Power BI & Business Intelligence

Home/Power BI & Business Intelligence

Power BI-guider, dashboards och BI-lösningar för företag

Power BI för företag – Från Excel till avancerade dashboards 2026

Power BI för företag: Från Excel till avancerade dashboards

Din Excel-rapport är utmärkt. Men den tar två dagar att uppdatera, kraschar när du öppnar den, och bara du vet hur den fungerar. Det finns ett bättre sätt. Power BI kan automatisera det du gör manuellt och ge dig dashboards som uppdateras i realtid. Här är allt du behöver veta.

På Excel Department har vi hjälpt över 60 svenska företag att implementera Power BI. Vi har sett vilka som lyckas och vilka som misslyckas. Vi har byggt dashboards för allt från små startups till börsnoterade bolag. Den här guiden samlar 15 års erfarenhet till en praktisk handbok för dig som överväger Power BI för ditt företag.

Vad är Power BI och varför svenska företag byter

Microsoft Power BI är en business intelligence-plattform som omvandlar rådata till interaktiva dashboards och rapporter. Där Excel är ett flexibelt kalkylprogram är Power BI specialbyggt för en sak: att hantera stora datamängder från många källor och presentera dem visuellt för många användare samtidigt.

Enkelt uttryckt: Power BI tar dina data (från Excel, databaser, CRM-system, webbapplikationer) och gör dem till dashboards som uppdateras automatiskt.

Varför svenska företag väljer Power BI nu

Vi ser tre tydliga drivkrafter bakom Power BI-adaptionen i Sverige:

1. Datamängderna växer snabbare än Excels kapacitet

För fem år sen hade de flesta företag dataset på några tusen rader. Idag pratar vi miljoner. Excel hanterar max cirka 1 miljon rader teoretiskt, men blir långsam långt innan dess. Power BI klarar 10+ miljoner rader utan problem.

Ett logistikföretag vi arbetade med i Göteborg växte från 50 000 till 2 miljoner transaktioner per år på tre år. Deras Excel-rapporter gick från att ta 30 sekunder att öppna till 15 minuter. Power BI löste problemet på en vecka.

2. Remote work kräver delad tillgång

När alla arbetade på kontoret kunde du skicka Excel-filen via mejl eller lägga den på en delad mapp. Med remote och hybrid work behöver 20 personer i olika städer komma åt samma rapport samtidigt, på laptop och mobil, utan att skapa konflikter.

Power BI publicerar rapporter till molnet. Alla ser samma version, uppdaterad i realtid, med rätt säkerhetsnivå.

3. Beslutstempot ökar

Svenska företag fattar beslut snabbare än någonsin. Du har inte två dagar på dig att uppdatera en rapport manuellt när styrelsen vill se siffror imorgon. Power BI uppdaterar automatiskt varje natt (eller varje timme om du vill).

En CFO på ett tillväxtbolag i Stockholm sa det så här: “Förut tittade vi på förra månadens siffror. Med Power BI tittar vi på gårdagens.”

När Power BI inte är rätt val

Power BI är inte alltid svaret. Om du redan läst vår artikel om Power BI vs Excel vet du att Excel fortfarande är bättre för:

  • Dataset under 100 000 rader
  • Budgetar och prognoser med komplexa antaganden
  • Ad hoc-analyser som görs en gång
  • Situationer där extrem flexibilitet behövs
  • Team utan BI-vana som behöver starta snabbt

Sanningen: De flesta organisationer använder båda. Excel för detaljarbete och budgetering, Power BI för återkommande rapportering och dashboards.

Power BI Desktop vs Power BI Service – Skillnaden

Microsoft har (förvirrande nog) två olika saker som heter Power BI:

Power BI Desktop är ett gratisprogram du laddar ner till din dator. Här bygger du rapporter, ansluter datakällor och designar dashboards. Tänk på det som Power BI:s “utvecklingsverktyg”.

Power BI Service är molntjänsten (app.powerbi.com) där du publicerar och delar rapporter. Här öppnar användare dina dashboards, sätter upp automatiska uppdateringar och administrerar säkerhet. Tänk på det som Power BI:s “produktionsmiljö”.

Flödet ser ut så här: 1. Du bygger en rapport i Power BI Desktop 2. Du publicerar den till Power BI Service 3. Användare öppnar rapporten i Power BI Service (via webbläsare eller mobilapp) 4. Rapporten uppdateras automatiskt från dina datakällor

Power BI Desktop är gratis. Power BI Service kräver licenser (mer om det nedan).

Kostnader och licensmodeller 2026

Det här är frågan vi får oftast: vad kostar det egentligen?

Licenskostnader

Power BI Desktop: Gratis – Ladda ner och använd utan kostnad – Full funktionalitet för att skapa rapporter – Begränsning: kan inte publicera eller dela med andra

Power BI Pro: 70 kr/användare/månad – För att publicera rapporter till molnet – För att dela med andra användare – För att konsumera innehåll andra delat – Både skapare och läsare behöver Pro

Power BI Premium Per User (PPU): 150 kr/användare/månad – Allt i Pro, plus: – AI-funktioner – Större datamodeller – Mer frekventa uppdateringar – Paginated rapporter

Power BI Premium Per Capacity: 38 000 kr/månad – För organisationer med många läsare – Obegränsat antal läsare utan egna licenser – Skapare behöver fortfarande Pro – Lönsamt vid ~250+ användare

Verklig totalkostnad (TCO)

Licenserna är bara en del. Här är hela bilden:

Initial implementation: – Konsulthjälp för uppsättning: 50 000 – 200 000 kr – Utbildning för team (2-3 dagar): 15 000 – 30 000 kr per person – Datakällintegration: 20 – 80 timmar internt arbete

Löpande kostnader: – Licenser: 70 – 150 kr/användare/månad – Underhåll: 5 – 15 timmar/månad för uppdateringar och support – Vidareutveckling: 10 – 30 timmar/månad för nya rapporter

ROI-exempel från verklig kund:

Ett företag med 80 anställda ersatte 12 Excel-rapporter som uppdaterades manuellt varje vecka:

Före Power BI: – Manuellt arbete: 35 timmar/månad – Kostnad vid 500 kr/timme: 17 500 kr/månad

Efter Power BI: – Licenser: 15 Pro-licenser = 1 050 kr/månad – Underhåll: 8 timmar/månad = 4 000 kr/månad – Total löpande kostnad: 5 050 kr/månad

Besparing: 12 450 kr/månad = 149 400 kr/år

Med initialkostnad på 120 000 kr var payback efter 10 månader.

