Podcast

Dobrý den, moje jméno je Jirka Becherek.
Dobrý den všem, moje jméno je Hinek Volner. A vítáme vás u dalšího dílu Data Talku.

Dnes naše pozvání přijala Saša Profantová, dlouholetá vývojářka a BI konzultantka z Intexu v Brně. Ahoj, Sašo.
Ahoj, díky za pozvání.

My jsme si dneska pozvali Sašu, aby nám vyprávěla o Power BI a svých zkušenostech. A vlastně o tom, jak je Power BI v datových nástrojích dost podceňované, taková popelka datových nástrojů, braná jenom jako pouhá vizualizační vrstva.

Než se ale k tomuto tématu vrhneme, bylo by slušné, kdybys se nám Sašo trošku představila a řekla nám svou kariérní cestu a proč je pro tebe právě Power BI srdcovým tématem?

Moje práce s daty jako takovými začala někdy v roce 2009, kdy jsem se začala věnovat reportingu. Klasickému reportingu – někdo potřeboval udělat report, třeba kontingenční tabulku v Excelu, takže to tak začalo. Postupem času jsem začala více a více zjišťovat, co by se dalo dělat efektivněji a jak něco dělat lépe. Začala jsem používat nástroje, které se začaly objevovat jako součást Excelu – a to byly Power Pivot, Power View a Power Query.

Byly to nástroje, které umožňovaly zpracovávat data naprosto neuvěřitelným způsobem, takže jste dokázali udělat úplně vše, co jste chtěli. Umožňovaly dělat spoustu výpočtů a nakonec i vizualizace – a to vše v rámci Excelu. Postupem času se všechny tyto nástroje spojily dohromady a vzniklo z toho Power BI.

O jakém roce se tady bavíme?

Bavíme se někde o letech 2015–2016, kdy začalo být Power BI poprvé vidět. Byly to tehdy první preview verze, takže takové ty, které se daly označit za v podstatě nepoužitelné pro koncové uživatele.

Promiň, Sašo, a mezi rokem 2010 a 2015 jsi nějaká podniková řešení v těch Power Pivotech a Power View lepila dohromady? A jak si to máme představit, tehdy se taková řešení stavěla na Excelu?

Přesně tak. Představte si, že do té doby jsem dělala klasickou kontingenční tabulku z dat, která jsem měla vykopírovaná do Excelu, a vytvořila jsem Excelový report. Nicméně se začátkem těchto nových nástrojů jste mohli zpracovávat mnohem více dat. Už to nebylo jenom pár milionů řádků, ale mohli jste zpracovat mnohem víc přímo v Excelu.

Vytvářeli jsme tedy podniková řešení – reporty, které se posílaly dalším zákazníkům. Já jsem tehdy pracovala pro jednu firmu, kde jsem vlastně byla analytikem a tvořila jsem různé reporty. Tyto nástroje mi umožňovaly hlavně efektivněji zpracovávat data, protože každý, kdo pracuje s daty, ví, že ne všechna data na vstupu jsou ihned použitelná pro výstupní report. Data je potřeba upravit, očistit a transformovat – a to vše nabízely nové nástroje, které Microsoft začal představovat.

A mohli jste je používat přímo v Excelu, což bylo přirozené prostředí pro všechny, kdo Excel uměli používat.

A co nejšílenějšího z dnešního pohledu mohlo tehdy běžet na jedné kontingenční tabulce?

Vlastně to umožňovalo nepoužívat běžnou kontingenční tabulku. Už se nejednalo jen o kontingenční tabulku, ale o to, že jste si mohli spojit více tabulek v Excelu, což dříve nebylo možné. Vždy jste museli všechno slít do jedné tabulky.

Nástroje jako Power Pivot vám umožňovaly natáhnout více tabulek, vytvořit mezi nimi vazby a začít s nimi pracovat jako s takovou relační databází. Takže něco podobného, jako kdybyste měli relační databázi k dispozici přímo v Excelu. Kromě toho jste si mohli data před samotnou analýzou také transformovat podle potřeby – to všechno byl základ pozdějšího Power BI, kdy se tyto nástroje vyjmuly z Excelu, spojily dohromady a vznikla cloudová služba, která umožňovala…

A využívání vstupů z těchto nástrojů v cloudu.

