Onko Power BI:n automaattisesta päivämäärähierarkiasta etua?
Miksi Power BI:ssä on yleensä hyvä ja usein välttämätöntä käyttää erillistä päivämäärätaulukkoa eli ns. aika-dimensiota?
Lue loppuun
Microsoftin Power BI -raportointi- ja analysointipalvelun avulla dataa voi visualisoida ja yhdistellä yritysten omista tietokannoista ja järjestelmistä, tiedostoista, intranetista, netistä, erilaisista pilvipalveluista tai esimerkiksi avoimen datan palveluista. Tietolähdetyyppejä on jo yli 140 erilaista ja niitä kehitetään koko ajan lisää.
(Kirjoitin tämän artikkelin ensimmäisen version vuonna 2016. Artikkelia luetaan edelleen runsaasti päivittäin, joten artikkeli on nyt syksyllä 2020 täydennetty ja uudistettu vastaamaan tämänhetkistä Power BI -tuotetta. Artikkelin sisältö on jälleen tarkistettu ja muokattu tammikuussa 2022.)
Ohjelmistojen kääntäminen on haastavaa, sillä kääntäjät eivät yleensä tiedä asiayhteyttä ja vaikka tietäisivät, eivät tunne jokaisen kääntämänsä tuotteen sanastoa riittävän hyvin. ”Column” saattaa päätyä sarakkeeksi, vaikka kyseessä olisi pylväs ja ”line” muuttua riviksi, vaikka sen pitäisi olla viiva. Muistan 90-luvulta erään ”Line is busy” -modeemiyhteysvirheilmoituksen käännöksen, jossa luki ”Viiva on varattu”.
[Edit: tämä artikkeli on vanhentunut, uusi 09/2020 päivitetty versio löytyy täältä.]
Microsoft julkisti kesällä 2015 Power BI -raportointi- ja analysointipalvelun, jonka avulla dataa voi visualisoida ja yhdistellä yritysten omista järjestelmistä, tiedostoista, intranetista, pilvipalveluista tai esimerkiksi erilaisista avoimen datan palveluista. Tietolähdetyyppejä on jo yli 140 erilaista ja niitä kehitetään koko ajan lisää.
Power BI:n kirjanmerkkien (bookmarks) avulla raporttitiedostoon voi vihdoinkin toteuttaa käyttöliittymän sekä tarinan kerrontaa tukevia ominaisuuksia, jotka perustuvat muuhunkin kuin välilehdeltä toiselle siirtymiseen. Olen käyttänyt kirjanmerkkejä jo muutamissa asiakastöissä sekä parissa Vilahduksen visualisoinnissa, joten kokoan tähän juttuun omia havaintojani.
Power BI:ssä voi hyödyntää SQL-kannoissa olevaa dataa kahdella eri tekniikalla. Tauluja, näkymiä tai SQL-kyselyiden tuloksia voi joko tuoda (Import) Power BI -tietomalliin tai SQL-kantaan voi ottaa ns. suoran yhteyden (DirectQuery).
Mitä yleisemmäksi itsepalveluraportointityökaluksi Power BI on tullut, sitä enemmän olen saanut avunpyyntöjä käyttäjiltä, joille Excel on tuttu ja jotka ovat nyt ryhtyneet laatimaan visualisointeja myös Power BI:llä.
Koska valtaosa ongelmista on liittynyt lähdedatan rakenteeseen, kerron tässä jutussa millaisista datatauluista Power BI eniten tykkää ja miten ”epäsopivan” datan saa helposti muokattua sopivaan muotoon.
Muistatko vielä kahden vuoden takaisen #viskigaten?
Minäkin osallistuin kapinaan laatimalla kyseisenä iltana blogiini Alkon hinnastosta Excel-version.
Blogijuttu pitää edelleen kultamitalisijaa yhden vuorokauden aikana saavutettujen klikkien määrällä laskettuna, sillä hinnasto lähti elämään omaa lähes viraalia elämäänsä viskigate-yönä sekä Twitterissä että Facebookissa.
Kissoilla sanotaan olevan yhdeksän elämää ja Power Querylläkin eilisen uutisen perusteella nyt jo kolme! Ja jos erilaiset tuotenimet huomioidaan, voidaan puhua jopa viidestä.
Microsoft kertoi eilen kiinnostavat suunnitelmansa Power Querystä eli Get & Transform –toiminnosta osana SQL Serveriä, mutta katsotaanpa ensin hieman takapeiliin ja siihen miten Power Query vaikutti myös HExcelligent-blogin syntyyn …
Postimuseo on julkaissut kaikki suomalaiset postimerkit avoimena datana. Tein postimerkkidatasta Power BI -visualisoinnin, joka sai yllättävän paljon huomiota ja jota jaettiin runsaasti somessa. Myös Postimuseo jakoi sen Facebook-sivullaan.
Nauhoitin videoklipin, jossa näytän miten tällainen visualisointi laaditaan muutamissa minuuteissa. Lue loppuun
HExcelligent.fi 