X
Daten und Analyse , Intelligente Finanzen

Building a financial dashboard in Power BI

No more manual reporting. Getting instant insights into business with modern analytics.
By Francesco di Cugno and 16 Januar 2023

Von vorhandenen Kompetenzen profitieren

Jedes Unternehmen muss im Auge behalten, wie gut es sich schlägt. Dies nennt sich Performance Monitoring. Unabhängig davon, wie groß oder klein das Unternehmen ist oder welches Geschäftsmodell es verwendet, hilft die Überwachung der Leistung den Führungskräften herauszufinden, wie gut das Unternehmen arbeitet und was sie tun können, um es effizienter und profitabler zu machen.

Transaktionsdaten allein bieten keinen schnellen Überblick über die Unternehmensleistung. Um dies zu beheben, aggregieren die Analysten die Daten, um Kennzahlen zu finden, die zeigen, wie gut die Ergebnisse mit den definierten Geschäftszielen übereinstimmen. Sobald solche Key Performance Indicators (KPIs) berechnet sind, kommt die Datenvisualisierung ins Spiel, um die Zahlen leichter verständlich zu machen, damit Manager schnell und mit allen nötigen Informationen Entscheidungen treffen können.

Häufig wird eine solche Analyse in Excel durchgeführt, indem die Transaktionsdaten aus den Buchhaltungssystemen exportiert werden. Excel ist ein sehr vielseitiges Tool und hat sich de facto als Standard für Ad-hoc-Analysen etabliert. Dennoch braucht es einige innovative Funktionen moderner BI-Lösungen, wie One-for-All, visuelles Abfragen und Durchsuchen. Außerdem sind die Excel-Funktionen zur gemeinsamen Nutzung weit von moderner BI entfernt. Obwohl es jetzt möglich ist, Arbeitsmappen über Microsoft SharePoint oder OneDrive zu teilen, um gemeinsame Arbeitsbereiche zu schaffen, verbessert Software wie Power BI oder Tableau die Zusammenarbeit durch gemeinsame Datennutzung und Rollendifferenzierung.

Power BI erleichtert den Wechsel von Excel zu fortschrittlicheren BI-Tools. Power BI und Excel können zusammen verwendet werden, um mehr Arbeit zu erledigen. Power BI verfügt über moderne Funktionen, die auf Kernkonzepten basieren, die Excel-Anwender bereits kennen.

Quickstart in self-service analytics with Power BI
In diesem Artikel erfahren Sie, wie Manager Power BI nutzen können, um die finanzielle Leistung ihres Unternehmens zu überwachen. Zum Beweis des Konzepts wird eine Fallstudie vorgestellt, in der Transaktionsdaten in Power BI eingespeist und zu KPIs wie Nettogewinnmarge, EBITDA, Berry Ratio usw. aggregiert werden, um die Rentabilität eines Unternehmens zu schätzen. Schließlich werden diese Indikatoren mit den Zielwerten verglichen, um die Leistung zu bewerten.

Die Fallstudie demonstriert die Funktionalitäten von Power BI und zeigt, wie Excel-Benutzer ihr Know-how nutzen können, um fortgeschrittene Analysen durchzuführen. Es ist erwähnenswert, dass diese Präsentation nur die kostenlose Version von Power BI Desktop verwendet. Diese Toolversion bietet eine vollständige Benutzererfahrung und ermöglicht das Importieren, Modellieren, Bearbeiten und Visualisieren von Daten. Die Freigabefunktionen sind immer über die Web App gewährleistet, die eine bestimmte Auswahl der Desktop-Funktionen enthält.

Woman working with data and graphs in spreadsheet
POWER BI IN A DAY FÜR FACHKRÄFTE IM FINANZBEREICH UND CONTROLLING

Wir helfen Ihnen dabei, Ihre Finanzberichte mit Power BI zu automatisieren und bis zu 90 % Ihres Excel-Arbeitsaufwands zu sparen

Mehr erfahren

Daten automatisch laden
und sofort mit der Analyse starten!