Proč jste se třeba nevybrali jinou cestu, například jako možná spousta lidí, kdyby došli k závěru „Nestačí nám Excel, tak začneme řešit standardní reporting, řešení kombinace ETL a něco jako GoodData“? Předsudky nebo nějaké překážky byly v tom, že to bylo blízko Excelu?

Já jsem byla zaměstnaná v klasické firmě, nebyla jsem součástí BI oddělení nebo IT oddělení. A trpělo to tehdy tím neduhem, se kterým se dnes často setkávám, že IT oddělení nemá čas na uživatele, nemá čas řešit to, co skutečně koncoví uživatelé potřebují.

Proto jste museli nasadit nějaké takzvané self-service BI – nástroje, které vám umožní udělat vše od A do Z: od zdrojových dat až po finální reporting.

Souvisí to i s tím, že se mluví o určitých vlnách v datovém zpracování – dřív fungovalo, že IT oddělení všechna data připravilo a zpracovalo a tvořilo reporty, které pak koncoví uživatelé využívali.

Postupem času vznikly nástroje, které umožnily samotným uživatelům připojit se ke zdrojovým datům, zpracovat je, propojit informace a nakonec vytvořit vizualizaci. To velmi zjednodušilo práci – vlastně nepotřebujete hluboké technické znalosti, abyste tyto nástroje mohli využívat.

Pokud vás to baví a potřebujete dosáhnout výsledku, dokážete to sami – a to bylo přesně to, co tyto nástroje nabízely.

Ty nástroje byly zaměřené přímo na self-service BI, tedy pro lidi technicky zdatné, ale kteří nejsou součástí velkého BI kolosu ve velkých firmách.

Viděla jsi v Power BI ještě větší přístupnost než v jiných nástrojích?

Moje cesta k Power BI byla taková, že jsem začala používat nástroje, které Microsoft publikoval pro použití v Excelu. Když z těch nástrojů začalo vznikat Power BI, opustila jsem firmu, kde jsem pracovala téměř 18 let, a nastoupila jsem do konzultační firmy Intex v Brně, která se zabývá datovou analytikou a vším, co s ní souvisí.

Tato firma zákazníkům nabízí například zpracování podnikových dat, pomoc s reportingem nebo konsolidaci dat, aby bylo možné použít je pro reporting. Já jsem tam nastoupila s představou, že budu vývojářkou – tedy dělat backendové věci, vytvářet datové sklady a podobné projekty.

Tvůj vývojářský background je tedy z prostředí Microsoft Stacku?

Nemám žádný tradiční vývojářský background. Jsem spíš samouk v těchto nástrojích. Byla jsem vlastně u vzniku těch nástrojů, které dnes vyústily v současnou technologii, a naučila jsem se to takto systematicky.

Pokud mluvíme o vývoji, neznamená to, že bych seděla ve Visual Studiu a psala několikastránkové kódy v C# nebo vytvářela skripty v Pythonu či jiném jazyce. Vývoj se spíš týká zpracování dat, tedy různých transformací, konsolidací, výběru potřebných informací a nakonec jejich použití v reportingu.

Zmiňovala jsi, že jsi do Indexu nastupovala s představou, že budeš fulltime vyvíjet labkostky, ale zdá se, že to není úplně ta realita, že?

To není realita, protože labkostky byly v té době hlavní vrstvou, kterou měly firmy implementovány a na které se dělaly reporty.

V té době začala více zastupovat tuto vrstvu technologie, na které je postavené Power BI. Takže už jsme neměli OLAP kostky, ale tabulární modely. Vzhledem k tomu, že jsem měla velkou zkušenost s Power Pivotem a i s úplně první verzí tabulárních modelů na SQL Serveru z roku 2012, bylo jasné, že mám velmi dobrý základ.

Díky tomu jsem se nejsem „nějaký lúzr vzadu“, který s tím nic neumí, ale znám danou technologii dobře a mohu na tom stavět dál a rozvíjet ji.

