קצת סדר בבלאגן שהוא Power BI, ולמה כדאי לכם לקפוץ על הרכבת הזו

פחות או יותר כל מי שמכיר אותי יודע שאני מעריץ גדול של Power BI, כל מי שמכיר אותי מלבד קוראי הבלוג שלי! אני מתכוון, אוקיי, נכון שהזכרתי אותם בפוסט על ה-BI ונכון שכתבתי קצת על Power Query, אבל עדיין יש לי הרגשה שלא כתבתי פוסט אחד מקיף וממצה על הנושא הזה. כשאני מדבר עם חברים מהתחום אני תמיד מוצא את עצמי חוזר על אותם הסברים, סקירות והמלצות, ואם יש דבר אחד שלמדתי מ-Power Query זה שאפשר לחסוך פעולות טכניות שחוזרות על עצמן אם משקיעים קצת בהתחלה (חה! הבנתם את האלגוריה?); לכן, הפוסט הזה הולך לשמש אותי מעתה ועד קץ העולם כיעד אליו אשלח את כל מי שיוצא לי לדבר איתו על BI ועבודה עם נתונים, ואני מקווה שתוך כדי הוא גם יעזור לכם קצת ;)

יש המון בלאגן בכל מה שקשור לסדרת מוצרי ה-BI שמיקרוסופט שחררה תחת השם Power BI. בגדול, הם התחילו כתוספים לאקסל, חלקם בוטלו (או בדרך לביטול) וחלקם נמצאים גם במוצר ה-BI הייעודי שמיקרוסופט השיקה לפני כשנה. זה הבלאגן הראשון. הבלאגן השני הוא שלחלקם יש לפחות שני שמות, שמשתנים על פני גרסאות אקסל שונות, ובנוסף, לא ברור מה נגיש מאיפה. לדעתי, שני הבלאגנים האלה נובעים מכך שברגע שמיקרוסופט הבינה שיש לה משהו טוב ביד, היא התחילה לפתח ולהרחיב אותו בלי ממש להגדיר ולעשות חלוקה ברורה של מי עושה מה. הבלאגן השלישי נוצר מזה שמיקרוסופט נותנת הרבה גז בתחום הזה, מדי חודש יוצאת גרסה חדשה שמוסיפה עוד ועוד יכולות. זה טוב לנו המשתמשים, אבל זה גם גורם לכך שגופי הידע שנבנים עדיין צעירים יחסית, חלקם לא מספיק מעודכנים, ובכלל, קשה לומר שה-echo system של כל המשפחה הגיעה לרמת בשלות מספקת. הוא יגיע, אבל בינתיים, הדרך היחידה לעקוב אחרי כל השינויים היא באמצעות הבלוג הרשמי של מיקרוסופט.

כעת, לאחר פתיח די מבולגן כשלעצמו, אפשר להתחיל בסקירה קצרה של הכלים השונים.

בראשית ברא אלוהים את Power Pivot

Power Pivot התחיל מיוזמה של עובד מיקרוסופט ישראלי בשם אמיר נץ שראה בחזונו מחשבים אישיים מבצעים פעולות ניתוח שהיו שמורות בזמנו, שנת 2007, לשרתים ייעודיים. בגדול, Power Pivot  הוא כינוי למנוע שיודע לטפל במיליוני שורות של נתונים, ומעדיף לקבל את המידע שלו במספר טבלאות שטוחות שמקושרות ביניהן, למשל כך:

טבלאות מקושרות במודל של Power Pivot

טבלאות מקושרות במודל של Power Pivot

המנוע, ששמו הרשמי הוא DAX Engine, מאפשר לבנות מדדים (Measures) שיודעים לרוץ ביעילות על כל המידע ולתת מענה לצרכים די מורכבים, כמו השוואה של ה-YTD Sales בשנים שונות, מה היו יכולות להיות המכירות אם המחיר של מוצר מסוים היה שונה, ועוד ועוד.

למי שמעוניין ללמוד על הנושא, אני ממליץ בחום על הספר Power Pivot And Power BI של Rob Collie.

