{"canonical_url":"https://engineer.company/nb/glossary/business-intelligence/","content_markdown":"# Business intelligence\n\n## Hva det er\n\nBusiness intelligence, til daglig forkortet BI, er arbeidet med å gjøre en\norganisasjons egne data om til rapporter, dashbord og analyser som de som tar\nbeslutningene, kan handle på. Som førsteledd brukes nesten alltid forkortelsen,\nsom i BI-verktøy.\n\nUttrykket er eldre enn programvaren. I oktober 1958 trykket IBM Journal of\nResearch and Development en artikkel av H. P. Luhn med tittelen «A Business\nIntelligence System». Luhn beskrev et maskinelt system som skulle ta dokumentene\nen organisasjon mottar eller skriver selv, lage et automatisk sammendrag av\nhvert enkelt, beskrive det med et mønster av ordene i det og sende det til de\nstedene i organisasjonen — Luhn kalte dem action points — der interesseprofilen\npasset. Et slikt sted kunne være én person, en gruppe, en avdeling eller en hel\ndivisjon. Han ga ordet business en bevisst vid betydning, all organisert\nvirksomhet fra vitenskap og handel til jus, forvaltning og forsvar, og forsto\nintelligence som evnen til å se hvordan de foreliggende faktaene henger sammen,\ngodt nok til å styre handlingen mot et mål. Etter å ha gått gjennom teknikkene\nga han helheten et navn: «We call this a Business Intelligence System.»\n\nLuhns materiale var tekst. Dagens BI arbeider mest med tall i tabeller, og\nKimball Groups beskrivelse av et datavarehus- og BI-system viser den vanlige\noppbygningen. I bakrommet (back room) hentes data fra kildesystemene, vaskes,\ngjøres ensartet og lastes inn. I frontrommet (front room) presenteres de, ordnet\netter forretningsprosess og lagret på det mest detaljerte nivået, med aggregerte\nsammendrag lagt til for å gjøre det raskere. Øverst ligger BI-applikasjonene: ad\nhoc-spørringer, standardrapporter, dashbord, scorecards og tyngre applikasjoner\nfor analyse og datautvinning.\n\nDet som binder de to betydningene sammen, er Luhns spørsmål: hvem trenger å vite\ndette, og hvordan når det fram til dem i en form de faktisk leser?\n\n## Hvorfor det er viktig\n\nEnhver organisasjon styres allerede etter tall. Spørsmålet er om tallene stemmer\noverens. Når salgsavdelingen regner en ordre fra dagen kontrakten signeres, og\nøkonomiavdelingen fra dagen fakturaen sendes, kommer de to avdelingene til samme\nmøte med hvert sitt omsetningstall, og møtet går med til forskjellen i stedet\nfor beslutningen. Et BI-system tjener inn kostnaden ved å fastsette én\ndefinisjon per nøkkeltall, beregne det ett sted og vise det samme tallet til\nalle som spør.\n\nLuhns diagnose fra 1958 passer fortsatt på de fleste felles rapportmapper. Han\nså at organisasjoner spredte informasjon vidt for å være på den sikre siden, og\nbemerket at mottakerne druknet i papir, slik at sjansen for at ingenting nådde\nfram, ble stor. Et dashbord med førti diagrammer gjør det samme på en skjerm.\nLuhns botemiddel var utvelgelse. Hvert mottakersted fikk først bare løpenummer,\ntittel og forfatter for dokumentene som var valgt ut til det. Deretter kunne det\nslå numrene på en telefon for å få sammendragene, og be om dem det ville ha, i\nfull lengde. Hver gang det tok imot et dokument, ble profilen oppdatert, så\nutvelgelsen ble bedre med bruk. En god rapport i dag virker på samme måte: den\ntar utgangspunkt i en person og en beslutning og viser de få tallene\nbeslutningen hviler på.