Kan de Power BI Service Power BI Desktop vervangen?
Deel 1 – Data importeren
Sinds de introductie van Power BI in 2015 zijn de Power BI Desktop en de Power BI Service onafscheidelijk van elkaar. In de loop van de tijd is er echter het nodige veranderd en kunnen steeds meer werkzaamheden die voorheen voorbehouden waren aan Power BI Desktop nu ook uitgevoerd worden in de Power BI Service. Dit biedt diverse voordelen, maar roept ook de vraag op of Power BI Desktop al volledig te vervangen is door de Power BI Service.
In deze blogreeks gaan we proberen antwoord te geven op die en andere vragen. Hiervoor bekijken we de drie onderdelen die van belang zijn bij het ontwikkelen van een Power BI rapportage:
- Data importeren
- Data modelleren
- Data visualiseren
Data importeren
Voordat we aan de slag gaan is het belangrijk om een paar zaken op voorhand te benoemen. Bij de werkzaamheden die we gaan uitvoeren maken we gebruik van een nieuwe werkruimte in de Power BI Service die niet ondersteund wordt door Power BI Embedded, Microsoft Fabric of Power BI Premium. Er is hierin enkel sprake van het gebruik van een Power BI Pro licentie. Als ontwikkelaar ben ik eigenaar van de werkruimte en tegelijkertijd beheerder van de Power BI tenant. Dit laatste maakt het mogelijk dat ik alle functionaliteit in de tenant kan inschakelen die ik nodig heb voor deze blogserie.
In de werkruimte is het zaak om eerst een nieuw semantisch model aan te gaan maken en vullen. Om dit te doen gebruiken we de optie “New item” en kiezen we voor “Semantic model” om dit semantische model aan te maken:
Tip! Het zoeken naar de juiste optie tussen de vele items die beschikbaar zijn via Microsoft Fabric kan soms wat moeite kosten. Klik in dat geval op het sterretje dat bij het item wordt getoond om deze op te nemen onder de favorieten en ze op die manier in het vervolg eenvoudiger terug te vinden.
Na de keuze om een semantisch model aan te maken zijn er verschillende onderdelen waaruit gekozen kan worden, maar onderdelen als SQL Server en een API vind je hier niet terug. Hier is gelukkig eenvoudig omheen te werken door te kiezen voor de optie “Paste or manually enter data”:
In het scherm dat wordt geopend kan handmatig data worden ingevoerd, dit is echter niet belangrijk voor de stappen die we hierna gaan nemen. Wel is het handig om deze tabel een naam te geven die je wilt gaan gebruiken voor het semantisch model zodat je deze dadelijk niet hoeft te gaan hernoemen. Klik na het opgeven van de naam op “Create a semantic model only” om het model aan te laten maken:
De pop-up die wordt getoond over het niet invoeren van verdere data kan op dit moment genegeerd worden door te klikken op “Create”:
Het model wordt nu voorbereid (zonder verdere inhoud) en direct geopend. Via de knop “Open semantic model” kan het model nu verder bewerkt gaan worden:
Bij het openen van het semantisch model opent deze standaard in de lees-weergave en moet deze eerst omgezet worden naar de wijzig-modus via de optie “Editing”:
De eerste keer dat je dit doet zal het semantische model nog geconverteerd moeten worden:
Met deze voorbereiding kan eindelijk gestart worden met het werkelijk toevoegen van data aan het semantische model. Kies hiervoor de optie “Get data” in het menu:
Er opent zich nu een scherm waarin veel meer opties beschikbaar zijn om data te gaan ontsluiten zoals de eerder genoemde SQL Server, maar bijvoorbeeld ook API en SharePoint. Een volledige lijst van 150+ connecties kan opgevraagd worden door te klikken op “View more”. In dit geval kiezen we eerst voor SQL Server database om data op te gaan halen:
Als vervolg hierop verschijnen diverse opties om de verbinding tot stand te brengen, inclusief de mogelijkheid om de verbinding via een gateway te laten verlopen (iets wat vanuit Power BI Desktop niet mogelijk is wanneer je niet rechtstreeks bij de database kunt komen). Bevestig de instellingen door te klikken op “Next”:
Vanaf hier doet de interface sterk denken aan Power BI Desktop en kan er eenvoudig voor worden gekozen om de beschikbare views en tabellen te tonen en er hier één of meerdere van in te gaan laden. Maak hierin de gewenste keuze en klik op “Transform data” om het laden te starten en meer te zien van Power Query:
De editor van Power Query die zich nu online opent is mogelijk anders dan je gewend bent als het gaat om de weergave van de stappen:
Je kunt hierin eenvoudig wisselen tussen deze nieuwe weergave en de traditionele weergave door rechts onder in de Diagram View uit te schakelen:
