Experten-Talk – Power BI Architektur – Warum Strategie das reine Dashboard-Design schlägt

00:00:00: Hallo und herzlich willkommen zu unserer heutigen detaillierten Analyse.

00:00:05: Schön, dass du wieder bei uns bist!

00:00:07: Ja hallo auch von mir

00:00:08: Du kennst unser Format ja bereits?

00:00:10: Du bist sozusagen der unsichtbare Dritte hier im Raum bei uns Und wir wissen ganz genau warum du heute eingeschaltet hast.

00:00:19: Dein Wissensdurst ist riesig Du bist in deinem Fachgebiet bereits bestens vernetzt Aber ja deine Zeit ist eben knapp.

00:00:26: Absolut Zeit ist immer der kritische Faktor.

00:00:29: Genau, egal ob du dich gerade auf eine strategische Entscheidung vorbereitest, dein technisches Verständnis schärfen willst oder einfach nach diesem einen fehlenden Puzzleteil suchst – wir liefern dir hier die essenziellen Erkenntnisse aus unseren Quellen!

00:00:43: Und zwar ohne dieses ganze oberflächliche Basiswissen.

00:00:46: Richtig….

00:00:46: Wir wollen direkt zu den tiefen

00:00:49: architektonischen

00:00:50: Aha-Momenten, die du für die Praxis wirklich brauchst.

00:00:53: Ganz genau Und für unseren heutigen Tauchgang in die Quellen haben wir ein Thema vor uns, dass die technische Infrastruktur in fast jedem modernen Unternehmen maßgeblich bestimmt.

00:01:07: Ein Thema das interessanterweise extrem oft missverstanden wird – obwohl die Tools dafür wirklich millionenfach im Einsatz sind!

00:01:16: Das ist eigentlich der perfekte Aufhänger.

00:01:18: Wir sezieren heute nämlich einen extrem puhentierten Fachbeitrag aus dem Jahr im Jahr auch in den letzten Jahren.

00:01:24: Der Titel lautet ganz prägnant, Power BI Architektur.

00:01:29: Strategie schlägt Dashboard Design.

00:01:32: Ein sehr starker Titel!

00:01:33: Finde ich auch und unsere Mission für diese Analyse heute ist glasklar wir wollen aufzeigen warum wahre Datenintelligenz tief unter dieser visuellen Oberfläche beginnen muss.

00:01:45: Der Autor des Beitrags startet direkt mit einer recht steilen, aber sehr treffenden These.

00:01:51: Er nennt das Ganze Das Ende der Mahlstunde.

00:01:56: Ja...das trifft es erschreckend gut!

00:01:59: Er argumentiert eben dass die allermeisten Data-Projekte nicht an einem mangelnden Ästhetik scheitern.

00:02:04: sie scheittern an einer völlig fehlenden Architektur.

00:02:07: Richtig!

00:02:08: Zu viele nutzen dieses wahnsinnig mächtige Tool einfach nur als und das ist ein direktes Zitat aus der Quelle Excel mit schöneren Farben.

00:02:17: Das sieht man in der Praxis leider ständig!

00:02:19: Wir müssen einfach aufhören, über bunte Dashboards zu debattieren wenn das Fundament darunter eigentlich ein reines strukturelles Chaos ist.

00:02:26: Ganz genau!

00:02:27: Okay lass uns das mal aufdröseln... Wo liegt denn da das fundamentale Missverständnis?

00:02:31: Dass selbst so richtig erfahrene Analysten immer wieder in diese Falle tappen

00:02:35: lässt?!

00:02:36: Also dass fundamentale missverständnis beginnt paradoxerweise genau bei dem Programm unsere analytische Denkweise in den letzten Jahrzehnten am stärksten geprägt hat, nämlich Excel.

00:02:48: In unzähligen Organisationen startet die Reise mit Power BI direkt mit einem fatalen architektonischen Fehler.

00:02:55: Man versucht die etablierte zellenbasierte Logik einfach eins zu eins auf ein Business Intelligence System zu übertragen.

00:03:03: Ja man denkt halt im alten Muster

00:03:05: Genau!

00:03:06: Die Quelle macht das unmissverständlich klar.

00:03:08: Ein modernes BI-System erfordert einen kompletten Parabigmenwechsel im Kopf.

00:03:13: Es ist eben kein Spreadsheet.