Ähnlich wie Excel nutzt Power BI für die Dateneingabe Power Query. Dies ermöglicht es Benutzern, Daten aus verschiedenen Quellen, einschließlich Excel-Arbeitsmappen, SQL-Datenbanken, Textdateien usw., durch eine Kombination von Mausklick-Aktionen und M-Sprachanweisungen abzurufen. Nach der Microsoft-Dokumentation ist die Power Query M-Formelsprache eine funktionale Sprache mit Groß- und Kleinschreibung, ähnlich wie F#, die für Data Mashup verwendet wird. In der Abbildung unten sehen Sie ein Beispiel für das Power Query Editor Fenster.
PowerBI Query Editor
Die in dieser Fallstudie verwendeten Daten wurden auf SharePoint im Excel-Format gespeichert. Die im Bereich Abfragen (1) aufgelisteten Tabellen werden importiert, indem eine oder mehrere Excel-Arbeitsmappen mit Transaktionsdaten für einen bestimmten Zeitraum und eine Arbeitsmappe mit Stammdaten und relationalen Daten, wie z.B. die Unternehmensinformationen und die Zuordnungen zwischen Buchhaltungskonten und dem entsprechenden Posten in der Gewinn- und Verlustrechnung, eingelesen werden. Mithilfe von Power Query lädt Power BI die Daten jedes Mal automatisch, wenn eine neue Datei zu SharePoint hinzugefügt wird, und fügt die Datensätze an die entsprechende Tabelle an. Die Power Query-Benutzeroberfläche (2) zeigt eine Vorschau der Daten, die importiert werden sollen. Darüber hinaus ist es möglich, Transformationen wie Filtern, Umbenennen von Attributen, Definieren von Datentypen, Umordnen von Spalten usw. durchzuführen. Erweiterte Transformationen, die auf der Registerkarte Transformieren der Multifunktionsleiste (3) verfügbar sind, können ebenfalls angewendet werden. Schließlich ist es möglich, komplexe Transformationen in der Sprache M direkt in der Formelleiste (4) anzugeben. Die Syntax ist die gleiche wie die des Excel Power Query-Editors, so dass Excel-Benutzer ihr Know-how nutzen können. Alle angewendeten Transformationen werden im Bereich Angewandte Schritte (5) nachverfolgt, in dem Sie unnötige Zwischenschritte entfernen und Fehler während der Ladephase erkennen können.

Datenmodellierung
wofür, wie und warum

Excel ermöglicht die Definition von Beziehungen zwischen Tabellen. Power BI bietet hingegen die grafische Interaktion mit Entitäten in einem logischen Datenmodell, um Beziehungen zu definieren und anzupassen. Die Abbildung hier neben zeigt das für unsere Fallstudie erstellte Datenmodell.

Power BI kann auch automatisch Beziehungen und deren Kardinalität ableiten. Im Gegensatz zu relationalen Datenbanken werden Beziehungen in Power BI mit Kreuzfilterrichtung definiert. Die Beziehung zwischen zwei Entitäten definiert, wie Power BI die Daten filtert, wenn diese in Beziehung gesetzt werden. Betrachten wir die Beziehung zwischen Company und Financial_Statement in unserer Fallstudie. Die Richtung der Beziehung ist von Company zu Financial_Statement. Das bedeutet, dass jede Spalte von Company die Daten in Financial_Statement filtern kann. Das Gegenteil ist nicht der Fall. Sie können die Richtung angeben, in die sich die Filter ausbreiten sollen. Die verfügbaren Optionen hängen von der Art der Kardinalität ab.

Power BI bietet eine visuelle Darstellung des Datenmodells, wodurch die Entwicklung vereinfacht wird. Beziehungen werden anhand der Spaltennamen automatisch erkannt, und Datentyp und Kardinalität werden anhand der ersten 100 Zeilen automatisch festgelegt. Wenn die automatischen Beziehungen nicht passen, können sie manuell erstellt oder in einem speziellen Fenster, in dem Fremdschlüssel, Kardinalitäten und Kreuzfilterrichtung festgelegt werden können, bearbeitet werden.

PowerBI Data Model Window

Der effizienteste Weg zur Vorbereitung der Daten in Power BI

Sobald das Datenmodell definiert ist, kann Power BI im Fenster “Daten” Berechnungen durchführen, neue Funktionen definieren und neue Tabellen erstellen, in denen Formeln und Funktionen in DAX angewendet werden können. Eine vernünftige Frage wäre: Warum sollte ich Berechnungen in einem anderen Fenster durchführen, wenn ich dies direkt im Power Query Editor tun kann? Die kurze Antwort lautet: Es ist eine Frage der Effizienz. Tatsächlich können viele Berechnungen, die im Datenfenster durchgeführt werden können, auch im Power Query Editor ausgeführt werden. Während jedoch der Power Query Editor alle Daten jedes Mal neu importiert, wenn etwas geändert wird, werden Änderungen im Datenfenster auf importierte Daten angewendet. Dies macht die Datenaufbereitung viel effizienter, insbesondere bei umfangreichen Daten.

Professionelle Dashboards erstellen
ohne jegliche Programmierkenntnisse

Endlich sind die Daten für unser Dashboard bereit. Power BI ermöglicht es dem Benutzer, alle erforderlichen Visualisierungen in einem interaktiven Bericht zu kombinieren. Um dies zu erreichen, wird Power BI mit einem Arbeitsbereich geliefert. Das Berichtsfenster ist in Registerkarten unterteilt, die einer Excel-Arbeitsmappe ähneln, deren Funktion sich jedoch unterscheidet. In Excel werden Berechnungen und Visualisierungen an der gleichen Stelle ausgeführt. Ein Arbeitsblatt kann Zellen enthalten, in denen Zwischenanalysen durchgeführt werden, sowie Ergebnisse und visuelle Darstellungen. Eine solche Struktur könnte optimaler sein, insbesondere im Hinblick auf die Berichterstattung. Deshalb sind in Power BI Berechnungen und visuelle Darstellungen strikt getrennt. Ersteres wird im Datenfenster durchgeführt und ist überall verfügbar, während letzteres nur im Berichtsfenster erstellt und verwaltet wird.

