Trumpai

Power BI ataskaita gali veikti ir vizualiai atrodyti tvarkingai, tačiau tai nebūtinai užtikrina sukurto sprendimo kokybiškumą. Netinkamai suprojektuotas duomenų modelis, neoptimalūs ryšiai, sudėtingi DAX skaičiavimai ar pertekliniai duomenys gali lemti lėtą veikimą, sudėtingą palaikymą ir didesnius infrastruktūros kaštus.

Iššūkio tikslas – sukurti prototipą, kuris automatiškai analizuotų Power BI sprendimą, įvertintų jo techninę kokybę, identifikuotų galimas našumo ir architektūros problemas bei pateiktų konkrečias rekomendacijos kokybės gerinimui.

Apie įmonę

PRODIVI yra technologijų ir duomenų sprendimų įmonė, padedanti organizacijoms paversti duomenis praktinėmis įžvalgomis, o technologijas – išmatuojama verslo verte. Specializuojamės duomenų analizėje, dirbtiniame intelekte, automatizavime, „Microsoft“ verslo sprendimuose ir saugioje IT infrastruktūroje.

Tai, kas prasidėjo kaip Power BI konsultacijų įmonė Kaune, šiandien yra technologijų partnerė, padedanti organizacijoms visoje Lietuvoje diegti duomenų, AI ir verslo sistemas. Esame įgyvendinę daugiau nei 1500 projektų daugiau nei 1000 klientų. PRODIVI padeda organizacijoms sujungti duomenis, sistemas ir dirbtinį intelektą į vieningą, sprendimais grįstą verslo ekosistemą, didinančią veiklos efektyvumą, saugumą ir pasitikėjimą duomenimis

Poreikis / problema

Šiuo metu Power BI sprendimų kokybė vertinama rankiniu ekspertiniu auditu: specialistas analizuoja duomenų modelį, lenteles, ryšius, duomenų apimtis ir kitus techninius elementus, o problemas identifikuoja remdamasis savo patirtimi ir gerosiomis praktikomis.

Toks vertinimas yra kokybiškas, bet lėtas, sunkiai keičiamas masto atžvilgiu ir priklausantis nuo konkretaus eksperto. Iš praktikos matome, kad dalį dažnai pasikartojančių problemų galima identifikuoti pagal aiškias technines patikras ir gerąsias Power BI kūrimo praktikas – t. y. automatizuoti.

Studentų komandai galėtume suteikti ekspertines žinias, padėti apibrėžti kokybės kriterijus, vertinti prototipo rezultatus ir konsultuoti Power BI technologiniais klausimais.

Galimas sprendimas

Veikiantis prototipas, kuris gali išanalizuoti Power BI sprendimą ir sugeneruoti struktūrizuotą audito ataskaitą su nustatytomis problemomis, jų prioritetais, bendru kokybės įvertinimu ir rekomenduojamais patobulinimais.

Prototipas galėtų:

1. Nuskaityti Power BI sprendimo struktūrą.
2. Automatiškai tikrinti kokybės kriterijus.
3. Klasifikuoti nustatytas problemas pagal jų tipą, svarbą ir galimą poveikį.
4. Suformuoti bendrą sprendimo kokybės įvertinimą ir pateikti konkrečias rekomendacijas.

Įgyvendinimas galėtų atrodyti taip:

1. PBIP/TMDL Power BI projekto nuskaitymą ir techninės struktūros pavertimą analizei tinkamu objektų modeliu;
2. 10–20 konkrečių kokybės taisyklių sukūrimą ir realizavimą, pavyzdžiui:

• nenaudojamų stulpelių nustatymas;
• bidirectional ryšių identifikavimas;
• many-to-many ryšių nustatymas;
• sudėtingų DAX formulių aptikimas;

3. perteklinių ar potencialiai probleminių modelio objektų identifikavimas;
4. priklausomybių tarp Power BI objektų analizę, siekiant nustatyti, kurie objektai yra realiai naudojami ir kokią įtaką jų pakeitimas gali turėti visam sprendimui;
5. pirminio kokybės balo skaičiavimo modelio sukūrimą, pagal kurį skirtingoms problemoms būtų priskiriami svoriai ir rizikos lygiai;
6.  automatinio vertinimo palyginimą su PRODIVI Power BI specialistų ekspertiniu vertinimu ir taisyklių bei svorių koregavimą pagal gautus rezultatus;

Kviečiami studentai

Prioritetinės specialybės: dirbtinis intelektas, programų sistemos, informatikos inžinerija, informatikos sistemos ir taikomoji matematika.