Dataplatforme i Microsoft Fabric, bygget af en seniorkonsulent
Jeg samler data fra Business Central, D365 F&O og jeres øvrige systemer, så I får tal, I kan stole på, og rapporter, der bliver brugt.
Henrik Zacher Molbech
Seniorkonsulent og ejer af aboutData ApS
- Microsofts dataplatform
- 18 årsiden 2008
- Eget firma
- 7 årsiden 2019
- På opgaven
- 0 juniorersenior hele vejen
Kort fortalt
Microsoft Fabric og Power BI
Lakehouse, pipelines og semantiske modeller. Fra første kilde til færdig rapport.
Senior hele vejen
Jeg gør arbejdet selv, og ingen junior tager over, når aftalen er på plads. Kræver opgaven flere, sætter jeg et hold fra mit netværk, sammen med jer.
AI i udviklingen
Jeg bygger med AI-agenter, hvor I tillader det, og lærer jeres team at gøre det samme.
Ydelser
Det kan jeg hjælpe med
Fabric-platform fra bunden
Metadatadrevet data warehouse i Fabric med medallion-arkitektur, historik og genstart ved fejl. I ejer koden.
Migrering til Fabric
Flytning fra Azure Data Factory, SQL Server eller BYOD til Fabric, uden at rapporterne går ned undervejs.
ERP-data til rapportering
Business Central og D365 F&O gjort klar til Power BI, med tal, der stemmer med finans. Det kan begynde som en ren Power BI-opgave, og platformen kan komme til senere.
AI for datateams
Workshop i agentic coding i VS Code mod Fabric og Power BI, MCP på jeres semantiske model, så I kan tale med jeres data, og rådgivning om at bruge AI forsvarligt.
Rådgivning og arkitektur: Kan købes som en selvstændig opgave. Oftest følger jeg projektet hele vejen og bygger løsningen bagefter.
Performance og drift: Tuning af Azure SQL, gateways og load-jobs, når det går for langsomt.
Platformen
Mindre tid på at finde tallene, mere tid på at bruge dem
Når tallene ligger i flere systemer og regneark, går tiden med at samle dem og blive enige om, hvilke der er rigtige. Jeg samler dem ét sted, så de opdaterer sig selv, og alle arbejder ud fra de samme tal.
Kilder
Business Central
D365 F&O
SQL Server
Andre systemer via APIe-conomic, IPW, easyTable m.fl.
Excel-ark og filer
Microsoft Fabric
Medallion-arkitektur, metadatadrevetBronze
Rå kopi af kilderne, med historik.
Silver
Renset, typet og samlet på tværs af systemer.
Gold
Fakta og dimensioner, klar til rapporter.
Semantisk model
Ét sted for mål og definitioner.
# én post pr. tabel, frameworket klarer resten kilde: BusinessCentral tabel: GLEntry load: inkrementel historik: ja
Modtagere
Brugere
Tal, I kan stole på
Sådan arbejder jeg
Fra udtræk til rapport
En rapport skal svare på et spørgsmål. Her er spørgsmålet: Hvor vokser dækningsbidraget? Eksemplet bruger opdigtede tal fra en handelsvirksomhed.
1 · Udtrækket
Salg og kostpris pr. varegruppe og periode, lige fra systemet
| firma | varegruppe_kode | periode | salg_beloeb | kost_beloeb | valuta |
|---|---|---|---|---|---|
| 01 | RES | P01 | 1050000.00 | -632000.00 | DKK |
| 01 | MAS | P01 | 1380000.00 | -1109000.00 | DKK |
| 01 | SER | P01 | 330000.00 | -149000.00 | DKK |
| 01 | TIL | P01 | 330000.00 | -230000.00 | DKK |
| 01 | OVR | P01 | 210000.00 | -147000.00 | DKK |
| 01 | RES | P02 | 960000.00 | -582000.00 | DKK |
| 01 | MAS | P02 | 1430000.00 | -1136000.00 | DKK |
| 01 | SER | P02 | 320000.00 | -153000.00 | DKK |
| 01 | TIL | P02 | 310000.00 | -206000.00 | DKK |
| 01 | OVR | P02 | 180000.00 | -121000.00 | DKK |
| 01 | RES | P03 | 1120000.00 | -672000.00 | DKK |
| 01 | MAS | P03 | 1550000.00 | -1241000.00 | DKK |
| 01 | SER | P03 | 370000.00 | -169000.00 | DKK |
