Utforsk denne artikkelen for å avdekke strategiene for å konfigurere inkrementell oppdatering i Power BI, slik at du kan redusere kostnadene ved databehandling i skyen og oppnå rask tilgang til sanntidsdata.
Når du arbeider med omfattende datasett for analyse av forretningsintelligens, kan det være en utfordring å holde dataene oppdatert fra serveren. Databasen du bruker i Power BI-applikasjonen, oppdateres kontinuerlig i bakgrunnen.
Ved å oppdatere hele datasettet kan prosessen ta mange timer, spesielt når datasettet er stort eller inneholder sanntidsdata fra en rekke automatiserte kilder, som salgssteder, digitale kasser eller elektroniske skjemaer.
For å håndtere disse komplekse situasjonene i dataimport og analyse, har Microsoft innført flere funksjoner for dataoppdatering i Power BI. En slik funksjon er inkrementell oppdatering, som er populær for smidig import og analyse av sanntidsdata.
Les videre for å lære om hva denne funksjonen er, hvordan den fungerer, hvilke forutsetninger som gjelder for bruk i Power BI, og hvordan du setter den opp i noen få enkle trinn. La oss begynne!
Les også: Tableau vs. Power BI: Det beste valget i 2023?
Inkrementell oppdatering i Power BI
Inkrementell oppdatering er en utvidelse av den planlagte dataoppdateringen i Power BI. Den skaper forskjellige partisjoner av datasettet på lagringsplassen ved å dele opp tabeller som ofte oppdateres.
De fleste databaser har tabeller som oppdateres hyppig, som for eksempel transaksjonsdata, salgstall, og lagerbeholdning. Disse dataene kan vokse enormt over tid, noe som kan føre til at den opprinnelige Power BI-filen tar mye plass i skyen eller på lokale servere.
Med en inkrementell oppdateringspolicy kan Power BI dele opp datatabellen basert på `RangeStart` og `RangeEnd` parametere. Den kan også bruke en DirectQuery-partisjon for sanntidsdata. Dette reduserer mengden data som hentes fra skybasen, slik at det importerte datasettet i Power BI blir mindre og enklere å håndtere.
Inkrementell oppdatering sikrer at du alltid jobber med de nyeste dataene i en stor database som inneholder millioner av rader.
La oss si at du har en salgsrapport som inneholder data for 10 år. Du trenger likevel ikke å oppdatere hele datasettet hver gang. Det kan være at du bare trenger oppdateringer for den siste uken.
I dette tilfellet kan en fullstendig oppdatering ta flere timer. Med inkrementell oppdatering kan du derimot spare både tid og penger på beregningskostnader.
Les også: Microsoft Power BI Data Analyst Certification (PL-300): Slik tar du den
Hvorfor bør du bruke inkrementell oppdatering i Power BI?
Det er fornuftig å bruke inkrementell oppdatering i Power BI av tre hovedårsaker. For det første sparer det tid og ressurser. I stedet for å oppdatere alle dataene hver gang, fokuserer den bare på nye eller endrede data, noe som gjør rapportene raskere og mer effektive.
For det andre er den ideell for store datasett. Når du har en enorm mengde data, kan det være langsomt og kostbart å oppdatere alt. Inkrementell oppdatering gir deg muligheten til kun å oppdatere det som er nødvendig, slik at rapportene dine forblir raske.
For det tredje holder den rapportene dine oppdatert. Ved å målrette de nyeste dataene sikrer du at rapportene viser de siste endringene i datakilden, noe som gir nøyaktig innsikt for bedre beslutninger.
Anvendelsesområder for inkrementell oppdatering
Detaljsalg
Inkrementell oppdatering hjelper deg med å oppdatere daglige salgsdata uten å måtte laste inn hele rapporten på nytt. Dette sikrer at du har den nyeste innsikten for bedre beslutninger. Det lar deg også spore daglige engasjementmålinger, og spare tid og ressurser ved å kun oppdatere nye data eller det angitte området.
Lagerstyring
Hvis du trenger å overvåke lagerendringer i sanntid og optimalisere lagernivåer, kan du sette opp inkrementelle oppdateringer for slike Power BI-rapporter. Det kan også hjelpe deg med å kontinuerlig oppdatere nettrafikkstatistikk for å holde deg oppdatert på brukeratferd.
Finansiell rapportering
Inkrementell oppdatering holder økonomiske rapporter oppdatert ved å bare oppdatere de nyeste dataene regelmessig. Du kan også holde deg oppdatert på oppdateringer i forsyningskjeden knyttet til økonomi, og forbedre responsen på kostnadsendringer i forsyningskjeden.
IoT-overvåking
Inkrementell oppdatering er spesielt viktig for opplæring og overvåking av IoT-enheter. Disse enhetene samler inn og sender store datamengder hver dag, ofte med sekunders intervaller. Hvis du oppdaterer hele databasen som er knyttet til flere IoT-systemer, kan det ta flere dager å fullføre prosessen. Med inkrementell oppdatering oppdaterer du i stedet bare de nødvendige delene av dataene.
