Die Microsoft Power-BI-Plattform ist nun seit zwei Jahren auf dem Markt und bietet Cloud- sowie nun auch seit Mitte letzten Jahres ‚on Premise‘-Kunden im Enterprise-Umfeld die Möglichkeit, Daten ansprechend und interaktiv zu präsentieren, sie in einem Datenmodell zu orchestrieren sowie anschließend in Dashboards beziehungsweise Berichten zu visualisieren. Die Herkunft der Daten ist dabei nicht nur auf Datenquellen von Microsoft beschränkt, sondern erstreckt sich auf viele andere, wie beispielsweise Oracle, OData, Flatfiles etc. 

So schön und einfach der Aufbau eines Datenmodells in vielen Demonstrationen aussieht, so schnell ist es in der Praxis auch umgesetzt. Aber die Komplexität im Modell steigt durch stetig wachsende Anforderungen und die Datenmenge – insbesondere im IoT- beziehungsweise Maschinen-Daten-Umfeld. Die Praxis strapaziert somit das Datenmodell und auch dessen Wartbarkeit, speziell im Enterprise-Umfeld.

Datenmodelle richtig planen

Einem Power-BI-Modell können unterschiedliche Daten zugeführt werden.

© Adesso

In ein Power-BI-Modell werden durch die Vielzahl an Verbindungsmanagern verschiedenste Daten in ein Datenmodell importiert (siehe Bild). Diese Datenquellen haben in der Regel unterschiedlichste Aktualisierungsrhythmen und Granularitäten. Dies ist eine der Herausforderungen für die ETL-Prozesse und den Datenimport, um die Daten im Datenmodell auf ein gemeinsames fachliches Level zu heben. Hier empfiehlt es sich, eine ‚High Level Map‘ als Dokumentation mit den Aktualisierungsintervallen zu erstellen und bei Bedarf nur einzelne Datenquellen zu aktualisieren, um die Daten nach Aktualität zu organisieren. Lässt sich hier dauerhaft kein gemeinsamer Nenner finden (weil sich zum Beispiel manche Datenquellen schneller und andere langsamer oder unzuverlässiger aktualisieren), ist es sinnvoll, eine ETL-Strecke in ein Data-Warehouse zu implementieren, und so eine Analyseschicht für Auswertungen bereitzustellen.

Microsoft Power BI online bietet zudem die Möglichkeit, Daten, die in sogenannte ‚Streaming Data-Sets‘ beziehungsweise Datenquellen, die beispielsweise über Microsoft Azure ‚Stream Analytics‘ befüllt werden, als Live-Berichte zu visualisieren. Diese Techniken bieten sich besonders bei der Auswertung von Maschinendaten beziehungsweise im IoT-Umfeld an, da hier in kurzen Intervallen eine große Datenmenge geliefert wird. So können diese Daten schnell aufgenommen und einer Auswertung zugeführt werden. Jedoch sollte es eine Anforderung sein, die Daten gemeinsam mit anderen Daten aus weiteren Quellen auszuwerten (etwa mit Stammdaten). So ist hier zu empfehlen, die Daten zuerst in einem Speicher ‚zwischenzulagern‘ und anschließend eine Auswertung auf dieser Basis zu erstellen. Hier bieten die Microsoft-Azure-Dienste ebenfalls Möglichkeiten für die Aufnahme und Speicherung großer Datenmengen, die in einer hohen Frequenz verarbeitet werden müssen.

Daten-Importe umsetzen

Import-Prozess in Microsoft Power BI.

© Adesso

Ist die Hürde der Datenbereitstellung genommen, kann mit dem Importieren der Daten und dem Erstellen der Microsoft-Power-BI-Mappe gestartet werden. Für die Datenbereitstellung in Power BI lassen sich die Daten entweder direkt in das Datenmodell importieren oder via Power Query beziehungsweise mit der Programmiersprache ‚M‘ transformieren und in das Datenmodell einfügen, indem man die Daten filtert, aggregiert oder durch Berechnungen anreichert. Durch das Filtern der Daten lässt sich die Datensparsamkeit in den Vordergrund stellen und im Vorhinein bestimmen, welche Zeilen und Spalten importiert werden. Auch wenn sich Power BI durch eine Engine auszeichnet, die unter anderem die Daten komprimiert speichert, empfiehlt es sich, nicht alle Daten zu importieren, um dauerhaft eine optimale Performance und Übersichtlichkeit zu haben. Der große Vorteil ist: Das Aktualisieren der Datenquellen wird verkürzt.