Diese können Sie ganz einfach erstellen, indem Sie die gewünschten Visualisierungen aus dem rechten Fenster in die Arbeitsfläche ziehen. Die Daten für die Visualisierungen werden dann direkt aus dem Bereich Felder ganz rechts gezogen. Das reichhaltige Angebot an Standardvisualisierungen kann durch kostenpflichtige und kostenlose Add-Ins auf dem Microsoft-Marktplatz erweitert werden. Nehmen wir außerdem an, dass keine der visuellen Darstellungen, weder die Standard-Darstellungen noch die auf dem Marktplatz, zufriedenstellend ist. In diesem Fall können neue Darstellungen mit R oder Python direkt in Power BI programmiert werden, was eine noch größere Flexibilität ermöglicht.

Das Ergebnis ist unten aufgeführt. Es handelt sich um einen interaktiven Bericht, der verschiedene Visualisierungen enthält und im gesamten Unternehmen gemeinsam genutzt oder sogar im Internet veröffentlicht werden kann.

Möchten Sie das interaktive Dashboard,
das für diese Übung entwickelt wurde, hier live in Aktion sehen?
Wenn Sie sich für unseren Newsletter anmelden, erhalten Sie monatlich aktuelle Informationen über unsere Artikel, Produkte und Dienstleistungen.
Power BI Live Dashboard

Zusammenfassung

Zusammenfassend lässt sich sagen, dass Excel und Power BI einige Eigenschaften gemeinsam haben. Genauer gesagt, die Datenimportfunktion und die damit verbundenen bewährten Verfahren sind dieselben. Die Verwendung von Power Query stellt sicher, dass der Import aus verschiedenen Datenquellen/Formaten möglich ist. Darüber hinaus bietet Power BI dank der benutzerfreundlichen Benutzeroberfläche eine vollständige Palette von Funktionen für die Datenmodellierung. Bei den Berechnungen und der Visualisierung trennt Power BI diese beiden Dinge standardmäßig und ermöglicht eine hervorragende Flexibilität, da es besser mit fortgeschrittenen Tools wie Python und R integriert ist. Schließlich bieten Pro/Premium-Lizenzen die Möglichkeit der gemeinsamen Nutzung. Schließlich können die Daten in Excel exportiert werden, um erweiterte Ad-hoc-Analysen durchzuführen.

Wie wir in unserem vorherigen Artikel gezeigt haben, wächst der Markt für BI-Tools aufgrund der großen Menge an verfügbaren Daten und der Notwendigkeit, deren Erkenntnisse zu nutzen, um wettbewerbsfähige Entscheidungen zu treffen, stetig. Power BI bietet ein modernes Toolset, mit dem auch technisch nicht versierte Benutzer erweiterte Analysefunktionen nutzen können. Durch die Ähnlichkeiten mit Excel bietet Power BI einen reibungslosen Übergang zu modernen Analysetools und ermöglicht es den Benutzern, ihr gesamtes bisheriges Excel-Know-how zu übernehmen.

WIE KÖNNEN WIR WEITER HELFEN

Verwandte Kompetenzen

Die von uns angebotenen Datendienste sind umfassend und decken ein breites Spektrum ab. Als Einstieg können Sie sich jedoch darauf verlassen, dass wir die folgenden Lösungen anbieten.

Jetzt Kontakt aufnehmen

Datenanalyse

Wir organisieren und untersuchen Daten, um verwertbare Erkenntnisse zu gewinnen.

Dashboard Design

Erstellung von Visualisierungstools, die eine effiziente und effektive Auswertung der Daten ermöglichen.

Data Governance

Wir implementieren Governance-Strukturen und Verfahren, die den gesamten Lebenszyklus der Daten eines Unternehmens verwalten.

Datenarchitektur

Die Integration von Technologien für eine optimale End-to-End-Datenverwaltung.

Rechenkernlösungen für das Finanzwesen

Ob für interne oder regulatorische Zwecke, wir erstellen die Prozesse zur Datenerfassung, Berechnung und Berichterstattung.

Über die Autoren

Francesco Di Cugno, Managing Director, Convolut GmbH
Francesco di Cugno
Managing Director
Francesco ist ein Technology Director mit nachgewiesenen Erfolgen bei der Entwicklung kundenorientierter Lösungen unter Einsatz der neuesten Technologie.
The Author has not yet added any info about himself