Je vhodné zmínit tvůj poslední oficiální titul Microsoft Fast Track Solution Architect pro Power BI, což je, jak jsem pochopil, velmi prestižní ocenění.

Jak moc je to prestižní?

Ano, dá se to tak říct, je to velmi prestižní věc. Každý, kdo pracuje v technologii, usiluje o různé certifikáty, aby měl nějaké uznání a prokázal, že technologii opravdu ovládá.

Já jsem na to šla trochu jinak – díky práci v konzultační firmě jsem měla možnost pracovat s mnoha zákazníky. Fast Track spočívá v tom, že prezentujete nějaké projekty a konkrétní realizace, které jsou následně revidovány Microsoftem. Procházíte vlastně odpovídajícím interview, kdy se diskutuje o technickém nastavení řešení.

S kým vlastně interview probíhalo?

S člověkem, který je profesionálem v Power BI komunitě. Každý, kdo sleduje komunitu Power BI, zná Adama Saxtona. Já měla interview přímo s ním, což mi velmi všichni závidí.

Prezentovali jsme projekty a pro zajímavost jeden z nich se týkal IT trackingu rentgenů. Na začátku pandemie, v jejích prvních týdnech, jsme začali spolupracovat s armádou, ÚZIS a ministerstvem vnitra a zpracovávali různá data do reportingu.

Projekt byl úspěšný hlavně proto, že vznikal bezprostředně a rychle – prototyp jsme měli hotový do druhého dne. S rozvojem pandemie jsme vyvíjeli datový sklad a podporovali větší množství reportů, které byly potřeba.

K tomu se ještě vrátíme, až se budeme bavit o architektuře.

Co se týče Fast Tracku, má ho ještě někdo v Česku?

Ano, myslím, že ano. Program Fast Track probíhá každoročně a je potřeba certifikace obnovovat. Není to přímo certifikát, ale uznání, že řešení bylo znovu revidováno a konzultant je stále považován za odborníka, kterého lze poslouchat. Počet těchto lidí roste, ale program se pomalu mění.

V poslední době už nejde jen o hodnocení řešení, ale konzultanti jsou zváni k připomínkování nových funkcí v Power BI a mají možnost být informováni o plánovaných změnách, testovat je a ovlivňovat jejich vývoj.

To ti dává vhled do budoucnosti a zaručuje, že funkce, které chceš dnes používat, budou stále podporovány, a můžeš být trochu napřed v tom, co děláš a znáš.

Čeká nás tedy zářná budoucnost s Power BI?

Myslím, že ano, vždy to tak je – každý věří v zářnou budoucnost.

Vývoj nástrojů tak jde ruku v ruce s tím, že se věci chtějí sjednotit a udělat přístupnějšími. Hlavní trend bývá, aby nástroje zvládl používat každý, aniž by musel lovit dokumentaci a složitě se učit. Prostředí by mělo být intuitivní a uživatelsky přívětivé.

Věřím, že tam do budoucna dojdeme. Dnes tento rozhovor zakončíme, protože máme i další Microsoftí futurologická témata.

Teď bych ale rád přešel k našemu hlavnímu tématu – Power BI jako nástroj, jako platforma, a proč je to skutečně popelka těch datových nástrojů.

Abychom ale ten pojem „popelka“ nepoužili špatně – pokud sledujete nezávislé žebříčky Gartneru, které vycházejí každý rok, Microsoft je už dlouhou dobu lídrem v oblasti datové analytiky.

Nelze říci, že by jeho pozice byla nějak otřesena – takže z tohoto pohledu to popelka není.

Na druhou stranu když se řekne Power BI, každý si představí něco trochu jiného, protože toho, co s Power BI můžete dělat, je opravdu hodně.

Možná většina si představí Power BI jako jednoduchý nástroj, ve kterém není potřeba moc technických znalostí, kde se k datům připojíte, zpracuji je, uděláte vizualizace, nasadíte automatické aktualizace a výstup snadno sdílíte. To je často první kontakt lidí s tím nástrojem.

Celá platforma je ale velmi rozsáhlá a musím říct, že i pro mě začíná být čím dál složitější se v ní orientovat.

