Microsoft Power BI har de siste årene blitt et av de mest populære verktøyene for virksomheter som vil bli mer datadrevne. Stadig flere organisasjoner tar i bruk Power BI på grunn av sine mange muligheter og verktøyet gjør det mulig for selv ikke tekniske brukere å utforske data og lage visuelt tiltalende rapporter.
Likevel ser vi altfor ofte at innføringen går galt.
Ironisk nok kan nettopp friheten og selvbetjeningen Power BI tilbyr bli en fallgruve dersom man ikke har nødvendig planlegging og kontroll, og dette kan igjen føre til frustrerte brukere, feilaktige beslutninger og tap av tillit til data. I denne artikkelen ser vi på fem vanlige feil selskaper gjør når de implementerer Power BI, og hvordan dere kan unngå dem.
Feil 1: Uklare mål og manglende plan
En typisk tabbe er å kaste seg ut i Power BI uten en tydelig strategi eller definerte mål. Mange virksomheter starter bruken av Power BI uten en god plan å lene seg på. Kanskje begynner enkeltpersoner å lage rapporter for adhoc behov, og så vokser det derifra med flere rapporter og brukere. Konsekvensen av dette er at man ender ofte opp uten styring av data og tilgang og ofte uten en klar kobling til forretningsmål. Power BI er raskt å ta i bruk, og man kan anta at verktøyet i seg selv vil skape innsikt, men uten klare mål eller KPI-er blir det lett å få et miljø uten retning og noe som kan vokse seg ut av kontroll.
Det er lurt å starte med en strategisk tilnærming. Definer hva dere ønsker å oppnå med Power BI og still dere spørsmål som:
- Hvilke forretningsspørsmål skal besvares?
- Hvilke KPI-er er viktigst, og hvordan definerer vi dem?
- Hvem skal bruke rapportene, og hvilken beslutning skal de støtte?
Når målene er klare kan dere lage en implementeringsplan som støtter disse målene. Involver både IT og forretning i planleggingen slik at teknologien blir tydelig posisjonert i samsvar med forretningsbehovet.
Feil 2: Svakt datagrunnlag og dårlig datakvalitet
Et annet vanlig problem er å undervurdere viktigheten av dataene som lastes inn i Power BI og utsagnet “garbage in, garbage out” gjelder i aller høyeste grad her. Kvaliteten på analysene og rapportene dine avhenger i stor grad av kvaliteten på dataene. Likevel ser vi at selskaper ofte kobler til Excel ark eller utdaterte datakilder uten å rydde i dem først. Resultatet blir at rapportene gir misvisende eller inkonsistente tall.
Ingenting står mer i veien for å vinne brukernes tillit raskere enn dårlig datakvalitet i rapporter som skal støtte beslutninger.
Hvorfor skjer dette? Det kan iblant skyldes tidspress for å få data ut og delt, eller manglende forståelse for dataforvaltning “lengre bak” i systemer. Power BI gjør det enkelt å koble til mange ulike datakilder, og det kan være fristende å hente data som de er for å komme fort i gang. Nå er det slik at rådata er sjelden analyseklar med en gang og uten en helhetlig tanke om hvordan man skal gjøre dataene klare, kan forskjellige avdelinger ende opp med ulike versjoner av sannheten, fordi de bruker hver sine kopier av dataene.
For å komme rundt dette problemet, så er det viktig å sørge for et solid datagrunnlag før rapportering. Det innebærer å bruke tid på å rense, strukturere og berike data før de lastes inn i Power BI. Bruk gjerne Power Query til å rense og transformere dataene, eller vurder å etablere et sentralt datavarehus eller en dataplattform der data kan samles og klargjøres. Dette krever litt innsats i starten, men gir langsiktig gevinst i form av konsistente resultater og tillit til tallene. Etabler også rutiner for datakvalitetskontroll når dere får tid til det og pass på at data oppfyller definerte standarder før de brukes i rapporter.
