{"canonical_url":"https://engineer.company/sv/glossary/business-intelligence/","content_markdown":"# Business intelligence\n\n## Vad det är\n\nBusiness intelligence, i dagligt tal förkortat BI, är arbetet med att göra en\norganisations egna data till rapporter, dashboards och analyser som de som\nfattar besluten kan agera på. Som förled används nästan alltid förkortningen,\nsom i BI-verktyg.\n\nUttrycket är äldre än mjukvaran. I oktober 1958 publicerade IBM Journal of\nResearch and Development en artikel av H. P. Luhn med titeln ”A Business\nIntelligence System”. Luhn beskrev ett maskinellt system som skulle ta de\ndokument en organisation tar emot eller själv skriver, göra ett automatiskt\nsammandrag av vart och ett, beskriva det med ett mönster av dess ord och skicka\ndet till de ställen i organisationen — Luhn kallade dem action points — vars\nintresseprofil stämde. Ett sådant ställe kunde vara en enskild person, en grupp,\nen avdelning eller en hel division. Han gav ordet business en medvetet vid\nbetydelse, all organiserad verksamhet från vetenskap och handel till juridik,\nförvaltning och försvar, och förstod intelligence som förmågan att se hur de\nfakta man har framför sig hänger ihop, tillräckligt väl för att styra handlandet\nmot ett mål. När han hade gått igenom teknikerna gav han helheten ett namn: ”We\ncall this a Business Intelligence System.”\n\nLuhns material var text. Dagens BI arbetar mest med siffror i tabeller, och\nKimball Groups beskrivning av ett datalager- och BI-system visar det vanliga\nupplägget. I bakrummet (back room) hämtas data från källsystemen, tvättas, görs\nenhetliga och läses in. I det främre rummet (front room) presenteras de, ordnade\nefter affärsprocess och lagrade på den mest detaljerade nivån, med aggregerade\nsammanfattningar tillagda för att det ska gå snabbare. Överst ligger\nBI-applikationerna: ad hoc-frågor, standardrapporter, dashboards och scorecards\nsamt tyngre applikationer för analys och datautvinning.\n\nDet som binder ihop de två betydelserna är Luhns fråga: vem behöver veta det\nhär, och hur når det fram till dem i en form som de faktiskt läser?\n\n## Varför det spelar roll\n\nVarje organisation styrs redan efter siffror. Frågan är om siffrorna stämmer\növerens. När säljavdelningen räknar en order från den dag avtalet skrivs under\noch ekonomiavdelningen från den dag fakturan skickas, kommer de två\navdelningarna till samma möte med var sin intäktssiffra, och mötet går åt till\nskillnaden i stället för beslutet. Ett BI-system tjänar in sin kostnad genom att\nfastställa en definition per nyckeltal, beräkna det på ett ställe och visa samma\nsiffra för alla som frågar.\n\nLuhns diagnos från 1958 passar fortfarande de flesta delade rapportmappar. Han\nsåg organisationer sprida information brett för att vara på den säkra sidan och\nkonstaterade att mottagarna drunknade i papper, så att risken att ingenting\nnådde fram blev stor. En dashboard med fyrtio diagram gör samma sak på en skärm.\nLuhns botemedel var urval. Varje mottagare fick först bara löpnummer, titel och\nförfattare för de dokument som valts ut åt den. Sedan kunde den slå numren på en\ntelefon för att få sammandragen och begära dem den ville ha i sin helhet. Varje\ngång den tog emot ett dokument uppdaterades profilen, så urvalet blev bättre ju\nmer det användes. En bra rapport i dag fungerar likadant: den utgår från en\nperson och ett beslut och visar de få siffror beslutet hänger på.\n\nDet finns också en praktisk sida. Databasen bakom en applikation är byggd för\ndess många små läsningar och skrivningar. En fråga som läser ett helt års ordrar\nkonkurrerar med de skrivningarna när den körs på samma ställe, och det är ett\nskäl till att BI-data oftast ligger i ett separat lager som fylls vid fasta\ntider. Att hålla det lagret på den mest detaljerade nivån, som Kimball\nbeskriver, avgör vilka frågor som fortfarande går att besvara nästa år utan att\ngå tillbaka till källorna.\n\n## Så ser det ut i praktiken\n\nEn typisk BI-fråga: omsättningen under tredje kvartalet 2026 fördelad på region\noch produkt, med en delsumma för varje region och en totalsumma. Med en tabell\n`sales` som har en rad per försäljning, med `sold_on`, `region`, `product` och\n`amount`, besvarar standard-SQL det i en enda fråga:\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 handfull exempelrader blir resultatet:\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)` är en kortform för\n`GROUPING SETS ((region, product), (region), ())`: hela listan, varje kortare\nprefix av den och till sist den tomma mängden, som summerar alla rader.\nPostgreSQL-dokumentationen beskriver den som det vanliga verktyget för\nhierarkiska data, till exempel lön per avdelning, per division och för hela\nföretaget. `CUBE (region, product)` skulle i stället gruppera efter alla\ndelmängder och därmed lägga till en summa för varje produkt över alla regioner.