Nejde ani tak o to, co tam můžete udělat, ale spíše jakou cestu zvolit, abyste docílili optimálního výsledku.

Existuje totiž vždy více způsobů, jak věci udělat. Stejně tak je to s novými funkcionalitami – člověk přemýšlí, proč právě je používat, co je lepší, zda nepoužít něco staršího, proč doporučit něco nového.

I pro mě, která se Power BI věnuji prakticky každý den, je velmi složité sledovat vše, co se tam děje, a mít přehled o každém detailu, abych mohla o všem hovořit.

Možná se tedy dostáváme k mé roli v Intexu.

Jak jsme mluvili, začínala jsem jako vývojářka, chtěla jsem dělat backendové věci, databáze, kostky, tabulární modely.

Velmi brzo jsem začala zhruba ze poloviny práce zastávat i roli školitele – tedy někoho, kdo jezdí školit zákazníky, dělat prezentace, workshopy, nebo revidovat jejich řešení.

Podívám se, jak mají řešení technicky nastavená, posoudím, zda bych jim něco nedoporučila jinak.

Tato práce mi umožnila vidět spoustu řešení, ke kterým bych se jako vývojářka nikdy nedostala, protože bych na to neměla čas.

Mohla jsem přijet do firmy, strávit tam třeba dvě až tři hodiny, poslechnout si jejich prezentaci, zjistit jak mají implementaci nastavenou a případně navrhnout, jak by ji mohli s Power BI zlepšit.

A pokud nepoužívali Power BI, tak jim ukázat, jak by ho mohli využít ve svém prostředí.

Řešení. A teď, když se zeptám konkrétně – a abychom si ty zákazníky představili – jak velké firmy a z jakého oboru to jsou? Nebo často tu máme enterprise konzultanty, kteří přicházejí třeba ze Škodovky.

Já jsem tam mimochodem také byla, ale asi to dělám špatně, když se to tam nezdá být běžné. Nicméně nemluvíme o Škodovce, ale o českých firmách. Bavíme se tedy o českých i zahraničních firmách, o firmách malých, s pár lidmi, třeba i o startupech, velmi malých firmách se zhruba s pár zaměstnanci. Dále o středních firmách a pak také o korporacích, jako je například O2.

Spíše než o rozsahu firem jde o median a rozsah, tedy od pár lidí po enterprise úroveň, ale těch enterprise klientů už není příliš mnoho. Většina firem měla obrat v určitém rozmezí. Spadaly do nějaké kategorie nebo byly definovány jinak?

Já to chtěla vysvětlit jinak – když jedu na konzultaci, tak pro mě je konzultace téměř stejná, ať jedu do firmy s deseti lidmi, nebo do korporace. Samozřejmě se bavím s odlišnými lidmi. V malé firmě mluvím s lidmi ve vedení, kteří mají rozhodovací pravomoc a mohou prosadit nějaké řešení na základě mých doporučení. V korporacích se obvykle bavím s vedoucími BI oddělení nebo s IT specialisty, kteří spravují infrastrukturu, obvykle nehovořím s nikým jiným.

Z pohledu toho, co jim říkám, není ten rozdíl až tak velký. Zajímavé je samozřejmě, že řešení jsou různá: některá jsou větší, některá menší, někdy jsou členitější, někdy méně členitá. Ale pokud jde o mou roli konzultanta a pokud mě někdo osloví na konzultaci ohledně Power BI, většinou chce:

• buď zavést Power BI, a chce vědět, co by pro to měl udělat,
• nebo nechce jít metodou pokus-omyl a ptá se, co by měl udělat,
• anebo už Power BI má a chce, abych se podívala, jak ho má implementované, zda jsou nějaké slabiny – například něco je pomalé, něco se dlouho aktualizuje a podobně – a na základě toho doporučit další kroky.

Pozice v tom směru je téměř velmi podobná. To je zajímavé, protože bych nikdy neřekla, že stejné problémy mají jen rozdílné funkcionality řešení.

Abych to lépe přiblížila, můžeme si udělat modelovou situaci: představme si, že já budu typický zákazník, který používá Power BI, ale používá ho způsobem, jaký byl původně zmíněn – tedy typický začátečník, kde Power BI slouží primárně jako vizualizační nástroj, tzv. self-service.

