Wat zijn Power BI-semantic models?

Waaruit bestaat een semantisch model?

Semantische modellen bestaan uit verschillende elementen:

• Dataverbindingen met één of meer databronnen, hetzij geïmporteerd, via DirectQuery of als onderdeel van een samengesteld model.
• Transformaties die de data opschonen en voorbereiden voor rapportage.
• Gedefinieerde berekeningen en metrics op basis van bedrijfsregels, zodat rapporten die uit het semantische model worden gebouwd consistent zijn. Dit zorgt voor duidelijkheid en voorkomt afwijkingen tussen analyses en rapporten.
• Gedefinieerde relaties tussen tabellen, zodat gebruikers zich kunnen richten op het ontwerpen van rapporten zonder de onderliggende databasestructuren en datamodellen vooraf te hoeven kennen.

Modi van semantische modellen

De juiste modus kiezen wanneer je in Power BI verbinding maakt met je data is een belangrijke eerste stap bij het maken van een semantisch model, omdat elke modus zijn eigen voor- en nadelen heeft waar je rekening mee moet houden.

Er zijn drie modi voor semantische modellen in Power BI:

• Import-modus
• DirectQuery-modus
• Samengestelde modus

Import-modus

Hierbij wordt alle data in het Power BI (.pbix)-bestand geladen. Telkens wanneer het Power BI-rapport wordt vernieuwd, comprimeert, optimaliseert en slaat de VertiPaq-opslagengine de data op schijf op. Dit zorgt voor hoge prestaties en flexibele ontwerpmogelijkheden voor rapportbouwers. Bovendien kunnen makers in de import-modus het volledige scala aan Power Query M-functies gebruiken om data te transformeren en voor te bereiden, evenals DAX-functies om berekeningen en metingen te maken.

DirectQuery-modus

In deze modus wordt alleen metadata over de modelstructuur opgeslagen, niet de data zelf. Wanneer het model wordt bevraagd (bijvoorbeeld bij het renderen van een visual), wordt de data opgehaald uit de onderliggende databron. Dit is vooral nuttig bij grote hoeveelheden data of wanneer er een businessvereiste is voor near-realtime data in een rapport.

Samengestelde modus

De samengestelde modus is een combinatie van import en DirectQuery. Deze modus is handig wanneer je de kracht en prestaties van de import-modus nodig hebt, gecombineerd met de mogelijkheid om realtime data te bekijken. Een tabel kan worden ingesteld op Dual-opslagmodus, waardoor de Power BI-service afhankelijk van de aard van de query een efficiëntere modus kan kiezen.

5 stappen om Power BI-semantic models te maken

Een semantisch model maken omvat dezelfde stappen die je waarschijnlijk al volgt in de beginfase van het ontwikkelen van rapporten met Power BI Desktop. Als je een beginnende data-analist bent, kun je de Power BI Fundamentals leren met onze skill track, waarin je leert over datavisualisatie, DAX en hoe je je data transformeert.

Natuurlijk hangen de exacte stappen bij het maken van een semantisch model af van je zakelijke behoeften en het doel van het model. Op hoofdlijnen kom je echter vaak deze vijf stappen tegen bij het maken van een semantisch model:

Afbeelding door auteur

1. Importeer of maak verbinding met de vereiste databronnen via import-modus, DirectQuery of samengestelde modellen.
2. Reinig en transformeer de data zodat deze bruikbaar is voor gebruikers. Dit omvat het verwijderen van duplicaten, het aanpakken van ontbrekende waarden, het opschonen van tekstkolommen, enzovoort. De exacte transformaties hangen af van de unieke vereisten van je data.
3. Definieer relaties tussen je datatabellen met goede datamodelleringsprincipes zoals het stermodel. We hebben een cursus die je de basis van datamodellering in Power BI leert.
4. Maak metingen en berekeningen op basis van jouw specifieke zakelijke vereisten.
5. Zodra je tevreden bent met je semantische model, publiceer je het naar de Power BI-service.

Semantische modellen inzetten voor effectieve rapportage

Zodra je je semantische model hebt gemaakt en gepubliceerd naar de Power BI-service, kun je vanuit een ander Power BI-rapport een live-verbinding met het semantische model maken. Je kunt zelfs meerdere rapporten maken vanuit één gepubliceerd semantisch model, waardoor je consistentie en betrouwbaarheid over alle rapporten heen waarborgt.

Vroeger kwamen meerdere Power BI-rapporten op basis van dezelfde dataset vaak voor, elk met een eigen datamodel. Dat was problematisch, omdat er grote verschillen tussen rapporten konden ontstaan en het lastig en tijdrovend was om te achterhalen wat het verschil veroorzaakte en welk rapport moest worden aangepast. Eén semantisch model creëren dat wordt gedeeld door meerdere Power BI-rapporten lost dit probleem volledig op.

Wil je je Power BI-visualisatievaardigheden naar een hoger niveau tillen en leren hoe je effectieve rapporten in Power BI maakt? We hebben een cursus die je daarbij helpt.

