Implementare una strategia di BI self-service non vuol dire smantellare la vostra infrastruttura di BI tradizionale oppure sostituirla. Si tratta di un'operazione che si può realizzare corredando la vostra piattaforma di BI con nuovi livelli semantici fatti di modelli di dati e di tool che guidino l'utente finale nella scoperta dei dati. Power BI e Azure sono in grado di fornire queste capacità aggiuntive più in fretta e in modo più efficace rispetto ad altri framework di BI self-service.
Lo scopo dell'implementazione della BI self-service è quello di fare arrivare più velocemente e più facilmente ai vostri dipendenti i dati di cui hanno bisogno, quando ne hanno bisogno e in una forma che li renda significativi. Non è un concetto nuovo e neanche particolarmente lontano dalla definizione che si usa dare della BI tradizionale. Quello che è cambiato da qualche anno a questa parte è che l'attenzione si è spostata sui singoli dati individuali di cui gli utenti aziendali hanno bisogno, sia si tratti di Data Scientist, di Data Analyst esperti, come pure di utilizzatori non tecnici, fornendo loro un maggiore controllo sulla modalità con la quale accedono ai dati e li utilizzano.
Nel loro articolo del 2011, Claudia Imhoff e Colin White hanno dato la seguente definizione di "Business Intelligence self-service":
"Tutti quelle facilities interne all'ambiente IT che rendono gli utenti della BI più autonomi e meno dipendenti dall'organizzazione informatica. Queste facilities sono incentrate su quattro obiettivi principali: un accesso facilitato alla sorgente dati per la reportistica e l'analisi, un supporto più semplice ed efficace per tutte le funzioni di analisi dei dati, opzioni di deployment più rapide come le applicazioni e il cloud computing, e, per finire, interfacce utente più semplici, personalizzate e collaborative."
Questa definizione è un utile punto di partenza per una discussione volta a mettere in evidenza quanto Power BI possa aiutare la vostra organizzazione a raggiungere gli obiettivi della BI self-service e a sfruttarne i vantaggi.
Power BI fornisce la piattaforma perfetta per una BI agile, perché permette agli utenti autorizzati di configurare rapidamente nuovi collegamenti di dati e di creare nuovi report analitici. Questo è possibile, perché Power BI è strettamente integrata con altri prodotti di BI di Microsoft e con Excel, e vanta connettori built-in verso sorgenti dati esterni.
Creare un sottile modello semantico sui dati esistenti
Le soluzioni di BI self-service dipendono dalle sorgenti dati organizzate in forma utile per l'analisi. Il grado di trasformazione che qualunque sorgente dati deve subire dipenderà dalla sua sorgente e dal suo formato, dalla qualità dei suoi dati e dalla sua coerenza con altre sorgenti dati. Questo potrebbe richiedere un data warehouse aziendale unico e integrato, un datawarehouse "logico", basato su diversi tipi di sorgenti dati, o un sottile strato semantico composto da modelli di dati.
Visto dalla prospettiva di un utente business, la funzione principale di un data warehouse, o di qualunque altra piattaforma di analisi, è la sovrapposizione di uno strato semantico (o modello) sui dati di origine. Questo isola l'utente dalla complessità dei dati sottostanti e li presenta in un formato che ne agevola la comprensione e l'utilizzazione a scopi analitici. Allo stesso tempo viene assicurata la validità e l'integrità dei dati e si evitano "molteplici versioni della verità".
Power BI offre modelli di dati come dataset che possono connettersi a una gran quantità di sorgenti dati. Oltre ai suoi connettori integrati alle applicazioni SaaS, Power BI ha un supporto diretto per il modello tabulare di Microsoft che fornisce la migliore tecnologia per applicare un sottile strato semantico di BI sui vostri dati.
Introdurre un processo agile per creare nuovi modelli di dati
L'agilità e la responsività della BI dipende dal tempo che un'organizzazione dedica alla creazione degli strati semantici necessari. Se desiderate introdurre un processo agile di BI self-service, l'approccio più indicato è quello di sviluppare i vostri strati semantici ricorrendo a una combinazione di modelli tabulari in SQL Server Analysis Services (SSAS) o Excel e query in Power Query. I modelli tabulari sono database in-memory che possono estrarre e arricchire dati da qualunque sorgente relazionale o multidimensionale, senza dover creare database multidimensionali con cubi, dimensioni e misure, con l'inevitabile corollario di costi e complicazioni. Le query in Power Query estendono la portata di queste sorgenti dati fino a includere servizi dati di Azure, feed OData, pagine web, servizi web e applicazioni SaaS.
Per farla breve, il processo più agile che possiate implementare per disegnare, creare e distribuire soluzioni di BI self-service consiste nel creare report Power BI ricavati da dataset collegati a modelli tabulari.
Power BI ha un supporto integrato per modelli tabulari, query in Power Query e sorgenti dati esterne. Nel loro insieme, queste opportunità danno accesso a tutte le sorgenti di dati necessarie ai vostri utenti e coprono dati relazionali, multidimensionali, strutturati o semi strutturati provenienti da sorgenti on-premise, sul cloud o sul web.
Connettersi direttamente ai dati sorgente ogni volta che sia possibile
Il crescere della richiesta di dati da sorgenti non tradizionali ha messo in discussione il concetto di un data warehouse aziendale come unica piattaforma di analisi. Non ha senso adattare e integrare dati OLTP con stream di dati in tempo reale, dati strutturati e semi-strutturati o dati di terzi. Dalla prospettiva di un utente business, la funzione principale di un data warehouse, o di qualunque altra piattaforma di analisi, consiste nell'esposizione di uno strato semantico sui dati origine. Nuovi tipi di datastore, quali i database Hadoop o NoSQ, consentono di modellare e incorporare dati in soluzioni di BI, senza che siano importati in un data warehouse. I dati che non si adattano in maniera logica e agevole a un database OLAP dovrebbero essere conservati in un data repository separato.
