Dataplatform: økonomi og webshop med samme omsætning
En dataplatform er det sted, hvor data fra Business Central, webshoppen og jeres andre systemer bliver hentet, renset og regnet sammen efter én definition. Resultatet er, at økonomi, ledelsen og hjernen ser det samme tal for omsætningen. I får brug for en, når I har flere selskaber, flere salgskanaler eller spørgsmål, som ét system ikke kan svare på alene.
Tre tal for den samme omsætning
Mandag morgen viser Shopify én omsætning for sidste uge. Business Central viser en anden. Power BI-rapporten, som en konsulent byggede for to år siden, viser en tredje. Alle tre er rigtige, de regner bare forskelligt. Mødet bruger 20 minutter på at finde ud af hvorfor.
| Forskel | Webshoppen tæller | Økonomi tæller |
|---|---|---|
| Moms | Ordrebeløb inkl. moms | Nettoomsætning ekskl. moms |
| Tidspunkt | Når ordren lægges | Når fakturaen bogføres |
| Returvarer | Først når returen registreres i shoppen | Når kreditnotaen bogføres |
| Fragt og gebyrer | Med i ordretotalen | På egen konto |
| Valuta | Købers valuta i shoppen | Omregnet til DKK efter jeres kurs |
| Mellem selskaber | Findes ikke | Salg mellem selskaber, der skal elimineres |
En dataplatform løser det ved at skrive definitionen ned én gang og regne alle tal efter den. Controlleren ejer definitionen. Alle andre læser resultatet.
Data warehouse, data lake eller lakehouse?
De tre ord dækker over, hvordan data gemmes. Forskellen betyder mindre end leverandørerne siger. Det, der tæller, er ét sæt tabeller i den anden ende, som alle kan stole på.
| Data warehouse | Data lake | Lakehouse | |
|---|---|---|---|
| Hvad gemmes | Rensede tabeller | Alt, som det kommer | Begge dele, ét sted |
| Sprog | SQL | Filer og kode | SQL og kode på de samme data |
| Godt til | Faste rapporter og nøgletal | Store mængder rådata | Rapporter, hjernen og agenter fra samme kilde |
| Faren | Stivt, når et nyt system skal ind | Bliver en sump, ingen tør bruge | Kræver disciplin i lagene |
Et Fabric lakehouse er Microsofts udgave af det sidste. Data ligger i OneLake som Delta-tabeller, og I kan læse dem med SQL gennem et SQL analytics endpoint eller med notebooks. Microsoft kalder medallion-arkitektur den anbefalede måde at organisere et lakehouse i Fabric på.
Medallion-arkitektur: bronze, sølv og guld
Medallion-arkitektur deler platformen i tre lag. Data bliver renere og tættere på forretningen for hvert lag. Fejl kan spores tilbage, fordi det oprindelige udtræk altid ligger i bronze.
Bronze: præcis som det kom
Posteringer, fakturaer og debitorer fra Business Central. Ordrer og returer fra Shopify. Intet rettes, så I altid kan se, hvad kildesystemet sagde den dag.
Sølv: renset og samlet
Datoer i samme format, valuta omregnet, testordrer fjernet, og samme debitor genkendt i begge systemer. Her bor reglerne fra jeres masterdata.
Guld: tallene, I styrer efter
Omsætning pr. selskab, kanal og måned. Bruttoavance pr. vare. Åbne poster pr. debitor. Power BI, hjernen og agenterne læser kun herfra.
Flytningen mellem lagene er klassisk ETL. I Fabric bygger I den med pipelines i Data Factory, notebooks eller SQL. Vælg det, jeres team kan drive. Det afgørende er, at hver regel står ét sted og har en ejer.
Et Business Central-datawarehouse med flere selskaber
Business Central er det system, økonomi stoler på. Der er tre almindelige veje til at få data ud i en dataplatform.
- API’et. Business Central har standard-API’er og jeres egne API-sider. Det er den officielle vej, og den holder ved opgraderinger. Detaljerne står på vores side om Business Central-API’et.
- bc2adls. En open source-udvidelse, der eksporterer ændrede poster til Azure Data Lake eller et Fabric lakehouse. Microsoft har arkiveret sit eget repo, og udviklingen fortsætter i et community-fork, så tjek, hvem der vedligeholder den, før I bygger på den. Godt, når der er mange poster.
- Data Factory. Pipelines, der henter fra API’et på et fast tidspunkt og lægger data i bronze. Enkelt, når mængderne er små.
