Brug af Power Pivot og Power Query sammen kan hjælpe dig med at skabe rapporteringsmodeller, der er nemme at administrere og vedligeholde. En rapporteringsmodel danner grundlaget, som rapporteringsmekanismen er bygget på. Når du bygger en rapporteringsproces, der importerer, transformerer, former og aggregerer data, bygger du i bund og grund en rapporteringsmodel.
At skabe en dårligt designet rapporteringsmodel kan koste dig timers manuelt arbejde brugt på at vedligeholde og genopfriske dine rapporteringsmekanismer. På den anden side giver oprettelse af en effektiv model dig mulighed for nemt at gentage månedlige rapporteringsprocesser uden at skade dine rapporter eller din fornuft.
Adskillelse af data og analyse
Et vigtigt koncept i en rapporteringsmodel er adskillelse af data og analyse. Den grundlæggende idé er, at du ikke ønsker, at dine data bliver for bundet til en enkelt måde at præsentere disse data på.
For at omslutte dette koncept kan du forestille dig en faktura. Når du modtager en faktura, antager du ikke, at de økonomiske data på den er den sande kilde til dataene. Det er blot en præsentation af data, der er gemt andre steder i en database. Disse data kan analyseres og præsenteres for dig på mange andre måder: i diagrammer, i tabeller eller endda på websteder. Denne erklæring kan lyde indlysende, men Excel-brugere fusionerer (eller blander) ofte data, analyse og præsentation.
For eksempel indeholder nogle Excel-projektmapper 12 faner, der hver repræsenterer en måned. På hver fane er data for den pågældende måned angivet sammen med formler, pivottabeller og oversigter. Hvad sker der nu, når du bliver bedt om at give et resumé efter kvartal? Tilføjer du flere formler og faner for at konsolidere dataene på hver af månedsfanerne? Det grundlæggende problem i dette scenarie er, at fanerne repræsenterer dataværdier, der er smeltet sammen i præsentationen af din analyse.
Et bedre alternativ er at lave rapporteringsmodeller, hvor data- og analyselagene er adskilt. Datalaget håndterer import og transformation af rådata til iscenesættelsesområder. Analyselaget fungerer som platformen til at aggregere og præsentere analysen af disse rådata.
I forhold til at skabe rapporteringsmodeller, hvor du har en optimal adskillelse af data og analyse, kan du ikke slå den kraftfulde kombination af Power Query og Power Pivot.
Hvordan Power Query og Power Pivot komplementerer hinanden
Power Query er det perfekte værktøj til at oprette datalaget. Ved at bruge Power Query kan du
- Importer data fra en bred vifte af eksterne datakilder, herunder SQL Server, Microsoft Access, Web Services og endda Facebook.
- Transform og rens data, før du importerer dem til din rapporteringsmodel.
- Flet data fra en række forskellige datakilder, eller tilføj tabeller.
- "Unpivot" rådata fra et matrixformat til en flad tabel.
- Tilføj data til Power Querys interne datamodel.
Når du har Power Query til at levere det nødvendige datalag, kan Power Pivot bruges til at oprette analyselaget. Med Power Pivot kan du
- Tilføj relationer og indstil tabel- og kolonneegenskaber.
- Tilføj tilpassede formler med Data Analysis Expressions (DAX).
- Aggreger data i hierarkiske visninger.
- Opret pivottabelrapporter, der samler og præsenterer data fra forskellige perspektiver.
At udnytte Power Query og Power Pivot sammen giver et par fordele:
- Datalaget kan nemt opdateres uden behov for manuelt at gentage transformations- og dataoprydningstrin (Power Query gør det for dig). Hvis du har brug for data, der ikke findes i datalaget, kan du nemt redigere dine Power Query-forespørgsler for at bringe nye data ind og ikke forstyrre analyselaget.
- Enhver yderligere analyse kan nemt oprettes ved at starte yderligere pivottabeller fra Power Query-modellen.
Kort sagt, ved at bruge en-to-kombinationen af Power Query og Power Pivot kan du skabe robuste rapporteringsmodeller, der er fleksible, skalerbare og nemme at vedligeholde.