Ein­lei­tung

Aus­sa­ge­kräf­tige Infor­ma­tio­nen aus Daten zu gewin­nen ist für fun­dierte Geschäfts­ent­schei­dun­gen von gro­ßer Bedeu­tung. Dabei kommt es dar­auf an, Auf­fäl­lig­kei­ten in den Daten zu erken­nen, zu ver­ste­hen und gege­be­nen­falls zu besei­ti­gen. Ein pro­mi­nen­tes Bei­spiel, wie Infor­ma­tio­nen aus Finanz­pro­zes­sen über­sicht­lich auf­be­rei­tet wer­den kön­nen, ist die klas­si­sche Gewinn- und Verlustrechnung. 

Häu­fig ori­en­tiert man sich an den Inter­na­tio­nal Busi­ness Com­mu­ni­ca­tion Stan­dards, für eine detail­lierte Ana­lyse mag es jedoch hilf­reich sein, eine andere Form zu wäh­len. Die­ser Arti­kel zeigt, wie Micro­soft Power BI ein­ge­setzt wer­den kann, um End­an­wen­dern fle­xi­ble und maß­ge­schnei­derte Berichte zur Ver­fü­gung zu stel­len. Der Ansatz redu­ziert den manu­el­len Auf­wand, ist gene­risch und für viele Sze­na­rien geeig­net, zudem sind keine kos­ten­pflich­ti­gen Plug-Ins nötig.

Tra­di­tio­nell wer­den sol­che Berichte oft manu­ell erstellt. In Tabel­len­kal­ku­la­ti­ons­pro­gram­men wie Micro­soft Excel kön­nen Daten zwar gefil­tert, agg­re­giert und in Pivot-Tabel­len dar­ge­stellt wer­den. Jedoch ist die manu­elle Aktua­li­sie­rung und Anpas­sung sol­cher Tabel­len ist mit einem erheb­li­chen Zeit­auf­wand ver­bun­den. Zudem ist die Ska­lier­bar­keit pro­ble­ma­tisch, wenn es darum geht, Daten aus ver­schie­de­nen Quel­len zu inte­grie­ren oder zeit­nah auf Ver­än­de­run­gen zu reagieren.

Visualisierung von Finanzdaten zu einer Gewinn- und Verlustrechung in Power BI

In den letz­ten Jah­ren hat sich Power BI zu einer belieb­ten Alter­na­tive ent­wi­ckelt. Als Teil der Micro­soft Power Plat­form ermög­licht es Unter­neh­men, Daten aus ver­schie­de­nen Quel­len zu sam­meln, zu ana­ly­sie­ren und in aus­sa­ge­kräf­tige visu­elle Berichte und Dash­boards umzu­wan­deln. Den Ein­stieg in die Platt­form bie­tet der frei ver­füg­bare Power BI Desk­top. Hierin ist bereits eine große Palette an Funk­tio­nen zur Erstel­lung und Bear­bei­tung von Dash­boards ent­hal­ten, die kon­ti­nu­ier­lich wächst.

Dabei wer­den die Buchun­gen zweier Quar­tale zu ver­schie­de­nen Ein­zel­po­si­tio­nen zusam­men­ge­fasst und mit­ein­an­der ver­gli­chen. Der Ver­gleich erfolgt über dyna­misch wähl­bare Dimen­sio­nen, so genannte Bewe­gungs­di­men­sio­nen, die eine detail­lier­tere Betrach­tung der Abwei­chun­gen ermög­li­chen. Dar­über hin­aus unter­lie­gen die Posi­tio­nen einer unre­gel­mä­ßi­gen Hier­ar­chie, die eben­falls dar­ge­stellt wird.

Vor­be­rei­tung der Daten

Als Grund­lage des Berichts dient das fik­tive Unter­neh­men Con­toso, für das Micro­soft pas­sende Finanz­da­ten in Form einer Gewinn- und Ver­lust­rech­nung zur Ver­fü­gung stellt. Für leis­tungs­fä­hige Dash­boards wird idea­ler­weise ein klas­si­sches Stern­schema mit einer zen­tra­len Fak­ten­ta­belle und ver­schie­de­nen zuge­ord­ne­ten Dimen­sio­nen verwendet.

