Usare Power BI per la prototipazione dei modelli danalisi

Datamaze
18.11.22 12:22 PM Comment(s)

Come consulenti, di solito consigliamo ai nostri clienti di utilizzare Power BI come strumento a valle del processo di Business Intelligence. Difatti, nelle nostre – ma non solo – rappresentazioni dello stack BI, Power BI è posizionato sempre in cima, adagiato con comodo sullo strato sottostante di Analysis Services, in dolce compagnia di Reporting Services, Excel ed eventuali altri strumenti di front-end. Questo sottolinea come, in situazioni normali, preferiamo non utilizzare Power BI per scopi differenti dalla pura visualizzazione dei dati.


Perché utilizzare Power BI

Al tempo stesso, però, invitiamo i nostri clienti a sfruttare la semplicità di Power BI per fare un’attività ben specifica: la prototipazione dei modelli d’analisi, che andranno poi sviluppati in Analysis Services. Questo permette al cliente di prendere una maggiore confidenza con Power BI oltre che conoscerne tutte le diverse funzionalità di trasformazione e modellazione del dato, e non solo quelle di visualizzazione.

Strumenti Power BI

Come eseguire la prototipazione in Power BI

Qui sotto, segue una scaletta di come dovrebbe essere percorsa la prototipazione in Power BI, seguita dallo sviluppo e pubblicazione in Analysis Services:

  1. Crea di un dataset di PowerBI usando Power BI Desktop. Questo sarà il nostro prototipo di modello d’analisi.

a.  Estrai i dati sorgenti, possibilmente tutti dal Dwh. In caso contrario, collegati al dato sorgente, segnando ovviamente da parte il fatto che tali dati dovranno essere integrati in Dwh quanto prima.

b.  Applica le eventuali trasformazioni necessarie ai dati estratti. Se sei un utente di business e non ti senti sufficientemente confidente (o non ne hai il tempo), chiedi supporto all’IT o a chi ha in gestione la BI.

c.  Metti in relazione fra loro le tabelle appena importate, e definisci misure e KPI.

d.  Pubblica il dataset di Power BI appena creato in uno spazio di lavoro personale, o condiviso a pochi utenti specifici (tester).

2.  Utilizza il prototipo, sia in Power BI, sia in Excel; quest’ultimo ti permette una più facile indagine verticale, anche degli errori.

a.  Ripeti, se necessario, i passaggi al punto 1 per la correzione del prototipo.

3.  Certifica il prototipo.

a.  Valida i risultati ottenuti mettendoli a confronto con quelli attesi, quindi ufficializza la correttezza del prototipo.

b.  Definisci una naming convention per tutti gli oggetti dell’intero futuro modello, e condividila con tutti gli utenti già coinvolti o che verranno coinvolti.

4.  Intervieni in ETL e Dwh, aggiungendo o modificando quanto necessario.

a.  Modella e crea in Dwh le nuove tabelle o colonne.

b.  Aggiorna od integra l’ETL con le logiche di alimentazione delle nuove tabelle o colonne.

c.  Se non esiste, crea in Dwh uno “strato” di tabelle o viste che applichino già la naming convention concordata al punto 3b.

5.  Crea il modello semantico in Analysis Services.

a.  Usa Visual Studio (possibilmente aggiornato!) che permette una gestione condivisa del progetto “modello Tabular di Analysis Services”.

b.  Tieni presente che i modelli Tabular non hanno il limite massimo di 1 GB come per i dataset di Power BI (licenza Pro, 10 GB se Premium), ma quello della RAM stessa della macchina.

c.  Importa dal Dwh i dati necessari, con già applicata la naming convention (punto 4c).

d.  Crea relazioni, gerarchie, misure e KPI, rispettando quanto fatto al punto 1c ed eventualmente ampliando tali funzionalità.

e.  Aggiungi ruoli e Row-Level Security per profilare gli accessi al modello d’analisi.

f.  Pubblica il modello di Analysis Services nel corretto spazio di lavoro, condiviso a chi di dovere.

6.  Crea e distribuisci report, dashboard, altro.

a.  Non temere di usare “troppi” prodotti: potresti avere tutte le ragioni per utilizzare sia Reporting Services, sia Excel, sia Power BI, dipendentemente da qual è l’obiettivo d’analisi e/o chi è il destinatario della stessa.

b.  Tutto ciò che estrae dati dal modello Tabular ne eredita i permessi d’accesso.

c.  Ricordati che esistono strumenti (anche competitor di Microsoft) che possono leggere dati da un modello di Analysis Services.

7.  Rilascia modello e report agli utenti finali.

a.  Adotta un regime di cosiddetto “IT-supported self-service BI”, dove di “self-service” c’è solo la parte di visualizzazione dei dati, mentre la modellazione è di responsabilità dell’IT.

b.  Evita la proliferazione incontrollata di report e logiche customizzate da singoli utenti.

di Thomas Tolio, pubblicato il 18 novembre 2022