Das Community Event DATA Saturday Vienna 2022 läuft heute - wie auch schon im letzten Jahr - als virtuelles Event erfolgreich und bietet wie immer ein sehr hoch-qualitatives Programm. Die Veranstaltung läuft gerade, ich berichte daher nur von den ersten beiden Sessions, die jetzt schon gelaufen sind.

Das Team der DATA Community Austria rund um Wolfgang Strasser und Markus Ehrenmüller-Jensen haben die Veranstaltung mit etwa 60 aktiven Teilnehmern wie immer perfekt organisiert. Der DATA Saturday ist übrigens das Nachfolgeformat der bisherigen SQL Saturdays und die Data Community Austria bündelt die Community als Nachfolger der bisherigen PASS Austria. Die globale PASS Organisation ist leider im letzten Jahr untergegangen, das hat aber nichts mit uns in AT zu tun, daher haben wir uns neu organisiert. :)

Das Programm findet dieses Jahr erstmalig deutschsprachig und mit nur 1 Track statt, ein aus meiner Sicht sehr sinnvoller Versuch einen USP für den DATA Saturday Vienna zu schaffen. Aus dem Programm mit 7 je einstündigen Sessions in Räumen möchte ich die folgenden beiden von mir selbst besuchten Power BI Tracks vorstellen. Ich habe mich sehr gefreut, daß ich dieses Jahr wieder als Volunteer mitwirken und die Session von Mario Schnalzenberger betreuen durfte.

#1 Tom Martens: Eigene Visualisierungen mit "Deneb"

Tom Martens hat in seiner wie immer inspirierenden Session gezeigt, wie mit dem Custom Visual "Deneb" eigene Visualisierungen in Power BI ohne Programmierkenntnisse erstellt werden können. Das Tool ist vergleichbar mit dem Charticulator Visual in Power BI und hat gegenüber den ebenfalls individuell gestaltbaren R- und Pyhton Charts den riesigen Vorteil, daß die Visuals interaktiv sind. Also auch als Crossfilter verwendet werden können, Tooltips zulassen usw.

Mit dem Bar Chart Template kann auf sehr einfache Weise experimentiert werden, nach 1 Minute hat man das erste Visual:

Hier ein schönes Beispiel für ein individuelles Bar Chart mit Mehrwert:

• Gegenüber den 3 Pie Charts stimmt im Bar Chart die Skalierung zwischen den 3 Entitäten
• Gegenüber dem Default Bar Chart werden die "Stacks" innerhalb jedes Balkens nach Größe sortiert (und nicht für alle Balken gleich)
• Darüber hinaus wird auch ein "50 % Marker" dargestellt, der die Hälfte des jeweiligen Balkens markiert

#2 Mario Schnalzenberger: Power BI Direct Query mit Milliarden Datensätzen

Marion Schnalzenberger hat in seiner zwischendurch recht anspruchsvollen Session gezeigt, wie die Performance einer Direct Query Anwendung in Power BI trotz Milliarden von Datensätzen enorm performant gehalten werden kannn.

Das Anwendungsbeispiel ist eine IoT Architektur. Die Besonderheit liegt darin, daß keine "Lambda Architektur" mit einem Import Dataset ("Cold Dataset") und einem Push-Dataset ("Hot Dataset") für die Anzeige der Near-realtime Daten verwendet werden, sondern daß stattdessen 1 einziges Dataset sowohl mit Import- und DQ-Tabellen zum Einsatz kommt. Der Vorteil liegt in der Überwindung der zahlreichen Nachteile der Push Datasets sowie in der Fokussierung aller Auswertungen auf eine einzige PBI Anwendung:

Der Clou für die performanten Abfragen liegt - ich selbst kann das aufgrund mangelnden SQL Know-Hows nicht beurteilen - in einem persistierten Combined Key, der für die Abfrage in Power BI verwendet wird sowie einem Nonclustered Primary Key:

Die Visualisierung in Power BI auf die DQ Tabellen ist tatsächlich super performant, obwohl in der Demo Anwendung 60 Mio Datensätze enthalten sind. Nach Aussage von Mario ändert sich diese Performance auch nicht bei 600 Mio oder 6 Mrd Datensätzen, da immer nur die gleiche Menge an Datensätzen für die Visualisierung abgefragt wird:

Zusammengefasst die wichtigsten Best Practices zur Performanceoptimierung von DQ Auswertungen in Power BI:

Session Schedule

Hier die Übersicht zum Programm des heutigen Tages:

Quellen:

http://datasaturdays.com/2022-01-28-datasaturday0021/