Klassisches Sternschema als Grundlage für den Bericht in Power BI

In die­sem Fall sind dies Buchun­gen bezie­hungs­weise deren Buchungs­da­tum, Hier­ar­chie und Kos­ten­be­reich, der auch als Bewe­gungs­di­men­sion ver­wen­det wird. Dar­ge­stellt sind zudem die 1:n‑Beziehungen der Tabel­len unter­ein­an­der, was heißt, dass jeder Dimen­sion viele zuge­hö­rige Fak­ten zuge­ord­net sein können.

Für die spä­tere unab­hän­gige Aus­wahl der zu ver­glei­chen­den Quar­tale muss das Modell um zwei Tabel­len erwei­tert wer­den, wel­che die Quar­tale ent­hal­ten. Diese Tabel­len sind bewusst nicht mit der Fak­ten­ta­belle ver­knüpft. Dies geschieht erst in den soge­nann­ten Mea­su­res, in denen die anzu­zei­gen­den Werte berech­net wer­den. Aus Grün­den der Über­sicht­lich­keit sind die Mea­su­res in einer Tabelle zusammengefasst.

Vollständiges Datenmodell, das zu dem beschriebenen Bericht gehört

Dar­über hin­aus wer­den die Zei­len und Spal­ten der Visua­li­sie­rung in Tabel­len defi­niert sowie deren Zuord­nung zu Buchungs­po­si­tio­nen bzw. Kos­ten­be­rei­chen und die Berech­nung der Leis­tungs­kenn­zah­len. Diese Defi­ni­tio­nen wer­den von außen in belie­bi­ger struk­tu­rier­ter Form vor­ge­ge­ben, zum Bei­spiel über Excel- oder CSV-Dokumente.

Diese Vor­ga­ben bestim­men, wel­che Hier­ar­chie­ele­mente dar­ge­stellt wer­den und wel­che Bewe­gungs­di­men­sio­nen mög­lich sind. Ebenso erfolgt die Defi­ni­tion der Kenn­zah­len in Form von mathe­ma­ti­schen Ope­ra­tio­nen und Ver­wei­sen auf Hier­ar­chie­ele­mente. Bei­spiels­weise wer­den für die Kenn­zahl Claims CY Ratio zunächst die Claims CY addiert und anschlie­ßend durch den Insu­rance Reve­nue divi­diert. Die Ope­ran­den sind hier bereits in Schlüs­sel umgewandelt.

Tabelle mit der Definition von Berechnungen der Leistungskennzahlen

Auf­bau des Dashboards

Auf der lin­ken Seite befin­den sich oben Aus­wahl­fens­ter für die Bewe­gungs­di­men­sion sowie die zu ver­glei­chen­den Quar­tale und unten zur Ein­schrän­kung der Gebiete. Auf der rech­ten Seite befin­det sich eine Über­sicht der agg­re­gier­ten Werte für jedes Hier­ar­chie­ele­ment pro Ele­ment der Bewe­gungs­di­men­sion und die dar­aus berech­ne­ten Leis­tungs­kenn­zah­len in Form einer Matrix. Für den Auf­bau einer unre­gel­mä­ßi­gen Hier­ar­chie sei auf einen aus­führ­li­chen Arti­kel auf daxpatterns.com ver­wie­sen. Statt­des­sen liegt hier der Fokus auf dem Daten­mo­dell und den not­wen­di­gen Measures.

Grund­sätz­lich ver­wen­det Power BI in den Mea­su­res und Visua­li­sie­run­gen soge­nannte Kon­texte, inner­halb derer die für Berech­nun­gen berück­sich­tig­ten Daten ein­ge­schränkt wer­den und so eine hohe Per­for­mance ermög­li­chen. In der Matrix defi­niert jede Zeile oder Spalte, wel­che Ele­mente auf­grund der Ver­knüp­fun­gen im Daten­mo­dell berück­sich­tigt wer­den. Die Berech­nung der Summe für einen Geschäfts­be­reich in einem Quar­tal ist somit ein­fach möglich.

_sum = SUM(FactPosting[Actual])

Aller­dings muss für die Gesamt­summe über alle Geschäfts­be­rei­che der Fil­ter auf die Spalte auf­ge­ho­ben werden.

