Power BI - это мощный инструмент для составления отчетности, который в последнее время доминирует на рынке и стремительно развивается. Но, как ни странно, во многих организациях до сих пор не знают о его потенциале и основной цели. В результате очень часто его используют просто в  качестве автоматизированной системы отчетности для извлечения или  визуализации данных.

Однако, Power BI - гораздо больше, чем отчет.

Он не должен рассматриваться как отдельный продукт для ETL, AI/ML или общей стратегии обработки данных.  Организациям необходимо включить его как часть культуры данных. Для успешного развертывания Power BI не стоит использовать его просто для создания отчетности.  Лучше спроектируйте культуру и архитектуру.  Это то, что позволяет бизнес-пользователям понимать, интерпретировать и реагировать на выводы, основанные на данных. 

Но достаточно много дополнительных продуктов, услуг и возможностей, входящих в состав Power BI, упускаются из виду. В результате чего виден только верхний уровень - визуальные элементы в отчетах и дашборды.  Но под поверхностью лежит мощный пласт функций.

Вот некоторые их распространенных ошибок, с которыми часто сталкиваются новые пользователи при развертывании Power BI.

Ошибки, допускаемые при использовании Power BI

• Использование инструмента для извлечения данных. Power BI предназначен для определения трендов, выводов и кросс-срезов.  Большие таблицы и дампы данных не дают выводов.
• Использование Power BI для визуализации данных. Проектируйте визуальный элемент, который сможет передавать информацию быстрее, чем решение инфографического типа.
  Проектируйте конвейеры данных, которые регулярно обновляются. Создавайте интерактивные визуальные элементы. Это поможет пользователям вникать глубже и находить новые идеи.
• Использование только в качестве автоматизированной системы отчетности. И хотя этот инструмент может использоваться для автоматизированных отчетов, Вы, скорее всего, используете его на 100% и выполняете лишнюю работу.
  Вместо этого, создайте модели данных многократного использования, которые предназначены для нескольких отчетов.  Напишите бизнес-логику DAX и KPI, которые станут единственным источником правды.  Убедитесь, что документируете Ваши меры внутри моделей данных.  Четкое документирование мер данных поможет пользователям понять, как использовать модель данных для создания новых отчетов.
• Текущий инструмент отчетности/замена Excel. Общий запрос для перемещения всей отчетности Excel в Power BI заключается в подходе “lift and shift”.
  Но эти продукты различны и их применение отличается.  Если Вы переходите на Power BI, не пытайтесь воссоздавать старые решения.  Лучшим подходом станет проектирование новых отчетов, которые используют сильные стороны Power BI. У использования только Power BI или только Excel есть как свои преимущества, так и недостатки.  Но при совместном использовании этих двух продуктов можно взять сильные стороны каждого.
• Создание правильной культуры данных крайне важно для внедрения в организацию. Культура данных начинается с руководителя, который продвигает внедрение.  Прежде всего убедитесь, что Вы заручились поддержкой лидера и он доверяет Вам.

Ошибки при развертывании решений Power BI

• Фокус на необработанных цифрах, а не на бизнес-идеях. Вместо простой демонстрации цифр отчеты содержат показатели KPI, тренды, детализация, интерактивность и возможности получения срезов.
  Это позволяет бизнес-пользователям получать значимую информацию о направлении развития бизнеса.
• Игнорирование подходов к развертыванию.
  Многие бизнес-пользователи знакомы с типичным процессом создания отчетов; пользователь отправляет тикет в ИТ отдел.  ИТ- отдел пишет SQL-запросы для получения данных по полученному запросу.  Затем данные выводятся в виде таблиц и простых графиков.  Power BI довольно быстро справляется с  этим длительным процессом и предоставляет данные пользователю.  Организация должна использовать нисходящий, смешанный или восходящий подход. Использования одного из этих подходов помогает устранить барьеры между бизнес-пользователями и ИТотделом.
• Неспособность думать, как бизнес и действовать как ИТ. У ИТ много сильных сторон, относящихся к тому, как быстро и надежно сделать данные доступными.
  Power BI в первую очередь предназначен для бизнес-пользователей.  Таким образом, у Power BI есть функции, позаимствованные у наилучших технологий ИТ. Одна из таких технологий - развертывание конвейеров.
• Не использование моделей данных или игнорирование отчетов self-service. Модели данных содержат все метаданные, необходимые для отчетности.
  Сюда входит бизнес-логика и преобразование данных. Но их создание и поддержка может занимать много времени.   Вместо этого, возможно повторное использование моделей данных и сохранение одного источника истины для следующих отчетов.  Бизнес-пользователи могут создавать собственные отчеты Power BI. Это делается без необходимости написание даже строчки кода.
• Рассматривать Power BI как самостоятельный продукт, а не часть решения искусственного интеллекта или больших данных Не следует относиться к PowerBI только как к инструменту визуализации.
  Power BI - это инструмент для бизнес-идей, способ передачи информации внутри организации.  Кроме того, в него встроены ML, прогностическая аналитика, ETL-процессы, хранение данных и безопасность.   В результате должен быть выстроен единый подход к культуре данных. 