Jak to vypadá? Co s tím mohu dělat víc? Jaká jsou tvá doporučení?

Můj přístup často býval, že na začátku kariéry bych měla spoustu doporučení a nejlepších praktik: „Tohle musíte udělat tak, tohle jinak“. Čím dál víc si ale myslím, že pokud nějaké řešení funguje a neobtěžuje vás nějaký problém, i když třeba není úplně podle best practices, není potřeba za každou cenu něco měnit.

Lépe je věnovat energii novým věcem, které vás třeba v jiné oblasti více pálí. Pokud máte řešení, které funguje, není nutné ho přeimplementovávat jen proto, aby odpovídalo doporučením.

Ale často to tak není. Většinou řešíte nějaký problém – aktualizace trvá dlouho, nevyznáte se v tom, jak spolu komponenty souvisí, nevíte, jak používat určité funkce nebo jak efektivně sdílet reporty. Tady už jsou konkrétní dotazy, podle kterých doporučuju například školení IT či BI oddělení, či konání workshopu, nebo konzultaci s administrátory, pokud jde o větší firmy, kde jsou…

…dokonce dedikovaní lidé.

Občas doporučujeme udělat nějakou revizi řešení – kdo ho používá, kolik je uživatelů, jak dlouho se aktualizují data, zda nejsou zatěžovány zdrojové systémy, a podle toho navrhnout konkrétní řešení.

Musím říct, že mi připadá komické, že některé firmy jsou rezistentní a nechtějí slyšet, že to mají dobře.

Přihodilo se mi to loni u velkého zahraničního zákazníka, který měl 15členné BI oddělení a 50 tabulárních modelů, velmi rozsáhlé řešení.

Všechno bylo v cloudu na Azure Analysis Services. Oni se už nevěnovali vizualizacím v Power BI, ale pouze tvorbě databází, takže Power BI nebylo pro ně tak relevantní.

Já tam měla za úkol provést revizi řešení a doporučit, co zlepšit, protože měli ambici mít nejlepší BI v Evropě.

Prošla jsem jejich řešení a musela konstatovat, že by se to od nich mohli všichni učit. Vývojáři pracovali end to end – jeden člověk komunikoval s uživateli, sepískal požadavky, vytvořil databázi, implementoval řešení a nakonec i odškolil uživatele.

Přišlo mi to senzační. Vznikala i dokumentační fáze, což je často zanedbané. My jako konzultanti nedoporučujeme psát dokumentaci na vedlejší kolej, ale ideálně mít dokumentaci generovanou automaticky.

Musím také říct, že z hlediska zdrojů a hardware měli velmi dobře nastavené prostředí.

Zaráželo mě, že byli vůči tomu rezistentní – stále říkali, že chtějí mít nejlepší řešení a nebyli s výsledkem spokojení.

Nakonec jsme se domluvili na školení, které jsem identifikovala jako nejvíce potřeba – DAX.

Každý, kdo pracuje s Power BI, ví, že DAX dokáže být noční můrou.

Znám DAX velmi dobře, myslím, že na světové úrovni, protože jsem se učila od nejlepších expertů.

Co je DAX? Je to jazyk používaný v Power BI. Není to programovací jazyk, ale funkcionální jazyk, který píšete pro dynamické kalkulace.

Například když chcete spočítat tržby, tedy sumu sloupce, použijete DAX.

DAX však umožňuje mnohem víc. Umí reagovat na kontext filtrování v reportu, počítá dynamicky podle toho, co uživatel vybere, a může velmi zamotat hlavu.

Tomu se věnuji na pokročilé úrovni.

Skvělé.

Pojďme zpátky k tomu případu. Proč sis myslela, že jsi byla posla špatných zpráv, když si říkala, že mají řešení skvělé? Stává se ti to často?

Nestává se mi často, že bych našla řešení v tak dobrém stavu.

Často se stává, že vždy něco lze vylepšit nebo vnést technický vhled do implementace.

Na druhou stranu, ve firmách s nedostatečnou zkušeností v BI a Power BI to nebývá. Tam je často prostor pro mnoho vylepšení.

