Alv Logo
Del

Hvordan komme i gang med Business Intelligence

Bruker dere mye tid på manuell rapportering, der data fra ulike datakilder hentes ut manuelt og sammenstilles i et stort Excel-ark, med kompliserte formler kun én person er i stand til å vedlikeholde? Da er du ikke alene. Dette er realiteten for mange selskaper i dag. Jeg skal i denne bloggposten gi deg en kort innføring i hva som finnes av verktøy der ute.

Manuell bearbeiding av data og rapportering tar mye tid, og ofte for mye tid til at det er mulig å prioritere det i en hektisk hverdag.

Mange bedrifter sitter på verdifull data fra ulike systemer, men dessverre er det alt for få bedrifter som prioriterer å konvertere dataene til verdifull innsikt. Manuell bearbeiding av data og rapportering tar mye tid, og ofte for mye tid til at det er mulig å prioritere det i en hektisk hverdag.. I alle fall så lenge det må gjøres manuelt for hver gang.

Resultatet er ofte at informasjonen ikke blir tilgjengeliggjort i tide for ulike interessenter, noe som betyr at man i større grad må ta beslutninger basert på magefølelse i stedet for informerte beslutninger basert på faktiske data. Men det finnes en smartere måte å jobbe på, som automatiserer datauthentingen og sammenstillingen av data, og som kan presentere oppdaterte data fra ulike kilder i visuelle og informative dashboards og rapporter. Svaret på dette ligger i business intelligence og date engineering, der datavarehus og analyseverktøy som for eksempel Power BI spiller sentrale roller.

Datavarehus og Power BI – hånd i hånd

Du har kanskje hørt begrepene datavarehus og Power BI før, men hvorfor skal du og din bedrift bry dere med dette? For å forklare begrepet datavarehus først er det et databasesystem beregnet for rapportering og analyse, som gjerne kombinerer data fra ulike kilder det er ønskelig å rapportere på. Innholdet i et datavarehus varierer naturligvis fra bedrift til bedrift, da innholdet avhenger av rapporteringsbehovet til det aktuelle selskapet.

Power BI kan brukes til å lage informative og dynamiske rapporter og dashboards (...)

Et datavarehus ligger gjerne til grunn for automatisk rapportering gjennom Microsoft Power BI, som er et verdensledende verktøy for Business Intelligence. Power BI kan brukes til å lage informative og dynamiske rapporter og dashboards, og det er nesten bare fantasien som setter grenser for hvilke rapporter man kan lage. I stedet for å vedlikeholde diverse Excel-rapporter manuelt, kan man koble seg opp til et datavarehus som oppdateres til ønskede tidspunkter, sette opp rapportene slik man ønsker å ha dem, og dataene bak rapportene vil oppdatere seg uten at brukerne trenger å gjøre noe. På denne måten går man fra tidkrevende og manuelle prosesser, der man risikerer at informasjonen blir utdatert før den når de ulike interessentene, til oppdaterte rapporter. I tillegg er både ad-hoc-rapportering og avansert analyse mulig gjennom de ulike visualiseringene i Power BI, som muliggjør en mye rikere rapportering enn for eksempel statiske rapporter i Excel.

Med et datavarehus i bunn åpner dette også muligheter for å rapportere på tvers av kildesystemer, slik at man kan sette informasjon i sammenheng uten tidkrevende datauthenting fra disse systemene. Et eksempel på dette kan være en butikk med blant annet systemer med salgs- og markedsføringsinformasjon. Ved å integrere data fra begge disse systemene i et datavarehus, kan man analysere hvordan salg av ulike produkter påvirkes av markedsføringen av dem. På denne måten kan man blant annet analysere hvilke produkter som er mest lønnsomme å reklamere for, slik at man kan optimalisere markedsføringskampanjene sine mot disse.

Dynamisk rapportering og distribusjon

En annen fordel med Power BI er bruk av filtre. Rapporter kan i utgangspunktet bare settes opp en gang, og ved bruk av ulike filtre kan man se rapporten i kontekst av ulike filtre. For eksempel vil det kun være nødvendig å sette opp månedsrapport én gang, og ved bruk av filtrering kan man se tilbake på tidligere måneder og år. På den måten vil man slippe å lage mange ulike versjoner av den samme rapporten.

Slik blir det lettere for både organisasjonen å distribuere nødvendig informasjon på en sikker og pålitelig måte (...)

Ikke bare vil Power BI forenkle og berike rapporteringen betraktelig, men gjennom Power BI vil også distribusjon av rapporter og dashboard forenkles. Rapporter kan distribueres gjennom Power Bis egne sider, Teams, Sharepoint og settes opp på monitorer. Denne prosessen kan også automatiseres, slik at man ikke trenger å sende mange eposter til sluttbrukerne, eller ha ulike rapporter på Sharepoint eller lignende. Slik blir det lettere for både organisasjonen å distribuere nødvendig informasjon på en sikker og pålitelig måte, i tillegg til at det blir lettere for interessentene å finne frem til de ulike dashboardene og rapportene.

Microsoft og andre leverandører

Det finnes andre tilbydere der ute som tilbyr Business Intelligence-løsninger på markedet. I Norge står imidlertid Microsoft veldig sterkt, og ifølge Gartner er Microsoft den desidert ledende tilbyderen av Business Intelligence-plattformer. Dette omfatter blant annet Power BI. Sjeldent har Gartner fremhevet én tilbyder så sterkt som i dette tilfellet.

Nysgjerrig på hvordan du og din organisasjon kan benytte Power BI? Ta kontakt!

Del
Les også
Les mer

4 høydepunkter fra Data Innovation Summit 2023

I år reiste hele data og analyse-teamet sammen til konferansen Data Innovation Summit i Stockholm! Her er våre høydepunkt!

4 høydepunkter fra Data Innovation Summit 2023

Data og Analyse
Håkon Skogland Halvorsen - 5/30/2023
Les mer

Fra reaktivt til prediktivt vedlikehold med Bane NOR

Alv har bidratt til at Bane NOR har tatt i bruk maskinlæring og kunstig intelligens til å gå fra reaktivt til prediktivt vedlikehold av Norges jernbanelinjer.

Fra reaktivt til prediktivt vedlikehold med Bane NOR

Data og Analyse
Kundehistorier
Jakob Høgh Gjellestad - 1/24/2023
Les mer

Prediksjon av klimautslipp med maskinlæring

Slik brukte vi maskinlæringsmodeller til å prediktere klimautslipp til oljeplattformer.

Prediksjon av klimautslipp med maskinlæring

Data og Analyse
Kundehistorier
Håkon Skogland Halvorsen - 6/2/2022