Правильное использование Power BI

Power BI должна быть частью всего этапа обработки данных,  а не только слоем визуализации. Современная платформа данных обычно состоит из 4 шагов:

• загрузка и поглощение - извлечение данных из внешнего источника и их трансформация.
• Хранение - размещение данных там, где мы сможем провести их анализ.
• Обработка (или трансформация) - запуск аналитики данных и составление KPI, прогнозов.
• Обслуживание - представление данных в удобном для заинтересованных лиц виде.

Power BI выполняет все эти шаги.  От отчета в power query (загрузка и поглощение) до импорта данных (Хранение).  Далее, Вы можете создать модель и меры DAX (Обработка).  Наконец, Вы можете отобразить данные в виде визуальных элементов на страницах отчета (Обслуживание).

Он может выступать и как корпоративное решение.  Для начала, потоки данных настроены на извлечение и преобразование данных из многих источников (загрузка и поглощение).  Вы можете создавать резервные копии и хранить их в озере данных gen2 (Хранение).  Во-вторых, данные могут взять преимущества автоматизированного ML и когнитивных служб.  Создайте DAX, сочетая мощный язык DAX с искусственным интеллектом (Обработка).  В конце, Вы можете упаковать их в виде отчетов, дашбордов, приложений или встроить в другие приложения (Обслуживание).

С другой стороны, Power BI необязательно должен выполнять все функции.  Традиционная архитектура платформы данных изображена Microsoft на рисунке ниже.  Для загрузки и поглощения данных Вы можете использовать другие инструменты, например Фабрику данных.  Для обработки/трансформации - Databricks. Модели Power BI и аналитических служб будут предоставлять данные конечному пользователю.
Правильное развертывание глубоко укоренено в культуре.  Каждый шаг должен соотноситься с  другими в конвейере.

Посмотрите на диаграмму, демонстрирующую функции Power BI.

Azure Synapse

Microsoft расширяет экосистему с помощью Azure Synapse. По мере развертывания, данные проектируются  как единая платформа, а Power BI является частью платформы.

Synapse предоставляет полную защиту.

Когда мы думаем о безопасности на уровне пользователя, Azure Active Directory (AAD) - золотой стандарт доступа и безопасности для организаций.  Synapse использует эту технологию для устранения несоответствий между компонентами Azure.  Вы можете использовать AAD в различных службах: для фабрики данных, озера данных, SQL и Spark compute, а также Power BI.

Решение для проектирования данных low code.

Существует множество компонентов Azure, которые Вы можете использовать для создания хорошо спроектированного конвейера данных.  Azure Synapse объединяет все эти инструменты в одном портале. Например, использование фабрики данных Azure, а затем запись данных в озеро данных. Сбор данных и запрос неструктурированных файлов например, с помощью SQL или Spark. Фабрика данных Azure также имеет встроенные функции, которые могут упростить создание озера данных и управление с помощью составления карты потоков данных.

Дополнительные вычислительные опции.

Больше не нужно выбирать между SQL и Spark.  Мы можем использовать подготовленный SQL, который ранее был DWH Azure. Synapse предлагает SQL по запросу и вычислительные модули Spark. Именно здесь мы видим, как отделяется уровень хранения данных от вычислительного уровня. Это означает, что Azure Data Lake Gen2 служит хранилищем, а SQL и Spark-вычислительными системами.

Одно место для всей информации

Будь то фабрика данных Azure, Spark, SQL или Power BI Synapse теперь стал единым порталом для интеграции всех этих сервисов. В целом это упрощает работу и управление всеми вашими конвейерами данных.

No Comments