Aksjemarkedsanalyse
Aksjemarkedet er en annen kilde som genererer store datamengder. Her kan du bruke inkrementell oppdatering i Power BI til å analysere bevegelser i aksjekurser og forutsi investeringsstrategier.
Fordeler med inkrementell oppdatering i Power BI
- Den lar deg bare oppdatere nye eller endrede data, noe som betydelig fremskynder oppdateringsprosessen for rapportene dine.
- Ved å oppdatere kun nødvendige data sparer du systemressurser og minimerer belastningen på infrastrukturen din.
- Når du bruker inkrementell oppdatering på et stort datasett som er hostet på en skybasert plattform, sparer du betydelige kostnader for databehandling.
- Inkrementell oppdatering er spesielt nyttig når du jobber med store datasett, da du unngår å oppdatere hele datasettet hver gang.
- Du kan konfigurere inkrementell oppdatering for å holde rapportene dine oppdatert med sanntids- eller nesten-sanntidsdata opptil 48 ganger per dag.
- Inkrementell oppdatering sikrer at rapportene gjenspeiler de siste endringene i datakilden, noe som gir mer nøyaktig og pålitelig innsikt.
- Du kan fortsette å jobbe med rapporten mens dataene oppdateres i bakgrunnen, noe som reduserer avbrudd i arbeidsflyten.
- Rapporter lastes inn raskere og reagerer raskt på brukerinteraksjoner når du bruker inkrementell oppdatering, noe som forbedrer brukeropplevelsen.
Fordelene med inkrementell oppdatering er mange, og du kan bruke funksjonen på forskjellige måter, avhengig av datavitenskap- og dataanalyseprosjektet du jobber med.
Full oppdatering vs. Inkrementell oppdatering i Power BI
En full oppdatering i Power BI innebærer å laste inn alle data fra kilden på nytt. Dette er en tidkrevende og ressurskrevende prosess for store datasett. Den erstatter hele datasettet, selv om kun en liten del av dataene har endret seg.
Inkrementell oppdatering, derimot, oppdaterer bare nye eller endrede data, noe som reduserer oppdateringstiden og ressursbruken betydelig.
Nedenfor finner du en oversikt over forskjellene mellom disse to oppdateringsmodusene i Power BI:
| Sammenligning av funksjoner | Full oppdatering | Inkrementell oppdatering |
| Dataoppdatering | Oppdaterer alle data hver gang | Oppdaterer kun nye, endrede eller konfigurerte tidsintervaller |
| Passer for | Små datasett med sjeldne oppdateringer | Store datasett med hyppige oppdateringer |
| Oppdateringstid | Lengre oppdateringstider | Raskere oppdateringstider |
| Ressursbruk | Høy ressursbruk | Lavere ressursbruk |
| Historisk data | Historiske data overskrives ved hver full oppdatering | Bevarer historiske data innenfor definerte partisjoner eller arkiver |
| Sanntidsdatastøtte | Begrenset støtte for sanntidsdata | Støtter dataoppdateringer i sanntid eller nesten sanntid |
Forutsetninger for inkrementell oppdatering
Selv om funksjonen er populær for store datasett, er den ikke tilgjengelig før Power BI-planen og andre datasettparametere oppfyller visse forutsetninger. Disse kravene er beskrevet nedenfor:
#1. Støttede Power BI-planer
Inkrementell oppdatering er tilgjengelig for Power BI Premium, Premium per bruker, Power BI Pro og Power BI Embedded datasett.
For sanntidsdataoppdateringer via DirectQuery er støtten begrenset til Power BI Premium, Premium per bruker og Power BI Embedded datasett.
#2. Støttede datasettkilder
Sanntidsdataoppdatering til store datasett i Power BI-rapporter gjennom inkrementell oppdatering fungerer best for relasjonelle og strukturerte databaser som Azure Synapse og SQL Database. Du kan også få det til å fungere med andre databaser gjennom egendefinert konfigurasjon.
Datasettet må imidlertid inneholde eller støtte følgende:
En dato/klokkeslett-kolonne
Det bør være en dato- eller dato/klokkeslett-kolonne i datasettet du analyserer med inkrementell oppdatering. Denne kolonnen hjelper Power BI med å opprette start- og sluttpunkter for dataene som skal oppdateres.
Dato/klokkeslett-filtrering
Power BI må kunne filtrere datasettet etter data, vanligvis via en datokolonne i måltabellen, som kan være av dato/klokkeslett eller heltallsdatatype i relasjonskilder. Parameterne `RangeStart` og `RangeEnd`, som begge er av dato/klokkeslett-type, filtrerer tabelldata ved hjelp av datokolonnen.
Avstandsparametere
Før du legger til inkrementelle oppdateringshendelser i Power BI-rapporten, må du importere datasettet til Power Query for å legge til avstandsparametere. Via kommandoen «Administrer Parameter» må du legge til to nye parametere som heter `RangeStart` og `RangeEnd` for måldatasettet.