Når dataene er pålitelige og konsistente, vil dataprodukter du skaper senere gi meningsfulle og korrekte tall, enten det er for et Power BI dashboard, en avansert modell eller en automatisering som er avhengig av data med høy kvalitet.
Feil 3: Manglende styring og governance
Selvbetjening og fri bruk av Power BI uten noen form for styring kan fort bli oppskriften på et salig data kaos. Det er overraskende vanlig og ikke ha klare retningslinjer, eierskap og kontroll på plass, bedre kjent som data governance.
Plutselig florerer det av rapporter, datakilder og ulike nøkkeltall definisjoner mellom avdelinger. I tillegg oppstår det sikkerhetsrisiko hvis ingen følger med på hvem som har tilgang til hva. I virksomheter som setter i gang uten klare retningslinjer ser vi ofte nettopp manglende styring av data og tilganger som en uheldig konsekvens av dette og kan i ettertid bety større ryddearbeid. Fordi mange tenker at Power BI er et verktøysteknisk prosjekt og vi “bare aktiverer verktøyet” og lar de ansatte bruke det fritt så kan dette skje og vokse seg til over tid. Intensjonen om å spre data ut i bedriften er god, men uten noe overordnet rammeverk kan det bli til at forskjellige avdelinger lager sine løsninger uten helhetlig koordinering.
Sikkerhet og personvern blir ikke godt nok ivaretatt dersom man hopper over governance aspektet. Et eksempel på dette er at man glemmer å sette opp riktig tilgangskontroll og uten kontroll kan sensitive data plutselig deles med feil personer, noe som kan føre til alvorlige databrudd, økonomiske tap og skader på selskapets omdømme.
Noen enkle tiltak som man vurdere er:
- Klare ansvarsroller: Definer hvem som er dataeiere for viktige datasett, og hvem som er ansvarlig for ulike rapporter eller områder. Om dataansvaret er sentralisert (f.eks. i en IT avdeling eller et BI-team) eller desentralisert (ute i forretningsenhetene), bør også være et bevisst valg. Uansett modell eller tilnærming man velger så er det lurt å utpeke personer eller danne et forum som forvalter og diskuterer Power BI bruken i organisasjonen sammen.
- Tilgangsstyring og sikkerhet: Integrer Power BI med eksisterende sikkerhetsinfrastruktur (f.eks. Azure AD) og sett opp tilgangsgrupper. Bruk gjerne radnivåsikkerhet (RLS) for å sørge for at brukere kun ser data de skal se og ta en kvartalsvis revisjon av tilganger og delinger for å unngå uautorisert dataflyt.
- Retningslinjer og beste praksis: Utarbeid guider for hvordan rapporter skal utvikles og deles. Dette kan inkludere navnestandarder, maler for design, og krav til dokumentasjon av beregninger. Et felles “center of excellence” eller en kompetansegruppe internt kan hjelpe med å spre beste praksis og bistå brukere som støter på utfordringer.
God governance handler ikke om å begrense alt, men om å ha kontroll med kvalitet, sikkerhet og livssyklusen til Power BI innhold i en organisasjon. Ved å få på plass et slikt rammeverk unngår dere både dobbeltarbeid og reduserer risikoen for feilbruk.
Feil 4: Overkompliserte modeller og rapporter
En fjerde klassisk feil er å lage altfor komplekse datamodeller og overdrevet store rapporter. Det finnes mange eksempler hvor utviklere prøver å bruke veldig mange funksjoner på en gang, unødvendig kompliserte DAX-formler, et mylder av faner, og dashboards fulle av grafer og tabeller.
Overkompliserte datamodeller kan bli trege og vanskelige å vedlikeholde og rapporter med for mange visualiseringer uten at en klar historie blir forvirrende for brukerne. Målet med en rapport er tross alt å gi innsikt som kan handles på, ikke å imponere kolleger med fancy layout eller løse alt på ett sted.