00:03:14: Das ist ein Punkt, den ich in der Praxis auch wirklich ständig beobachte!

00:03:18: Wenn wir in Tabellenkalkulationen arbeiten, denken wir untrennbar in Zeilen und Spalten.

00:03:24: Wir verknüpfen dann Zelle C-I mit A-I und B-I.

00:03:29: Das ist für kleine, so ad hoc Analysen ja auch völlig in Ordnung.

00:03:34: Klar dafür ist es gemacht!

00:03:35: Aber sobald wir über Millionen von Datensätzen sprechen

00:03:39: führt

00:03:39: diese ganze S-Verweis-Kettenreaktion direkt in die absolute Unwartbarkeit.

00:03:45: Ohja das berüchtigte S-Verweis-Chaos.

00:03:48: Wir bauen uns da starre Konstrukte auf bei denen eine einzige neue Spalte sofort des gesamten Kartenhaus zum Einsturz bringt.

00:03:57: Die Daten und die Berechnungslogik sind dort physisch an ein- und denselben Ort gebunden.

00:04:02: Und was hier wirklich faszinierend ist, ist der technologische Kontrast den die Quelle hier aufbaut.

00:04:07: Power BI nutzt unter der Haube nämlich eine völlig andere Engine!

00:04:10: Das wissen viele gar nicht Richtig –

00:04:12: wir blicken eben nicht auf einen Raster aus Kästchen sondern wir bauen ein relationales Modell auf das Reihen auf Abstraktion beruht.

00:04:19: Ok da müssen wir jetzt technisch mal ganz präzise werden.

00:04:22: Ja Der Artikel benennt den Motor nämlich ganz konkret, Virtipack.

00:04:27: Oft wird das einfach so vereinfacht als herkömmliche relationale Datenbank abgetan.

00:04:32: aber Virtipac ist eine in-memory spaltenbasierte Datenbankengine.

00:04:36: Spalten

00:04:37: basiert es hier das absolute Stichwort und dass es genau der Aspekt der diesen gewaltigen Performance Unterschied ausmacht.

00:04:45: Anstatt Daten wirklich Zeile für Zeile zu lesen, wie es eine klassische traditionelle SQL-Datenbank tun würde, liest Virtipark die Daten spaltenweise direkt im Arbeitsspeicher.

00:04:57: Wenn ich also den Gesamtumsatz berechnen will... Muss die Engine nicht Millionen kompletter Datensätze anfassen, also mit den ganzen Kundenadressen, Postleitzahlen und was da noch alles dranhängt?

00:05:08: Das wäre viel zu langsam.

00:05:09: Eben!

00:05:10: Sie greift ausschließlich auf diese eine isolierte Spalte mitten Umsatzwerten zu.

00:05:14: Und weil sie eben spaltenbasiert arbeitet kann sie die Daten extrem effizient komprimieren.

00:05:20: Stell dir mal vor du hast ne Spalta mit Ländernamen.

00:05:23: Okay... ...und das Wort Deutschland taucht dort hunderttausendfach auf.

00:05:26: Ja kürbischer Fall in Kundendaten.

00:05:28: Genau Fertipak speichert dieses Wort aber nicht hunderttausendmal ab, es erstellt im Hintergrund ein Wörterbuch, weiß dem Wort Deutschland einen winzigen Integerwert zu und speichern dann nur noch diese kleinen Zahlen.

00:05:41: Das ist genial!

00:05:42: Das spart massiv Ramm und ist das eigentliche Geheimnis warum man diese Millionen von Zeilen in Millisekunden aggregieren kann.

00:05:49: Wahnsinn!

00:05:50: Und genau diese Technologie zwingt uns die Berechnungen also die sogenannten Measures völlig losgelöst von der visuellen Darstellung zu betrachten.

00:05:59: Das bedeutet also, wer diesen Paradigmenwechsel im Kopf nicht vollzieht und stattdessen versucht flache extrem breite Excel-Tabellen in Power BI zu importieren, hebelt genau diese fortschrittliche Komprimierungstechnologie komplett

00:06:12: aus!

00:06:13: Man torpediert sein eigenes System.

00:06:15: Man baut bunte Diagramme auf einem ineffizienten Fundament – und um genau das zu verhindern fordert die Quelle eine strikte drei Phasenarchitektur.