וביום השני ברא את Power Query

Power Query נברא ככלי עזר להכנת הנתונים לעבודה עם Power Pivot עבור משתמשים שאין להם נגישות רציפה לאיש DBA שיעשה זאת עבורם. Power Query מאפשר לאנשים פשוטים כמונו לבצע משימות עריכה מורכבות על טבלאות גדולות בעזרת ממשק סופר ידידותי שרק הולך ומשתפר מדי חודש. אמנם קצת קשה להתרגל לעובדה שאין כזה דבר לגרור נוסחאות בין טורים או בין שורות, אלא כל נוסחה היא-היא זו שרלוונטית לטור כולו (קצת מזכיר עבודה עם Tables באקסל), אבל זה גם מה שמאפשר לעבוד עם מיליוני שורות, ובכלל – לאט לאט לומדים כיצד להשיג את הגמישות שמרגישה חסרה באינטרקציות הראשונות עם הכלי הזה.

ממשק המשתמש של Power Query

ממשק המשתמש של Power Query

המנוע שעומד מאחורי Power Query הוא למעשה "שפת שאילתות" בשם M, או בשם המלא: M Language; עדיין, נראה שבעולם לא כל כך התרגלו לשם הזה, ונהוג להתחיל חיפוש בגוגל עם הביטוי Power Query ואז מה שמעניין אתכם. אפילו בכותרת הדף הרשמי של הכלי שפת M מוזכרת בסוגריים. בלאגן, כבר אמרתי?

הערת ביניים: אני יודע שבינתיים זה לא כל כך ברור למה אני מספר לכם את הרקע של כל כלי, ואת שם המנוע שלו, אני מבטיח שזה יתבהר בהמשך. האמינו לי שגם לי קשה לעשות לכם סדר בכל הכאוס הזה.

אני רוצה להתעכב קצת על Power Query מאחר ולמרות שזה הכלי השני בכרונולוגיה, אני מאמין שהוא החשוב ביותר עבור קוראי הבלוג, כאשר אני הולך להתבסס באופן חופשי על פרק המבוא בספר המומלץ בנושא שפת M ששמו M Is for (Data) Monkey. אני באמת לא יכול לתאר עד כמה אני ממליץ לכל מי שמתעסק עם נתונים לרוץ ולקנות את הספר הזה, המלצה שתחזור על עצמה גם בהמשך הפוסט הזה.

בכל אופן, יאללה בואו נתחיל.

באופן כללי, אפשר לתאר את עבודתו של כל אנליסט באמצעות התרשים הבא:

הדגמה של אופן עיבוד המידע בתרחיש שכיח. קרדיט: M Is for (Data) Monkey

הדגמה של אופן עיבוד המידע בתרחיש שכיח. קרדיט: M Is for (Data) Monkey

קבלת נתונים מכל מיני מקורות, עיבוד שלהם במגוון שיטות (נוסחאות, VBA, SQL וכו') וייצוא התוצר הסופי לטבלה שתשמש לעיבוד קליל נוסף (פיבוט / גרף) או שתהיה בעצמה התוצר שיוצג. החיסרון הגדול בעבודה בשיטה הזו, מעבר למוגבלות המובנית בנתונים שאפשר למשוך היא העובדה שלא הרבה אנשים בארגון יודעים מה קורה בתוך הקופסה השחורה הזו.

Power Query לוקח בהליכה את שיטת העבודה הזו ממספר טעמים.

  1. האחד, הוא יודע למשוך נתונים מאינפור מקורות (59 נכון למועד כתיבת שורות אלו, והמספר גדל מדי חודש):
רשימת המקורות ש-Power Query יודע למשוך מהם נתונים, נכון למאי 2016. מקור: https://powerbi.microsoft.com/en-us

רשימת המקורות ש-Power Query יודע למשוך מהם נתונים, נכון למאי 2016. מקור: https://powerbi.microsoft.com/en-us

  1. שנית, הוא יודע להתמודד בקלילות עם מיליוני שורות;
  2. שלישית, וכנראה הכי חשוב: אפשר להגיע לרמת מומחיות טובה בתוך פרק זמן קצר לאין שיעור מזה שהיה נדרש באקסל סטנדרטי או VBA. התרשים הבא מסכם זאת בצורה נאה:
עקומת הלימוד של Power Query בהשוואה לפתרונות הקיימים בשוק. קרדיט: M Is for (Data) Monkey

עקומת הלימוד של Power Query בהשוואה לפתרונות הקיימים בשוק. קרדיט: M Is for (Data) Monkey

לאחר שקראתי לא מעט על הנושא הזה, נראה שרוב המומחים די תמימי דעה ש-Power Query הוא היורש של אקסל בכל מה שקשור למשימות עיבוד שהן טיפה יותר מורכבות מ-SUMIF, בטח כשמדובר בהרבה נתונים.