Datasettet støtter spørringsfolding
Spørringsfolding er en databaseoptimaliseringsteknikk som forbedrer ytelsen ved å flytte databehandlingen tilbake til databaseserveren.
I stedet for å hente en stor mengde data fra databaseserveren for så å filtrere og behandle dem i klientapplikasjonen, lar spørringsfolding databaseserveren utføre filtrerings-, sorterings- og aggregeringsoperasjoner direkte på datakilden.
Enkelt datakilde
Anta at du konfigurerer inkrementell oppdatering for å få sanntidsdata for en stor database. Eller du lager et avansert databasespørringssystem ved hjelp av Tabular Object Model (TOM) og Tabular Model Scripting Language (TMSL) via XMLA-endepunktet. I slike situasjoner må alle datapartisjoner, enten DirectQuery eller Import, hentes fra én enkelt datakilde.
#3. Systemdato og klokkeslett
Tilgang til systemets dato og klokkeslett er nødvendig for at Power BI skal forstå når data skal oppdateres trinnvis basert på den definerte policyen. Du bør alltid sette systemdato og -klokkeslett til automatisk, i stedet for manuelt.
Slik konfigurerer du inkrementell oppdatering i Power BI
Nedenfor finner du fire enkle trinn for å konfigurere inkrementell oppdatering:
#1. Importere datasettet til Power BI Desktop App
Du kan konfigurere Power BI-rapporten for inkrementell oppdatering bare fra Power BI-skrivebordsappen. Etter at du har publisert rapporten, kan du bruke funksjonen til å hente sanntidsdata eller data fra et bestemt område i Power BI Service (nettversjonen av Power BI).
For å importere et datasett, gjør følgende:
- Start Power BI Desktop-appen.
- Klikk på «Hent data»-knappen på Power BI-velkomstskjermen.
- I dialogboksen «Hent data» velger du databasekilden, for eksempel SQL Server-database.
- Skriv inn detaljer for SQL-serveren, og klikk «OK».
- Du vil se datasettnavigatoren for databasen.
- Velg en tabell fra navigatoren, og klikk «Last inn» for å hente data i Power BI.
#2. Behandle datasett i Power Query
Nå må du transformere datasettet i Power Query for å legge til avstandsparametere og dato/tidsfiltrering. Slik gjør du det:
- I Power BI går du til «Hjem»-fanen på båndet og klikker på «Transformer data»-kommandoen.
- Datasettet åpnes nå i Power Query.
- Klikk på datokolonnen.
- Klikk på «Administrer parametere».
- Klikk på «Ny» i dialogboksen «Administrer parametere».
- Skriv inn `RangeStart` i Navn-feltet.
- I «Gjeldende verdi»-feltet angir du startdatoen eller -tidspunktet for inkrementell oppdatering. I denne veiledningen er det 1.1.2023.
- Klikk «OK» for å lagre.
- Følg samme prosedyre for å legge til parameteren `RangeEnd`, med datoen eller tidspunktet som Power BI skal utføre inkrementell oppdatering til.
Du skal nå ha tre elementer i Power Query, som vist på bildet nedenfor.
Velg datokolonnen og klikk på rullegardinmenyen. Klikk på alternativet «Datofiltre» og velg deretter «Egendefinerte filtre» fra menyen.
Velg «er etter eller lik» fra den første rullegardinmenyen. Klikk i boksen ved siden av, og velg parameteren `RangeStart`.
Klikk deretter på den andre rullegardinmenyen, og velg «er før eller lik», og legg til parameteren `RangeEnd`.
Klikk nå på «Lukk og bruk»-knappen øverst til venstre i Power Query.
#3. Konfigurere inkrementell oppdatering i Power BI Desktop App
I Power BI bytter du til tabellvisningen. På høyre side av datasetttabellen høyreklikker du på tabellen eller datasettnavnet du vil bruke inkrementell oppdatering for. Klikk på «Inkrementell oppdatering» i hurtigmenyen.
Gjør nå følgende:
- Aktiver verktøyet «Angi import- og oppdateringsområder» ved å skyve knappen.
- Skriv inn verdier for følgende felt:
- «Arkiver data som starter»
- «Oppdater data trinnvis fra start»
- Klikk på «Bruk».
#4. Publiser rapporten
Gå til «Hjem» > «Publiser»-kommandoen i «Del»-blokken. Klikk på «Publiser».
Power BI vil be deg om å lagre filen på datamaskinen din. Gjør som anvist.
Klikk «Publiser» igjen, og velg et mål, for eksempel «Mitt arbeidsområde», og klikk «Velg».
Konklusjon
Nå vet du hvordan du kan bruke inkrementell oppdatering i Power BI for å hente sanntidsdata fra datakildeservere uten å måtte oppdatere hele datasettet og betale unødvendige kostnader. Du sparer også tid i prosessen.
Følg trinnene ovenfor, og prøv inkrementell oppdatering neste gang du oppretter og publiserer rapporter og dashbord fra Power BI.
Neste artikkel: Power BI: Forskjeller mellom rapport og dashbord.