Blogs

Stel je wilt een Machine Learning model gebruiken en de uitkomsten in je SQL Server database toevoegen, hoe doe je dat? Hiervoor kun je geen T-SQL gebruiken, maar zul je een andere programmeertaal moeten gebruiken zoals Python of R. Deze blog focust zich op het combineren van Python en SQL Server. Er zijn meerdere manieren dit te bereiken: je kunt vanuit een Python IDE werken met de pyodbc package en een connectie maken met je SQL Server of je kunt de Machine Learning Services van SQL Server gebruiken, waarmee je direct vanuit SQL Server Management Studio (SSMS) met Python kunt programmeren. 

Tot nu toe was het alleen maar mogelijk om je datamodellen (data sets) te bewerken in Power BI desktop of externe software, maar nu is het ook mogelijk om data sets te bewerken in de Power BI service. 

Het is vanaf nu mogelijk (Preview functionaliteit) om Paginated Reports in de PowerBI.com omgeving te maken. De mogelijkheden zijn op dit moment nog wel vrij basic, maar het lijkt er wel op dat de tool gebruiksvriendelijker wordt door de WYIWYG (What You See Is What You Get) functionaliteit dan de desktop (Power BI  Report Builder) variant.

Een goed dashboard of rapport heeft ten minste de volgende twee eigenschappen: de data sluit aan op de werkelijkheid, en de gebruiker kan het effectief gebruiken om hun informatiebehoefte te voorzien. Regelmatig krijgt de laatste van deze twee eigenschappen te weinig aandacht: de cijfers die te zien zijn kloppen wel, maar de boodschap komt niet over. Een grote valkuil is het plaatsen van zo veel mogelijk tabellen en grafieken omdat er anders mogelijk informatie mist. In deze blog ga ik je meenemen door een stappenplan, waarmee je deze – en andere – valkuil(en) kan voorkomen. Ik pas deze tips dan gelijk toe op een rapport dat inhoudelijk klopt, maar qua effectief design nog wat winst te halen heeft. 

Als je op kantoor gebruik maakt van slimme verwarmingsapparatuur als die van Tado°, kan je de verschillende ruimtes naar wens laten opwarmen volgens een schema of handmatig via de app. De schema's houden geen rekening met flexibel gebruik. Zeker in kantoor omgevingen blijven verwarmingen dan vaak aanstaan, of verwarmen ze op een dag dat niemand aanwezig is.
Met de hogere gasprijzen en belasting op het milieu kan dit nóg slimmer door gebruik te maken van Power Automate en Microsoft Outlook, en passant zorgen we ervoor dat medewerkers zo aangeven of ze naar kantoor komen.

De oplossingen van Ensior in combinatie met Power BI kunnen een organisatie sneller en beter inzicht geven. In deze blog kijken we eens hoe we standaard financiële rapportages vorm kunnen geven.

Sinds enige tijd is het mogelijk om Tooltips in Power BI nog mooier en informatiever te maken. Door middel van tooltip pagina's is het namelijk mogelijk om bijvoorbeeld grafieken of andere visuals in tooltips te laten zien. 

In eerdere blogs hebben we het al vaker gehad over externe tools die het ontwikkelen van SSAS modellen of Power Bi datasets vergemakkelijken. Tabular Editor en Dax Studio zijn al daarbij aan bod gekomen. Meer daarover kun je lezen in onder andere de blogs Power BI Premium - Datasets en XMLA-endpoint, Tabular model memory optimaliseren en Power BI - Tabular Editor. Een mooie aanvulling op deze tools is Bravo. 

Security wordt in modellen vaak gebruikt. Toegang inregelen op werkruimten en/of rapporten is vaak niet toereikend omdat de gebruiker dan via het model toch bij meer data kan. Met security op modelniveau kan men per rol of zelfs per gebruiker bepalen welke objecten een gebruiker wel of niet mag zien en welke data hij mag zien. Buiten het implementeren van security is er vaak de behoefte om deze makkelijk te kunnen beheren en te testen. Binnen de Power BI-service is het mogelijk om zonder een dataset te moeten aanpassen de security te beheren en te testen. 

Anno 2022 willen veel huishoudens verduurzamen om bij te dragen aan het oplossen van de toenemende klimaatproblemen of simpelweg om kosten voor het eigen verbruik te verminderen. Voor de opbrengsten van zonnepanelen is de ligging belangrijk en een zuidelijke ligging levert de meeste kilowatturen op. Wanneer je je verbruik kan sturen (elektrische auto of warmtepomp) kan het interessant zijn een elektriciteitscontract met dynamische prijzen af te sluiten, immers de prijs per kWh veranderd dan per uur, zo kan laden 's nachts veel goedkoper zijn dan bij thuiskomst in de avond. Maar levert daarmee een niet-zuid ligging, zoals oost of west, van de panelen dan ook meer op? En welk effect het de hellingshoek op de verwachte opbrengst?