Vill du räkna på din egen situation? Kontakta oss för en gratis ROI-kalkyl.

Implementation steg för steg

Vi har implementerat Power BI för 60+ företag. Här är processen som fungerar:

Fas 1: Kartläggning och strategi (Vecka 1-2)

Vad ni gör: – Inventera alla Excel-rapporter som uppdateras regelbundet – Identifiera datakällor (databaser, Excel, CRM, ekonomisystem) – Lista vilka användare som behöver vilka rapporter – Definiera vad som ska mätas (KPI:er)

Output: – Prioriterad lista på rapporter att migrera – Dokumenterade datakällor och ägare – Användarmatris (vem behöver vad) – Beslut om licensmodell

Vanligt misstag: Att vilja migrera allt på en gång. Börja med 1-2 rapporter.

Fas 2: Pilotrapport (Vecka 3-5)

Vad ni gör: – Välj en viktig men inte verksamhetskritisk rapport – Anslut datakällor i Power BI Desktop – Bygg datamodell (relationer mellan tabeller) – Skapa visualiseringar – Publicera till Power BI Service – Testa med 3-5 användare

Output: – En fungerande Power BI-rapport – Erfarenhet av hela processen – Validerade siffror (jämfört med Excel) – Användarfeedback

Vår guide Migrera från Excel till Power BI: Steg-för-steg går djupare in på denna fas.

Fas 3: Utbildning (Vecka 5-6)

För rapportutvecklare (2-3 dagar): – Power BI Desktop-grunderna – Datakällintegration och Power Query – Datamodellering och relationer – DAX-formler (Power BI:s formelspråk) – Best practices för prestanda

För rapportläsare (30-60 minuter): – Hur man navigerar Power BI Service – Filtrering och interaktion – Export till Excel och PowerPoint – Mobil-app

Tips: Utbilda inte för mycket i förväg. Vänta tills ni har en pilotrapport att öva på.

Fas 4: Skalning (Vecka 7-12)

Vad ni gör: – Migrera nästa 3-5 rapporter – Etablera best practices och mallar – Sätt upp säkerhetsstrukturer – Implementera automatiska uppdateringar – Dokumentera lösningar

Output: – 5-10 produktionsrapporter – Internt team som kan bygga nya rapporter – Dokumentation och mallar – Etablerad process för nya rapporter

Fas 5: Optimering och vidareutveckling (Löpande)

Vad ni gör: – Övervaka prestanda och användning – Optimera långsamma rapporter – Lyssna på användarfeedback – Bygga nya rapporter efter behov – Uppdatera när datakällor ändras

Rekommendation: Avsätt 10-20 timmar/månad för underhåll och vidareutveckling.

Vår guide Power BI implementation: Guide för svenska företag ger en komplett projektplan.

Vanliga use cases per bransch

Power BI används olika beroende på bransch. Här är vad vi sett fungera:

Tillverkningsindustri

Vanliga dashboards: – Produktionsuppföljning (OEE, stillestånd, genomströmning) – Kvalitetsmätning (fel per miljon, reklamationer) – Lageroptimering (lageromsättning, kapitalbindning) – Leverantörsuppföljning (leveransprecision, kvalitet)

Datakällor: ERP-system (SAP, IFS), produktionssystem (MES), Excel-filer från verkstaden

ROI-drivare: Minskade driftstopp, snabbare problemidentifiering, optimerat lager

E-handel och retail

Vanliga dashboards: – Försäljningsuppföljning (dagliga intäkter, konvertering, AOV) – Kampanjanalys (ROAS, kundanskaffningskostnad) – Lagerhantering (snabbsäljare, död lagervara) – Kundanalys (LTV, segmentering, retention)

Datakällor: E-handelsplattform (Shopify, WooCommerce), Google Analytics, Facebook Ads, ekonomisystem

ROI-drivare: Bättre kampanjbeslut, optimerad lagerhållning, ökad konvertering

Ekonomi och finans

Vanliga dashboards: – Likviditetsuppföljning (kassaflöde, prognoser) – Kostnadsanalys (avvikelser mot budget, kostnadsdrivare) – Lönsamhet per projekt/kund/produkt – Nyckeltal (soliditet, likviditet, lönsamhet)

Datakällor: Ekonomisystem (Fortnox, Visma), bankkonton, Excel-budgetar

ROI-drivare: Snabbare månadsavslut, bättre prognoser, identifiering av olönsamma områden

Läs mer: 5 Power BI-dashboards varje CFO behöver

Logistik och transport

Vanliga dashboards: – Leveransprestanda (leveransprecision, förseningar) – Fordonseffektivitet (fyllnadsgrad, tomkörning) – Kostnadsuppföljning (kostnad per leverans, bränsle) – Kundservice (svarstider, reklamationer)