| 01 | TIL | P03 | 340000.00 | -230000.00 | DKK |
| 01 | OVR | P03 | 220000.00 | -150000.00 | DKK |
| 01 | RES | P04 | 1040000.00 | -635000.00 | DKK |
| 01 | MAS | P04 | 1550000.00 | -1231000.00 | DKK |
| 01 | SER | P04 | 380000.00 | -201000.00 | DKK |
| 01 | TIL | P04 | 330000.00 | -217000.00 | DKK |
| 01 | OVR | P04 | 200000.00 | -136000.00 | DKK |
| 01 | RES | P05 | 1240000.00 | -736000.00 | DKK |
| 01 | MAS | P05 | 1650000.00 | -1319000.00 | DKK |
| 01 | SER | P05 | 420000.00 | -209000.00 | DKK |
| 01 | TIL | P05 | 360000.00 | -244000.00 | DKK |
| 01 | OVR | P05 | 230000.00 | -156000.00 | DKK |
| 01 | RES | P06 | 1140000.00 | -686000.00 | DKK |
| 01 | MAS | P06 | 1700000.00 | -1348000.00 | DKK |
| 01 | SER | P06 | 400000.00 | -204000.00 | DKK |
| 01 | TIL | P06 | 350000.00 | -229000.00 | DKK |
| 01 | OVR | P06 | 210000.00 | -141000.00 | DKK |
| 01 | RES | P07 | 950000.00 | -573000.00 | DKK |
| 01 | MAS | P07 | 1250000.00 | -1001000.00 | DKK |
| 01 | SER | P07 | 330000.00 | -164000.00 | DKK |
| 01 | TIL | P07 | 280000.00 | -187000.00 | DKK |
| 01 | OVR | P07 | 190000.00 | -133000.00 | DKK |
| 01 | RES | P08 | 1100000.00 | -667000.00 | DKK |
| 01 | MAS | P08 | 1630000.00 | -1300000.00 | DKK |
| 01 | SER | P08 | 410000.00 | -225000.00 | DKK |
| 01 | TIL | P08 | 340000.00 | -220000.00 | DKK |
| 01 | OVR | P08 | 220000.00 | -151000.00 | DKK |
| 01 | RES | P09 | 1200000.00 | -717000.00 | DKK |
| 01 | MAS | P09 | 1760000.00 | -1415000.00 | DKK |
| 01 | SER | P09 | 440000.00 | -226000.00 | DKK |
| 01 | TIL | P09 | 360000.00 | -237000.00 | DKK |
| 01 | OVR | P09 | 240000.00 | -165000.00 | DKK |
Rækkerne, som de kommer ud af systemet, og man skal rulle for at se dem alle. Dækningsbidraget står der ikke. Det skal man selv regne ud.
2 · Pointen
Service vokser mest: +18 % mod sidste år
Én farve til pointen, grå til resten, og overskriften siger konklusionen.
3 · Rapporten
Pointerne samlet ét sted
Nøgletal øverst, udviklingen i midten og fordelingen nederst. Alle tre dele læser fra den samme model, så tallene stemmer med hinanden og med finans.
Klik på en varegruppe i rapporten for at filtrere nøgletal og kurve. Hold musen over graferne for at se tallene bag.
Viser alle varegrupperVaregruppe: Reservedele Varegruppe: Maskiner Varegruppe: Service Varegruppe: Tilbehør Varegruppe: Øvrigt
- Omsætning, år til dato
- 32,0 mio.7,0 % mod sidste år
- Dækningsbidrag
- 10,0 mio.5,6 % mod sidste år
- Dækningsgrad
- 31,3 %0,4 pt mod sidste år
- Omsætning, år til dato
- 9,8 mio.5,4 % mod sidste år
- Dækningsbidrag
- 3,9 mio.6,0 % mod sidste år
- Dækningsgrad
- 39,8 %0,2 pt mod sidste år
- Omsætning, år til dato
- 13,9 mio.5,3 % mod sidste år
- Dækningsbidrag
- 2,8 mio.3,0 % mod sidste år
- Dækningsgrad
- 20,1 %0,5 pt mod sidste år
- Omsætning, år til dato
- 3,4 mio.17,2 % mod sidste år
- Dækningsbidrag
- 1,7 mio.18,0 % mod sidste år
- Dækningsgrad
- 50,0 %0,3 pt mod sidste år
- Omsætning, år til dato
- 3,0 mio.7,1 % mod sidste år
- Dækningsbidrag
- 1,0 mio.4,0 % mod sidste år
- Dækningsgrad
- 33,3 %3,9 pt mod sidste år
- Omsætning, år til dato
- 1,9 mio.11,8 % mod sidste år
- Dækningsbidrag
- 0,6 mio.1,0 % mod sidste år
- Dækningsgrad
- 31,6 %3,4 pt mod sidste år
AI
AI på jeres data
AI-agenter har ændret, hvordan man kan bygge, og hvad I kan bruge jeres data til. Det er fristende bare at give los, og mange virksomheder er gået i gang, før tankerne var på plads. Derfor får I begge dele her: det nye, og hvordan jeg passer på jeres data.