Med flere selskaber kommer de svære regler. Hvert selskab har sin egen kontoplan og valuta, og salg mellem selskaberne skal ud af koncernens omsætning. Den logik hører hjemme i sølv. Ligger den i rapporterne, regner fem rapporter elimineringen på fem måder.
Hvad sker der, mens økonomi sover?
Eksempel med opdigtede navne og tal.
Det vigtige er linjen kl. 02:32. Platformen afstemmer selv webshop mod bogføring hver nat og sender kun afvigelserne til et menneske. Lars bruger to minutter i stedet for en formiddag i Excel.
Hvordan får I ét tal for omsætningen?
Single source of truth er ikke et system, I køber. Det er en definition, som controlleren skriver ned og står inde for. »Omsætning er nettofaktureret salg ekskl. moms og fragt, efter kreditnotaer, i DKK, uden salg mellem selskaber.« Den står i guld som én tabel.
Når Power BI, ledelsesrapporten og hjernen læser fra samme tabel, kan de ikke give hver sit tal. Spørger salgschefen hjernen om omsætningen i Sverige i oktober, får hun tallet fra bestyrelsespakken. Svaret viser tabellen og definitionen bag. Agenterne læser også herfra, så en indkøbsagent regner på de samme tal som økonomi.
Fabric eller en Azure-dataplatform, I sætter sammen selv?
En Azure-dataplatform kan være Fabric, hvor lager, pipelines og Power BI ligger i samme tjeneste. Den kan også være Azure Data Lake Storage med jeres egne værktøjer ovenpå. Fabric er hurtigst at komme i gang med, hvis I allerede bruger Power BI. Den selvbyggede vej giver mere kontrol og flere ting at drive. Licens og kapacitet har deres egen side.
Uanset valget gælder to ting. Platformen kører i jeres egen Azure-tenant, og koden ligger i jeres eget repo. Bliver den bygget i en leverandørs miljø, ejer I et abonnement og ikke en platform.
Hvornår er en dataplatform for meget?
Har I ét selskab, én valuta og Business Central som eneste kilde, så læs direkte fra Business Central med Power BI og spar platformen. Har ingen tid til at eje definitionerne, giver en platform bare et fjerde tal.
Til gengæld behøver I ikke et toårigt program for at komme i gang. Start med omsætning og bruttoavance fra to kilder, i jeres egen cloud, bygget sammen med jeres folk. I afklaringen finder vi de tal, der giver mest uro på mandagsmødet, og skriver definitionerne ned. Hvert trin har en fast pris, aftalt før vi går i gang, og det første møde er gratis.
Hvad er en dataplatform?
En dataplatform henter data fra jeres systemer, fx Business Central og Shopify, renser dem og regner dem sammen efter faste definitioner. Resultatet er ét sæt tabeller, som rapporter, ledelsen og AI læser fra. Den kører i en cloud som Azure, fx i Microsoft Fabric.
Hvad er forskellen på en data lake og et data warehouse?
En data lake gemmer rådata, som de kommer, i filer. Et data warehouse gemmer rensede tabeller, klar til rapporter og SQL. Et lakehouse, fx i Microsoft Fabric, samler begge dele ét sted, så samme data kan læses med både SQL og kode.
Hvad er medallion-arkitektur?
Medallion-arkitektur deler data i tre lag. Bronze har rådata præcis som de kom, sølv rensede og samlede data, og guld de tal, I styrer efter. Microsoft anbefaler mønsteret til lakehouses i Fabric. Fordelen er, at hver fejl kan spores tilbage til kilden.
Hvordan får vi ét tal for omsætningen?
Skriv definitionen ned, fx nettofaktureret salg ekskl. moms og fragt uden salg mellem selskaber, og giv den en ejer: controlleren. Regn tallet ét sted i dataplatformens guldlag, og lad alle rapporter og AI læse derfra. Afstem webshop mod bogføring hver nat, så afvigelser bliver fundet, før ledelsen spørger.
Kan vi bygge et datawarehouse på Business Central?
Ja. Data kan hentes via Business Centrals API’er, med open source-udvidelsen bc2adls eller med pipelines i Data Factory. Med flere selskaber skal kontoplaner, valuta og salg mellem selskaber håndteres i platformen, så koncerntallet passer med regnskabet.
Hvor forsvinder jeres timer?
Tag den opgave med, der stjæler flest. Så siger vi ærligt, om agenter kan tage den, og hvad det kræver af jer.