Business intelligence

Hvad det er

Business intelligence, i daglig tale forkortet BI, er arbejdet med
at gøre en organisations egne data til rapporter, dashboards og
analyser, som de mennesker, der træffer beslutningerne, kan handle
på. Som forled bruges næsten altid forkortelsen, som i BI-værktøj.

Udtrykket er ældre end softwaren. I oktober 1958 bragte IBM Journal
of Research and Development en artikel af H. P. Luhn med titlen »A
Business Intelligence System«. Luhn beskrev et maskinelt system, der
skulle tage de dokumenter, en organisation modtager eller selv
skriver, lave et automatisk resumé af hvert enkelt, beskrive det ved
et mønster af dets ord og sende det til de steder i organisationen —
Luhn kaldte dem action points — hvis interesseprofil passede. Et
sådant sted kunne være en enkelt person, en gruppe, en afdeling
eller en hel division. Han gav ordet business en bevidst bred
betydning, enhver organiseret aktivitet fra videnskab og handel til
jura, offentlig forvaltning og forsvar, og forstod intelligence som
evnen til at se, hvordan de foreliggende fakta hænger sammen, godt
nok til at styre handlingen mod et mål. Efter at have gennemgået
teknikkerne gav han helheden et navn: »We call this a Business
Intelligence System.«

Luhns materiale var tekst. Nutidens BI arbejder mest med tal i
tabeller, og Kimball Groups beskrivelse af et datavarehus- og
BI-system viser den sædvanlige opbygning. I baglokalet (back room)
hentes data fra kildesystemerne, renses, gøres ensartede og
indlæses. I forlokalet (front room) præsenteres de, ordnet efter
forretningsproces og gemt på det mest detaljerede niveau, med
aggregerede opsummeringer lagt oveni for at gøre det hurtigere.
Øverst ligger BI-applikationerne: ad hoc-forespørgsler,
standardrapporter, dashboards og scorecards samt tungere
applikationer til analyse og data mining.

Det, der binder de to betydninger sammen, er Luhns spørgsmål: hvem
har brug for at vide dette, og hvordan når det frem til dem i en
form, de faktisk læser?

Hvorfor det betyder noget

Enhver organisation styrer allerede efter tal. Spørgsmålet er, om
tallene stemmer overens. Når salgsafdelingen tæller en ordre med fra
den dag, kontrakten underskrives, og økonomiafdelingen fra den dag,
fakturaen sendes, møder de to afdelinger op til samme møde med hver
sit omsætningstal, og mødet går med forskellen i stedet for
beslutningen. Et BI-system tjener sig ind ved at fastlægge én
definition pr. nøgletal, beregne det ét sted og vise det samme tal
til alle, der spørger.

Luhns diagnose fra 1958 passer stadig på de fleste fælles
rapportmapper. Han så organisationer sprede information bredt for at
være på den sikre side og bemærkede, at modtagerne druknede i papir,
så risikoen for, at intet nåede frem, blev stor. Et dashboard med
fyrre diagrammer gør det samme på en skærm. Luhns middel var
udvælgelse. Hvert modtagersted fik først kun løbenummer, titel og
forfatter på de dokumenter, systemet havde valgt til det. Derefter
kunne det dreje numrene på en telefon for at få resuméerne og bede
om dem, det ville have, i fuld længde. Hver gang det tog imod et
dokument, blev profilen opdateret, så udvælgelsen blev bedre med
brugen. En god rapport i dag virker på samme måde: den tager
udgangspunkt i en person og en beslutning og viser de få tal,
beslutningen afhænger af.

Der er også en praktisk side. Databasen bag en applikation er bygget
til dens mange små læsninger og skrivninger. Et spørgsmål, der læser
et helt års ordrer, konkurrerer med de skrivninger, når det kører
samme sted, og det er én grund til, at BI-data som regel ligger i et
separat lager, der fyldes efter en fast plan. At holde det lager på
det mest detaljerede niveau, som Kimball beskriver, afgør, hvilke
spørgsmål man stadig kan besvare næste år uden at skulle tilbage til
kilderne.

Sådan ser det ud i praksis

Et typisk BI-spørgsmål: omsætningen i tredje kvartal 2026 fordelt på
region og produkt, med en subtotal for hver region og en samlet
total. Med en tabel `sales`, der har én række pr. salg med
`sold_on`, `region`, `product` og `amount`, besvarer standard-SQL
det i én forespørgsel:

```sql
SELECT region,
       product,
       sum(amount)               AS revenue,
       GROUPING(region, product) AS level
FROM   sales
WHERE  sold_on >= DATE '2026-07-01'
AND    sold_on <  DATE '2026-10-01'
GROUP  BY ROLLUP (region, product)
ORDER  BY GROUPING(region), region, GROUPING(product), product;
```

Med en håndfuld eksempelrækker giver den:

```text
 region | product | revenue | level
i--------+---------+---------+-------		engineer.company	70
 North  | Boots   |    1200 |     0
 North  | Jackets |     800 |     0
 North  |         |    2000 |     1
 South  | Boots   |     500 |     0
 South  | Jackets |    1500 |     0
 South  |         |    2000 |     1
        |         |    4000 |     3
```

`ROLLUP (region, product)` er en forkortelse for `GROUPING SETS
((region, product), (region), ())`: hele listen, hvert kortere
præfiks af den og til sidst den tomme mængde, som lægger alle rækker
sammen. PostgreSQL-dokumentationen nævner den som det sædvanlige
redskab til hierarkiske data, for eksempel løn pr. afdeling, pr.
division og for hele virksomheden. `CUBE (region, product)` ville i
stedet gruppere efter alle delmængder og dermed tilføje en total for
hvert produkt på tværs af regionerne.