U zmiňované firmy bylo patrné, že jsou velice pokročilí, vzdělávaní a mají vybudované velmi dobré prostředí.

Chtěli řešení zrevidovat, potvrdit si jeho kvalitu a případně provést mikrooptimalizace.

V takovém případě by rozsáhlejší zásahy mohly být spíše na škodu.

Chápu. Mluvila jsi o tom, že tě příjemně překvapilo, jak agilně drželi celý produkt end-to-end.

Byly tam další best practices? Co je první, na co se díváš v projektu, jak je architektura navržena? Protože, když vidíš, že to není správně nastavné, víš, že down the line to přinese problémy.

Co měli správně architektonicky, co dělalo ten projekt dobrým?

Je důležité vědět, že Power BI na frontendu vytváří report, ale pod tímto reportem stojí databáze.

Nemám na mysli podkladová data, například datový sklad nebo aplikační databázi, ale ještě je potřeba data zkopírovat do jedné speciální databáze, nad kterou Power BI běží.

Tady platí zásada, že by se nemělo načítat nic navíc, co pro analýzu nepoužijete, protože samozřejmě zbytečně narůstá velikost a komplikují se problémy.

Existuje několik doporučení, například:

• sloupec datum a čas rozdělit na dva samostatné sloupce,
• vazby mezi tabulkami dělat přes celá čísla a ne přes jiné datové typy,

a podobně.

Při dodržení těchto přibližně deseti zásad můžete říct, že řešení je v souladu s best practices.

To ale neznamená, že je dokonalé a nelze jej ještě zlepšit.

A právě tyto zásady měli daní klienti správně implementované.

Nebyl to žádný amatérismus, bylo vidět, že lidé vědí, co dělají.

Nemělo tedy smysl pořád opakovat to, co už jim je známé, ale spíše řešit konkrétní oblasti, jako třeba v našem případě DAX.

Celkově měli řešení na evropské úrovni.

Kdybych teď byla začínající BI analytička nebo šéf BI oddělení, a neměla bych téměř nic kromě Excelu, a chtěla postavit moderní Power BI řešení, jak začít? Jakými směry se mám řídit?

Podle mě nejlepší je nepřemýšlet moc a rovnou stáhnout Power BI Desktop.

Pokud byste za námi přišli, nebo sami hledali informace na internetu, stačí stáhnout Power BI Desktop, připojit se na data, která máte v Excelu, vytvořit první vizualizaci, publikovat ji do Power BI služby a máte hotovo.

Pak záleží, kde narazíte na problémy či překážky.

Například kdybyste do teď používali Excel, Power BI zvládne mnohem více.

Ale často se objeví potřeba implementovat nějakou logiku do dat, která je složitější.

Typickým příkladem je, když někdo při uzávěrce nebo na začátku měsíce, třeba v účetnictví, přepisuje nebo přeskupuje čísla podle své vnitřní logiky.

Jak tuto logiku dostat do finálních reportů?

Je potřeba ji popsat, napsat ji v takové struktuře, aby byla dobře udržovatelná a zároveň technicky zpracovatelná.

Začít lze rychle, zvlášť pokud jste firma, která dosud běžela na Excelu, ale velmi rychle narazíte na místa, kde by bylo dobré proces vylepšit.

Nechcete jen exportovat data ze systému do Excelu a na tom stavět Power BI.

Raději se napojíte přímo na zdrojová data ve vašem systému.

Zjistíte ale, že data jsou uložena jinak, než jak jste je exportovali do Excelu, a vyžádá si to náročnější zpracování.

Často také budete chtít dotáhnout další data – třeba plánování v samostatném Excelu – a spárovat je dohromady.

To už je někdy komplikované, zvlášť pokud v týmu více lidí aktualizuje ten samý Excelový soubor.

Na to asi všichni rozumíme.

Ještě mě zajímá, co chtěl Jinek říct: co všechno unese Power BI jako středobodem architektury?

Jak velký projekt je schopný Power BI unést bez nutnosti samostatného datového warehouse?