00:06:26: Richtig!

00:06:27: Der Autor warnt auch ausdrücklich davor, diese Phasen irgendwie zu vermischen weil man sonst in kürzester Zeit einen Berg an technischen Schulden anhäuft.

00:06:36: Lass uns diese drei Säulen doch mal im Detail durchgehen.

00:06:39: Sehr gerne.

00:06:40: Die erste Säule ist die Datenanbindung und Transformation.

00:06:44: Genau wir sprechen hier über die ETL-Schicht Extract Transform Load.

00:06:49: Das primäre Werkzeug dafür Im gesamten Microsoft Ökosystem ist Power Query

00:06:54: Und die Quelle verwendet hier eine Metapher, wie ich wirklich großartig finde.

00:07:00: Ja

00:07:00: das digitale Klärwerk des Unternehmens!

00:07:03: Das Bild ist so stark weil es genau verdeutlicht dass Rohdaten in der Realität fast nie sauber sind.

00:07:11: Ich denke da an so ein ganz typisches Szenario Du bekommst jeden Morgen einen automatisierten CSV-Export aus irgendeinem veralteten ERP System.

00:07:21: Die Datumsformate sind ein völlig wilder Mix aus amerikanischem und europäischem Standard.

00:07:26: In den Textfeldern hast du führende Lehrzeichen, und manche Spaltenüberschriften ändern sich einfach je nach Laune des Exports.

00:07:33: Und wenn Du das unbereinigt in Deinen Modell lädt, hast Du direkt verloren?

00:07:36: Sofort!

00:07:38: In diesem Klärwerk also im Power Query bauen wir stattdessen einen strengen Regelkreis auf der diese ganzen Fehler programmatisch

00:07:45: abfängt

00:07:45: die Formate standardisiert und dieses ganze Rauschen herausfiltert.

00:07:49: und der entscheidende strategische Leitsatz für genau dieses Klärwerk lautet, lade nicht alles was du technisch abgreifen kannst sondern lade wirklich ausschließlich das was Geschäftskritisch ist.

00:08:01: Absolut!

00:08:02: Ein schlankes Datenmodell ist ein schnelles Daten-Modell.

00:08:06: oft sehe ich in der Praxistabelle mit Achtzig Spalten von denen am Ende im fertigen Bericht genau fünf verwendet werden.

00:08:11: Das

00:08:12: tut weh.

00:08:12: Jeder zusätzliche Datentyp, der da unnötig durch das Klärwerk geschläust wird, verbraucht bei der späteren Aktualisierung einfach massiv Ressourcen.

00:08:21: Aber da muss ich jetzt mal provokant nachfragen!

00:08:24: Verlangsamt so eine strikte Trennung und dieser enorme Fokus auf dieses ETL-Klärwerk nicht den Entwicklungsprozess extrem?

00:08:32: Wie meinst du

00:08:33: das?!

00:08:34: Na ja, gerade im schnelllebigen Business-Kontext höre ich oft die Forderung vom Management.

00:08:39: Ich

00:08:39: brauche diese KPIs bis heute Nachmittag!

00:08:42: Zieh das einfach mal schnell rein... Ist diese pedantirische Architektur dann nicht ein absoluter Agilitätskiller?

00:08:48: Das ist ein guter Punkt.

00:08:50: Kurzfristig mag es sich vielleicht wie ein Umweg anfühlen, aber langfristig ist es der einzige Weg zur Skalierbarkeit.

00:08:57: Wenn du einfach Daten unbereinigt hineinziehst nur um ganz schnell einen Report zu bauen bezahlst du das später mit Zinseszins zurück.

00:09:05: Weil's bricht?

00:09:06: Genau!

00:09:07: Sobald sich die Quelle ändert oder eine kleine neue Anforderung hinzukommt musst Du diese ganze kaputte Logik mühsam flicken.

00:09:14: Ein sauber konfiguriertes Power Query Script hingegen läuft jeden Tag voll automatisch durch.

00:09:20: Es ist ein Investment in die absolute Stabilität.

00:09:23: Hier wird es jetzt wirklich interessant, denn wenn das Wasser oder eben die Daten in unserer Metapher einmal geklärt und sauber in unser System geflossen sind, betreten wir die zweite Säule

00:09:34: Das sementische Datenmodell.