Power Query, באמצעות הממשק הידידותי שלה פועלת בשלושה שלבים:

  1. שלב ראשון: משיכת הנתונים. כמו שכבר ציינתי, המגוון כאן הוא פשוט עצום;
  2. שלב שני: עיבוד המידע. זה אומר ניקוי המידע, איחוד בין טבלאות, הוספת טורים מחושבים ובעצם כל משימה שכרגע אתם משתמשים ב-VLOOKUP או MATCH כדי לבצע אותה. השלב הזה הוא בעצם לב המנוע של Power Query ואת רוב הפעולות אפשר לבצע באמצעות הממשק הידידותי. מי שרוצה, ואני ממליץ על כך, יכול להעמיק בשפת M ולהגיע איתה לגבהים שעד כה היו שמורים לאנשי DBA.  זה ייתן לכם דרגות חופש שעד כה יכולתם רק לחלום עליהן.
  3. השלב השלישי הוא טעינת הטבלאות המוגמרות לתוך כלי שיידע להשתמש בהן. זה יכול להיות אקסל סטנדרטי, זה יכול להיות Power Pivot וזה יכול, וצריך להיות Power BI, עליו ארחיב בהמשך.

ל-Power Query יש יתרון נוסף מובהק והוא העובדה שבמהותו הוא מקליט פקודות מאקרו שאוגר את הצעדים שביצעתם על הנתונים שמשכתם מהרגע שמשכתם אותם ועד שמתקבלת התוצאה הסופית. מהרגע שהגדרתם Query (כינוי לרשימת הפקודות שביצעתם כדי לקבל טבלה מוגמרת), אפשר להריץ אותה מחדש ולקבל טבלה מוגמרת מעודכנת. זה שימושי במיוחד במצבים שבהם אתם מושכים מידע ממקורות שמתעדכנים על בסיס שוטף, כמו מערכת הבילינג, ה-CRM ובעצם כמעט כל מקור נתונים בימינו. הידידותיות של Power Query, בשילוב עם יכולת ה"שגר ושכח" הזו, משנה את חוקי המשחק בכל מה שקשור לעיבוד נתונים וייצואם לאן שמתחשק לכם. שאילתות שכתבתי בסביבות יוני 2015 עדיין משמשות אותי על בסיס שוטף גם שנה לאחר כתיבתן.

וביום השלישי ברא את Power Map ו-Power View (אבל לאחר מכן התחרט)

נראה שדי התלהבו במיקרוסופט משני הכלים המגניבים שיצאו תחתם, ומשלל האפשרויות החדשות שפתאום נפתחו למשתמשים בהם. כל כך התלהבו שיצרו שני כלים נוספים שאמורים לקבל את הטבלאות שהכלים הללו ייצרו ומציגים את התובנות העולות מהם במגוון תרשימים או מפות, כאילו היינו בפרק של ניקיטה (לא יודע איך דווקא הסדרה הזו קפצה לי…). כלומר, once נוצרו כלים מגניבים למשיכה ועיבוד מידע, יצרו במיקרוסופט לקוחות (clients) למידע הזה, שיידעו לייצר ממנו משהו שימושי לצרכני המידע הסופיים. על אף ששני הכלים הללו כלולים באופיס 2016 (Power Map נקרא 3d Maps ו-Power View בכלל חבוי כברירת מחדל) נראה שבמיקרוסופט לא משקיעים בהם יותר מדי משאבים, והכל בגלל כלי קטן שיצא בשנת 2015 ופשוט טרף את כל הקלפים. שמו של הכלי הוא Power BI Desktop והוא גולת הכותרת של פוסט זה.