Mnoho posluchačů jsou pokročilí uživatelé a možná je ani nenapadlo, že menší projekt nemusí řešit samostatnou infrastrukturu, protože již je v Power BI.

Asi toto je aha moment, kdy někdo vytáhne Power BI a vyřeší tento problém.

Jaké momenty lidi překvapí?

Co vše Power BI umí?

Pokud hovoříme o základním Power BI, nepotřebujete vůbec nic jiného, pokud data nepřekračují určitou velikost.

Velikost dat se těžko měří, protože se data v Power BI komprimují, takže nelze říct přesně, že máte tolik dat a bude to fungovat nebo ne.

Ale pokud vytvoříte Power BI soubor s velikostí pod 1 GB, můžete ho používat bez dalších nástrojů.

Za určitých předpokladů a závisle na licencování lze toto považovat za základ.

Power BI má různé licence a se zvětšující se velikostí dat se dostáváte do situací, kdy nemusíte všechna data nahrávat do Power BI, ale využijete jiné možnosti.

U středních firem, které chtějí začít používat Power BI, jsou důležité dvě věci:

• velikost dat,

• složitost business logiky.

Podle těchto faktorů se rozhodne, zda jim Power BI bez rozšíření postačí.

Architektonicky má Power BI všechny vrstvy v sobě.

Ano, to je správné, že vrstvy vždy existují.

…

Existuje nějaká taková mezidatabáze.

A potom nějaká vizualizační vrstva, ale jsou tam ještě další vrstvy. Je to velmi komplexní produkt, proto se to nedá říct úplně jednoznačně.

Pokud se bavíme o jednoduchém případu a takovém tom globálním, kdybychom se podívali na to jednoduše, jediné, co mi říká, jestli mi stačí Power BI, je, jak velké množství dat mám a jak komplexní business logiku chci uplatnit na těch datech. K tomu ještě přistupuje několik témat, vlastně i zkušenosti a konzultace.

Pokud se mě někdo objedná jako konzultanta, tak jsme mluvili o tom, že jsem měla firmu, kde jsem zrevidovala prostředí a došlo to k nějakému výsledku. Typický scénář je, že nějaká firma, můžeme se bavit o enterprise řešení, tedy na relativně velké úrovni, má implementovanou technologii pro reporting. Má implementován datový sklad, dejme tomu, v Oracle a používá Oracle BI pro analýzy.

A v té firmě padne rozhodnutí, že jako frontendový nástroj, tedy ten vizualizační a analytický nástroj, chci používat Power BI. To je také typická situace, kdy se na mě nebo na naši firmu někdo obrátí pro konzultace.

Mám konkrétní zkušenost právě z loňského začátku roku, kdy přesně tento scénář nastal – Oracle BI, chtějí používat Power BI, ptají se, co mají udělat. Něco si vyzkoušeli, něco fungovalo, něco nefungovalo, poraďte nám.

Měli jsme pár několika hodinových workshopů, kde jsme se snažili přednést některé best practices, nasměrovat trochu tím směrem, kterou cestou jít a kterou raději ne, a připomínkovat to, co si už vyzkoušeli.

Naše role tak v daném okamžiku vlastně spočívala v tom, že jsme řekli, co bychom doporučovali, a firma se pak zavřela do svého vývoje.

Po půl roce měli hotovo a po půl roce od spuštění do produkce museli to řešení zavřít, protože bylo pomalé, protože byly stížnosti na odezvu finančních reportů. Samozřejmě prošli cestou, kterou jsme na začátku říkali, že je lepší nechodit, a doporučovali jsme jim jinou cestu.

A tou cestou bylo nějaké custom řešení, které tahalo data z Oracle do Power BI.

Bylo to řešení, kde ano, datový sklad byl v Oracle a pro optimální zpracování v Power BI se doporučuje data zkopírovat do Power BI, udělat kopii těch dat a teprve nad tím vystavit reporty.

Naneštěstí tehdejší BI oddělení, které s námi konzultovalo, se rozhodlo jít jedinou cestou – data zkopírovat nebudou, data budou pořád v Oracle a udělají jen vizualizaci v Power BI.

Vytvořili nějakou architekturu, ale to byl hlavní důvod, proč bylo řešení nakonec nepoužitelné.