00:09:36: Genau!

00:09:37: Und hier trennt sich laut dem Fachbeitrag wirklich die Spreu vom Weizen.

00:09:42: Das ist das Herzstück, indem wir das berühmte Starschema aufbauen.

00:09:47: Da wir hier unter uns sind, müssen wir das auch nicht künstlich vereinfachen.

00:09:51: Das Starskemer ist der architektonische Goldstandard bei dem wir strikt zwischen Fakten und Dimensionstabellen trennen.

00:09:57: Absolut essentiell!

00:09:59: Und diese Trennung ist extrem wichtig für die Performance der Wettepark-Engine – die wir ja vorhin besprochen

00:10:06: haben.

00:10:06: Wie sieht es konkret aus?

00:10:08: In der Mitte dieses Sterns haben wir die Faktentabelle.

00:10:11: Sie enthält die reinen Transaktionen jeden einzelnen Verkauf, jeden Klick jede Kontobewegung.

00:10:19: Diese Tabelle ist extrem lang, oft viele Millionen Zeilen aber sie ist sehr schmal weil sie idealerweise nur noch IDs und numerische Werte enthält.

00:10:30: Außen herum gruppieren sich dann die Dimensionstabellen.

00:10:33: das ist der Kontext.

00:10:34: also wer hat gekauft wann wo welches Produkt genau?

00:10:40: Diese

00:10:40: Tabellen sind relativ kurz oft nur ein paar tausend Zeilen also voll mit beschreibenden Texten.

00:10:47: Und weil die Fakten in der Mitte dann nur noch aus diesen Zahlen und Schlüsseln bestehen, kann die Engine extrem schnell darüber iterieren.

00:10:54: Genau so ist es!

00:10:55: Die Beziehung inzwischen.

00:10:56: diesen Tabellen steuern den sogenannten Filter-Kontext – und das ist der Moment, in dem die Formelsprache DAX ins Spiel kommt.

00:11:05: Data Analysis Expressions.

00:11:08: Die Quelle betonen sehr stark dass hier der zentrale Ort für die gesamte Geschäftslogik.

00:11:13: Der riesige Vorteil von DAX in so einem sauberen Starschema ist diese zentrale Definition von Metriken.

00:11:19: Nehmen wir an, du definierst einen Measure für den Netto-Umsatz.

00:11:24: Du schreibst die DAX Formel dafür genau ein einziges Mal in das gesamte Modell.

00:11:28: DAX berechnet diesen Wert nicht wie Excel als festen Eintrag in einer Zelle, sondern berechnet ihn rein dynamisch zur Laufzeit basierend auf dem Filter-Kontext der durch deine Dimensionstabellen vorgegeben wird.

00:11:39: Das

00:11:39: heißt also wenn der User später im Dashboard auf das Jahr zwanzigzwanzig klickt, filtert die Datumsdimension die Faktentabelle und das Measure Netto Umsatz berechnet exakt die Summe für dieses spezifische Ja in Millisekunden neu.

00:11:53: Exakt!

00:11:54: Das Measure an sich bleibt aber immer das gleiche.

00:11:57: Es passt sich einfach nur seine Umgebung an.

00:11:59: Das ist die Magie dahinter!

00:12:01: Und damit sind wir eigentlich auch schon nahtlos bei der dritten Säule angekommen, der visuellen Schicht dem Frontend.

00:12:07: Genau.

00:12:08: Erst jetzt ganz am Ende der Architekturkette geht es überhaupt um die Dachsports und die Quelle wendet hier eine sehr strenge Achtzigzwanzig-Regel an.

00:12:16: Acht zig zwanzig?

00:12:17: Okay!

00:12:18: Achtzig Prozent der gesamten Projektzeit sollten in die ersten beiden Säulen also als Klärwerk und das Datenmodell fließen.

00:12:24: Die restlichen zwei Prozent sind dann für das Design und die Visualisierung gedacht.

00:12:28: Nur zwanzig Prozent!

00:12:30: Ja.

00:12:31: Wenn das Fundament steht, ist das Bauen des Dashboards nur noch die logische Konsequenz aus der ganzen Vorarbeit?

00:12:37: Das ist ein wirklich radikaler Kontrast zu dem was in der Realität oft passiert.