L'uso di modelli tabulari per integrare diverse sorgenti dati
Estendere la portata delle sorgenti dati è fondamentale per il concetto di BI self-service, tanto che anche le organizzazioni dotate di sistemi di BI consolidati dovranno affrontare la sfida di incorporare queste nuove e diverse sorgenti dati. Come si è già argomentato nella sessione precedente, il modo più facile per consolidare le vostre diverse sorgenti dati è quello di sviluppare modelli tabulari e query in Power Query. Quando i dati sono immagazzinati in un modello tabulare, le query sottostanti ai dati di origine vengono mantenute, così il refresh dei dati può essere schedulato.
Se state sviluppando modelli tabulari utilizzando SQL Server Analysis Services (SSAS), sarà necessario impostare una dimensione adeguata del server, specialmente se si tratta di modelli in-memory. Raccomanderei vivamente di dotarsi di macchine virtuali di Azure per ospitare istanze di SSAS al servizio della BI self-service, in modo da approfittare dei vantaggi di Azure in fatto di scalabilità, alta disponibilità e facilità di deployment.
I report e i dashboard di Power BI forniscono un gran numero di opportunità per esplorare e visualizzare dati, permettendo all'utente business di utilizzare i dati a modo suo. Questo consente a ogni singolo utente di personalizzare la sua esperienza, scegliendo le informazioni sui dati che rispondono ai suoi interessi e di analizzarle nel formato e sul dispositivo che preferisce.
Usare visualizzazioni che rendono i dati più comprensibili
L'analisi dati è immediatamente accessibile a ogni utente di Power BI attraverso un portale web o un'app mobile. Potete creare i vostri report partendo da dataset o altri report, personalizzare i vostri dashboard, combinando diversi report, e interagire con report per cambiare la visualizzazione o filtrare i dati. Anche quando un tool di visualizzazione dati fornisce un'ampia gamma di grafici e altri controlli, può risultare difficile scegliere il più appropriato. Quando interagite con Reports o Q&A in Power BI, quest'ultimo selezionerà in automatico la visualizzazione migliore per voi.
Condividere informazioni sui dati
Con la BI self-service, possiamo fare una distinzione tra condivisione di dati e condivisione di informazioni sui dati o data discovery. La BI aziendale è responsabile della condivisione dei dati, per assicurare che le persone, che necessitano di informazioni per prendere decisioni, abbiano accesso agli stessi. Questi dati possono essere distribuiti in modi diversi, ma in base a un design e un formato predefiniti. La BI self-service va ancora oltre, in quanto consente a chi abbia scoperto informazioni utili esplorando i dati di collaborare con colleghi, condividendo le informazioni più importanti per loro.
Le informazioni sui dati in Power BI possono essere condivise con altri membri del team, condividendo i vostri dashboard personalizzati con determinati utenti di Power BI o catturare degli snapshot di report individuali da spedire loro via e-mail all'interno delle app di Power BI. L'importanza di informazioni sui dati può essere sottolineata tramite snapshots di report, evidenziandole prima della condivisione o impostando degli alert sui dati.
I tool di Power BI riducono drasticamente i tempi di apprendimento dei nuovi utenti, perché i report e i dashboard hanno un'interfaccia semplice e coerente, che risulterà subito familiare a molti utenti Excel di Power View o Pivot Tables. In alternativa, gli utenti esperti che sono alla ricerca di strumenti di analisi più sosfisticati, hanno la possibilità di creare query e modelli di dati complessi con Power BI Designer o Power Query e Power Pivot di Excel.
Esplorare i dati interagendo con report
Quando degli utenti interagiscono con un report in Power BI, non è necessario che comprendano le relazioni tra i campi di dati, perché sono state tutte definite all'interno del modello dei dati. Purché il dataset di Power BI sia stato modellato correttamente, è sufficiente che l'utente finale trascini tutti i campi dati nei suoi report, sicuro che la relazione tra i singoli dati sarà corretta. Questo è il punto di partenza per l'esplorazione dei dati e la scoperta di nuove informazioni. Queste interazioni includono la selezione di campi dati, la scelta di visualizzazioni, il filtraggio e l'evidenziazione di dati, l'aggregazione di visualizzazioni e la creazione di dashboard da report salvati.
Per rendere ancora più semplice l'esperienza, gli utenti possono interrogare i dati e creare delle visualizzazioni in base ai risultati, usando il proprio linguaggio naturale e limitandosi a digitare le domande.
Arricchire modelli di dati con indicatori chiave di performance (KPIs) e calcoli
È sufficiente che l'utente trascini campi dati su una visualizzazione all'interno di Power BI e quest'ultimo interpreterà in maniera intelligente i dati e deciderà il modo migliore di rappresentarli. Questo è possibile perché Power BI capisce le relazioni tra i campi, che tipo di dati contengono e se rappresentano aggregazioni, calcoli, valori unici, ambiti geografici o gerarchie. Questi metadati derivano dal sottostante modello di dati, che può essere arricchito con calcoli, misure, KPI e prospettive (sottoinsiemi di dati di origine), tutti definiti usando un sofisticato linguaggio di formule chiamato Data Analysis Expressions (DAX).