Mehr Power für dein Power BI Dashboard
Mehr Power für dein Power BI Dashboard
29. August 2023
Datenanalyse ermöglich uns, aus der Vergangenheit zu lernen, Prognosen zu treffen und den Kurs anzupassen – das ist kein Geheimnis. Aber Daten sind nicht gleich Daten. Mit interaktiven Tools wie Power BI kann heute fast jeder ein Dashboard aufsetzen, aber ein Reporting zu entwickeln, das Daten in Informationen transformiert, erfordert Know-how und Fingerspitzengefühl.
“You can have data without information, but you cannot have information without data.”
Daniel Keys Moran, Programmierer & Science-Fiction-Autor
In meinem derzeitigen Projekt begleite ich eine staatliche Stelle dabei, die Daten von mehreren Departementen und Services auszuwerten. Der Fokus liegt dabei auf dem IT-Service-, Asset- und Incident-Management (z.B. das Ticketing-System). Ziel ist eine dynamische, automatisierte Auswertung, die einen Überblick über die Telefonanlage und Ressourcenauslastung, das Lieferantenmanagement und vieles mehr liefert, um eine gezielte Steuerung zu ermöglichen. Die Herausforderung dabei ist die grosse Menge an Daten, die aus verschiedenen Quellen (z.B. Matrix42) in das Reporting einfliesst. Meine Nebenquest: Die Datenqualität hat definitiv Spielraum nach oben.
Der Microsoft-Dienst "Power BI" ist derzeit als Tool für Datenanalyse mit interaktiver Visualisierung in aller Munde und kann bequem über MS Teams oder auch über den Power-BI-Reporting-Server mit anderen Nutzer:innen geteilt werden. Heute möchte ich meine drei wichtigsten Tipps teilen, wie ich beim Aufbau eines neuen Dashboards mit Power BI vorgehe.
Tipp 1: Ziele definieren
Das Wichtigste zuerst: Mach dir im Vorfeld genau Gedanken, was du mit dem Dashboard erreichen und welche Geschichte du erzählen möchtest. Das Ziel ist nie, stumpf Zahlen auszuwerten, um Zahlen auszuwerten. Kennzahlen sind schön und wichtig, aber ohne Kontext völlig wertlos.
Für unser Ticketing-System werten wir nicht nur aus, wie viele Tickets neu eröffnet wurden, sondern auch, wie viele im selben Zeitraum geschlossen wurden und wie hoch das Gesamtvolumen ist. Nur so lässt sich die Zahl sinnvoll interpretieren.
Ein vollständiges Bild ergibt das aber noch nicht. Hier kommen historische Daten ins Spiel. Zum Beispiel könnten wir die Anzahl neuer Tickets in diesem Monat mit der Anzahl neuer Tickets im Vormonat oder mit demselben Monat aus dem Vorjahr vergleichen. So ergibt sich Stück für Stück ein klareres Bild, wie die Zahl – neu eröffnete Tickets – im Gesamtkontext zu interpretieren ist.
Jetzt haben wir aber genau das getan, was wir eigentlich nicht sollten und sind mittendrin gestartet. Die Frage ist doch, warum brauchen wir die Anzahl neuer Tickets überhaupt? Gehen wir also einen Schritt zurück und sprechen über KPIs und CPFs. Wenn ich ein neues Dashboard entwickle, ist das immer mein erster Ansatz: Gibt es bereits KPIs? Wenn ja, wie lauten diese? Wenn nein, was wären sinnvolle Performance-Indikatoren?
Erst wenn die KPIs auf Management-Level feststehen, geht es eine Ebene tiefer. Die Kennzahl für unser ITSM-Dashboard ist schlicht: Die Erreichung der im Service-Level-Agreement vereinbarten Ziele. Diese gilt es dann herunterzubrechen und in den richtigen Kontext zu setzen.
Die Anzahl neuer Tickets ist ein Indikator für die SLA-Zielerreichung. Diese Kennzahl machen wir durch die Ausweisung des Gesamtvolumens und den Vergleich mit historischen Daten interpretierbar. Zusätzlich kategorisieren wir die Anzahl neuer Tickets und weisen aus, aus welchen Departementen diese stammen, um zum Beispiel ein aussergewöhnlich hohes Ticketaufkommen in einem bestimmten Zeitraum besser erklären zu können.