00:12:42: Viele starten direkt auf dieser leeren Canvas und ziehen sich wild irgendwelche Felder in ein Balkendiagramm, ohne auch nur ansatzweise zu wissen was da im Hintergrund passiert.

00:12:51: Hauptsache

00:12:52: es sieht schnell gut aus.

00:12:53: Genau!

00:12:54: Aber wie der Artikel so treffend festhält das Dashboard ist am Ende nur ein Kommunikationswerkzeug.

00:13:00: Es ist die Bühne

00:13:01: Schönes Bild.

00:13:02: Wenn das Skript schlecht geschrieben ist rettet auch die beste Beleuchtung auf der Bühnen das Theaterstück nicht mehr.

00:13:08: Wer diese drei Phasenarchitektur wirklich einhält, macht aus einem simplen Analyse-Tool eine echte industrielle Fertigungsstraße für Erkenntnisse.

00:13:17: Und wenn wir das mit dem großen Ganzen verknüpfen, müssen wir uns auch anschauen, mit welchen Werkzeugen wir diese Fertigungstraße überhaupt bedienen?

00:13:25: Ja die Tools!

00:13:26: Der Autor widmet sich extrem intensiv der Rollenverteilung innerhalb dieses Ökosystems und unterscheidet dabei ganz scharf zwischen dem lokalen Power BI Desktop und dem cloudbasierten Power BI Service.

00:13:39: Und das ist ein Punkt, den man meiner Meinung nach nicht oft genug betonen kann – besonders für kleinere Teams oder auch Start-ups die eine wirklich professionelle Datenkultur aufbauen wollen!

00:13:50: Absolut

00:13:51: Der Power BI Desktop wird in der Quelle ganz passend als das Ingenieursbüro bezeichnet.

00:13:57: Hier baut man das Datenmodell, schreibt den Power Query M-Code definiert die Dachschmeasures und gestaltet die Berichte.

00:14:05: Genau!

00:14:05: Und es verrückte ist dieses extrem mächtige Entwicklungswerkzeug ist komplett lizenzfrei – es kostet nichts.

00:14:13: Man hat quasi ein Profilabor direkt gratis auf dem eigenen Rechner.

00:14:18: Aber dieses Labor hat natürlich seine physischen Grenzen, wenn es dann um die Skalierung und die unternehmensweite Verteilung von Wissen geht.

00:14:25: Logisch!

00:14:26: Wenn das Modell fertig entwickelt ist muss es aus diesem Ingenieursbüro in die Fabrik verlagert werden – und diese Fabrik ist der Power BI Service in der Cloud.

00:14:35: Und hier sehen wir oft das nächste ganz große Missverstandes in vielen Firmen Die Cloud wird fälschlicherweise als reine Ablagefläche betrachtet.

00:14:43: Ähnlich wie so ein altes Netzlaufwerk oder eine Sharepoint-Bibliothek, wo man einfach seine fertigen PDFs ablegt.

00:14:49: Dabei ist der Service ja die eigentliche strategische Schaltzentrale!

00:14:54: Hier geht es um Dinge, die lokal auf dem Desktop gar nicht möglich wären...

00:14:57: Genau.

00:14:58: Automatisierung ist da das beste Beispiel, niemand sollte morgens noch manuell auf einen Aktualisieren-Button klicken müssen...

00:15:05: Das ist nicht mehr zeitgemäß!

00:15:06: Über

00:15:07: Daten-Gateways greift der Service direkt auf die On-Premises SQL Server oder die ERP-Systeme zu und aktualisiert das Modell dann nachts um drei von ganz allein.

00:15:16: Und neben der Automatisierung ist die Governance der zweite entscheidende Faktor in dieser Cloud Umgebung.

00:15:22: Governance ein riesiges Thema.

00:15:25: Wir haben vorhin über diese Abstraktion des Datenmodells gesprochen, der Service ermöglicht es uns jetzt dieses eine zentrale Modell mit extremen granularer Sicherheit zu versehen namentlich der Row-Level Security kurz RLS.

00:15:40: Ein großartiges Feature.

00:15:42: Lass uns das mal greifbar machen.

00:15:43: Stell dir vor du bist höher und wir haben in deinem Unternehmen ein umfassendes HA Datenmodell Mit den Gehältern aller Mitarbeiter weltweit.

00:15:51: Sehr sensibles Thema.

