Därför ska du ha ett datalager i din BI-lösning

Med en central plats där du kan hantera och lagra din data får du mer flexibilitet i din BI-lösning, samtidigt som du slipper sega laddtider och komplexa strukturer som kostar både tid och pengar.

I den här artikeln berättar vi om fem fördelar med att ha ett datalager i din BI-lösning.

• Historiken som ger dig bättre beslutsunderlag
• Snabbare laddtider för dig och dina användare
• Få viktiga insikter i nästintill realtid
• Flexibiliteten att använda den app eller rapportverktyg du själv föredrar
• Minskar komplexitet = billigare i det långa loppet

Historiken ger dig bättre beslutsunderlag

En del datakällor, som till exempel vissa affärssystem, sparar inte historisk data. När du gör en ändring i datan skrivs det tidigare värdet över, vilket gör att viktiga insikter försvinner. Power BI lagrar inte heller den typen av historik, så utan ett datalager kopplat till Power BI, kan du bara se rapporter som visar vad som händer precis just nu. För att analysera och jämföra data med föregående dag, månad eller år skapas därför den typen av historik i ditt datalager per automatik allt eftersom tiden går.

Tänk dig till exempel ett lagersystem. Där kan du se minus i lagersaldot vid köp och plus när lagret fylls på. Många lagersystem sparar inte historiska data. Det gör att du går miste om viktiga insikter som du kan fatta smarta affärsbeslut på.

Låt oss ge ett exempel från en kund vi arbetar med idag där historiken var extra betydelsefull.

Kunden är en stor aktör inom livsmedelstillverkning, och för dem är det viktigt att hålla koll på sin lageromsättningshastighet. Dels får färskvaror inte ligga för länge och bli dålig på lagret, samtidigt som det behöver finnas tillräckligt mycket så lagret inte töms.

Innan vi började arbeta med dem kunde de bara se nuvarande lagerstatus i sina rapporter, och inte lagerförändringen över tid. Vi byggde därför upp ett datalager till dem, innehållande lagersaldo dag för dag, där de kan hålla koll på sin lageromsättningshastighet. Med enkla rapporter som kommer dagligen, har de fått större insikt i vilka behov de faktiskt har, och har numera full koll på sitt lager.

En annan fördel med historik är ett koncept som kallas för Slowly Changing Dimension – relativt statisk data som av någon anledning ändras. Exempel på sådan data är kundansvarig, projektledare och namn på produkter.

När ett namn på en produkt ändras i ditt affärssystem, kommer det gamla namnet försvinna om du inte har ett datalager.

Tänk dig att du har en mössa som du sålt under hösten med namnet “höstmössa”. När våren kommer döper du om den till “vårmössa”. Om någon sen tittar på statistiken kommer det stå att du sålt vårmössor under höstens försäljning vilket blir förvirrande för den som ska analysera försäljningsdata.

Med historiken i ett datalager kommer du kunna se exakt när namnet ändrades och vad produkten eller adressen hette vid ett givet tillfälle.

Snabbare laddtider för dig och dina användare

En annan fördel med ett datalager är att du slipper långa, sega laddtider. Om du inte har ett datalager hämtas allting direkt från dina datakällor till ditt rapportverktyg, och om det är många transformationer tar dataladdningen väldigt lång tid.

Genom att använda en datalagerslösning kan du effektivt hantera stora datamängder från olika källor. Detta kan leda till betydande tidsbesparingar, till exempel kan en rapport som tidigare tog flera timmar att uppdatera, nu kanske endast ta ett par minuter.

Förutom sega laddtider, kan du även få sämre Query Performance när data hämtas från olika källor. Det innebär att det kan ta lång tid när en användare klickar på ett filter i Power BI.

Sämre Query Performance beror på att beräkningarna i det fallet blir tunga på rapportnivå. Om du i stället flyttar beräkningarna till ett datalager, är de redan uträknade när de når Power BI, vilket ökar din Query Performance.

Få viktiga insikter i nästintill realtid

Många av våra kunder har behov av att se vad som händer i verksamheten samtidigt som det händer.

Man kan behöva data i realtid av många olika anledningar. Vanligt förekommande bland våra kunder där det är extra viktigt med data i nutid, är verksamheter inom telemarketing.

Telemarketing är ofta en intensiv verksamhet där allt ska mätas. Man mäter hur många samtal som är igång, vem som har sålt mest, hur många ordrar som kommit in under dagen och så vidare.

Om du inte har ett datalager behöver datan och allt historiskt som skett laddas om från början hela tiden, och man hade fått vänta minst en timme på varje laddning. Därför använder ofta den här typen av verksamhet ett datalager.

När det gäller nära realtidsdata så är det bra att veta att det finns flera vägar att gå. Till exempel det som i Power BI kallas för Direct Query, Push Datasets och Streaming Datasets. Tittar ni på en Microsoft Fabric-lösning finns även tekniker så som Direct Lake och Eventhouses. Men gemensamt för alla tekniker är att det behövs arbete på backendsidan för att det ska fungera väl.

En annan av våra kunder som har behov av data i nära realtid är Nordic Nest. Du kan läsa mer om dem här.

Växla mellan olika appar och rapportverktyg

Det som tar mest tid i utvecklingen av en BI-lösning är förarbetet som behöver göras – som att få in historisk data, göra beräkningar, ihopkoppling av data och se till att datan du analyserar är relevant och har bra kvalitet. När du har ett datalager behöver du bara göra förarbetet en gång, och sen kan du använda vilket rapportverktyg du vill för att få dina rapporter och analyser.

Om du till exempel skulle göra ett strategiskt val att byta plattform för dina rapporter, eller om du vill använda olika appar för olika syften, kan du med hjälp av ett datalager enkelt göra det utan att behöva göra om allt förarbete.

Att endast använda datan från datalagret säkerställer också att alla som du delar rapporter och analyser med, får en och samma version av sanningen oavsett om ni tittar på samma rapportverktyg eller inte.

Det blir billigare med datalager i det långa loppet

För väldigt enkla behov, kan en ren Power BI-lösning fungera bra. Problemet är att man inte alltid vet i förväg vart lösningen bär hän. I takt med att man importerar mer och mer data, och där datastrukturerna blir mer och mer osammanhängande, blir en ren Power BI-lösning ofta komplex och brokig. Det kan bli svårt att följa strukturen och förstå hur allt hänger ihop. Du som användare kanske inte tänker på det, men så fort du ska göra underhåll eller uppdatera något i din BI-lösning, blir det mycket mer komplext och tar därför längre tid.

I ett datalager delas datan upp i logiska enheter. det säkerställer en bättre struktur och tydlighet som förenklar och snabbar på framtida underhålls- och vidareutvecklingsarbete. Så även om ett datalager från början kan kännas mer kostsamt, blir det nästan alltid billigare när du ser på det långsiktigt.

Läs mer om hur vi kan hjälpa dig med Power BI

Tillbaka till Kunskapsbanken