\n\nDet finnes også en praktisk side. Databasen bak en applikasjon er bygd for dens\nmange små lesinger og skrivinger. Et spørsmål som leser et helt års ordrer,\nkonkurrerer med de skrivingene når det kjører på samme sted, og det er én grunn\ntil at BI-data vanligvis ligger i et eget lager som fylles etter en fast plan. Å\nholde det lageret på det mest detaljerte nivået, slik Kimball beskriver, avgjør\nhvilke spørsmål man fortsatt kan besvare neste år uten å gå tilbake til kildene.\n\n## Slik ser det ut i praksis\n\nEt typisk BI-spørsmål: omsetningen i tredje kvartal 2026 fordelt på region og\nprodukt, med en delsum for hver region og en totalsum. Med en tabell `sales` som\nhar én rad per salg, med `sold_on`, `region`, `product` og `amount`, besvarer\nstandard SQL det i én spørring:\n\n```sql\nSELECT region,\n       product,\n       sum(amount)               AS revenue,\n       GROUPING(region, product) AS level\nFROM   sales\nWHERE  sold_on \u003e= DATE '2026-07-01'\nAND    sold_on \u003c  DATE '2026-10-01'\nGROUP  BY ROLLUP (region, product)\nORDER  BY GROUPING(region), region, GROUPING(product), product;\n```\n\nMed en håndfull eksempelrader gir den:\n\n```text\n region | product | revenue | level\n--------+---------+---------+-------\n North  | Boots   |    1200 |     0\n North  | Jackets |     800 |     0\n North  |         |    2000 |     1\n South  | Boots   |     500 |     0\n South  | Jackets |    1500 |     0\n South  |         |    2000 |     1\n        |         |    4000 |     3\n```\n\n`ROLLUP (region, product)` er en kortform for\n`GROUPING SETS ((region, product), (region), ())`: hele listen, hvert kortere\nprefiks av den og til slutt den tomme mengden, som summerer alle radene.\nPostgreSQL-dokumentasjonen omtaler den som det vanlige verktøyet for hierarkiske\ndata, for eksempel lønn per avdeling, per divisjon og for hele selskapet.\n`CUBE (region, product)` ville i stedet gruppert etter alle delmengder og dermed\nlagt til en sum for hvert produkt på tvers av regionene.\n\nEn kolonne som ikke inngår i radens grupperingsmengde, kommer tilbake som NULL,\nog derfor har delsumradene tomme felter. `GROUPING(region, product)` forteller\nhvilke kolonner det gjelder. Den returnerer en bitmaske med én bit per argument,\nmed det siste argumentet i den laveste biten, og en bit er 1 når kolonnen ikke\nvar gruppert for raden. Altså markerer 0 en detaljrad, 1 en delsum for en region\n(produktet er ikke gruppert) og 3 totalsummen (ingen av dem er gruppert). En\nrapport leser `level` for å avgjøre hvilke rader som skal stå i fet skrift.\n\nSelskapets\n[tjeneste for dataanalyse og BI-dashbord](/nb/services/data-analytics-bi/)\nbeskriver målet som dashbord og rapporter som viser de få tallene en beslutning\nfaktisk hviler på, oppdatert uten at noen må be om det. En spørring som denne er\nlaget under en slik rapport: summene beregnes én gang, i databasen, og\ndashbordet tegner dem bare.\n\n## Hvor det går galt\n\n**To tall under samme navn.** Omsetning, aktiv kunde og kundefrafall har hver\nflere rimelige definisjoner, og hver rapport som regner selv, velger én. Skriv\nned hvert nøkkeltall én gang, med hva det teller, fra hvilken kilde og per\nhvilken dato, og beregn det i databasen, for eksempel som en visning, i stedet\nfor i formlene i hver enkelt rapport. Kimball kaller den språklige delen\nforretningsmetadata: hvilke data som finnes, hvor de kommer fra, og hva de\nbetyr.\n\n**Alt sendt til alle.** Et dashbord med flere dusin diagrammer og en\nmottakerliste med hele avdelingen gjenskaper flommen Luhn ville stanse. Begynn\nmed en navngitt person og beslutningen vedkommende tar, vis tallene beslutningen\nkrever, og legg ned rapportene ingen har åpnet på et kvartal.\n\n**Rapporter som gjør applikasjonen treg.