Power BI: hvad det er, hvem der kan det, og hvad de tjener

Power BI-færdighed er evnen til at gøre rå data til modeller, beregninger og rapporter, som andre kan bruge til beslutninger.

Det handler derfor om mere end at lave diagrammer. En dygtig bruger af Power BI kan hente data, rense dem, modellere dem, definere forretningsmål og præsentere resultaterne forståeligt.

Power Query bruges til at hente og transformere data. Vedkommende kan eksempelvis ændre datatyper, fjerne fejl, kombinere datakilder og bygge transformationer, som kan gentages ved næste opdatering. Power Query bruger sproget M bag brugerfladen. ([Microsoft Learn][1])

Datamodellering er en central del af færdigheden. En stærk bruger kan bygge relationer mellem tabeller og skelne mellem fakta og dimensioner. Stjerneskema bruges ofte, fordi modellen bliver lettere at forstå, filtrere og optimere. ([Microsoft Learn][2])

DAX bruges til beregninger i den semantiske model. Det kan være alt fra omsætning og margin til tidsberegninger, andele og KPI'er. På et højere niveau kræver DAX forståelse for filterkontekst, relationer og hvordan beregninger reagerer på brugerens valg.

En erfaren bruger af Power BI tænker også over rapportdesign. Visualiseringer vælges efter spørgsmålet, ikke efter hvor mange diagramtyper værktøjet tilbyder. Filtre, navigation, betegnelser og KPI-definitioner skal gøre rapporten let at fortolke.

Færdigheden kan også omfatte publicering, adgangsstyring, refresh og sikkerhed i Power BI-tjenesten. Microsoft beskriver blandt andet forberedelse, modellering, visualisering, analyse samt administration og sikring af Power BI som centrale kompetenceområder for en dataanalytiker, der arbejder med Power BI. ([Microsoft Learn][3])

På avanceret niveau indgår performance. Vedkommende kan undersøge langsomme visualiseringer og DAX-forespørgsler med Performance Analyzer og derefter arbejde med modellen, beregningerne eller rapportdesignet. ([Microsoft Learn][4])

Power BI er vigtig, når en organisation skal omsætte data fra forskellige systemer til løbende rapportering og analyse.

Folk, der arbejder med BI, og dataanalytikere bruger Power BI som et centralt arbejdsredskab. De bygger datamodeller, målinger, rapporter og dashboards til eksempelvis økonomi, salg, drift, HR og ledelse.

Controllere og økonomifunktioner bruger ofte Power BI til budgetopfølgning, afvigelser, omsætning og omkostninger. Her gør færdigheden forskellen, når rapporteringen skal kunne genbruges og opdateres uden manuel sammenkopiering af regneark.

Salgs- og marketingteams kan bruge Power BI til pipeline, kampagner, kundeadfærd og segmenter. Operations- og supply chain-funktioner kan følge kapacitet, levering, lager eller servicekvalitet.

Power BI er især værdifuldt, når flere personer skal arbejde ud fra de samme KPI-definitioner. En veldesignet semantisk model kan samle forretningslogikken, så beregninger ikke skal opfindes igen i hver enkelt rapport.

Færdigheden bliver mere teknisk, når datamængderne vokser, kilderne bliver komplekse eller mange rapporter afhænger af samme model. Her bliver datamodellering, DAX, refresh, sikkerhed og performance vigtigere end selve visualiseringerne.

Power BI trænes bedst ved at bygge komplette løsninger fra rå data til en rapport, som andre faktisk skal bruge.

Begynd med Power Query. Hent data fra eksempelvis filer eller databaser, ryd data op og gør transformationerne reproducerbare. Undgå kun at træne på perfekte demonstrationsdata.

Træn derefter datamodellering. Byg fakta- og dimensionstabeller, opret relationer og arbejd med et stjerneskema. Prøv at forklare, hvad én række i hver tabel betyder. Det afslører hurtigt fejl i modellen.

DAX bør trænes gennem konkrete forretningsspørgsmål. Lav eksempelvis mål for omsætning, margin, udvikling og andele. Kontroller tallene mod kendte resultater i stedet for kun at se, om formlen kan køres.

Microsofts kursus Design and manage analytics solutions using Power BI, PL-300T00-A, dækker blandt andet databehandling, modellering, visualisering, analyse samt publicering af rapporter. Det findes både som selvstudie og instruktørledet træning. ([Microsoft Learn][5])

Microsoft Learn og studieplanen til PL-300 kan også bruges som struktur for træningen. Studieplanen afspejler de kompetencer, Microsoft forventer af en dataanalytiker, der arbejder med Power BI. ([Microsoft Learn][6])

Microsoft Certified: Power BI Data Analyst Associate kan dokumentere, at vedkommende har bestået Microsofts certificering. Certificeringen bør dog ikke stå alene som bevis på praktisk erfaring.

Den vigtigste træning kommer fra virkelige problemer. Arbejd med manglende værdier, ændrede kolonner, forskellige datakilder, uklare KPI-definitioner og rapporter, der bliver langsomme.

Når grundlaget fungerer, bør man træne performance og vedligeholdelse. Brug Performance Analyzer, undersøg tunge DAX-beregninger og se på, om datamodellen kan gøres enklere.

Et kursus kan give struktur og lære funktionerne. Stærk Power BI-færdighed kræver også erfaring med at vælge den rigtige datamodel, opdage forkerte tal og forstå de forretningsbegreber, rapporten bygger på.

Bed vedkommende vise en rapport og forklare datamodellen bag den. Hvis samtalen kun handler om diagrammer og farver, fortæller det ikke meget om den samlede Power BI-færdighed.

Spørg, hvorfor tabellerne er opdelt, som de er. En erfaren bruger kan forklare fakta, dimensioner, relationer og granularitet uden at gemme sig bag værktøjets brugerflade.

Spørg også, hvad Power Query bruges til i løsningen. Personen bør kunne forklare, hvilke transformationer der sker før data lander i modellen, og hvorfor de sker dér.

En god DAX-test er at bede kandidaten forklare forskellen mellem en beregnet kolonne og et measure. Ved mere avancerede roller kan man spørge til filterkontekst og hvorfor et measure giver forskellige resultater i forskellige visualiseringer.

Giv kandidaten et forkert KPI-tal og spørg, hvordan fejlen findes. En stærk bruger af Power BI undersøger datakilden, transformationerne, relationerne, DAX-logikken og filtreringen systematisk.

Spørg, hvordan kandidaten ville håndtere en langsom rapport. Relevant erfaring viser sig ved, at vedkommende undersøger modellen, DAX og visualiseringerne og kan bruge Power BI's performanceværktøjer frem for blot at fjerne tilfældige elementer.

Ved løsninger med følsomme data bør du også spørge til adgang og row-level security. Personen bør kunne forklare, hvordan forskellige brugere kan få adgang til forskellige dele af samme datamodel.

Se endelig på, om kandidaten kan forklare rapportens tal i forretningssprog. Power BI-færdighed er stærkest, når vedkommende både kan bygge den tekniske løsning og sikre, at brugerne forstår, hvad tallene betyder.