00:15:53: Anstatt jetzt für jede Niederlassung mühsam einen eigenen Bericht zu bauen und die Daten manuell herauszufiltern, was nebenbei extrem fehleranfällig ist, bauen wir nur einen einzigen Report.

00:16:07: Mit RLDES definieren wir im Service klare Rollen.

00:16:11: Wenn sich der Abteilungsleiter aus München einloggt, filtert das System automatisch auf Zeilebene alle Daten heraus, die nicht zu München gehören.

00:16:22: Genau.

00:16:23: Er sieht exakt das gleiche Dashboard wie der CEO, aber seine Datenbasis ist dynamisch auf seine persönliche Berechtigung beschnitten.

00:16:31: Diese Architektur aus Desktop-Entwicklung und Cloud Governance ist wirklich beeindruckend!

00:16:36: Aber der Artikel macht an dieser Stelle einen sehr klugen Schwenk zu einem Problem, dass keine noch so gute BI-Architektuhr von allein lösen kann...

00:16:45: Oh ich ahne was jetzt kommt….

00:16:47: Die

00:16:47: Qualität der Dateneingabe.

00:16:49: Es gilt in der IT immer noch das unerbittliche Gesetz garbagein garbageout.

00:16:55: Ein digitales Klärwerk kann vielleicht kleine Schreibfehler ausbessern, aber es kann keine komplett fehlenden oder inhaltlich falschen Daten herzaubern.

00:17:04: Oh!

00:17:04: Das ist ein massiver Schmerzpunkt in der Unternehmenspraxis.

00:17:07: Wir haben oft extrem ausgereifte Backend-Architekturen für Millionenbeträge – aber an der Frontline da wo die Daten überhaupt erst entstehen, herrscht das absolute Chaos

00:17:17: Die berühmte Zettelwirtschaft

00:17:20: Denk ein Qualitätskontrollen in der Produktion, Schadensmeldungen im Vorpark oder Inventur-Listen.

00:17:26: Das wird oft tatsächlich noch auf Klemmbretter notiert, in völlig unstrukturierte E-Mails getippt oder in freie Exelzellen ohne jegliche Datenüberprüfung eingetragen.

00:17:36: Und dann wundert man sich Wenn

00:17:37: jemand in einen Feld für Postleitzahlen München Süd eintipp bricht später die gesamte Geodatenanalyse im Dashboard gnadenlos zusammen.

00:17:46: Und genau hier bringt der Autor PowerApps als essentiellen Bestandteil einer ganzheitlichen Datenstrategie ins Spiel.

00:17:52: Power Apps, ja.

00:17:53: Wenn Power BI das Gehirn ist und das analysiert, dann sind Power Apps die Sinnesorgane, die die Daten aus der echten Welt überhaupt erst aufnehmen.

00:18:01: Schöner Vergleich!

00:18:02: Anstatt den Mitarbeitern wieder leere Exelisten zu schicken, baut man mit Power Apps maßgeschneiderte mobile Anwendungen für diese Dateneingabe.

00:18:09: Ich

00:18:09: mag den Gedanken, Power Apps hier als den strengen Türsteher für unserem digitalen Klärwerk zu betrachten.

00:18:16: Eine gute App lässt schlichtweg keine Fehler durch

00:18:20: Keine Chance für Fehleingaben.

00:18:21: Sie erzwingt Dropdown-Menüs, die exakt aus denselben Dimensionstabellen gespeist werden.

00:18:26: Die am Ende auch PowerBee einnutzt.

00:18:28: Sie prüft sofort live ob das Datumsformat stimmt oder ob ein kritisches Pflichtfeld ausgefüllt wurde.

00:18:34: der Prozess ist für den Mitarbeiter super nutzerfreundlich aber im Hintergrund extrem reglementiert.

00:18:40: Durch diese Digitalisierung der Eingabeprozesse stellen wir sicher, dass wirklich nur strukturierte saubere Daten überhaupt erst den Weg in unsere ETL-Schicht finden.

00:18:49: Und wenn all diese Zahnräder sauber ineinandergreifen – also von der validierten Dateneingabe über das ETL Klärwerk bis hin zum robusten Starschema im Cloud Service – dann erreichen wir das ultimative

00:19:02: Ziel!

00:19:02: Der

00:19:02: Beitrag beschreibt es als die Lösung für das wohl anstrengendste Phänomen des gesamten Unternehmensalltags.