Power BI Desktop הוא כל מה שטוב ב-Power Pivot ו-Power Query. סליחה, הוא יותר טוב

עד לשנת 2015, הדרך היחידה לעשות שימוש בכלים שסקרתי עד כה הייתה באמצעות האקסל. התקנת את התוספים הרלוונטיים, פתחת אקסל והתחלת לעבוד. בשנת 2015 מיקרוסופט שחררה כלי חדש, עצמאי, בשם Power BI Desktop. בבסיס הכלי הזה עומדים שני המנועים רבי העוצמה שהזכרתי, DAX ושפת M, אבל להגדיר את Power BI Desktop פשוט כמערכת שכוללת את שני המנועים הללו אינה עושה עמו חסד:

  • ראשית, מיקרוסופט מרכזת מאמצי פיתוח עצומים בו, ומרגישים זאת. זה מביא לכך שהוא לעולם יהיה מספר צעדים לפני התוספים שמשוחררים לאקסל.
  • שנית, Power BI Desktop מוסיף שכבת ויזואליזציות מדהימה במגוון שלה, שמגיעה עם אינספור גרפים בילט אין, ואם זה לא מספיק, מיקרוסופט פתחו את המערכת כך שישנה גלריה שלמה של ויזואליזציות, המתעדכנת על בסיס חודשי בשלל תרשימים שלא חלמתם עליהם. באמת, קצרה היריעה מלתאר את הגאונות שמתחבאת בתוך הגלריה הזו.
  • שלישית, , Power BI Desktop כולל חיבור ישיר לענן, מה שאומר שאפשר לחלוק את התוצרים עם עובדי הארגון ומחוצה לו, אפשר לתזמן רענונים אוטומטיים ואפשר לגשת למידע מדפדפן או אפליקציה. יתרה מכך, וזו בעצם גולת הכותרת של כל הסיפור הזה, הענן מוסיף שכבת דשבורדים, שהם למעשה דף ווב שמכיל בצורה מסודרת ויזואליזציות נבחרות שיצרתם במסגרת האנליזה שלכם.

אני רוצה להתעכב אתכם רגע על הנקודה הזו כי אני מרגיש שלא מספיק אנשים מבינים אותה. לאט לאט בשקט בשקט, מיקרוסופט יצרה פה כלי שלא רק משנה את חוקי המשחק, הוא פשוט Home Run אחד גדול: Power BI Desktop יודע לקחת נתונים מאינספור מקורות, הוא מאפשר לכם לשחק איתם באמצעות ממשק סופר ידידותי, הוא יצר עבורכם אינספור גרפים שיכולים להשתמש בטבלאות שהכנתם, הוא מאפשר לכם לייצא את הגרפים היפים הללו לדשבורדים שמתעדכנים לבד, אפשר לחלוק אותם עם מי שבא לכם וכל הדבר היפה הזה רק הופך לטוב יותר מדי חודש. כן, חודש.

"טוב חפרת, מה עכשיו?"

אם 50% ומעלה מהתפקיד שלכם הוא עיבוד נתונים, הייתי משקיע את הזמן הנדרש ולומד גם DAX וגם שפת M. אם לא, ואני מכליל את עצמי בקבוצה הזו, הייתי קונה אתמול את M Is for (Data) Monkey, מתאפס על שפת M (אמור לקחת כמה שעות, אולי ימים) וממשיך בהתמקצעות על ספריית הויזואליזציות. יש מספר סיבות לכך שאני בוחר למקם את נקודת האופטימום בדיוק שם:

  1. DAX היא לא שפה אינטואיטיבית במיוחד, אפשר לטעות הרבה בדרך, והיתרון שלה בכוח העיבוד בא לידי ביטוי רק בטבלאות מאוד גדולות.
  2. בגלל ש-DAX באה לידי ביטוי בצורה הכי טובה כאשר כל הטבלאות מופרדות ומקושרות, האיחוד המרגש של הנתונים מתרחש רק במעמד יצירת הויזואליזציה המסכמת. במצבים שבהם יותר חשוב לכם לייצא טבלה להמשך עבודה איתה באקסל עדיף לעשות שימוש בשפת M (וליתר דיוק ב-Power Query במקום ב-Power BI Desktop).
  3. שפת M כל כך ידידותית, כל כך כיפית, ואפשר להשיג איתה נצחונות גדולים כל כך בקלות, שזה ממש פשע לא להתחיל איתה ואחר כך להמשיך עם DAX במידה וממש בא לכם.
  4. בסופו של יום, אלא אם אתם עובדים עם מיליוני שורות של נתונים, שפת M יודעת להביא אתכם לאותו מקום ש-DAX יביא אתכם, אבל בגלל שיותר קל ללמוד אותה זה מפנה זמן להתנסויות עם הויזואליזציות השונות, והרבה פעמים זה מה שעושה את ההבדל. פסדר, לקוד ייקח עוד שתי דקות לרוץ, אבל עם הזמן שחסכתם על לימוד DAX קנה לכם דשבורד עם ויזואליזציות יותר איכותיות, בעיניי אין כאן שאלה בכלל.

האם באמת כל כך חשוב לקרוא את M Is for (Data) Monkey? לדעתי כן. אני קודם למדתי Power Query ולאחר בערך שנה של עבודה עם הכלים השונים קניתי אותו, ולא רק שהוא לימד אותי כמה טריקים חדשים, הוא יכול היה לחסוך לי הרבה זמן אם הייתי מתחיל איתו מהיום הראשון.

סיכום

כל הפוסט הזה בכלל בא כמעין סיכום שיחה שהתרחשה במהלך טיול בכרמל עם חבר מתקופת ההתמחות ב-PwC (כן, כיף איתי במסיבות). נשבע לכם, הייתי בטוח שזה הולך לצאת 700 מילה ויאללה ביי. זה יצא 1,900 מילים ואני עדיין לא לגמרי בטוח שהכנסתי את הכל. תבינו, זה דבר אחד לחלום על מה שמערכת BI יכולה לתת לסטארט אפ, וזה דבר אחר אשכרה לייצר את זה במו ידיך בלא יותר מכמה שבועות עבודה לא רצופים. מהרבה בחינות, אני רואה בפוסט הזה אחד מהפוסטים הכי חשובים שפרסמתי עד כה בבלוג, וכולי תקווה שהוא ייתן להרבה קוראים את הדחיפה הקלה שהם היו זקוקים לה.

בהיבט רחב יותר, ישנה השאלה האם משפחת מוצרי ה-Power BI היא אכן מהפכה ששווה להצטרף אליה. אמנם הכותבים בתחום משוחדים כלפי תשובה חיובית, הרי הם מרוויחים את משכורתם מהעיסוק סביב החידושים בתחום (ספרים, סדנאות, שירותי הטמעה וכו'), אבל זה לא אומר שהטיעונים שלהם לא וולידיים. יצא לי להתעסק לא מעט עם Power BI בשנה האחרונה ועד כה אני נוטה להסכים איתם. השורה התחתונה לדעתי היא כזו: אם 30% מזמנכם או זמנם של העובדים שלכם מוקדש לניתוח נתונים, הייתי מפנה קצת זמן בלו"ז לשפת M ובני משפחתה. גם אם בסוף תחליטו שאין לכם עניין להשתמש בה, לפחות הרווחתם נושא לשיחה בטיול בכרמל וזה כבר שווה משהו, לא?

נ.ב – השקתי ניוזלטר

מרכז הכובד של הבלוג עבר לאחרונה לניוזלטר. מדי מספר שבועות אני שולח ליותר מ-1,000 מנויים ומנויות סיכום קצר של האירועים המעניינים שקרו בעולם הטק, פלוס פרשנות שלי. הירשמו כאן כדי לקבל אותו!

40 תגובות כתיבת תגובה

  1. ערן. ההתנסות הראשונה שלי עם POWER BI באה בעקבות הפוסט הראשון שלך בנושא ומאז התמכרתי. אין ספק שאני עדיין לא גירדתי את קצה היכולות של הכלי (ולצערי אין לי הרבה זמן פנוי לזה) אבל אין ספק שמדובר בכלי מעולה ו-2 היתרונות הכי גדולים שלו מבחינתי הם:
    1. היכולת לשלב נתונים ממקורות מידע שונים.
    2. היכולת לשחזר את סדר הפעולות ובצורה כזאת אתה משקיע פעם אחת בבניית דשבורד שרץ לנצח (או לפחות עד שמישהו מחליט לשנות שדות בנתונים :( ).

