apps Deep Dive
• Power Automate Deep Dive
• Power Virtual Agents Deep Dive
• Sicherheitskonzepte in MS PBI – statisches Row Level Security
• Sicherheitskonzepte in MS PBI – dynamisches Row Level Security
• Sicherheitskonzepte in MS PBI – Object, Page & Organisation Level Security
• Best Practice Power BI Verwaltungsportal und Mandanteneinstellungen
• Eltern-Kind-Hierarchien in Power BI zur Abbildung von Organigrammen

Interessiert? Dann nichts wie ab zu unserer Power BI Schulung, BI Einführungsworkshop oder Power BI Performanceoptimierung. Damit Wissen nicht nur theoretisch im Kopf bleibt, sondern praktisch umgesetzt werden kann.

Haben wir Ihr Interesse geweckt? Kontaktieren Sie uns!

Ihre Ansprechpartner

Christoph Espelage

christoph.espelage@datalytics-consulting.com

+49 178 3984086