Self-service Power BI Del 1: Introduktion och scenarios

Ny teknik har gjort self-service mer lättillgängligt än någonsin. Slutanvändare kan bygga sina egna analyser och rapporter utan att ta hjälp av programmerare. Detta skapar stora möjligheter för företag och organisationer men innebär också en hel del utmaningar. I den här artikelserien ska vi prata om self-service Power BI och vad man bör tänka på när man överväger att implementera verktyget.

VAD ÄR SELF-SERVICE?

När vi pratar om self-service så utgår vi från den definition som erbjuds av Gartner Glossary: 

“End users designing and deploying their own reports and analyses within an approved and supported architecture and tools portfolio.”
Utgångspunkten är alltså att slutanvändarna får möjlighet att bygga och förvalta sina egna rapporter. Men hur datat hanteras kan skilja sig åt beroende på vilket upplägg man väljer. Vi återkommer till det strax.

VARFÖR SELF-SERVICE?

Varför pratar vi om self-service nu när det har funnits länge? 
Jo, för att nya verktyg som t.ex. Microsoft Fabric har förändrat spelplanen och skapat nya möjligheter. Förr hade man kanske Synapse och Data factory på ett ställe och Power BI på ett annat. Men med Fabric kan data engineers och analytiker jobba sömlöst tillsammans i samma plattform och förstå varandra på ett annat sätt. Power BI kräver heller inte samma programmeringskunskaper som förut, det finns många drag and drop-verktyg som även icke-tekniska personer kan ta till sig.

En annan anledning är att många inte förstår att self-service kräver en hel del arbete. Man tror ofta att self-service ska lösa alla problem direkt, men även om det är relativt enkelt så är det inte en plug and play-lösning som klarar av allting på en gång. Det finns en inlärningskurva och det kan ta en stund innan man hamnar rätt.

TRE OLIKA SCENARIOS

När man ska implementera en self-service Power BI-lösning så finns det tre olika upplägg, eller scenarios, att välja mellan:

• Business-led self service 
• Enterprise-led self-service
• Managed self-service 

1. BUSINESS-LED SELF-SERVICE

Business-led self-service handlar om att verksamheten hanterar allting på egen hand, från data-inhämtning till rapportbyggande. Det här är ett ganska vanligt upplägg för mindre organisationer som kanske inte har ett dedikerat IT-team.

Fördelar:

• Inkluderande med hög tillgänglighet – Verktyget blir öppet för alla och även icke-tekniska personer kan jobba med det.
• Fler datadrivna beslut – Tillgängligheten gör att fler personer kan bygga rapporter och ta viktiga affärsbeslut.
• Rapporter kommer ut snabbare. 

• Kan ge lägre säkerhet och bristande datakvalitet – Eftersom alla kan jobba med verktyget oavsett kunskapsnivå så finns det risk för säkerhetsbrister om man inte har kontroll på behörigheter och accesser. Och även datakvaliteten kan försämras om man t.ex. missar några kolumner eftersom datasetet inte blir komplett. 
• Flera versioner av sanningen – Personer med liknande roller kanske gör ungefär samma rapporter men på lite olika sätt. Man räknar på lite olika sätt, har olika terminologier, döper rapporterna annorlunda osv.
• Rapportträsk – Många rapporter med liknande innehåll kan lätt skapa förvirring. En ny användare vet kanske inte vilken rapport som gäller, vilket gör det svårt att lita på rapporten.

2. ENTERPRISE-LED SELF-SERVICE

Enterprise-led self-service går ut på att ett centraliserat IT-team hanterar hela cykeln, från inhämtning av data till leverans av rapporter. Verksamheten ställer krav och får vad den efterfrågar. Egentligen handlar det inte om self-service i begreppets rätta bemärkelse eftersom användarna inte sköter något på egen hand. 

Fördelar:

• Organiserad data och arkitektur.
• Starkt säkerhetstänk – Både när det gäller prestanda och organisation.
• En sanning i data – Ofta finns det t.ex. bara en rapport per behov.

• Långsam process – Om ett team ska serva en hel organisation och flera avdelningar samtidigt så kan användarna uppleva att det går långsamt. Detta kan leda till att användarna tar genvägar och kanske bygger sina egna databaser eller datalager, vilket även kan resultera i säkerhetsproblem.
• Begränsad tillgänglighet – Användarna kan uppleva att verktyget blir begränsat till ett fåtal personer, eller till en viss grupp, inom organisationen.
  
  

3. MANAGED SELF-SERVICE

Managed self-service fungerar som en kombination av de två föregående uppläggen. Man har ett centraliserat IT-team som ansvarar för att bygga dataset medan verksamheten tar fram rapporterna. Verksamhetsteamet och IT-teamet samarbetar och bygger BI-lösningen tillsammans.

Fördelar:

• Det bästa av två världar – Man har den business-ledda flexibiliteten i användarnas rapportbyggande, kombinerat med ett dedikerat IT-team som bygger dataset.
• Pålitlig data och etablerad arkitektur.
• Hög säkerhet.
• Hög rapportflexibilitet och tillgänglighet – Eftersom användarna bygger sina egna rapporter utifrån egna önskemål så ökar tillgängligheten.

• Synk mellan två grupper försvårar implementation – När det centraliserade IT-teamet bygger dataset så kan det uppstå en flaskhals som gör att det dröjer innan användarna kan göra sina analyser.

• Utmanande i praktiken – Man har två team som pratar helt olika språk. Några kan teknikspråket men inte verksamhetsspråket, och vice versa. Olika ord och terminologier kan leda till missförstånd.

• Rapportträsk – På samma sätt som man får fördelarna med det business-ledda upplägget så får man också vissa av nackdelarna. Om användarna bygger sina rapporter och laddar upp dem utan eftertanke så kan det bli ett stort rapportträsk även här.

Vill du veta mer om hur Rowico implementerade en ny BI-lösning med hjälp av Random Forest och vann nya insikter?