En kolonne, der ikke indgår i rækkens grupperingsmængde, kommer
tilbage som NULL, og derfor har subtotalrækkerne tomme felter.
`GROUPING(region, product)` fortæller, hvilke kolonner det drejer
sig om. Den returnerer en bitmaske med én bit pr. argument, det
sidste argument i den laveste bit, og en bit er 1, når kolonnen ikke
var grupperet i rækken. Altså markerer 0 en detaljerække, 1 en
subtotal for en region (produktet er ikke grupperet) og 3 den
samlede total (ingen af dem er grupperet). En rapport læser `level`
for at afgøre, hvilke rækker der skal stå med fed.

Virksomhedens ydelse inden for dataanalyse og BI-dashboards
beskriver målet som dashboards og rapporter, der viser de få tal, en
beslutning faktisk afhænger af, og som opdateres, uden at nogen
beder om det. En forespørgsel som denne er laget under sådan en
rapport: totalerne beregnes én gang, i databasen, og dashboardet
tegner dem blot.

Hvor det går galt

To tal under samme navn. Omsætning, aktiv kunde og kundeafgang har
hver flere rimelige definitioner, og hver rapport, der regner selv,
vælger én. Skriv hvert nøgletal ned én gang, med hvad det tæller,
fra hvilken kilde og pr. hvilken dato, og beregn det i databasen,
for eksempel som et view, frem for i hver rapports formler. Kimball
kalder den sproglige del for forretningsmetadata: hvilke data der
findes, hvor de kommer fra, og hvad de betyder.

Alt sendt til alle. Et dashboard med snesevis af diagrammer og en
modtagerliste med hele afdelingen genskaber den oversvømmelse, Luhn
ville standse. Begynd med en navngiven person og den beslutning,
vedkommende træffer, vis de tal, beslutningen kræver, og nedlæg de
rapporter, ingen har åbnet i et kvartal.

Rapporter, der gør applikationen langsom. En tung forespørgsel mod
den primære database i et system i drift konkurrerer med de kunder,
der bruger det. Kør rapporteringen på en læsereplika eller i et
separat datavarehus, der fyldes efter en fast plan. Aggregater, der
er dyre at beregne og efterspørges ofte, kan lægges i et
materialiseret view, der genopfriskes efter hver indlæsning.

Totaler bygget af totaler. Gennemsnittet af hver regions
gennemsnitlige ordreværdi er ikke virksomhedens gennemsnitlige
ordreværdi, medmindre alle regioner har lige mange ordrer. Antallet
af forskellige kunder pr. måned kan ikke lægges sammen til et
kvartal, for en kunde, der købte både i juli og i august, tælles to
gange. Behold detaljerækkerne, og aggreger hvert niveau ud fra dem.
Grupperingsmængder gør netop det: hvert niveau i forespørgslen
ovenfor beregnes ud fra salgsrækkerne, ikke ud fra niveauet under.

Et tomt felt med to betydninger. Tilføj ét salg, hvor regionen er
ukendt, og forespørgslen ovenfor giver en detaljerække med tom
region, en subtotal for den med to tomme felter og en samlet total,
også med to tomme felter. Med `CUBE` bliver det værre: to rækker
viser tom region og Boots, den ene for Boots solgt, hvor regionen er
ukendt, og den anden for Boots i alle regioner tilsammen.
PostgreSQL-dokumentationen advarer om, at en NULL i data ikke kan
skelnes fra den NULL, der står for en kolonne, som er grupperet væk.
Brug `GROUPING()`, aldrig `IS NULL`, til at finde subtotalrækker, og
giv manglende værdier en synlig betegnelse som »ukendt«, når data
indlæses.

Gårsdagens tal læst som dagens. Når en natlig indlæsning fejler,
bliver dashboardet ved med at vise de sidste gode tal, og intet på
skærmen fortæller, at de er gamle. Skriv tidspunktet for den seneste
vellykkede indlæsning på hver rapport, og lad overvågningen sende en
alarm til en navngiven person, når en planlagt indlæsning ikke
bliver færdig.

Læs mere

  * A Business Intelligence System — H. P. Luhns artikel i IBM
Journal of Research and Development, oktober 1958, som udtrykket
stammer fra.

  * Kimball Technical DW/BI System Architecture — Kimball Groups
gennemgang af baglokalet, præsentationsområdet, BI-applikationerne
og metadata.

  * Table Expressions — PostgreSQL's reference for `GROUPING SETS`,
`ROLLUP` og `CUBE` og for, hvordan NULL står i stedet for en
kolonne, der ikke er grupperet.

  * Aggregate Functions — funktionen `GROUPING` og dens bitmaske,
med et gennemregnet eksempel.

hDenne side på nettet	URL:https://engineer.company/da/glossary/business-intelligence/	engineer.company	70
