Mit Power BI werden Unternehmensdaten aufbereitet und zu einem Semantischen Datenmodell mit betriebswirtschaftlicher Logik verarbeitet. Darauf aufbauend werden nicht nur vordefinierte Reports und Dashboards erstellt sondern auch adhoc mittels KI Chat („CoPilot“), mit der Explore Data Funktion oder mit eigenen (neuen) Reports zugegriffen. In größeren Unternehmen entsteht auf diese Weise ein Pool an Reports, Dashboards und Semantischen Datenmodellen. Es stellt sich dann die Frage, wie die Entscheider und Mitarbeiter des Unternehmens die verfügbaren Daten finden, bewerten und verwenden können.

Für diesen Zweck gibt es Instrumente zur Datenexploration in Power BI selbst sowie weitergehende Datenkataloge wie den OneLake Catalog und den Purview Data Catalog. Damit stellt sich aber genau die Frage, welches Tool das richtige für das eigene Unternehmen ist.

1. Ausgangssituation

Beispielhaft betrachten wir eine Power BI Report Anwendung für das HR Reporting im Unternehmen mit dem folgenden vordefiniertem Dashboard:

2. Power BI Semantische Modelle

Hinter jeder Report Anwendung in Power BI steht ein semantisches Datenmodell, aus dem die Informationen abgefragt werden.

2.1 Modellbeschreibung

Das Semantische Datenmodell hat einen Namen und – sofern gepflegt – eine aussagekräftige Description sowie einen Ersteller / Owner. Mit diesen Informationen können Anwender:innen sich einen Eindruck verschaffen, ob das Datenmodell interessante Informationen für das eigene Vorhaben enthält:

Die Modellbeschreibung kann sowohl in Power BI Desktop bzw. im Power BI Cloud Service erfasst werden und sollte jedenfalls gepflegt werden, damit Informationssuchende rasch einen Eindruck verschaffen können, um welche Inhalte es in dem konkreten Datenmodell geht:

In diesem Zusammenhang sollte nicht nur das Modell, sondern auch die Tabellen, Spalten und Measures mit einer Description ausgestattet werden und auf Besonderheiten hingewiesen werden. Bei Measures sollte auch die Berechnungsweise beschrieben werden (bspw. durch Einkopieren des DAX Statements):

2.2 Endorsement und Make Discoverable

Ein wichtiges Feature für das Auffinden von Daten ist das sogenannte Endorsement. Damit kann für das Certifed Label für besonders valide Unternehmensinformationen vergeben werden und damit den Anwender:innen signalisiert werden, daß die Daten in diesem Datenmodell geprüft und absolut verlässlich sind.

Die Make discoverable Funktion hat ebenfalls zentrale Bedeutung, da damit diese Datenmodelle auch von jenen Anwender:innen gefunden werden, die (noch) keine Zugriffsrechte haben und sich auf diese Weise über den ungefähren Inhalt des Datenmodells informieren können.

3. OneLake Catalog in MS Fabric

OneLake ist der Datenspeicher von MS Fabric, wir haben diesen hier vorgestellt. Die Power BI Semantischen Modelle sind per definition Bestandteil des OneLake Datenspeichers und scheinen daher im OneLake Catalog auf. Der Zugriff auf den OneLake Catalog erfolgt direkt aus dem Power BI Service.

3.1 Explore

Der Explore Bereich im OneLake Catalog zeigt die verfügbaren (validen) Datenquellen im Unternehmen, optional gegliedert nach Workspaces (oder alternativ nach Endorsements oder Favoriten). In unserem Fall finden wir „unser“ Semantisches Modell Headcount Dashboard in der Liste der Datenquellen:

Beim Klick auf das Objekt sehen wir die Metainformationen, die wir schon aus den Power BI Settings kennen. Die Descriptions für die Tabellen werden sauber ausgewiesen, die essentielle Description für das Modell selbst fehlt aber. Aus meiner Sicht ist das ein Fehler …

… und sollte zur Kompensation hier nochmals erfasst werden:

3.2 Govern

Der Govern Bereich im OneLake Catalog zeigt neben Struktur- und Nutzungsinformationen die Recommended Actions zur Anregung zur weiteren Anreicherung der Datenbestände mit Metainformationen.