Tipp 2: Daten verstehen
Wenn unsere Kennzahlen definiert sind, gilt es, die dahinterstehenden Daten besser zu verstehen. Diese Abfolge ist übrigens nicht in Stein gemeisselt – manchmal muss man, wenn man die Datenlage gesichtet hat, noch einmal zurückgehen und die KPIs oder daraus abgeleitete Kennzahlen anpassen.
Besonders innerhalb grosser Organisationen oder bei grossen Datenmengen gibt es meist nicht die eine Person, die den vollständigen Überblick hat, welche Daten ausgewertet werden (sollten) und welche nicht. Hier gilt es, relevante Stakeholder zu involvieren, die benötigten Daten zu identifizieren, Kennzahlen auf Sinnhaftigkeit zu überprüfen und notwendige Entscheidungen zu treffen. Mit diesem neuen Verständnis lassen sich die vorgängig definierten KPIs nach und nach verfeinern.
Hier kommt auch die Datenqualität ins Spiel. Unsere Auswertung zeigt, dass 90 % der 10'000 Tickets aus Departement A (einem von sieben) stammen. Mein Bauchgefühl sagt mir: Das kann eigentlich nicht sein. Ein Blick in die Daten zeigt: Ich habe Recht. Nur bei fünf der 10'000 Einträge ist überhaupt ein Departement hinterlegt. Dieses Beispiel ist natürlich völlig überspitzt, aber es veranschaulicht die zugrundeliegende Problematik. Mangelnde Datenqualität verfälscht das Ergebnis enorm und muss bei der Auswertung berücksichtigt werde, beispielsweise, indem ich die die leeren Datensätze herausfiltere.
Zusammenfassend besteht die Aufgabe also darin, einen Überblick über die Daten zu gewinnen, die daraus ermittelten Kennzahlen auf Logik zu hinterfragen und die dahinterstehenden Datensätze im Einzelnen zu überprüfen. Denn wie wir bereits gelernt haben, Daten ohne Kontext sind wertlos.
Tipp 3: Datenset reduzieren
Mehr ist nicht immer besser. Der Mehrwert eines Dashboards besteht darin, dass es dem Betrachter hilft, innerhalb kürzester Zeit einen Überblick über die Gesamtsituation zu gewinnen, Probleme zu erkennen und notwendige Massnahmen zu ergreifen. Was für das Frontend gilt, gilt auch für das Backend.
Technisch betrachtet ist das nicht zwingend notwendig, aber um als Verantwortlicher den Überblick zu wahren und effizienter mit den Daten arbeiten zu können, empfehle ich, das Datenset auf das Notwendigste zu reduzieren.
In meinem Fall kategorisiere ich die Daten nach Themen. Alles rund um das Incident Management kommt zum Incident Management, alles zum Service Request Management kommt logischerweise zum Service Request Management und so weiter. Die Daten werden transformiert, gefiltert und eingegrenzt, sodass in meinem reduzierten Datenset wirklich nur noch die Daten enthalten sind, die auch in die Auswertung einfliessen.
Mit diesen drei Schritten – die KPIs festlegen, die Daten dahinter verstehen und das Datenset entsprechend reduzieren – bin ich bestens vorbereitet, um mich an die effektive Umsetzung des Dashboards zu machen. Dabei hilft mir manchmal auch die Q&A-Funktion.
Bonustipp: Q&A nutzen
Streng genommen ist die Q&A-Funktion von Power BI nicht wirklich ein Tipp zum Aufbau eines Dashboards, aber sie gehört für mich zu den spannendsten Features.
Damit könnte ich beispielsweise die Datensätze für die Anzahl Tickets und die Kategorisierung der Departemente in das AI-basierte Tool einspeisen. Anschliessend frage ich: "Wie viele Tickets wurden pro Departement eröffnet?", und Power BI liefert mir die entsprechende Antwort.
Bei der Verwendung der Q&A-Funktion ist es wichtig, Datensätze richtig zu benennen und sich das entsprechende Vokabular anzueignen, aber ist man erst damit vertraut, erleichtert einem das AI-Tool die technische Umsetzung des Dashboards enorm.
Eines kann die künstliche Intelligenz aber (noch) nicht: Die vorangehende Denkarbeit leisten, Kennzahlen durchleuchten und auf Sinnhaftigkeit prüfen.
Autor
Simon Hoefler
Simons Beratungsschwerpunkte liegen im Design und der Dokumentation von IT-Servicemanagement-Prozessen und dem Aufnehmen von Business-Anforderungen. Darüber hinaus ist es als zentrale Koordinationsstelle für Stakeholder und Team als Unterstützung der Projektleitung tätig.