Datakällor: TMS (transporthanteringssystem), GPS-tracking, ekonomisystem

ROI-drivare: Optimerade rutter, minskade tomkörningar, förbättrad kundnöjdhet

HR och personalavdelningar

Vanliga dashboards: – Personalomsättning (avgångar, anställningstid, avgångsskäl) – Rekrytering (time-to-hire, kostnad per rekrytering) – Frånvaro (sjukfrånvaro per avdelning/månad) – Kompetensutveckling (genomförda utbildningar, kompetensmatris)

Datakällor: HR-system, Workday, Excel-filer

ROI-drivare: Minskad personalomsättning, snabbare rekrytering, proaktiv frånvarohantering

Power BI Desktop vs Power BI Service vs On-Premises

Det finns faktiskt tre olika deploymentmodeller för Power BI:

Power BI Service (Molnbaserat) – Rekommenderat för 95 % av företag – Enklast att komma igång – Automatiska uppdateringar – Mobil-appar ingår – Microsoft hanterar infrastruktur – Kräver internetuppkoppling för rapportåtkomst

Power BI Report Server (On-Premises) – För företag med strikta datasäkerhetskrav – Data lämnar aldrig företagets nätverk – Full kontroll över infrastruktur – Fungerar utan internetanslutning – Kräver egen serverinfrastruktur – Färre funktioner än molnversionen – Ingår i Power BI Premium eller SQL Server Enterprise

Hybrid-modell – Bäst av båda världar – Känslig data i on-premises – Övrig data i molnet – Mer komplext att administrera – Högre totalkostnad

Rekommendation: Starta med Power BI Service. 95 % av svenska företag har inga datasäkerhetskrav som motiverar on-premises. Microsofts molnsäkerhet är i praktiken bättre än de flesta företags egna servrar.

Om du arbetar inom bank, försäkring, försvar eller hanterar patientdata: prata med oss om on-premises-alternativ.

Datakällanslutningar och integration

En av Power BI:s största styrkor är förmågan att ansluta till nästan allt. Här är de vanligaste i svenska företag:

Excel och CSV-filer

Hur: Import från OneDrive, SharePoint eller lokal fil Best practice: Lägg Excel-filer på SharePoint för automatiska uppdateringar Begränsning: Filen måste ha konsekventa kolumner

SQL Server och Azure SQL

Hur: DirectQuery eller Import-mode Best practice: DirectQuery för stora databaser, Import för prestanda Tips: Skapa dedikerade vyer för Power BI istället för att fråga produktionstabeller direkt

Vår guide Power BI-koppling till SQL Server och Access går på djupet om databasanslutningar.

Microsoft 365 (SharePoint, Excel, OneDrive)

Hur: Native-anslutning, autentisering via organisationskonto Best practice: Använd SharePoint-listor för master data som ofta ändras Tips: Power BI kan läsa Excel-filer direkt från SharePoint-mappar

Ekonomisystem (Fortnox, Visma, Hogia)

Hur: API-anslutning eller export till Excel/SQL Best practice: Automatisera export till SharePoint, anslut Power BI därifrån Begränsning: Många svenska ekonomisystem saknar native Power BI-koppling

CRM-system (Salesforce, HubSpot, Microsoft Dynamics)

Hur: Native-kopplingen i Power BI Best practice: Importera data nattetid för bästa prestanda Tips: Filtrera data i Power Query för att bara hämta relevant information

Google Analytics och Facebook Ads

Hur: Genom tredjepartskopplingar eller API Best practice: Koppla via Supermetrics eller liknande tjänst Alternativ: Export till Google Sheets, importera därifrån

Custom-system och API:er

Hur: Web-anslutning i Power Query med API-endpoints Kompetens: Kräver teknisk kunskap om API:er och autentisering Tips: Kontakta oss för hjälp med custom-integrationer

Säkerhet och datahantering

Svenska företag tar datasäkerhet på allvar, som de ska. Här är vad du behöver veta om Power BI:s säkerhet:

Dataskydd enligt GDPR

Power BI följer GDPR och all data lagras inom EU för europeiska kunder. Microsoft är databehandlare, ditt företag är personuppgiftsansvarig.

Du behöver: – Databehandlaravtal med Microsoft (ingår i avtalet) – Dokumentera vilka personuppgier som behandlas – Implementera säkerhet på radnivå om flera användare delar rapporter

Säkerhet på radnivå (RLS)

Med RLS visar samma rapport olika data till olika användare. Exempel:

  • Säljchefen ser hela landet
  • Regionchefen ser sin region
  • Säljaren ser bara sina egna kunder

Detta konfigureras i Power BI Desktop genom DAX-filter och användargrupptillhörighet.

Arbetsytor och behörigheter

Power BI organiserar innehåll i arbetsytor med fyra behörighetsnivåer:

  1. Admin: Full kontroll
  2. Member: Kan publicera och redigera innehåll
  3. Contributor: Kan publicera men inte hantera arbetsytan
  4. Viewer: Kan bara läsa innehåll

Best practice: Skapa separata arbetsytor för utveckling och produktion.

Känslig data och on-premises

Om data inte får lämna företaget finns Power BI Report Server som körs i er egen infrastruktur. Det kräver mer IT-arbete men ger total kontroll.

Vanliga misstag att undvika

Vi har sett nästan alla misstag som går att göra. Här är de vanligaste:

Misstag 1: Börja med den mest komplexa rapporten

Varför det misslyckas: Du lär dig verktyget samtidigt som du bygger kritiska system. När problem uppstår har du inte grunderna på plats.

Gör istället: Välj en viktig men enkel rapport först. Lär dig verktyget. Tackla sedan komplexiteten.

Misstag 2: Kopiera Excel-layout

Varför det misslyckas: Power BI är inte Excel. Att försöka återskapa exakt samma layout missar poängen med interaktiva visuella objekt.

Gör istället: Tänk om designen. Använd Power BI:s styrkor: klickbara grafer, drill-down, cross-filtering.