_sumTotal = CALCULATE(
    SUM(FactPosting[Actual]), REMOVEFILTERS(VisualColumnWalk)
)

Dies geschieht in Power BI durch die Funk­tion CALCULATE, die einen sepa­ra­ten Kon­text für Berech­nun­gen bie­tet, bei­spiels­weise durch die Funk­tion REMOVEFILTERS. Auf glei­che Weise muss für die Bewe­gungs­di­men­sion die Summe der frü­he­ren Buchun­gen von der­je­ni­gen der spä­te­ren abge­zo­gen werden.

_sumEarly = CALCULATE(
    SUM(FactPosting[Actual]),
    FILTER(ALL(DimPostingDate), [Display Name] = [DateEarlier])
)
_sumLate = CALCULATE(
    SUM(FactPosting[Actual]),
    FILTER(ALL(DimPostingDate), [Display Name] = [DateLater])
)

Hierzu wird in der Dimen­sion über eine FIL­TER-Funk­tion das ent­spre­chende Quar­tal ausgewählt.

Die Leis­tungs­kenn­zah­len wer­den prin­zi­pi­ell glei­cher­ma­ßen ent­spre­chend der Defi­ni­tion erhal­ten. Da grund­sätz­lich alle Berech­nun­gen unter Berück­sich­ti­gung der Rei­hen­folge als Addi­tion und Divi­sion dar­ge­stellt wer­den kön­nen, wer­den Zäh­ler und Nen­ner jeweils als Sum­men berechnet.

_numerator = CALCULATE(
    SUM(FactPosting[Actual]),
    FILTER(ALL(MappingRow), [Row Key] IN _additions)
)
_denominator = CALCULATE(
    SUM(FactPosting[Actual]),
    FILTER(ALL(MappingRow), [Row Key] IN _divisions)
)

Abschlie­ßend erfolgt die Division.

_result = DIVIDE(_numerator, _denominator)

Die Gesamt­summe sowie die Bewe­gungs­di­men­sion fol­gen, wie oben gezeigt, indem die Fil­ter auf Spalte auf­ge­ho­ben bzw. auf die ent­spre­chen­den Buchungs­quar­tale ein­ge­schränkt werden.

Visua­li­sie­rung der Bewegungsdimension

Die so gewon­ne­nen Zah­len kön­nen neben der tabel­la­ri­schen Dar­stel­lung auch auf andere Weise visua­li­siert wer­den, um wei­tere Ein­bli­cke zu ermög­li­chen. Eine beliebte Dar­stel­lungs­form ist das Was­ser­fall­dia­gramm, das eine Ver­än­de­rung von Wer­ten zwi­schen Daten­punk­ten oder Zeit­räu­men abbil­det und somit hilft, kom­plexe Daten trans­pa­rent und die ein­zel­nen Bei­träge direkt sicht­bar zu machen.

Visualisierung der Bewegungsdimension in einem Wasserfalldiagramm in Power BI

In einem Aus­wahl­fens­ter kön­nen nun Buchungs­pos­ten oder Leis­tungs­kenn­zah­len gewählt und die Bei­träge nach Bewe­gungs­di­men­sion auf­ge­schlüs­selt werden.

Fazit

Da für eine effek­tive Daten­ana­lyse die Art der Daten­dar­stel­lung eine zen­trale Rolle spielt, sind her­kömm­li­che Ansätze wie Pivot-Tabel­len oft zu unfle­xi­bel, um den viel­fäl­ti­gen Geschäfts­an­for­de­run­gen gerecht zu wer­den. Hier kommt die vor­ge­stellte Methode der Aufbereitung hier­ar­chi­scher Daten in Power BI ins Spiel. Mit Hilfe von Meta­da­ten kön­nen End­an­wen­der die Berichte indi­vi­du­ell anpas­sen und rele­vante Leis­tungs­kenn­zah­len defi­nie­ren, ohne dabei das Dash­board selbst ändern zu müs­sen. In einer daten­ge­steu­er­ten Geschäfts­welt ermög­licht diese Her­an­ge­hens­weise ein dyna­mi­sches und maß­ge­schnei­der­tes Werk­zeug zur Datenanalyse.

Lesen Sie hier mehr über Lösun­gen im Bereich BI & Report­ing oder besu­chen Sie eines unse­rer kos­ten­lo­sen Web­i­nare.