00:19:13: Dieses

00:19:14: Phänomen kennt vermutlich wirklich jeder unserer Hörer nur allzu gut.

00:19:18: Das klassische Meeting-Chaos!

00:19:21: Oh ja...

00:19:23: Es ist Monatsende, das Management Board kommt zusammen drei verschiedene Abteilungsleiter sitzen am Tisch Jeder klappt sein Laptop auf und es geht um die eigentlich recht simple Frage Wie hoch war unser Deckungsbeitrag im letzten Monat?

00:19:37: Und dann passiert es

00:19:38: Und plötzlich fliegen zwei völlig unterschiedliche Zahlen durch den Raum.

00:19:43: Der Vertrieb hat seine eigene kleine Excel-Datei, in der bestimmte Rabatte noch nicht abgezogen wurden...

00:19:48: Natürlich!

00:19:49: Das Controlling hat einen Export aus dem ERP-System, der aber irgendwie nur bis zum achtundzwanzigsten des Monats geht und das Marketing hat sich wieder eine ganz eigene isolierte Dateninsel gebaut.

00:20:01: Die Quelle nennt diesen Zustand völlig treffend digitale Anarchie.

00:20:05: Digitale

00:20:06: Anarchy trifft es perfekt!

00:20:08: Dieses Meeting-Cause ist nämlich das direkte Symptom einer fehlenden Architektur und die technische Antwort des Power BI Ökosystems darauf sind die sogenannten Golddatensets.

00:20:20: Anstatt dass jede Abteilung, da ihr eigenes Süppchen kocht wird im Power BI Service ein zentrales, zertifiziertes Datenmodell bereitgestellt – ein Golddataset eben.

00:20:30: Das

00:20:31: bedeutet also, alle Berichte im gesamten Unternehmen, egal aus welcher Abteilung sie kommen greifen als Quelle immer auf dieses eine zentrale Datenmodell zu.

00:20:40: Immer!

00:20:40: Wenn nun die Geschäftsführung beschließt dass sich die Berechnungslogik für den Deckungsbeitrag strategisch ändert sagen wir mal bestimmte Logistikkosten sollen ab sofort mit einfließen.

00:20:49: dann muss niemand mehr fünfzig verschiedene Excel-Dateien suchen und manuell irgendwelche Formeln anpassen.

00:20:55: das

00:20:55: wäre ja ein Albtraum.

00:20:56: ganz genau der Entwickler geht einfach in das Ingenieursbüro ändert das DAX-Measure im Karnmodell genau ein einziges Mal, veröffentlicht das Update im Service und in derselben Sekunde zeigen alle fünfhundert Verknüpften der Sports im Unternehmen den neuen korrekten Wert

00:21:12: an.

00:21:13: Niemand kann mehr versehentlich mit einer veralteten Logik arbeiten!

00:21:17: Die Definition wie das Unternehmen seine Leistung misst ist dann einem Ort zentral cementiert.

00:21:23: Also was bedeutet das nun alles für die Kultur eines Unternehmens?

00:21:27: Der wahre Mehrwert dieser Architektur ist ja am Ende nicht nur, dass Diagramme irgendwie schneller laden.

00:21:32: Nein überhaupt nicht!

00:21:33: Vertrauen wird zur neuen Währung – wenn wir dieses Meeting-Chaos durch eine Single Source of Truth ersetzen verschiebt sich doch die komplette Dynamik in der Zusammenarbeit

00:21:43: oder?!

00:21:43: Absolut, es ändert komplett den Gegenstand der Diskussion.

00:21:47: Wenn die Datenarchitektur absolut verlässlich ist verschwindet diese ganze toxische Frage stimmt deine Zahl da überhaupt endlich aus dem Konferenzraum?

00:21:56: Endlich!

00:21:57: Man verschwendet keine halbe Stunde mehr damit Excel Formen von verschiedenen Leuten zu vergleichen.

00:22:02: stattdessen nutzt man diese wertvolle Zeit für die strategische Ableitung Man sagt dann, wir sind uns einig, dass der Deckungsbeitrag um fünf Prozent gesunken ist.

00:22:10: Welche operativen Maßnahmen leiten wir jetzt gemeinsam daraus ab?

