Einführung
Als ursprünglicher Autor (oder Citizen Developer) einer Microsoft Modern Analytics-Lösung haben Sie die Datenquellen für Ihre Business Intelligence-Berichterstellungsanforderungen identifiziert und diese unterschiedlichen Datenquellen aus Ihren verschiedenen Branchensystemen mit Power Query verbunden. Der nächste und wichtigste Schritt ist die Erstellung eines Datenmodells. Ein Datenmodell besteht aus einer Reihe von Tabellen, die über zwischen ihnen bestehende Beziehungen verknüpft sind, sowie einer Reihe von Berechnungen und Metriken, die auf diesen Tabellen und Beziehungen basieren.
Zur Veranschaulichung des Konzepts eines Datenmodells wird im folgenden Beispiel SureWi eingeführt, ein fiktives Unternehmen, das den vertrauenswürdigsten Namen für ein kommerzielles Drahtlosnetzwerk trägt. SureWi ähnelt den Ihnen möglicherweise bereits bekannten fiktiven Beispieldatenquellen Contoso oder Adventure Works von Microsoft.
SureWi, das kommerzielle Drahtlos-LAN-Unternehmen, sammelt Betriebsdaten in einer Microsoft Azure SQL-Datenbank. Das Unternehmen muss tiefere Einblicke in seine Datenquellen gewinnen und untersuchen, die z. B. Kunden, Angebote, Kontakte und Installationen beinhalten. Es möchte geschäftsbezogene Fragen stellen, z. B.:
Wie viele Neukunden gab es in diesem Monat? Wie sieht es nach Quartal oder Jahr aus?
Wie lange dauert es, bis ein Kunde, der ein Angebot erhalten hat, einen Vertrag abschließt? Wieviel Tage vergehen durchschnittlich vom Kontakt bis zur Installation? Erfüllen unsere Ressourcen die Nachfrage und unsere SLAs?
Wie hoch sind die Penetrations- und Gewinnraten nach Region oder Bezirk? Wie sieht es nach Produkt- oder Kundengröße aus?
Das Unternehmen kann diese geschäftsbezogenen Fragen und vieles mehr mithilfe eines Datenmodells beantworten. Power Query stellt die Verbindung mit den Datenquellen her, transformiert die Daten in Tabellen und lädt diese Tabellen dann zur Verwendung in das Datenmodell.
Im SureWi-Beispiel verfügen Kunden über Angebote, Verträge und Installationen. Jede Komponente stellt eine Tabelle mit Daten dar, die verknüpft werden können, um geschäftsbezogene Fragen zu beantworten und Analysen durchzuführen. Dieses Konzept wird als Datenmodell bezeichnet, wobei Daten zu aussagekräftigen und aufschlussreichen Metriken verarbeitet werden.
Sie können zwar Power Query verwenden und Datenmodelle in Excel erstellen, es hat sich jedoch bewährt, Datenmodelle mit Power BI Desktop zu entwerfen. Sie können in Power BI Desktop erstellte und im Power BI-Dienst veröffentlichte Datenmodelle mit Power BI und Excel analysieren und dabei zusätzliche Features verwenden, die beim Entwerfen eines Datenmodells in Excel nicht verfügbar sind.
Die Wahl zwischen der Verwendung von Power BI oder Excel für Berichterstellung oder Analyse hängt von Ihrem Anwendungsfall und Ihren Zielen ab. Excel beherrscht die improvisierte Datenerforschung und Integration eines Datenmodells, etwa durch schnelle, anpassbare Pivottabellen und improvisierte Formeln und Funktionen. Power BI-Berichte bieten eine moderne, interaktive und kontrollierte Datenvisualisierung.
Mit einem Datenmodell, das in Power BI Desktop erstellt und im Power BI-Dienst veröffentlicht wird, können Sie je nach Ihren Anforderungen Excel oder Power BI verwenden.