Neben den bereits bekannten Endorsements und Sensitivity Labels …

… können hier auch sogenannte Domains definiert werden. Mit Domains werden Unternehmensfunktionen wie Finanzen, Marketing, Sales, Produktion usw. abgebildet und damit eine fachliche Perspektive in die Datenobjekte von MS Fabric eingezogen. Aus meiner Sicht ist problematisch, daß den Domains nur ganze Workspaces zugewiesen werden. Besser wäre aus meiner Sicht die Zuweisung von einzelnen Datenobjekten, da Workspaces auch nach anderen Kriterien strukturiert sein können.

Mit den Tags können Stichworte und häufige Suchbegriffe abgebildet werden und die Datenobjekte damit „getagged“ werden können:

4. Data Catalog in MS Purview

Purview ist ein Cloud Service von Microsoft, der eigenständig neben Fabric und Azure steht …

… und der für die Abbildung von Governance, Compliance Rules, Data Protection und vieles mehr zuständig ist. Purview ist ein „Querschnittsprogramm“, das mit den dort definierten Regeln und Strukturen in alle anderen Microsoft Dienste – auch bis in Office – verzahnt ist.

4.1 Zugang zum Data Catalog

Der Bereich Data Catalog ist – Überraschung – mit dem OneLake Catalog verzahnt. Leider – nochmals Überraschung – aber noch nicht vollständig.

Im Bereich Browse by source type ist diese Querschnittsfunktion gut zu sein, MS Fabric ist dort nur einer von mehreren verknüpften Diensten mit Datenprodukten:

Beim Zugriff auf „unseren“ Workspace in MS Fabric finden wir auch hier „unser“ Power BI Semantisches Modell Headcount Dashboard:

4.2 Eigenschaften und Attribute

Die Model Description aus dem OneLake Catalog scheint hier unter dem Begriff Asset description auf:

Der Owner aus dem OneLake Catalog wird hier als ConfiguredBy Property ausgewiesen:

Interessant ist der Bereich Contacts. Hier können verantwortliche Experts und Owners …

… erfasst werden, welche aber leider derzeit (noch?) nicht im OneLake Catalog aufscheinen:

5. Fazit

Ist das Auffinden von Datenprodukten in einem Unternehmen wichtig und/oder soll der Zugriff auf die Daten auch über KI („Copilot“) erfolgen, dann sollte auf Entwickler-/IT-Seite folgende relativ einfach umzusetzenden Schritte gesetzt werden:

• Power BI
  Aussagekräftiger Name für das Semantische Modell („Headcount Dashboard“ ist übrigens keine guter Name für das Modell).
  Aussagekräftige Descriptions für Modelle, Tabellen, Spalten und Measures erfassen.
  Endorsement für die zentralen Datenmodelle aktivieren.
  Make Discoverable Funktion für geeignete Datenmodelle aktivieren.
  
• OneLake Catalog
  Modell-Description im OneLake Catalog nacherfassen.
  Domains und Tags definieren und Datenprodukte zuweisen.
  
• MS Purview Data Catalog
  Ggfs. Erfassung der zusätzlichen Attribute.

Auf Seite der Anwender:innen sollte eine Linie vorgegeben werden, welche Instrumente – Power BI, OneLake und/oder Purview – genutzt werden sollen und inwieweit auch KI für die Informationsgenerierung genutzt werden soll.

Quellen

https://learn.microsoft.com/en-us/fabric/governance/onelake-catalog-overview

https://www.microsoft.com/de-at/security/business/microsoft-purview

https://learn.microsoft.com/de-de/power-bi/collaborate-share/service-discovery