00:22:14: Und das ist ja auch ein enormer Hebel für die persönliche Karriere der Analysten selbst!

00:22:19: Wer diese Architektur wirklich beherrscht wandelt sich vom reinen Berichtebauer, der nur auf Zuruf bunte Dashboards zusammenklickt zum echten Datenstrategen.

00:22:29: Das ist dein riesiger Karrieresprung.

00:22:33: digitale Nervensystem auf, auf dem das gesamte Unternehmen seine Entscheidungen stützt.

00:22:38: Das ist eine völlig andere Wertschöpfung.

00:22:42: Lass uns das Ganze zum Abschluss noch einmal kurz verdichten!

00:22:45: Die Kernerkenntnisse aus dieser tiefgehenden Analyse lauten also – ein modernes Datensetup verlangt dass strikte Ablegen alter Excel-Denkweisen.

00:22:54: Es geht nicht um die Verknüffung von Zellen sondern um den Aufbau abstrakter Datenmodelle gezieben durch extrem schnelle, spaltenbasierte Engines wie Wertepak.

00:23:03: Investiere achtzig Prozent deiner Energie in die drei Säulen der Architektur ein sauberes ETL-Kleerwerk im Power Query, ein robustes DAS Schema mit zentralen Duxmeasures und erst ganz am Ende die visuelle Kür.

00:23:17: Verbinde das Ganze durch saubere Eingabeprozesse via Power Apps und nutze die Cloud, um Gold-Datasets zu etablieren, die diese Datensilus endgültig aufbrechen.

00:23:27: Ja technisch gesehen ist der Weg zur Single Source of Truth wie die Quelle ihn aufzeigt absolut logisch und nachvollziehbar!

00:23:34: Aber das wirft eine wirklich wichtige Frage auf wenn wir mal über den rein technologischen Tellerrand hinausblicken.

00:23:41: Okay, ich bin gespannt.

00:23:42: Wir haben gerade ausgiebig diskutiert wie man ein System erschafft dessen Faktenlage unumstößlich ist.

00:23:48: Aber was ist wenn der wahre Grund warum sich Abteilungen oft mit Händen und Füßen gegen die Einführung einer solchen BI-Architektur wehren gar kein technologischer ist?

00:23:59: Oh!

00:24:00: Was wenn das viel geschultene Exelchaos insgeheim von einigen Akteuren eigentlich bevorzugt wird?

00:24:06: Das is'n harter Gedanke.

00:24:08: In einem undurchsichtigen Dickicht aus lokalen Dateien und komplexen eigenen Formeln, die niemand sonst im Raum versteht kann man sich wunderbar verstecken.

00:24:18: Man hat die Macht über seine ganz eigene Wahrheit und kann Zahlen bei Bedarf noch leicht in die gewünschte Richtung massieren bevor man sie im Meeting präsentiert.

00:24:27: Puch ja!

00:24:29: Eine Single Source of Truth nimmt diese individuelle Kontrolle komplett weg.

00:24:33: Sie bedeutet nicht nur Effizienz, sondern im Umkehrschluss vor allem radikale schonungslose Transparenz.

00:24:40: Und die wirklich spannende psychologische Frage, die sich jeder Projektleiter stellen muss, lautet doch – ist die Kultur in deinem Unternehmen überhaupt schon mutig genug um diese absolute Transparens auszuhalten?

00:24:51: Wow!

00:24:52: Das ist eine fantastische Perspektive zum Abschluss.

00:24:56: Die Technik ist das Eine, aber die Organisationspsychologie dahinter ist am Ende das was Projekte wirklich fliegen oder scheitern lässt.

00:25:04: Das ist ein Gedanke der man definitiv mal sacken lassen muss.

00:25:08: Auf jeden Fall!

00:25:09: Damit sind wir dann auch am Ende unseres heutigen Tauchgangs angekommen.

00:25:12: ich hoffe du kannst genau diese provokante Frage und das tiefe architektonische Verständnis mit in deine nächsten strategischen Planung nehmen.

00:25:21: Erinnere dich immer daran, dass Dashboard ist nur die Bühne.

00:25:24: Die wahre Magie passiert in der Architektur darunter.

00:25:27: Strategie schlägt Design!

00:25:29: Schön, dass du heute wieder mit dabei warst.

00:25:31: Bleib neugierig und bis zum nächsten Mal.