Misstag 3: Ingen datamodell

Varför det misslyckas: Att importera flat filer utan relationer ger långsamma, krångliga rapporter.

Gör istället: Lär dig datamodellering. Skapa fakta- och dimensionstabeller. Etablera relationer. Det tar extra tid i början men sparar veckor senare.

Misstag 4: Ignorera Power Query

Varför det misslyckas: Du gör datatransformationer i DAX eller försöker fixa data i källsystemet istället.

Gör istället: Power Query är där data rensas och transformeras. Lär dig det ordentligt. Det är halva Power BI:s kraft.

Misstag 5: Ingen utbildning för användare

Varför det misslyckas: Du bygger fantastiska dashboards som ingen använder för att de inte förstår hur.

Gör istället: 30 minuters genomgång för varje nytt dashboard. Visa hur man filtrerar, klickar, exporterar.

Misstag 6: För många visuella objekt per sida

Varför det misslyckas: Överlastad sida som är långsam och förvirrande.

Gör istället: Max 6-8 visuella objekt per sida. Skapa flera sidor om du behöver visa mer. Less is more.

När du bör anlita en Power BI-konsult

Du kan lära dig Power BI själv. Microsoft har utmärkt dokumentation och det finns tusentals tutorials. Men det finns situationer där konsulthjälp lönar sig:

Du bör anlita konsult om:

1. Du behöver resultat snabbt Att lära sig Power BI ordentligt tar 2-3 månader. En konsult levererar på veckor.

2. Din datamodell är komplex Många datakällor, komplexa relationer, avancerade beräkningar – det kräver erfarenhet att bygga rätt från början.

3. Du vill undvika vanliga misstag Vi har gjort alla misstag åt dig redan. Du får en lösning som följer best practices från dag ett.

4. Du behöver utbilda ett team Skräddarsydd utbildning på er egen data är 10 gånger mer värd än generiska online-kurser.

5. Integration är komplicerad Custom API:er, legacy-system, komplexa säkerhetskrav – det löser sig snabbare med någon som gjort det förut.

Vad Excel Department kan göra för dig

Vi har arbetat med Power BI sedan 2015 och implementerat lösningar för 60+ svenska företag. Vi kan:

Power BI-konsultation: – Strategi och kartläggning – Utveckling av rapporter och dashboards – Datamodellering och integration – Performance-optimering – Säkerhetsimplementering

Utbildning: – Skräddarsydda kurser för er organisation – Från grundnivå till avancerad DAX – Praktiskt arbete med er egen data – Dokumentation och mallar

Löpande support: – Månadsavtal för underhåll och vidareutveckling – Hjälp när datakällor ändras – Snabb respons vid problem

Första steget: Boka vår kostnadsfria konsultation (30 min) där vi diskuterar era behov och ger ärlig rekommendation.

Nästa steg – Kom igång med Power BI

Du har nu grunden du behöver för att fatta ett informerat beslut om Power BI. Här är dina nästa steg:

Steg 1: Utvärdera era behov (Denna vecka)

Frågor att svara på: – Vilka rapporter uppdateras manuellt regelbundet? – Hur mycket tid läggs på manuell rapportering? – Vilka datakällor har ni? – Hur många användare behöver rapporterna? – Vad är era viktigaste KPI:er?

Steg 2: Testa Power BI Desktop (Nästa vecka)

Vad du gör: – Ladda ner Power BI Desktop (gratis) – Importera en enkel Excel-fil – Skapa några visualiseringar – Utforska interaktiviteten – Känn på verktyget själv

Steg 3: Läs fördjupningsguider (Vecka 2-3)

Rekommenderade artiklar:Migrera från Excel till Power BI: Steg-för-steg – Detaljerad migreringsplan – 5 Power BI-dashboards varje CFO behöver – Use cases för ekonomi – Power BI-koppling till SQL Server och Access – Databasintegration – Power BI implementation: Guide för svenska företag – Projektplan – Kundcase: Power BI-dashboard sparade 15 timmar per vecka – Verkligt exempel

Steg 4: Besluta och planera (Vecka 3-4)

Om du bestämmer dig för Power BI: – Välj licensmodell (Pro eller Premium) – Identifiera pilotrapport – Bestäm om ni bygger själva eller anlitar konsult – Skapa projektplan

Om ni behöver hjälp: Kontakta Excel Department för kostnadsfri konsultation.

Steg 5: Börja smått, skala snabbt

Rekommenderad approach: – Vecka 1-2: Pilotrapport – Vecka 3-4: Validera och justera – Vecka 5-6: Utbildning och dokumentation – Vecka 7+: Skala till fler rapporter

Kom ihåg: Det viktiga är att komma igång, inte att allt ska vara perfekt från dag ett.

Slutsats

Power BI är inte en ersättning för Excel. Det är ett komplement som löser problem Excel inte är byggt för: stora datamängder, automatisk rapportering, delning till många användare, och interaktiva dashboards.

Power BI passar dig om: – Du har >100 000 rader data – Du spenderar >10 timmar/månad på manuell rapportering – Fler än 10 personer behöver samma rapporter – Du kombinerar data från flera källor – Du vill ha dashboards som uppdateras automatiskt

Excel är fortfarande bättre för: – Budgetar och prognoser – Ad hoc-analyser – Små dataset – Situationer där extrem flexibilitet behövs

På Excel Department hjälper vi svenska företag välja rätt verktyg och implementera rätt lösning. Vi är inte säljare av licenser – vi är oberoende konsulter som ser till att ni får värde av er investering.

Redo att ta nästa steg?