    ממליץ בחום

  2. הי ערן,
    הצלחתי לחבר בין ה- ERP שלנו לבין ה- POWER BI , מה עוד? איזה עוד מידע הצלבת ממערכות אחרות אל הכלי?
    האם למשל יש אפשרות לממשק בין הכלי ל-SF כך שבחברת SAAS לדוגמא נקבל את ה-MRR ואת ה-CAC מ-2 מערכות שונות?

    • היי,
      וואו, מאיפה להתחיל…
      ראשית כל, כן. אני מחבר את Power BI לסיילספורס כדי להוציא את כל המטריקות שחשובות לנו כדי למדוד את איכות העסק.
      Power BI יודע לעשות הכל, השאלה שאתה צריך לשאול את עצמך היא קודם כל מה חשוב לך למדוד, ואח"כ להתעסק באיך להשיג את זה. בעיקרון, אם יש לך חיבור ל-ERP ול-CRM, אני צופה שבהסתברות של 99% תוכל להשיג את כל מה שאתה מחפש, השאלה רק מה רמת הקושי להשיג זאת, וזה תלוי בשני דברים:
      1. רמת המומחיות של ב-Power BI
      2. כמה טוב הנתונים מאורגנים אצלך…

      ערן

      • אז למה לשלם עוד כסף ל-SF על דשבורק BI אם אפשר לעשות הכל עם ה-POWER BI ?
        אגב, יש אפשרות לשלב מידע מ-2 המערכות לדשבורד אחד?

        • הכוונה הייתה לבנות את הלוח ב-Power BI, לא בסיילספורס.
          לגבי השאלה השנייה, אפשר לשלב ב-Power BI מידע מאינספור מקומות. יש לי קבצים שלוקחים מידע מבנק ישראל, סיילספורס, פריוריטי ERP וגוגל אנליטיקס.

  3. היי ערן. יופי של סקירה. תודה.
    יש כמה שאלות פתוחות שנתקלנו בהן:
    1. אפשרות לרענון מידע משירות חיצוני קיימת רק בחשבונות שבתשלום ולא ב Freemium
    2. מודל החיוב לא ברור – אם אנחנו חברה שמספקת שירות למספר לקוחות ואנחנו רוצים לחשוף לכל לקוח דשבורד אחר על בסיס הנתונים שלו, איך אמור לעבוד התמחור, היות ומצד אחד המידע צריך להיות פרטי ומצד שני לאפשר גישה ללקוחות שונים בעמודים שונים…לא ראינו מקום לממשק הזדהות ב USE CASE הזה.

    • אהלן שרון,

      1. קודם כל, גם המנוי בתשלום הוא די זול – כולה 10 דולר לחודש, זה כלום ביחס לעלות של מוצרים אחרים. שנית כל, הם מאפשרים 60 ימי ניסיון ואתה יכול כל פעם להאריך בעוד 60 יום בלי בעיה. אני השתמשתי ככה במוצר כמעט שנה וחצי עד שניצלתי את הרישיונות שיש לנו בחינם במסגרת שותפות סילבר, אבל בתכלס היינו צריכים לרכוש הרבה קודם לכן.
      2. אז ככה. אני לא מומחה בזה, אבל לדעתי יש שם אפשרות לאפשר גישת צפייה בדשבורדים גם לאנשים מחוץ לארגון, הלקוחות שלך במקרה שלך. אני לא בטוח איך זה הולך והם בטח מגנים על עצמם מפני abuse אבל זה בטוח משהו שתוכל לקבל עליו תשובה בקלות.

      בהצלחה!
      ערן

  4. הי
    האם מישהו מכיר ישום powerbi
    מעל דוחות bex של sap bw?
    או מעל הטבלאות של sap bw?