Semantische modellen beheren

Semantische modellen kunnen eenvoudig over werkruimtes heen worden gedeeld, wat data democratiseert en een sterke datacultuur stimuleert. Dat vergt wel effectief beheer van die semantische modellen met de juiste controls en beleidsregels die de integriteit, veiligheid en kwaliteit van de data waarborgen.

Eigenaarschap en machtigingen

Toegangsbeheer en machtigingen voor semantische modellen in Power BI kunnen worden geregeld door beheerders, werkruimtedeelnemers (afhankelijk van hun rol) en eigenaren van semantische modellen (de eigenaar is degene die het semantische model heeft gemaakt).

Machtigingen voor semantische modellen kunnen op twee manieren worden ingesteld en beheerd:

• Ten eerste via directe toegangscontrole tot semantische modellen voor individuele personen of volledige beveiligingsgroepen.
• Ten tweede door te beheren hoe semantische modellen en hun rapporten worden gedeeld met andere gebruikers die niet in de werkruimte zitten.

Zodra je een semantisch model publiceert naar de Power BI-service, kunnen jij (als eigenaar van het semantische model) en beheerders een van de vier niveaus van machtigingen instellen voor het semantische model:

• Lezen: Hiermee kunnen gebruikers toegang krijgen tot rapporten die data uit het semantische model gebruiken en modelinstellingen bekijken.
• Bouwen: Hiermee kunnen gebruikers nieuwe rapporten en dashboards op basis van het model bouwen.
• Opnieuw delen: Hiermee kunnen gebruikers anderen toegang geven tot het semantische model.
• Schrijven: Hiermee kunnen gebruikers het model opnieuw publiceren en enkele wijzigingen aanbrengen, behalve bepaalde instellingen zoals het toevoegen of wijzigen van inloggegevens voor databronnen.
• Eigenaar: Hoewel dit niet strikt een machtiging is, worden makers van een semantisch model in de Power BI-service eigenaar en hebben zij alle bovenstaande machtigingen.

Beveiligingsoverwegingen

Power BI-beheerders kunnen ook beperken hoe data binnen hun Power BI-tenant wordt benaderd, gedeeld en gewijzigd. Ze kunnen hergebruik van semantische modellen geheel of gedeeltelijk beperken op basis van beveiligingsgroepen, wat invloed heeft op functionaliteit zoals het kopiëren van rapporten tussen werkruimtes, het bewerken van rapporten op gedeelde semantische modellen en de zichtbaarheid van semantische modellen in de Power BI-service of Desktop.

Eigenaren van semantische modellen bepalen ook wie toegang heeft tot en gebruik kan maken van de data in hun semantische modellen. Ze kunnen semantische modellen vindbaar maken door ze te certificeren of te promoten, wat gebruikers en rapportbouwers helpt te identificeren welke semantische modellen als 'officieel' zijn aangemerkt en van hoge kwaliteit worden beschouwd binnen de organisatie.

Row-level security (RLS) wordt afgedwongen voor semantische modellen en alle rapporten die daarop zijn gebaseerd. RLS kan het leesvermogen van gebruikers beïnvloeden als ze bouw- of leesrechten hebben, tenzij de specifieke RLS-rol dit toestaat.

Best practices en aandachtspunten

Het maken van het minimale aantal benodigde semantische modellen en deze gebruiken als bron voor Power BI-rapporten binnen een organisatie is de gangbare best practice.

Daarnaast is het aan te bevelen dat semantische modellen:

• Inhoudelijk volledig zijn: semantische modellen moeten alle elementen bevatten die nodig zijn om relevante businessvragen te beantwoorden. Deze elementen moeten bedrijfsprocessen en -systemen ook accuraat en logisch weerspiegelen.
• Geoptimaliseerd en performant zijn: semantische modellen moeten zijn geoptimaliseerd zodat vernieuwingen, DAX-berekeningen en het laden van visuals snel gaan, ook bij toenemende datavolumes.
• Veilig zijn: semantische modellen moeten de vereiste beveiliging bevatten die ongeautoriseerde toegang tot data voorkomt (zoals row-level security).
• Flexibel zijn: semantische modellen moeten zich kunnen aanpassen aan veranderende zakelijke behoeften.

Conclusie

Door datasets te hernoemen naar semantische modellen heeft Power BI een verschuiving gecreëerd in hoe we naar business intelligence moeten kijken. In plaats van data te zien als statische onderdelen van rapporten en dashboards, kunnen we ze zien als onderdeel van een grotere semantische laag die eenvoudig te delen en te hergebruiken is.

Door de in deze blogpost beschreven best practices te volgen, kun je effectieve en efficiënte semantische modellen creëren die fungeren als single source of truth voor de rapportagebehoeften van je organisatie. Door de kracht van semantische modellen te benutten, kun je zowel technische als niet-technische gebruikers in staat stellen data te analyseren en businessvragen te beantwoorden, wat uiteindelijk leidt tot betere besluitvorming in je organisatie.

Als je geïnteresseerd bent in een carrière als Data Analyst in Power BI, neemt onze career track je mee door alle aspecten van Power BI en bereidt je voor op het Microsoft PL-300-examen.

Heb je de basis van Power BI al onder de knie? Bekijk dan onze lijst met 8 Power BI-projecten die je kunt doen om je skills toe te passen en je portfolio op te bouwen.