  1. Ladda ner Power BI Desktop och testa själv
  2. Läs våra fördjupningsguider (länkade ovan)
  3. Boka gratis konsultation (30 min) för att diskutera er situation

Kontakta Excel Department:Adress: Slottsbacken 8, 111 30 Stockholm – Telefon: 010-264 20 20E-post: info@exceldepartment.seGoogle-betyg: 5.0/5 (26 recensioner)

Vi ser fram emot att hjälpa er navigera resan från Excel till Power BI.


Vanliga frågor om Power BI

Är Power BI svårt att lära sig?

Att läsa Power BI-rapporter är enkelt – 30 minuters introduktion räcker. Att skapa rapporter kräver 2-5 dagars träning och 2-3 månaders praktisk erfarenhet för att bli produktiv. Det är betydligt svårare än Excel men enklare än traditionell programmering. På Excel Department erbjuder vi skräddarsydda Power BI-kurser för svenska företag.

Vad kostar Power BI för ett företag med 50 anställda?

Om 5 personer skapar rapporter och 45 läser dem: 50 × 70 kr (Pro) = 3 500 kr/månad i licenser. Lägg till 50 000-120 000 kr för initial implementation och 5 000-10 000 kr/månad för underhåll. Total första året: cirka 150 000-220 000 kr. ROI uppnås typiskt inom 6-12 månader genom tidsbesparing på manuell rapportering.

Kan Power BI ersätta Excel helt?

Nej, och det ska det inte heller. Power BI är byggt för business intelligence: dashboards, stora datamängder, automatisk rapportering. Excel är fortfarande bättre för budgetar, prognoser, ad hoc-analyser och detaljarbete. De flesta organisationer använder båda. Läs vår guide Power BI vs Excel för komplett jämförelse.

Fungerar Power BI med svenska ekonomisystem som Fortnox och Visma?

Ja, men ofta indirekt. De flesta svenska ekonomisystem saknar native Power BI-koppling. Lösningen är att exportera data till Excel/SQL eller använda API:er. Vi på Excel Department har byggt integrationer till alla större svenska ekonomisystem och kan hjälpa er sätta upp automatisk dataöverföring.

Måste vi ha IT-avdelning för att använda Power BI?

Nej. Power BI Service är en molntjänst som Microsoft hanterar. Ni behöver ingen egen serverinfrastruktur. För grundläggande användning räcker det med någon som lär sig Power BI Desktop. För större organisationer eller komplexa integrationskrav rekommenderar vi IT-stöd för säkerhet och arkitektur. Vi kan också fungera som extern Power BI-avdelning åt er.

Hur ofta kan Power BI uppdatera data?

Med Power BI Pro: 8 gånger per dag. Med Power BI Premium: varje timme eller till och med varje 15:e minut. För realtidsdata finns DirectQuery som läser direkt från databasen vid varje rapportöppning. De flesta företag uppdaterar 1-4 gånger per dag, ofta nattetid.

Är Power BI säkert för känsliga företagsdata?

Ja. Power BI följer GDPR och lagrar europeiska kunders data inom EU. Microsoft har säkerhetscertifieringar som ISO 27001, SOC 2 och mer. Du kan implementera säkerhet på radnivå så olika användare ser olika data. För extremt känslig data som inte får lämna företaget finns Power BI Report Server (on-premises). Vi hjälper er sätta upp rätt säkerhetsnivå för era behov.


Schema.org JSON-LD

{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "Power BI för företag: Från Excel till avancerade dashboards",
  "description": "Komplett guide till Power BI för svenska företag. Implementation, kostnader, ROI och praktiska use cases från Excel Department.",
  "image": "https://exceldepartment.com/images/power-bi-foretag-hero.jpg",
  "author": {
    "@type": "Person",
    "name": "Lukas Lilja",
    "jobTitle": "Power BI & Excel-konsult",
    "worksFor": {
      "@type": "Organization",
      "name": "Excel Department"
    }
  },
  "publisher": {
    "@type": "Organization",
    "name": "Excel Department",
    "logo": {
      "@type": "ImageObject",
      "url": "https://www.exceldepartment.se/logo.png"
    }
  },
  "datePublished": "2026-01-30",
  "dateModified": "2026-01-30",
  "mainEntityOfPage": {
    "@type": "WebPage",
    "@id": "https://exceldepartment.com/power-bi-for-foretag/"
  },
  "articleSection": "Business Intelligence",
  "keywords": ["power bi för företag", "power bi implementation", "power bi konsult", "business intelligence"],
  "inLanguage": "sv-SE",
  "wordCount": 2650
}

Kundcase: Power BI-dashboard sparade 15 timmar per vecka

Kundcase: Power BI-dashboard sparade 15 timmar per vecka

Ett medelstort logistikföretag i Stockholm spenderade 60 timmar varje månad på att uppdatera Excel-rapporter manuellt. Tre månader efter Power BI-implementation var den tiden nere på 8 timmar. Här är hela historien.

Obs: Företagsnamn och vissa detaljer är anonymiserade av sekretesskäl, men alla siffror och resultat är verkliga.

Företaget: Logistikföretag med 80 anställda

Bransch: Transport och logistik Anställda: 80 personer Omsättning: Cirka 120 miljoner kr/år Område: Stockholmsregionen System: Fortnox (ekonomi), eget TMS (transporthanteringssystem), Excel för rapportering

Kontaktperson: Emma Larsson, Controller (intervjuad mars 2025)

Utmaningen: Drunknade i Excel-rapporter

När Emma kontaktade oss i november 2024 beskrev hon situationen så här:

“Varje månadsskifte är kaos. Vi har 12 olika Excel-rapporter som måste uppdateras. Jag och två kollegor spenderar hela första veckan på att exportera data från Fortnox och vårt transportsystem, kopiera in i Excel-mallar, uppdatera pivottabeller, och skicka ut till olika mottagare. Det tar 15 timmar per person och vecka. Det är 60 timmar totalt per månad på något som borde vara automatiskt.”