Zu beachten ist, dass es sich um eine spaltenorientierte Datenbank-Engine handelt, welche die jeweiligen Spalten in je einem Speicherbereich hält. Dies bedeutet weniger Daten, kleinere Speicherbereiche, bessere Indizierung und somit weniger Arbeitsspeicherverbrauch sowie eine bessere Performance. Nutzer, die Datenquellen aus Datenbanken verwenden, die bereits in der Abfrage das Filtern von Daten ermöglichen, sollten diese bevorzugt verwenden. So lassen sich zum Beispiel auch über das Sichten beide Filterarten direkt auf dem Server anwenden. Spätere Aggregationen der Daten können einerseits auf dem Server durchgeführt werden andererseits beim Verbinden weiterer Datenquellen, die nicht aus der Datenbank entnommen werden – und zwar innerhalb von Power Query. 

Die Modellierung

Bei der Modellierung empfiehlt es sich je nach Möglichkeit Star- beziehungsweise Snowflake-Schemata einzusetzen, die dimensional modelliert werden. Dies ermöglicht nicht nur übersichtliche Datenmodelle, sondern auch das Einstellen der Filterrichtung, was insbesondere bei der zeilenbasierten Sicherheit (Role Level Security) relevant ist.

Durch die Filterrichtungen lässt sich festlegen, ob alle Möglichkeiten dargestellt sind, welche die Dimensionen anbieten oder nur die, die im aktuellen Filter-Kontext noch zur Verfügung stehen. Wenn hingegen alle Daten in einer breiten Tabelle bereitgestellt werden, kann eine solche Einstellung nicht vorgenommen werden. Nach Möglichkeit sollten numerische Schlüsselattribute eingesetzt werden, da das Datenmodell diese schneller verarbeiten kann und sie eine bessere Kompression und Indizierung ermöglichen.

Weiterhin ist es empfehlenswert, eine Datumsdimensionstabelle zu verwenden, mit der sich zum Beispiel 2-Fakten-Tabellen miteinander verbinden und filtern lassen. Ein Beispiel ist die CALENDAR() Funktion in DAX, die eine entsprechende Tabelle erzeugt und sich über die Funktionen Day(), Month() etc. ausbauen lässt. 

Um die Bedienung zu erleichtern sowie eine Governance von Kennzahlen zu gewährleisten, sollten alle Spalten aus dem Datenmodell ausgeblendet werden, mit denen Kennzahlen gebildet werden können. Dafür sind in DAX entsprechende Measures (berechnete Kennzahlen) zu erstellen, die in einer eigenen Measure-Tabelle abgelegt werden sollten. 

Definierte Kennzahlen statt ­Zufallsprodukte

Mit Custom Visuals lassen sich Power-BI-Berichte neben den vorhandenen Visualisierungen ausbauen – etwa um die Prozessschritte in einer Fertigung darzustellen.

© Adesso

Dafür wird eine leere Tabelle über den Menüpunkt ‚Daten eingeben‘ erstellt. In dieser Tabelle werden dann die Measures erstellt. Dieses Vorgehen erlaubt es, komplexe sowie einfache Berechnungen im Datenmodell zentral zu platzieren. Dies wird für alle sinnvollen Zahlen, die in den Fakten enthalten sind, durchgeführt, um weiterhin den ‚Self-Service-BI‘-Aspekt zu erhalten. Explizite Measures ermöglichen ein schnelles Wiederverwenden sowie das Sicherstellen der korrekten Berechnung. Damit alles übersichtlich ist, sollte das Datenmodell noch ‚feingetuned‘ werden, indem die technischen Spalten, die für Verbindungen zwischen Tabellen notwendig sind, ausgeblendet werden. Jedoch ist hier eine entsprechende Governance eindringlich empfohlen. So kann auf bestehende Datawarehouse-Lösungen zurückgegriffen werden und auf die dortigen Cubes mit den vorhandenen Measures und KPIs.