Tohle je jedna z prvních bullet pointů, kterou, když někomu řeknete… Já to vždy tam uvádím – začněte takto. To je vždy první řešení, samozřejmě pokud vyhnete nějakým výjimečným momentům, můžeme větvit, jak postupovat dál.

Ale typické výchozí nastavení je – odkopírujte data.

Nakonec celé řešení museli předělat.

A pro mě jako konzultanta je to poučné – mohla jsem si říct, že jim to prostě takto dopadlo, a teď s káravým prstem to ukázat jako dítěti, které sáhlo na plotnu – že jsem to říkala.

Ale přemýšlela jsem, co jsme mohli udělat jinak na začátku. Pomohlo by to, kdybych měla více certifikací, když bych to říkala? Nebo kdybych svítila z každé titulní stránky a byla všude v EU známá? Pomohlo by to jim rozhodnout se jinak, aby nemuseli trávit půl roku na řešení, které bylo předurčeno k zániku?

A jak na to ty přemýšlíš? Co myslíš, že by pomohlo? Nebo obecně k tématu psychologie klient-konzultant?

Myslím si, že hodně pomáhá psychologie, tedy poznat toho, kdo je na druhé straně, a jakým tónem s ním máte mluvit.

Někteří lidé se rádi poučí a sami o to požádají: „Řekněte nám všechno na rovinu, jak to je.“

Někteří mají odpor, takže v momentě, kdy začnete mluvit proti tomu, co implementují, otočí se a řeknou, že si to udělají po svém.

Takže je to o té komunikaci – důležité je poznat partnera na druhé straně.

Protože jezdíte na konzultace vždy s různými lidmi a nemůžete uplatnit jeden jediný postup na všechny.

Je potřeba poznat, s kým máte tu čest, a co na něho platí.

Co nás tedy čeká v Power BI? Ty jako držitel certifikací Fast Track Solution Architect a někdo, kdo vidí do budoucnosti – chápu, že nemůžeš říkat konkrétní věci, ale jakým směrem celá loď jménem Power BI směřuje?

Ta „loď“ směřuje směrem k zjednocování a zjednodušování.

Nejde o to používat různá prostředí, ale použít jedno prostředí, kde toho lze udělat stále více.

To je globální trend – nejen aby to všechny produkty vypadaly stejně, ale aby byly konzistentní a aby se v tom všichni našli.

A aby to bylo jednoduché i pro méně zkušené uživatele – aby při připojení viděli na hlavní stránce možnosti, jak s nástrojem pokračovat.

Sašo, co tě čeká v další vlně? Na co se těšíš? Budeš obhajovat Fast Track?

Budu se asi věnovat novinkám, sledovat, co se chystá, jak by se dali zákazníci s těmito novinkami seznámit, jak zjednodušit seznamování zákazníků s prostředím Power BI a jak atraktivně připravovat školení.

To jsou věci, na které by měla být nyní více času a kterým se chci věnovat.

A Fast Track? Budeš se letos do něj hlásit?

Nebudu se hlásit.

Tam není nyní otevřené přihlášení, jde o spolupráci – o to, že mě přizvali do komunity a o to, jak jsem v té komunitě aktivní.

Takže se to čím dál více přibližuje k nějakým MVP programům.

Dá se to tak říct, že program v současné podobě, jak dosud existoval, se změní a nebude to už o projektech, ale o začlenění se do připomínkování vývoje.

Každopádně držíme moc palce tobě i firmě Intex.

Moc děkujeme, že jsi tady s námi sdílela své dlouholeté zkušenosti.

Také děkujeme za rozbourání iluzí o tom, co Power BI je a může být.

Ahoj Sašo.

Díky za pozvání. Ahoj.

A to je vše.

Děkujeme, že jste doposlouchali další díl Data Talku.

Děkujeme také našim partnerům – Big Hub, Vypnout, Manta, Natin, Atakama, Jean Beam, Seznam.cz a Muse.

Pokud vás zajímá více informací ze světa datových technologií a československé datové scény, navštivte naše stránky datatalk.cz.

Nechť vás provází data.