Brug med omtanke
Tal med jeres data
Når tallene ligger i én model, kan en AI-assistent slå op i den gennem en MCP-server. I stiller et spørgsmål i almindeligt sprog og får svaret fra de samme tal og definitioner som i rapporterne. Jeg sætter det op og rådgiver om, hvordan I bruger det forsvarligt.
Spørgsmål: Hvad er dækningsgraden på Service i år?
Svar: 50,0 %. Det er 0,3 procentpoint over samme periode sidste år.
Agentic coding
Hvor I tillader det, bygger jeg med AI-agenter. De skriver, tester og dokumenterer koden, og jeg styrer retningen og læser efter. Ellers følger jeg jeres processer og bygger uden. Det gælder også Power BI: semantiske modeller og rapporter kan bygges med agenter, og det er en anden disciplin end almindelig Power BI-udvikling. I workshops lærer jeg jeres team at arbejde med agenter.
Sådan passer jeg på jeres data
- Kun hvor I tillader detJeg bruger kun agenter på jeres opgave, når I har sagt ja. Er I ikke gået i gang med AI, følger jeg jeres processer og bygger uden.
- Rådata bliver hos jerAgenten arbejder med kode og tabelstruktur, ikke med jeres rækker. Skal noget testes mod data, kører et script testen og giver kun resultatet videre, eller jeg bruger aggregerede tal. Skal agenten undtagelsesvis se rækker, aftaler vi det først.
- Ingen træning på jeres dataI de AI-tjenester, jeg bruger, er det slået fra, at indholdet må bruges til at træne modeller.
- Jeg har ansvaretAgenten foreslår, og jeg læser alt, før det kommer i drift. Den får ikke adgang til produktion på egen hånd.
- Råd, før I selv går i gangVil I lade en AI-assistent slå op i jeres egne data, skal rettighederne i modellen være i orden først, og det betyder noget, hvilken model og hvilket abonnement I vælger. Det rådgiver jeg om, før vi sætter noget op.
Om mig
Henrik Zacher Molbech
Seniorkonsulent og ejer af aboutData ApS
Jeg er cand.merc.(dat.) fra Aarhus Universitet, en uddannelse i både erhvervsøkonomi og datalogi, og har arbejdet med Microsofts dataplatform siden 2008.
I knap 11 år var jeg hos Inspari: først som BI-arkitekt, siden som teamleder, chef for divisionen Information Platform og R&D Manager. Siden 2019 har jeg haft mit eget firma, aboutData ApS.
I dag bygger jeg dataplatforme til danske virksomheder. Kilden er ofte Business Central eller Dynamics 365, men det er ikke systemet, der afgør opgaven. Det er erfaringen med at få data i spil, så de bliver brugt. Jeg bruger AI-agenter i mit eget udviklingsarbejde og holder workshops i agentic coding for datateams.
Jeg arbejder også sammen med andre konsulenter i mit netværk. Kræver opgaven flere, sætter vi et hold, så I ikke er bundet til én person.
Kompetencer
Det har jeg arbejdet med
Jeg bygger i Microsoft Fabric i dag, og jeg kender de værktøjer, I kommer fra.
Bruger i dagHar brugt
Platform og data
- Microsoft Fabric
- Azure SQL
- SQL Server
- Azure Data Factory
- SSIS (har brugt)
Modeller og rapporter
- Power BI
- Semantiske modeller
- Excel
- SSAS (har brugt)
- SSRS (har brugt)
Sprog og kode
- T-SQL
- Python
- PySpark
- DAX
- Power Query (M)
- VS Code og AI-agenter
- MCP-servere
Azure og drift
- Azure Functions
- Azure Web Apps
- Docker
- Gateways
Kildesystemer
- Business Central
- D365 F&O
- BYOD
- e-conomic
- IPW
- easyTable
Forretningsområder
- Finans
- Salg
- Lager
- Produktion
Arbejdsform
- Rådgivning og arkitektur
- Analyse og kravafklaring
- Udvikling
- Oplæring af jeres medarbejdere
- Workshops
- Sparring om AI i udviklingen
Kontakt
Lad os tale om jeres data
Fortæl kort om jeres forretning, og hvor I gerne vil hen. Så tager vi en uforpligtende snak om, hvordan jeres data kan hjælpe jer derhen.
| felt | værdi |
|---|---|
| hzm@aboutdata.dk | |
| Telefon | 60 61 10 15 |
| Adresse | aboutData ApS Samsøvej 21, 8382 Hinnerup |
| CVR | 40553304 |