Mit Custom Visuals lassen sich Power-BI-Berichte – neben den vorhandenen Visualisierungen – ausbauen. Sie stehen im Microsoft Store zur Verfügung. Die Visualisierungen werden anhand der JavaScript-D3-Bibliothek im Zusammenspiel mit CSS entwickelt. 

Daten besser präsentieren

Innerhalb von Power BI lassen sich diese durch wenige Klicks integrieren. Zusätzlich können über die Webseite des ‚Synoptic Designer‘ individuelle Grafiken erstellt und so zum Beispiel Geschäftsprozesse mit Daten visualisiert werden.

Microsoft Power BI Online bietet mehrere Möglichkeiten, um Dashboards und Berichte zu verteilen. Berichte lassen sich in sogenannten Arbeitsbereichen organisieren und innerhalb vorhandener Office-365-Gruppen aus dem ‚Azure Active Directory‘ teilen. Dashboards können innerhalb und außerhalb der Organisation geteilt werden. Letzteres ist einstellbar, damit Daten nicht in falsche Hände geraten. Dashboards an Externe zu verteilen, ist dann eine interessante Option, wenn Unternehmen Dienstleister oder Zulieferer in ihre Prozesse einbinden und über den aktuellen Stand informieren möchten. Als weitere Möglichkeit steht das Veröffentlichen von Berichten im Internet zur Verfügung. Der Bericht steht als öffentlicher Link zur Verfügung und kann unter anderem als IFrame in eine Webseite eingebunden werden. Zusätzlich bietet Power BI Schnittstellen zum Einbinden der Berichte via REST-Schnittstelle in Webseiten und Apps an.

Mit Microsoft SQL Server 2016/2017 ist frischer Wind in die Reporting-Services-Welt gekommen. Neu sind unter anderem die ‚Mobile Reports‘ sowie die Möglichkeit, Power BI in der lokalen Infrastruktur zu betreiben. 

Integration von Reporting-Services

Bei den klassischen ‚Paginated Reports‘ lässt sich nun auch der Reporting-Services-Dienst über die Verwaltungskonsole mit einem ‚Power BI Tenant‘ verbinden. Von dort können die Benutzer Elemente aus den Berichten an vorhandene Power-BI-Dashboards ‚anheften‘. Voraussetzung hierfür ist jedoch, dass die Datenquellen gespeicherte Anmelde-Informationen beinhalten und sich der jeweilige Benutzer mit seinen Power-BI-Anmelde-Informationen einloggt. Das Einloggen muss der Nutzer alle 90 Tage wiederholen, damit die Aktualisierung weiterhin funktioniert. Ab dem Einloggen aktualisiert der SQL-Server-Agent die Reporting-Services-Kachel vom Bericht automatisch. Sobald der Nutzer auf eine Reporting-Services-Kachel innerhalb eines Power-BI-Berichts klickt, wird er auf den Berichtsserver navigiert. Hierzu ist erforderlich, dass der Benutzer eine Verbindung zum Berichtsserver hat. 

Mitte dieses Jahres wurde ‚Microsoft Reporting Services‘ um ‚Power BI on Premise‘ erweitert. Diese Funktionalität bietet die Möglichkeit, Power-BI-Berichte innerhalb der eigenen Organisation bereitzustellen und über den Berichtsserver an die Benutzer zu verteilen. Hier gibt es jedoch gewisse Einschränkungen: Zum Beispiel können keine Dashboards genutzt werden. Ansonsten bietet diese Plattform den Nutzern die Möglichkeit, alle vorhandenen Berichte, die bisher über diese Technologie ‚Reporting Services‘ zur Verfügung gestellt wurden, mit den Power-BI-Berichten an einem Ort wieder zu finden. 

Hierbei ist allerdings zu beachten, dass dies lediglich Power-BI-Premium-/Enterprise-Kunden mit Software Assurance zur Verfügung steht.

Autor: 
Philipp Lenz ist Senior Consultant für ­Microsoft Business Intelligence bei Adesso.