  5. האם למי שעובד עם reporting services כדאי לעבור לסביבה של power bi ? נראה שהיכולות הגרפיות ב- power bi רבות יותר. השאלה אם לא היה הגיוני שהם ימצאו את דרכם מתישהו גם לסביבת הפיתוח של ה- reporting services ?

  6. אצלנו בחברה בביקורת מערכות מידע משתמשים בתוכנת IDEA לתחקור נתונים – איך powerbi מתקשר לתוכנה זו או שהוא מייתר אותה?

    • שאלה טובה. מניח שתלוי במה ש idea עושה. אני פחות מבין בתחום הזה

      • ה- Idea דומה מאוד ל- Power bi אבל יש לו יתרון אחד משמעותי והוא היכולת לשלב מתודולוגיה בתחקור הנתונים (כגון יכולת לדגום לפי שיטה מוגדרת או יכולת לבדוק עמידה בקריטריונים מסויימים).

        בנוסף, יש לו יכולת לשמור Audit trail וזה שימושי בעיקר לרו״ח מבקר.
        לשאלתך הייתי אומר שה- Power bi מיועד לכל מי שרוצה לערוך ניתוח כלכלי/חשבונאי בעוד שה- Idea עושה יותר מזה ופונה גם לרו״ח מבקר באמצעות שימוש בטכניקות ביקורת (מוכר בעיקר למשרדי רו״ח הגדולים).

        • הי

          תודה על התגובה.

          אנו רוצים לשלב במסגרת העבודה שלנו בין תוצרים שהפקנו מה- IDEA לבין כלי BI על מנת לקחת את התוצרים ולהפיק מהם גם תובנות עסקיות וגם דשבורדים וכלים ויזואליים למנהלים לבחינת מגמות.

          האם תוכל לכוון אותנו למקורות מידע בהם נוכל להיעזר על מנת לבצע את השילוב בין שני הכלים.

          ממש תודה והפוסט שהעלית היה ממש מעניין

          אמיר

  7. הי,
    לגבי הדשבורדים –
    ל-IDEA יש כלי דשבורדים משלו ככה שצריך לבדוק האם יש לו יכולת לעשות Publish כמו ל-Power bi.

    לגבי הניתוחים והסקת התובנות העסקיות –
    ה-IDEA נותן חיתוך של נתונים לפי קריטריונים מסויימים ואני מניח שאת אותו החיתוך אפשר לעשות גם ב- Power bi, זאת רק שאלה של משאבים. מניסיון לקחתי מתכנת מ-Upwork שיבנה לי כלי ניתוח ב- Power bi וחסכתי הרבה כאב ראש.
    אני מציע שתכתוב איזה מידע היית רוצה להציג למנהלים אצלכם ואז תחשוב האם יש צורך ב- Idea בין ה-SQL שלכם לבין ה- Power bi..

    • היי אריאל,
      אין לי מושג מה זה קבצי חיבור, אני מבקש מהאיש פריוריטי שלי שיכין לי View במסד הנתונים. אשמח לשמוע עוד על הנושא.

      ערן

  8. הי,
    אין ״קבצי חיבור״ בין הטבלאות של הפריוריטי ל Power bi.
    יש אפשרות לגשת ישירות לטבלאות ולחפש אם את המידע (כדי לגשת לטבלה ספציפית כדאי לדעת מראש מה השם שלה ואת זה תוכל לגלות באמצעות מיישם פריוריטי או לשאול בפורום של הפריוריטי באינטרנט).

    האופציה השניה שערן מדבר עליה היא הכנת טבלה שמכילה את כל המידע שאתה צריך ואליה אתה מתחבר כדי להוציא מידע. (תוכל להיעזר בלינק הבא לצורך הבנה של הטבלאות : http://www.priority-forums.com/he/index.php/forums/6-%D7%90%D7%A4%D7%99%D7%95%D7%9F-%D7%95%D7%A4%D7%99%D7%AA%D7%95%D7%97-%D7%A4%D7%A8%D7%99%D7%95%D7%A8%D7%99%D7%98%D7%99/4028-%D7%AA%D7%A8%D7%A9%D7%99%D7%9D-(%D7%A1%D7%9B%D7%9E%D7%94)-%D7%A9%D7%9C-%D7%98%D7%91%D7%9C%D7%90%D7%95%D7%AA-%D7%A4%D7%A8%D7%99%D7%95%D7%A8%D7%99%D7%98%D7%99)

    יש אופציה חדשה יותר אבל היא יותר מורכבת – שימוש ב- API של פריוריטי כדי לשלוף מידע ספציפי אבל זה לא יעזור לך יותר מידי כי תצטרך אלפי שאילתות כאלו כדי לבנות טבלה אחת.

