English
Controlling performant mit PowerBI & AC: Smarte Kombination für Berichtswesen
AnalyticsCreator beschleunigt Reporting mit Power BI, indem Data Warehouses automatisiert aus Metadaten erzeugt, transformiert und bereitgestellt werden. Datenquellen lassen sich schnell integrieren, KPIs zentral definieren und konsistent modellieren. Dadurch entstehen zuverlässige Power BI Reports deutlich schneller als mit manuellen Ansätzen.
Questions
- Wie verbessert AnalyticsCreator Power BI Reporting?
- Wie automatisiert man ein Data Warehouse für Controlling?
- Was ist der Data Warehouse Wizard?
- Wie integriert man Datenquellen wie Access oder SQL?
- Wie werden KPIs zentral verwaltet?
- Wie reduziert AnalyticsCreator Entwicklungsaufwand?
Key Takeaways
- Bis zu 10x schnellere Entwicklung von Data Warehouses
- Power BI Reporting wird durch zentrale Modellierung beschleunigt
- Einfache Integration verschiedenster Datenquellen
- Historisierung und Governance sind integriert
- KPIs und Measures zentral definiert
- Standardisiertes Deployment (DACPAC, SSIS)
- Höhere Datenqualität und Transparenz
- Besonders geeignet für Controlling & Finance
Transcript
Welcome, everyone, and thank you for joining another webinar session on data automation.
In this session, we will show you why AnalyticsCreator is a smart choice for reporting with Power BI.
My name is Richard Lehnerdt, and I am the Head of Marketing at AnalyticsCreator. I will start with a short introduction to AnalyticsCreator, and then Marcus will walk you through a demo.
AnalyticsCreator is a German company based in Munich, founded in 2017. While the company itself was founded then, our team brings more than 15 years of experience in data automation.
Willkommen, und vielen Dank, dass Sie an einem weiteren Webinar zum Thema Datenautomatisierung teilnehmen.
In dieser Session zeigen wir Ihnen, warum AnalyticsCreator eine gute Wahl für Reporting mit Power BI ist.
Mein Name ist Richard Lehnerdt, und ich bin Head of Marketing bei AnalyticsCreator.
AnalyticsCreator ist ein deutsches Unternehmen mit Sitz in München und wurde 2017 gegründet.
Unser Team ist seit mehr als 15 Jahren im Bereich Datenautomatisierung aktiv.
Wir arbeiten mit mehr als 50 Partnern zusammen, und über 690 Entwickler nutzen AnalyticsCreator.
Data Engineers stehen vor zunehmender Komplexität.
Die Anzahl der Tools und Anwendungen wächst weiter, während der manuelle Aufwand hoch bleibt.
Das verlangsamt die Reaktionsfähigkeit auf neue Anforderungen aus dem Business.
Automatisierung ist der Schlüssel.
AnalyticsCreator vereinfacht Modellierung, Entwicklung und Deployment.
Dadurch kann die Umsetzung bis zu zehnmal schneller erfolgen als bei manueller Programmierung.
Der Prozess beginnt mit der Anbindung der Datenquellen.
Anschließend werden die Daten verfeinert und modelliert.
Mit dem Wizard generiert AnalyticsCreator das Modell und bereitet es für das Deployment in die Zielumgebung vor.
AnalyticsCreator ist im BARC Survey sehr gut positioniert.
Die Anwendung erzielt starke Bewertungen in wichtigen Bereichen wie Benutzerfreundlichkeit und Performance.
Controlling wird immer komplexer.
Die Anforderungen an Daten und Reporting steigen.
Viele Abteilungen sind dadurch überfordert.
In diesem Use Case liegen die Daten in Access.
Das bestehende Reporting stößt an seine Grenzen.
Das Ziel ist es, ein Data Warehouse aufzubauen, das Reporting zu verbessern und Power BI für die Analyse zu nutzen.
Zuerst erstellen wir den Connector.
Danach definieren wir den Connection String, testen die Verbindung und speichern die Konfiguration.
Anschließend wählen wir die Tabellen aus.
Wir definieren den Importprozess, aktivieren die Historisierung und generieren Dimensionen und Fakten.
AnalyticsCreator generiert automatisch die benötigten Schichten:
- Source Layer
- Staging Layer
- Persisted Layer
- Core Layer
- Data Mart
Als Nächstes definieren wir die Fakten, zum Beispiel Menge, Preis und Umsatz.
Wir fügen die benötigte SQL-Logik hinzu und verbinden die Kalenderdimension.
Danach synchronisieren wir das Data Warehouse.
Alle Änderungen werden automatisch übertragen.
Im Data Mart definieren wir KPIs wie Umsatz und Menge.
Außerdem ergänzen wir die erforderlichen Formatierungen.
Anschließend erstellen wir das Deployment Package.
Wir nutzen das DACPAC, konfigurieren SSIS und erstellen das tabulare Modell.
Danach starten wir das Workflow Package.
Die Daten werden automatisch geladen.
Power BI verbindet sich mit dem tabularen Modell.
Das Datenmodell ist bereits vorbereitet und kann direkt genutzt werden.
Das Ergebnis ist ein interaktives Dashboard.
Es ermöglicht Analysen nach Zeit, Produkt und Umsatz.
Wir haben die Quelle angebunden.
Wir haben das Data Warehouse generiert.
Wir haben die KPIs definiert.
Wir haben das Deployment durchgeführt.
Wir haben die Visualisierung erstellt.
Das Ergebnis: Minuten statt Tage Aufwand.
