Opdateringsfrekvens, datamængder og performance

Opdateringsfrekvens, datamængder og performance

Power BI performance afhænger af tre tekniske krav: hvor ofte data skal opdateres, hvor meget data der er tale om, og hvad det betyder for performance. Disse tre krav er ofte den mest objektive måde at afgøre arkitekturvalget på. I modsætning til pris og kompetencer, som ofte er et organisatorisk eller økonomisk spørgsmål, er disse tre krav rent tekniske og derfor relativt nemme at måle konkret i jeres egen drift.

For jer i ledelsen: konsekvensen af dårlig Power BI performance er sjældent et nedbrud, men langsommere rapporter og data, der ikke er aktuelle, når I har mest brug for dem. Det er ofte det første konkrete tegn på, at arkitekturen skal udvides. Derfor er det værd at få IT eller jeres BI-ansvarlige til løbende at holde øje med disse tre dimensioner, så et skifte kan planlægges i god tid, frem for at blive en akut brandøvelse.

Denne artikel er del 8 af 9. Se den samlende oversigt: Samlet oversigt: Power BI eller data platform – en guide for ledelsen →

Opdateringsfrekvens: realtid, nær-realtid og batch

• Batch (typisk dagligt eller få gange dagligt): Power BI Service kan klare dette alene, med planlagt opdatering op til 8 gange/dag (Pro) eller 48 gange/dag (PPU). Dette er tilstrækkeligt til de fleste ledelsesrapporter, hvor data fra i går er fuldt acceptabelt.
• Nær-realtid (minutter til en time): kræver typisk DirectQuery, eller en data platform med hyppigere pipeline-kørsler. Her begynder Power BI Service alene at mærke begrænsninger, særligt ved mange eller tunge kilder. Dette niveau ses typisk i operationelle rapporter, hvor en afdeling følger driften løbende gennem dagen.
• Realtid (sekunder): kræver streaming-arkitektur (f.eks. Eventstreams i Fabric eller lignende), som ligger uden for, hvad en direkte Power BI-forbindelse kan levere. Dette behov ses oftest i produktion, logistik eller andre driftskritiske miljøer, hvor selv få minutters forsinkelse har en reel omkostning.

Power BI-modeller har praktiske grænser for, hvor meget data der kan importeres og forblive performant — typisk nogle få gigabyte komprimeret per model ved import, før forespørgsler og opdateringer bliver langsomme. Ved DirectQuery flyttes belastningen til datakilden i stedet, hvilket kræver, at kilden selv kan bære belastningen. En data platform løser dette ved at forbehandle og aggregere store datamængder, før de når Power BI, så modellen forbliver let og hurtig. I praksis betyder det, at en data platform ofte først giver mening, når datamængden eller forespørgselskompleksiteten har vokset sig ud over, hvad en enkelt Power BI-model kan håndtere effektivt.

Stiller forretningen krav om hyppige opdateringer fra kildesystemer med 20+ millioner transaktioner pr. opdatering kan en data platform være løsningen men andre alternativer er også mulige direkte i Power BI. Det vigtigste er, at I kortlægger jeres faktiske datamængder og opdateringsbehov, frem for at antage, at den ene eller den anden arkitektur automatisk er den rigtige.

Power BI performance

Performance i Power BI afhænger i høj grad af, hvor meget transformationslogik der ligger i selve modellen. Tunge Power Query-transformationer og komplekse DAX-beregninger på store rådata giver langsomme rapporter. Ved at flytte den tunge databehandling ud i en platform (og lade Power BI arbejde med færdigberegnede, aggregerede data) bliver rapporterne markant hurtigere — dette er en af de mest undervurderede grunde til at vælge en platform. Mange organisationer oplever først performanceproblemerne, når en rapport, der virkede fint i en pilottest med få brugere, pludselig skal bære hele organisationens daglige brug.

Hvornår rammer I grænsen?

Gå i dybden: SQLBI har omfattende materiale om, hvordan modelstørrelse og DAX-kompleksitet påvirker performance, og hvornår aggregeringer eller en platform bør overvejes. Chris Webb’s BI Blog dækker løbende Fabrics streaming- og realtidsfunktioner. Vil I se, hvordan dette ser ud i praksis i jeres eget setup, kan I se det konkret i vores produktgennemgang.

Power BI performance handler i sidste ende om at kende jeres egne grænser. Opdateringsfrekvens, datamængde og performance er ofte den mest objektive måde at afgøre arkitekturvalget på. Rammer I grænserne for batch-opdatering eller modelstørrelse, er det et konkret signal – ikke en dom over Power BI, men et tegn på, at opgaven er vokset. Sidste stykke af puslespillet er kompetencer: læs 09 – Uddannelse og kompetencer →, eller se 00 – Samlet oversigt → for det fulde billede.

Læs også: Serien Ledelsesinformation med fokus på vækst viser, hvordan I omsætter jeres data til konkret vækststyring – og under vores services kan I se, hvordan vi hjælper i praksis.

• Power BI eller data platform – en guide for ledelsen
• 01 – Hvornår er en direkte forbindelse til Power BI nok →
• 02 – Hvad dækker Power BI Servicen, og hvor er grænsen →
• 03 – Hvad er en data platform, forklaret uden jargon →
• 04 – Fordele og ulemper ved en data platform →
• 05 – Beslutningsframework: tre spørgsmål, der afgør valget →
• 06 – Hvad koster det, Power BI alene vs. data platform →
• 07 – Governance: styring og kontrol i begge verdener →
• 08 – Opdateringsfrekvens, datamængder og performance →
• 09 – Uddannelse og kompetencer: hvad kræver det →

oneBC365 leverer “Ledelsesinformation med fokus på Vækst “— bygget direkte på Microsoft Dynamics 365 Business Central data med præsentation i Power BI. Dashboard → Analyse → Detaljer giver ledelsen svar på hvad?, hvorfor? og hvilke? samme dag.

Læs mere på onebc365.dk.