Personalcontrolling
berichtsentwurf | DAX Berechnungen | modell anpassungen
Unterstützung für Recruiting-Dienstleister, welcher geeignete Fach- und Führungskräfte aus verschiedensten Fähigkeitsbereichen mit namhaften Unternehmen wie Google, Henkel, Bosch und vielen weiteren zusammenbringt.
Statt für einen seiner zahlreichen Firmenkunden geeignete Fachkräfte zu suchen, wurde intern Expertise bei der Überarbeitung von Datenmodellen und BI-Berichten benötigt.
Ganz explizit musste zum einen für die eigene Personalabteilung ein Datenmodell mit zahlreichen Datenquellen und Kennzahlen in Power BI in seiner Funktionalität erweitert und in Komplexität vereinfacht werden. Der Bedarf entstand, da das Handling und die Weiterentwicklung dessen zusehends zeitaufwendiger wurden.
Zum anderen sollte eine Row-Level-Security in das Hauptmodell etabliert werden, welche gezielt die Zugriffsrechte der einzelnen Anwender auf verschiedene Quellen steuern sollte.
*Die in diesem Artikel dargestellten Oberflächen basieren nicht auf den Originaldaten
und dienen lediglich der Veranschaulichung der Umsetzung.
Die größte Herausforderung bestand in der bereits investierten Arbeit am Modell...
Ein bestehendes, komplexes Datenmodell und dazugehörige Measures zu überarbeiten und erweitern, ohne dabei jedoch die Funktionalität & Nutzung des Gesamtberichtes zu beeinflussen, stellte die größte Herausforderung dar.
Um diese zu lösen spiegelte ich zunächst alle relevanten Bestandteile in einem zweiten Modell. In Folge dessen konnte ich den Umbau vorantreiben, ohne jedoch die fortlaufende Nutzung des Berichtes zu beeinträchtigen. Zur Optimierung der Performance des Modells ermittelte ich, welche Datenquellen und Informationen zum Zeitpunkt der Bearbeitung redundant waren, sodass sie nicht länger geladen werden mussten. Das Modell wurde von einem verzweigten Snowflake-Schema in ein performantes Star-Schema umgewandelt. Tabellen soweit möglich zusammengefasst und auf bidirektionale Beziehungen verzichtet. Diese Schritte waren wichtige Faktoren in der Vereinfachung des Modells.
Zudem integrierte ich wo sinnvoll Kommentare in die Code-Schnipsel und vereinheitlichte angewandte Transformationsschritte, sodass auch zukünftige Anwender direkt ein Verständnis für die unternommenen Anpassungen entwickeln können.
Eine weitere Herausforderung stellte die Plausibilitätsprüfung aller Berechnungen. Hierbei wurde mir einmal mehr bewusst, wie wertvoll eine umfassende Analyse der Daten und deren Qualität im Vorhinein ist. Hierfür eignete sich zum einen die Spaltenqualität der Quellen im Query Editor zu überprüfen. Zum anderen konnte durch die Überprüfung von Beziehungen zwischen den Tabellen Ungenauigkeiten identifizieren. Um die Qualität auch zukünftig konstant zu halten, erstellte ich Fehler-Measures, welche die Anwender zukünftig umgehend alarmieren wird.
Nach erfolgreicher Überarbeitung des Modells, konnte ein neues Seitenlayout in dem Bericht integriert werden. Durch den Einsatz von Lesezeichen, Schaltflächen und Feldparameter wurde eine interaktive Bedienoberfläche entwickelt, die Kennzahlen und Visualisierungen entsprechend der individuellen Präferenzen des Anwenders darstellt. Dadurch war es möglich sämtliche Anforderungen innerhalb einer einzelnen Seite zu platzieren, ohne diese dabei zu überladen.
Fazit & Erkenntnisse
Regelmäßige Feedback-Gespräche und eine klare Definition der Anforderungen, erwiesen sich als elementare Bausteine für die erfolgreiche Umsetzung des Projektes.
Der Analyse der Datenqualität sollte ausreichend Zeit gewährt werden, sodass man dieser im späteren Verlauf Vertrauen kann.
Eine sinnvolle Dokumentation & einheitliche Namensgebungen unterstützen zukünftige Anwender nachhaltig in der Überarbeitung implementierter Entwicklungen
Für eine optimale Leistungsfähigkeit, Lesbarkeit und Handling des Modells, sollte dieses stets im Star-Schema konstruiert, auf ungenutzte Quellen verzichtet und Beziehungen möglichst einfach gehalten werden.