Vanuit deze editor kun je de normale stappen uitvoeren die je ook gewend bent vanuit Power Query in Power BI Desktop. Ter test hebben we een aantal acties uitgeprobeerd zoals het joinen van tabellen, het toevoegen van een berekening (helaas zonder suggestie van mogelijke functies en de manier waarop deze toegepast moeten worden), het uitschakelen van het laden van bepaalde tabellen, het wijzigen van een stuk code in de formulebalk en het opvragen van de native query:
Naast de individuele stappen die op deze manier geconfigureerd kunnen worden, is ook de Advanced Editor nog beschikbaar om in één keer een groter stuk code te kopiëren en plekken of om zelf nog stukken code te schrijven wanneer de standaard opties onvoldoende mogelijkheden bieden:
Op het moment dat alle stappen genomen zijn in de voorbereiding van de data kan geklikt worden op “Save” om het inladen werkelijk te starten:
Hiermee wordt het laden van de data gestart. Anders dan je gewend bent uit Power BI Desktop krijg je nu enkel te zien dat de data wordt vernieuwd en niet welke tabellen precies worden geladen en om hoeveel regels het per tabel gaat:
Hierna wordt automatisch de modelweergave van het semantisch model geopend en kan gestart worden met het modeleren van het complete model:
Met deze stappen hebben we de relevante stappen voor het inladen van data doorlopen, maar zijn we er nog niet volledig. Want het inladen van data uit SQL Server is nu getest, maar hoe werkt dit bij andere veelvoorkomende bronnen zoals Excel of een API?
In het geval van Excel is het belangrijk dat het betreffende document ergens in OneDrive geplaatst is. Vanaf daar kan deze gewoon geselecteerd worden en als een normaal Exceldocument ingeladen worden. Bijkomend voordeel is dat er nu direct wordt verwezen naar de onlinelocatie van het bestand en niet naar de lokale PC waardoor het semantisch model direct vanuit de Power BI Service vernieuwd kan worden:
Voor een API-koppeling gelden dezelfde voorwaarde als dat je dit gewend bent uit Power BI Desktop. Het is goed mogelijk om een API te koppelen en hier vervolgens eigen stappen aan toe te voegen in Power Query. Ook het combineren van deze drie verschillende bronnen in één semantisch model verloopt zonder verdere problemen:
Bovenstaand verhaal laat goed zien dat het inmiddels heel goed mogelijk is om een volledig semantisch model vanaf scratch op te bouwen in de Power BI Service, maar hoe werkt dit bij een model dat van origine is geüpload via Power BI Desktop? Ook in dat geval werkt het zoals je mag verwachten. Het semantisch model kan online geopend en bewerkt worden, zo kun je stappen toevoegen aan Power Query of andere wijzigingen aanbrengen. Het resultaat van deze wijzigingen kan direct zichtbaar worden gemaakt door de data opnieuw in te laden.
Ook andersom blijft het werken zoals verwacht. Dit betekent dat een semantisch model gemaakt in de Power BI Service naderhand gewoon gedownload kan worden en geopend in Power BI Desktop.
Op basis van bovenstaande werkzaamheden kan de conclusie getrokken worden dat vrijwel alle werkzaamheden in de Power BI Service uit te voeren zijn (voor het inladen van data) die nu ook mogelijk zijn in Power BI Desktop. Op een aantal gebieden werkt de Power BI Service beter dan Power BI Desktop (bijvoorbeeld met de nieuwe weergave van Power Query en de mogelijkheid om de verbinding via een gateway te laten verlopen) en op een aantal andere gebieden werkt Power BI Desktop beter dan de Power BI Service (bijvoorbeeld omdat de formules in Power Query geen functies tonen en omdat je bij het initieel aanmaken van een semantisch model via een omweg moet starten). Dit zijn veelal verschillen waar prima omheen te werken is en waarmee de ene optie niet nadrukkelijk beter presteert dan de andere optie.
Het voordeel van het werken via de Power BI Service is natuurlijk wel dat je niet langer afhankelijk bent van de performance van je eigen PC omdat alle berekeningen nu plaats vinden aan de kant van Microsoft. Dit kan natuurlijk ook een nadeel zijn, afhankelijk van de specificaties van je PC.
Het enige punt dat gemist werd tijdens het testen van alle functionaliteit is de optie om een databron te ontsluiten via Direct Query. Deze functionaliteit is momenteel niet beschikbaar via de Power BI Service (met uitzondering van een enkele databron) en hiervoor moet Power BI Desktop nog steeds worden ingezet.
Benieuwd hoe de Power BI Service presteert bij het modeleren van het semantisch model of het bouwen van een rapportage, houd dan deze blogserie in de gaten voor de andere twee delen!