Konkreta problem:

1. Manuellt datahämtning – Export från Fortnox till Excel (30 minuter) – Export från TMS till CSV, importera till Excel (45 minuter) – Kopiera data till rätt flikar i rapportmallarna (1-2 timmar)

2. Felrisk “I mars kopierade jag data från fel månad. Rapporten till styrelsen visade februari-siffror när de trodde det var mars. Pinsamt och farligt.”

3. Flera versioner cirkulerar “VD:n skickar rapporten vidare till styrelsen. Samtidigt har jag skickat en uppdaterad version till CFO:n. Nu finns två versioner med olika siffror i omlopp. Vilket är rätt?”

4. Ingen realtidsdata “När VD:n ringer och frågar ‘Hur går försäljningen denna månad?’ kan jag inte svara förrän månadsskiftet. Jag har ingen aktuell data.”

5. Personberoende “Bara jag och en kollega vet hur alla rapporter fungerar. När vi var sjuka samtidigt i februari stod allt stilla.”

Affärspåverkan: – Försenade beslut (inväntar rapporter) – Resurser på fel saker (rapportering istället för analys) – Risk för felaktiga beslut baserat på felaktig data – Stress och övertid vid månadsskifte

Målet: Automatisering och realtidsdata

Vi bokade ett kartläggningsmöte med Emma, CFO:n och VD:n.

Definerade mål:

Primära: 1. Minska manuellt rapporteringsarbete från 60 till <10 timmar/månad 2. Säkerställa att alla ser samma siffror (single source of truth) 3. Ge ledningen tillgång till aktuella siffror dagligen

Sekundära: 4. Snabbare månadsavslut (från 5 dagar till 2 dagar) 5. Möjlighet för VD och säljchefer att se data på mobilen 6. Frigöra tid för analys istället för rapportframställning

Framgångsmått: – 80 % tidsbesparing på rapportering – 90 % av ledningsgruppen använder dashboards veckovis – Noll rapporter med “fel version”-problem – Payback inom 12 månader

Lösningen: 3 Power BI-dashboards

Efter kartläggning identifierade vi att de 12 Excel-rapporterna kunde ersättas med 3 Power BI-dashboards:

Dashboard 1: Ekonomiöversikt (för CFO och controller)

Innehåll: – Omsättning (månad, YTD, jämfört med föregående år och budget) – Kostnader uppdelat på kostnadscenter – Bruttomarginal per tjänst – Likviditet och kassaflöde – Kundfordringar och leverantörsskulder

Datakällor: – Fortnox (via API-export till SharePoint varje natt) – Excel-budgetfil på SharePoint

Uppdateringsfrekvens: Dagligen kl 06:00

Dashboard 2: Verksamhetsdashboard (för VD och ledningsgrupp)

Innehåll: – Omsättning och vinst (kort översikt) – Antal leveranser per dag/vecka/månad – Leveransprecision (andel i tid) – Top 10 kunder (omsättning och marginal) – Personalomsättning och sjukfrånvaro

Datakällor: – Fortnox (ekonomi) – TMS (leveransdata) – Excel (HR-data, uppdateras manuellt månadsvis)

Uppdateringsfrekvens: Dagligen kl 06:00

Dashboard 3: Säljdashboard (för säljteam)

Innehåll: – Offertstatistik (antal, värde, konvertering) – Försäljning per säljare och region – Nya kunder vs befintliga kunder – Pipeline (offerterade men ej vunna affärer)

Datakällor: – TMS (offerter och försäljning) – Excel (pipeline uppdateras av säljare varje vecka)

Uppdateringsfrekvens: Dagligen kl 06:00

Implementationen: 10 veckor från start till full drift

Vecka 1-2: Kartläggning och design – Workshop med nyckelpersoner – Inventerade befintliga rapporter – Designade de tre dashboards på papper – Godkännande från stakeholders

Vecka 3-4: Datakällanslutning och pilot – Installerade Power BI Gateway på server – Anslöt Fortnox via export till SharePoint – Anslöt TMS via CSV-export (automatiserad med PowerShell-script) – Byggde första dashboarden (Ekonomiöversikt)

Vecka 5: Validering Emma och hennes kollega validerade alla siffror mot befintliga Excel-rapporter.

“Vi hittade några avvikelser första gången. Det visade sig att Excel-rapporten faktiskt hade räknat fel i två år. Power BI räknade rätt. Det var en aha-upplevelse.”

Vecka 6-7: Bygg övriga dashboards – Verksamhetsdashboard – Säljdashboard – Formatering enligt företagets grafiska profil

Vecka 8: Utbildning – 2-timmars workshop för hela ledningsgruppen – 1-timme för säljteamet – 4-timmars teknisk utbildning för Emma och en kollega (de ska kunna göra mindre justeringar själva)

Vecka 9: Pilotperiod – Körde parallellt med Excel i 2 veckor – Power BI + gamla Excel-rapporterna – Samlade feedback, gjorde små justeringar

Vecka 10: Lansering – Avvecklade Excel-rapporterna – Power BI blev officiell källa – Länk till dashboards på företagets intranätsida

Resultat: 52 timmar sparade per månad

Tre månader efter lansering mätte vi resultat:

Tidsbesparing

Före Power BI: – Emma: 15 timmar/månad på rapportering – Kollega 1: 15 timmar/månad – Kollega 2: 30 timmar/månad (ansvarig för fler rapporter) – Total: 60 timmar/månad

Efter Power BI: – Emma: 3 timmar/månad (uppdatera HR-data, kvalitetskontroll) – Kollega 1: 2 timmar/månad (kvalitetskontroll) – Kollega 2: 3 timmar/månad (uppdatera pipeline-data) – Total: 8 timmar/månad

Besparing: 52 timmar/månad = 624 timmar/år

Vid 500 kr/timme i lönekostnad: 312 000 kr/år i besparingar.

