Translytical Task Flows - en efterlängtad nyhet i Fabric

Äntligen har Microsoft lanserat en efterlängtad feature – Translytical Task Flows. Nu kan slutanvändare hantera, redigera och analysera data i realtid – direkt från en Power BI-rapport. Det innebär att rapporter nu kan användas för mer än att dra insikter; du kan även agera direkt från rapporten, vilket ger en ännu mer sammanhållen, effektiv och kostnadsbesparande dataarkitektur.

‍

Vad är fördelarna med Translytical Task Flows?

Den största fördelen är att det möjliggör för slutanvändare att lägga till, redigera eller ta bort data direkt i en Power BI-rapport genom write-back. Det är framför allt hjälpsamt i välanvända rapporter där uppdateringar av data ofta krävs, då slutanvändare inte behöver gå via en utvecklare, vilket minskar ledtider.

En annan fördel är att startsträckan för implementation är väldigt kort för de som redan använder sig av Fabric i dagsläget. Grundfunktionaliteten går snabbt att få på plats och det finns oändliga möjligheter för vidareutveckling – det kan vara så enkelt eller komplext som man själv väljer.

Hur säkrar vi datakvaliteten när slutanvändare kan redigera data?

Kort och gott så har utvecklare fortfarande kontrollen. De bestämmer vilka som ska ha tillgång till att redigera i rapporter samt hur data kan redigeras. Till exempel kan man göra begränsningar i vilket format som data får ha. Dessa begränsningar implementeras genom Python-programmering i den obligatoriska komponenten user data function.

Alla som har tillgång till att läsa rapporten får inte automatiskt rättigheter till att redigera den, access till redigeringsmöjligheter kan ges till de som behöver den. På så sätt kan man säkra att datakvaliteten hålls på den höga nivån som eftersträvas.

Så här fungerar det i praktiken

Translytical Task Flows möjliggör write-back så att slutanvändare kan uppdatera, lägga till eller ta bort data i SQL-databaser i Fabric direkt från en Power BI-rapport. Genom att använda Fabrics user data functions kan du programmatiskt redigera data baserat på filterkontext från rapporten.

‍

‍

I modellen ovan ser vi ett exempel på hur flödet kan se ut. Genom knapparna vi lägger till i rapporten kallar vi på UDF:en som i sin tur triggar ett Translytical Task Flow, vilket gör uppdateringen i SQL-databasen. Detta uppdateras i realtid och förändringen syns direkt i rapporten.

Så sätter du upp Translytical Task Flows

För att komma igång med Translytical Task Flows behövs tre komponenter:

🔹 En SQL-databas

🔹 UDF (user data function)

🔹 En PowerBI-rapport

Microsoft rekommenderar att man börjar med att skapa upp en SQL-databas i Fabric, för att sedan även skapa upp ett UDF-objekt. Har man redan en befintlig SQL-databas i Fabric kan man istället utgå från den. När dessa två finns på plats behöver man skapa en koppling mellan dem.  

Nästa steg är att utveckla den kod och funktionalitet som UDF:en ska ha och testa funktionen med dummy-data, för att validera att allt fungerar som det är tänkt. När man är nöjd med funktionen återstår endast att lägga till nödvändig knapp-funktionalitet i en ny eller befintlig Power BI-rapport.

Det är även möjligt att använda sig av Fabric warehouses och Fabric lakehouses som datakälla för en UDF men i de flesta fallen är en Fabric SQL-databas att föredra.

Nyfiken på hur Translytical Task Flows kan hjälpa er?

Kontakta oss så berättar vi mer om hur Translytical Task Flows kan underlätta för just er organisation!

‍