** En tung spørring mot primærdatabasen\ni et system i drift konkurrerer med kundene som bruker det. Kjør rapporteringen\nmot en lesereplika eller i et eget datavarehus som fylles etter en fast plan.\nAggregater som er dyre å beregne og etterspørres ofte, kan legges i en\nmaterialisert visning som oppdateres etter hver innlasting.\n\n**Summer bygd av summer.** Gjennomsnittet av hver regions gjennomsnittlige\nordreverdi er ikke selskapets gjennomsnittlige ordreverdi, med mindre alle\nregionene har like mange ordrer. Antallet ulike kunder per måned kan ikke legges\nsammen til et kvartal, for en kunde som handlet både i juli og i august, telles\nto ganger. Behold detaljradene, og aggreger hvert nivå fra dem.\nGrupperingsmengder gjør nettopp det: hvert nivå i spørringen ovenfor beregnes\nfra salgsradene, ikke fra nivået under.\n\n**Et tomt felt med to betydninger.** Legg til ett salg der regionen er ukjent,\nså gir spørringen ovenfor en detaljrad med tom region, en delsum for den med to\ntomme felter og en totalsum, også med to tomme felter. Med `CUBE` blir det\nverre: to rader viser tom region og Boots, den ene for Boots solgt der regionen\ner ukjent, og den andre for Boots i alle regioner til sammen.\nPostgreSQL-dokumentasjonen advarer om at en NULL i dataene ikke kan skilles fra\nNULL-en som står for en kolonne som er gruppert bort. Bruk `GROUPING()`, aldri\n`IS NULL`, for å finne delsumrader, og gi manglende verdier en synlig betegnelse\nsom «ukjent» når dataene lastes inn.\n\n**Gårsdagens tall lest som dagens.** Når en nattlig innlasting feiler,\nfortsetter dashbordet å vise de siste gode tallene, og ingenting på skjermen\nsier at de er gamle. Skriv tidspunktet for siste vellykkede innlasting på hver\nrapport, og la overvåkingen sende et varsel til en navngitt person når en\nplanlagt innlasting ikke blir ferdig.\n\n## Les mer\n\n- [A Business Intelligence System](https://doi.org/10.1147/rd.24.0314) — H. P.\n  Luhns artikkel i IBM Journal of Research and Development, oktober 1958, der\n  uttrykket kommer fra.\n- [Kimball Technical DW/BI System Architecture](https://www.kimballgroup.com/data-warehouse-business-intelligence-resources/kimball-techniques/technical-dw-bi-system-architecture/)\n  — Kimball Groups gjennomgang av bakrommet, presentasjonsområdet,\n  BI-applikasjonene og metadataene.\n- [Table Expressions](https://www.postgresql.org/docs/current/queries-table-expressions.html)\n  — PostgreSQLs referanse for `GROUPING SETS`, `ROLLUP` og `CUBE`, og for\n  hvordan NULL står i stedet for en kolonne som ikke er gruppert.\n- [Aggregate Functions](https://www.postgresql.org/docs/current/functions-aggregate.html)\n  — funksjonen `GROUPING` og bitmasken dens, med et gjennomregnet eksempel.\n\n\u003chttps://engineer.company/nb/glossary/business-intelligence/\u003e\n","date_modified":"2026-10-29T11:17:41Z","description":"Hva business intelligence er: Luhns idé fra 1958, dagens datavarehus og rapporter, en SQL-spørring med ROLLUP og de vanlige fallgruvene.","formats":{"gemtext":"https://engineer.company/nb/glossary/business-intelligence/index.gmi","gopher":"https://engineer.company/nb/glossary/business-intelligence/gophermap","html":"https://engineer.company/nb/glossary/business-intelligence/","json":"https://engineer.company/nb/glossary/business-intelligence/index.json","markdown":"https://engineer.company/nb/glossary/business-intelligence/index.md","pdf":"https://engineer.company/nb/glossary/business-intelligence/index.pdf"},"kind":"page","language":"nb","title":"Hva er business intelligence?","url":"https://engineer.company/nb/glossary/business-intelligence/","version":1}