    • תודה יואב על תשובתך, אני מכיר חלק ניכר מהטבלאות של פריוריטי, בעיקר מה שרציתי להבין זה האם עלי לייצא מידע בטבלאות מהפריוריטי או שיש ממשוק בין הpower bi ישירות לdbשל הפריוריטי ואם כן כיצד מבצעים את הממשוק, לגבי האפשרות השלישית שהזכרת נתקלתי לאחרונה בApiהחדש ואני בודק אותו.

      • יש ממשק ישיר באמצעות התחברות ל SQL כפי שערן כתב.
        כל איש IT אמור לדעת לעשות את זה והיתרון של זה הוא שאתה מקבל גישה ישירה (קריאה בלבד) לשרת המעודכן ואין צורך לנהל DB נוסף בנפרד.
        לגבי ה- API – הוא עובד בצורה של שאילתות והתיעוד שלו לא משהו ולכן הייתי מציע לך לא להתחיל להיכנס לזה (מה גם שתצטרך לנהל טבלה שבה תשמור את כל הנתונים מחדש בכל פעם) – לא יעיל ולא ישרת את המטרה שלך לדעתי.

  9. היי
    התקנתי Gate Way על השרת של הפריוריטי אבל משום מה אני לא מצליח לראות את ה דאטה בייס בממשק של הPower BI
    ממי ניתן לקבל תמיכה בנושא החיבור?

    • יש כמה מיישמי פריוריטי שמכירים את הנושא או אנשי IT. אני אישית עבדתי פעם עם שגיא מחברת Elite ERP אבל יש בטוח עוד.

      • אני פניתי לחברת אחסון של הפריוריטי שלנו (הוסט אנד פאונד),
        הוא אמר שזה מבוצע באמצעות BI CONNECTOR על השרת.

        • היי,
          אתה לא בכיוון. זה לא קשור ל-gateway, אלא לכך שצריך לפתוח את ה-SQL Server לעולם – ויתרה מכך, גם אם השרת פתוח לעולם, אתה לא תבין כלום מ-600 הטבלאות של פריוריטי. אתה צריך שאיש פריוריטי ייצור לך view שיהיו לך נגישים. זה אמור לעלות 1,000-2,000 ש"ח לכל view. קצת השקעה בהתחלה אבל שווה את זה. אם אתה צריך אוכל לתת לך פרטים של מישהו.

          ערן

        • לא מדוייק. במקרה הוסט אנד פאונד עובדים עם עלית ERP והבחור שם חיבר לי את הטבלאות בלי קונקטור (אם אני זוכר נכון קוראים לו מיכאל, אבל אני כנראה טועה). תבקש לדבר עם מי שעובד עם שגיא מ-עלית ERP ויסבירו לו איך לעשות את זה.
          בלי קשר, ערן צודק, זה לא פשוט להבין איזו טבלה מכילה איזה מידע – אני נעזרתי הרבה בפורום פריוריטי באינטרנט ואני באמת ממליץ קודם לחשוב מה רוצים להציג ואז להיעזר במיישם שידע לתת לך את שמות הטבלאות ואיפה נמצא כל נתון.

  10. היי ערן.
    אני ועוד כמה אנליסטים בחברה כרגע בעיצומו של קורס POWER BI שמתנהל בצורה סדנא עם תירגולים ולא רציפה, אך לצערי לא כולל שום חומר כתוב שיעשה לנו קצת סדר בדברים. האם ישנה ספרות כל שהיא בנושא / אתר הדרכה כולל בתשלום שאתה מכיר?

כתיבת תגובה

האימייל לא יוצג באתר. שדות החובה מסומנים *