Snabbare månadsavslut

Före: 5 arbetsdagar från månadsskifte till färdiga rapporter Efter: 2 arbetsdagar (många rapporter uppdateras automatiskt dag 1)

Affärsnytta: Ledningen fattar beslut 3 dagar tidigare.

Användaradoption

Mätning efter 3 månader: – 10/10 ledningsgruppsmedlemmar öppnar dashboards minst veckovis – 8/10 säljare använder säljdashboard dagligen – 25 av 80 anställda har fått tillgång och använder dashboards

“VD:n kollar dashboarden på mobilen varje morgon. Han ringer inte längre och frågar om siffror – han ser dem själv.” — Emma

Förbättrad datakvalitet

Före: Olika rapporter visade ibland olika siffror (beroende på när data exporterades och vilken version av mall som användes).

Efter: Alla ser samma siffror från samma källa.

“Det har höjt förtroendet enormt. Förut tvivlade folk på siffrorna. Nu litar de på dashboarden.” — CFO

Oväntade fördelar

1. Bättre insikter > “Vi såg i lönsamhetsdashboarden att vi hade tre stora kunder med marginal under 5 %. Det visste vi inte tidigare. Vi omförhandlade kontrakt och ökade marginalen till 15 %. Det är direkt intjänade pengar tack vare Power BI.” — VD

Uppskattat värde: 200 000 kr/år i ökad marginal.

2. Snabbare svar till styrelse Styrelseordföranden kan logga in och se aktuella siffror när som helst. Färre frågor till ledningen.

3. Recruiting-fördel > “När vi rekryterar ny controller visar vi Power BI-miljön. Folk blir imponerade. Det signalerar att vi är moderna och datadrivna.” — Emma

Kostnad och ROI

Total projektinvestering:

Excel Department-konsulttjänster: – Kartläggning och design: 30 000 kr – Implementation (10 veckor): 90 000 kr – Utbildning: 25 000 kr – Totalt konsult: 145 000 kr

Internt arbete: – Emmas tid (25 % i 10 veckor): cirka 55 000 kr – IT-tid (Gateway-setup, support): cirka 20 000 kr – Totalt internt: 75 000 kr

Licenser (år 1): – Power BI Pro: 25 användare × 70 kr/mån × 12 = 21 000 kr – Gateway: Körs på befintlig server (0 kr extra) – Totalt licenser: 21 000 kr

Total kostnad år 1: 145 000 + 75 000 + 21 000 = 241 000 kr

Besparingar år 1: – Tidsbesparing: 312 000 kr – Ökad marginal: 200 000 kr (uppskattat) – Totala besparingar: 512 000 kr

Netto år 1: 512 000 – 241 000 = 271 000 kr

ROI: (512 000 – 241 000) / 241 000 = 112 %

Payback: 241 000 / 512 000 × 12 månader = 5,6 månader

År 2 och framåt: – Löpande kostnad: 21 000 kr (licenser) + 40 000 kr (underhåll 5 tim/månad) = 61 000 kr/år – Löpande besparing: 512 000 kr/år – Netto: 451 000 kr/år

Lärdomar: Vad som fungerade och vad som var utmanande

Vad som fungerade

1. Pilotperiod med parallellkörning Att köra Power BI och Excel samtidigt i 2 veckor gav användarna trygghet. De kunde jämföra och verifiera själva.

2. Ledningens engagemang VD:n var med på kickoff och använde dashboarden från dag ett. Det satte signalen att “detta är viktigt”.

3. Enkel första version Vi fokuserade på att ersätta befintliga rapporter, inte bygga avancerade funktioner. Det gav snabba resultat.

4. Utbildning för alla Inte bara Emma lärde sig Power BI. Hela ledningsgruppen fick utbildning i hur man läser dashboards.

Utmaningar

1. TMS-integration Transportsystemet hade ingen direktanslutning. Vi fick bygga en automatiserad CSV-export med PowerShell-script. Tog 2 veckor extra.

Lösning: Acceptera att inte alla system har perfekt integration. Workarounds fungerar.

2. Motståndet från en säljare En erfaren säljare vägrade använda det nya systemet. “Jag har gjort så här i 15 år.”

Lösning: VD:n gjorde det tydligt att alla skulle använda Power BI. Efter en månad anpassade han sig.

3. Inledande förvirring med filter Några användare filtrerade dashboarden och glömde ta bort filtret. De såg då bara del av datan och blev förvirrade.

Lösning: Lade till en textbox högst upp som visar aktiva filter i röd färg. Problem löst.

Vad skulle de gjort annorlunda?

Emma reflekterar:

“Om vi skulle göra om det skulle jag velat starta tidigare. Vi väntade för länge. Varje månad vi väntade var ett månadsskifte av onödigt manuellt arbete. Starta så fort beslutet är fattat.”

“Jag skulle också ha involverat IT tidigare. Vi träffade dem först vecka 3, men Gateway-setup hade kunnat börja vecka 1.”

Vad händer nu?

6 månader efter lansering planerar företaget:

Fas 2 (Q2 2026): – Dashboard för fordonseffektivitet (utnyttjandegrad, tomkörning) – Koppling till GPS-system för realtidsspårning – Prognosdashboard (prediktiv analys för kommande månaders försäljning)

Långsiktig vision: – Hela företaget datadrivet – Alla beslut baserade på aktuell data – Power BI som central del av företagskulturen

“Power BI har förändrat hur vi arbetar. Från reaktivt (vad hände förra månaden?) till proaktivt (vad händer just nu och vad kommer hända?). Det är natt och dag.” — VD

Är det här relevant för ditt företag?