\n\nEn kolumn som inte ingår i radens grupperingsmängd kommer tillbaka som NULL, och\ndärför har delsummeraderna tomma fält. `GROUPING(region, product)` talar om\nvilka kolumner det gäller. Den returnerar en bitmask med en bit per argument,\nmed det sista argumentet i den lägsta biten, och en bit är 1 när kolumnen inte\nvar grupperad för raden. Alltså markerar 0 en detaljrad, 1 en delsumma för en\nregion (produkten är inte grupperad) och 3 totalsumman (ingen av dem är\ngrupperad). En rapport läser `level` för att avgöra vilka rader som ska stå i\nfetstil.\n\nFöretagets\n[tjänst för dataanalys och BI-dashboards](/sv/services/data-analytics-bi/)\nbeskriver målet som dashboards och rapporter som visar de få siffror ett beslut\nfaktiskt hänger på, uppdaterade utan att någon behöver be om det. En fråga som\nden här är lagret under en sådan rapport: summorna beräknas en gång, i\ndatabasen, och dashboarden ritar bara upp dem.\n\n## Var det går fel\n\n**Två siffror under samma namn.** Intäkter, aktiv kund och kundbortfall har var\noch en flera rimliga definitioner, och varje rapport som räknar själv väljer en.\nSkriv ner varje nyckeltal en gång, med vad det räknar, från vilken källa och per\nvilket datum, och beräkna det i databasen, till exempel som en vy, i stället för\ni formlerna i varje rapport. Kimball kallar den språkliga delen affärsmetadata:\nvilka data som finns, var de kommer ifrån och vad de betyder.\n\n**Allt skickat till alla.** En dashboard med dussintals diagram och en sändlista\nmed hela avdelningen återskapar den flod Luhn ville stoppa. Börja med en\nnamngiven person och det beslut hen fattar, visa de siffror beslutet kräver och\nlägg ner de rapporter som ingen har öppnat på ett kvartal.\n\n**Rapporter som gör applikationen långsam.** En tung fråga mot primärdatabasen i\nett system i drift konkurrerar med kunderna som använder det. Kör rapporteringen\nmot en läsreplik eller i ett separat datalager som fylls vid fasta tider.\nAggregat som är dyra att beräkna och efterfrågas ofta kan läggas i en\nmaterialiserad vy som uppdateras efter varje inläsning.\n\n**Summor byggda av summor.** Medelvärdet av varje regions genomsnittliga\nordervärde är inte företagets genomsnittliga ordervärde, om inte alla regioner\nhar lika många ordrar. Antalet unika kunder per månad kan inte summeras till ett\nkvartal, eftersom en kund som handlade både i juli och i augusti räknas två\ngånger. Behåll detaljraderna och aggregera varje nivå från dem.\nGrupperingsmängder gör precis det: varje nivå i frågan ovan beräknas från\nförsäljningsraderna, inte från nivån under.\n\n**Ett tomt fält med två betydelser.** Lägg till en försäljning där regionen är\nokänd, så ger frågan ovan en detaljrad med tom region, en delsumma för den med\ntvå tomma fält och en totalsumma, också med två tomma fält. Med `CUBE` blir det\nvärre: två rader visar tom region och Boots, den ena för Boots sålda där\nregionen är okänd och den andra för Boots i alla regioner tillsammans.\nPostgreSQL-dokumentationen varnar för att en NULL i data inte går att skilja\nfrån den NULL som står för en kolumn som har grupperats bort. Använd\n`GROUPING()`, aldrig `IS NULL`, för att hitta delsummerader, och ge saknade\nvärden en synlig etikett som ”okänd” när data läses in.\n\n**Gårdagens siffror lästa som dagens.** När en nattlig inläsning misslyckas\nfortsätter dashboarden att visa de senaste bra siffrorna, och ingenting på\nskärmen säger att de är gamla. Skriv ut tidpunkten för den senaste lyckade\ninläsningen på varje rapport, och låt övervakningen skicka ett larm till en\nnamngiven person när en planerad inläsning inte blir klar.\n\n## Läs mer\n\n- [A Business Intelligence System](https://doi.org/10.1147/rd.24.0314) — H. P.\n  Luhns artikel i IBM Journal of Research and Development, oktober 1958, där\n  uttrycket kommer ifrån.\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 genomgång av bakrummet, presentationsytan, BI-applikationerna\n  och metadata.\n- [Table Expressions](https://www.postgresql.org/docs/current/queries-table-expressions.html)\n  — PostgreSQL:s referens för `GROUPING SETS`, `ROLLUP` och `CUBE`, och för hur\n  NULL står i stället för en kolumn som inte är grupperad.\n- [Aggregate Functions](https://www.postgresql.org/docs/current/functions-aggregate.html)\n  — funktionen `GROUPING` och dess bitmask, med ett genomräknat exempel.\n\n\u003chttps://engineer.company/sv/glossary/business-intelligence/\u003e\n","date_modified":"2026-10-29T11:17:41Z","description":"Vad business intelligence är: Luhns idé från 1958, dagens datalager och rapporter, en SQL-fråga med ROLLUP och de vanliga fallgroparna.","formats":{"gemtext":"https://engineer.company/sv/glossary/business-intelligence/index.gmi","gopher":"https://engineer.company/sv/glossary/business-intelligence/gophermap","html":"https://engineer.company/sv/glossary/business-intelligence/","json":"https://engineer.company/sv/glossary/business-intelligence/index.json","markdown":"https://engineer.company/sv/glossary/business-intelligence/index.md","pdf":"https://engineer.company/sv/glossary/business-intelligence/index.pdf"},"kind":"page","language":"sv","title":"Vad är business intelligence?","url":"https://engineer.company/sv/glossary/business-intelligence/","version":1}