Følg prinsippene for god datamodellering ved å starte med en enkel stjernemodell der det gir mening, fremfor mange tabeller som kanskje ikke trengs for forretningsbehovet som skal dekkes. Økt graden av kompleksitet gradvis etter hvert som behovene modnes og det er nødvendig. På rapportnivå så prøv å prioritere de viktigste KPI-ene og innsiktene fremfor å prøve å få plass til maksimal mengde informasjon. Det er ofte bedre å ha flere mindre, fokuserte rapporter enn en stor rapport som skal svare på alt.
Tenk også på brukervennlighet og design da en ren og intuitiv visuell fremstilling holder på interessen, mens et uoversiktlig dashboard kan få brukerne til å falle av. Involver gjerne faktiske sluttbrukere underveis og spør hva de synes er nyttig, og hva oppfatter de som støy? Til slutt så husk å teste ytelsen. Last inn data og sjekk responstider for å se om rapporten er treg. Dette kan det være tegn på at modellen eller DAX uttrykkene bør forenkles.
Feil 5: Utilstrekkelig opplæring og brukeradopsjon
Den kanskje mest undervurderte faktoren for et vellykket Power BI prosjekt er menneskene som skal bruke verktøyet. Mange selskaper investerer i lisensen og teknologien, men glemmer å investere tilsvarende i opplæring og endringsledelse. En av de største utfordringene med å innføre Power BI er nettopp å få alle om bord på det nye verktøyet.
Det blir en antagelse at “selvbetjent BI” betyr at brukerne automatisk lærer seg verktøyet på egen hånd. Noen sender et par ansatte på kurs i to dager og forventer at de skal komme tilbake som BI-eksperter som som er urealistisk. I realiteten krever det tid og øvelse å bygge opp kompetanse, enten det gjelder å beherske DAX formler for de tekniske brukerne eller å lære opp sluttbrukere i å tolke og bruke rapporter. Uten tilstrekkelig opplæring risikerer man lav brukeradopsjon og de ansatte fortsetter med gamle vaner eller de bruker Power BI feil slik at tilliten svekkes.
Husk å sette av ressurser og tid til kompetansebygging og endringsledelse i prosjektet deres. Teknisk trening er viktig for de som skal utvikle datamodeller og rapporter, men husk at det også trengs opplæring i tolkning av data og bruk av innsikt for beslutningstakere.
Planlegg et opplæringsløp som passer til ulike brukergrupper. For eksempel grunnleggende kurs for nye brukere, avansert workshop for utviklere, og kanskje egen opplæring for ledere i hvordan lese og hente innsikt fra rapportene. Det kan være lurt å utpeke “Power BI-champions” i ulike avdelinger, som er ansatte som får dypere kompetanse og kan hjelpe sine kollegaer igjen. Ledelsen bør støtte opp under bruken av data, belønne datadrevet atferd og etterspørre innsikt fra verktøyet i beslutningsmøter. Prøv å tilby kontinuerlig støtte, enten via et internt forum eller kanskje en mulighet for å sparre med en ekspert eller utpekt champion, slik at brukerne ikke står fast og føler seg “alene”.
Investering i skikkelig opplæring er essensielt for at brukerne skal få mest mulig ut av verktøyet og da øker du sjansen for at Power BI blir tatt i bruk og skaper verdi.
Oppsummering
Power BI er et kraftig verktøy som kan revolusjonere måten en virksomhet bruker data på, men bare dersom det implementeres riktig. Vi har sett at de vanligste fellene spenner fra mangel på strategi og planlegging, via sviktende datagrunnlag og governance, til tekniske og organisatoriske blindveier.
Heldigvis kan alle disse feilene unngås.
Med klare mål, godt datagrunnlag, tydelige styringsprinsipper, forenklede løsninger og solid brukeropplæring, legger du grunnlaget for suksess. Da vil Power BI realisere sitt potensial og gi innsiktene som trengs for bedre beslutninger.
Har din organisasjon behov for en ny gjennomgang av deres Power BI satsning, eller ønsker dere hjelp til å unngå fallgruvene nevnt over? Ta gjerne kontakt for en uforpliktende prat eller en vurdering. Jeg kan bidra med veiledning slik at dere får maksimal verdi ut av verktøyet og styrer unna de klassiske feilene.