Logistikföretaget i detta case liknar många svenska medelstora företag: – 50-150 anställda – Befintliga affärssystem (ekonomi, verksamhet) – Mycket Excel för rapportering – Tidskrävande manuella processer

Om du känner igen dig kan du förvänta dig liknande resultat.

Nästa steg för dig:

  1. Kartlägg era Excel-rapporter Hur mycket tid läggs på manuell uppdatering?

  2. Räkna på potentiell besparing Timmar × Lönekostnad = Besparingsmöjlighet

  3. Boka en konsultation Vi kan göra en liknande bedömning för ert företag.

Excel Department kan hjälpa dig: – Kartläggning och ROI-kalkyl (gratis initial konsultation) – Implementation (likt detta case) – Utbildning för ert team – Löpande support

Boka gratis konsultation (30 minuter) för att diskutera er situation.

Läs mer:Power BI för företag: Komplett guidePower BI implementation: ProjektplanMigrera från Excel till Power BI5 Power BI-dashboards varje CFO behöver


Kontakta Excel Department:Telefon: 010-264 20 20E-post: info@exceldepartment.seAdress: Slottsbacken 8, 111 30 Stockholm – Google-betyg: 5.0/5 (26 recensioner)

Power BI implementation – Projektplan för svenska företag 2026

Power BI implementation: Projektplan för svenska företag

Du har beslutat att införa Power BI. Nu börjar det riktiga arbetet. Hur säkerställer du att projektet lyckas? Den här guiden ger dig en beprövad 12-veckors projektplan som faktiskt fungerar.

På Excel Department har vi lett 60+ Power BI-implementationer för svenska företag. Vi har sett projekt som tar tre månader och levererar värde från dag ett. Vi har också sett projekt som drar ut i två år och aldrig används. Skillnaden är metodiken. Den här guiden ger dig den metodik som fungerar.

Varför de flesta BI-projekt misslyckas

Innan vi dyker in i lösningen, låt oss prata om problemen.

Gartners forskning visar: 70-80 % av BI-projekt misslyckas eller levererar inte förväntat värde.

Vanliga orsaker vi sett:

1. Big Bang-approach “Vi ska migrera alla 50 rapporter på tre månader!” Resultat: Kaos, missade deadlines, frustrerade användare.

2. IT-drivet istället för affärsdrivet IT bygger vad de tror verksamheten behöver. Verksamheten använder inte det.

3. Ingen utbildning “Power BI är ju enkelt, folk kommer lista ut det.” Resultat: Ingen använder rapporterna.

4. Ingen data governance Olika dashboards visar olika siffror. Ingen vet vilken som är rätt.

5. Perfektionssyndrom “Vi kan inte lansera förrän allt är perfekt.” Resultat: Projektet drar ut på obestämd tid.

Vår metodik undviker alla dessa fallgropar. Iterativ leverans, affärsfokus, utbildning från dag ett, data governance från start.

Projektplan: 12 veckor från beslut till värde

Vi delar upp implementation i sex faser. Varje fas har tydliga leveranser och beslutspunkter.

Fas 1: Kartläggning och strategi (Vecka 1-2)

Syfte: Förstå nuläge, definiera mål, skapa roadmap.

Vecka 1: Nulägesanalys

Aktiviteter:

Workshop med nyckelpersoner (4 timmar): – Vilka rapporter använder ni idag? (Excel, andra system) – Vilka beslut baseras på rapporterna? – Vad fungerar bra? Vad är smärtsamt? – Vilka är era viktigaste KPI:er?

Datakällinventering: – Lista alla system med data (ekonomisystem, CRM, Excel-filer, databaser) – Identifiera dataägare – Dokumentera hur data uppdateras idag – Bedöm datakvalitet

Användarintervjuer (5-10 personer): – CFO, controllers, säljchef, operativ chef – Vilka rapporter behöver de? – Hur fattar de beslut idag? – Vad saknar de?

Output: – Dokumenterad lista på befintliga rapporter – Datakällskarta – Användarnas behov och pain points

Vecka 2: Strategi och prioritering

Aktiviteter:

Definiera framgångsmått: Vad betyder “lyckad implementation”? – Tidsbesparingar? (X timmar/månad) – Snabbare beslut? (Från veckor till dagar) – Bättre insikter? (Hitta X olönsamma kunder) – Användaradoption? (X % använder regelbundet)

Prioritera rapporter: Använd en enkel matris:

Rapport Affärsvärde (1-5) Komplexitet (1-5) Prioritet
Försäljnings-dashboard 5 2 Hög
Likviditetsprognos 5 4 Medel
HR-statistik 2 2 Låg

Välj 1-2 med högt värde och låg komplexitet som pilot.

Definiera roller:Sponsor: VD eller CFO (beslutsmandat, budget) – Projektledare: Driver projektet dagligen – Data champions: 2-3 personer som lär sig Power BI – IT-kontakt: Gateway, säkerhet, infrastruktur – Superusers: 5-10 personer från olika avdelningar

Skapa roadmap:

Månad 1-3: Pilot (1-2 rapporter)
Månad 4-6: Skalning (5-10 rapporter)
Månad 7-12: Vidareutveckling och optimering

Output: – Definierade framgångsmått – Prioriterad rapportlista – Rollmatris med namn – 12-månaders roadmap – Budget och resursplan

Beslutspunkt: Go/No-go för pilot-fas.

Fas 2: Pilot-implementation (Vecka 3-6)

Syfte: Bygga 1-2 rapporter, lära sig verktyget, bevisa värdet.

Vecka 3: Datakällintegration

Aktiviteter:

Anslut pilotrapportens datakällor: – Installera Power BI Gateway om nödvändigt – Konfigurera databasanslutningar – Sätta upp autentisering och säkerhet – Testa uppkoppling

Power Query-transformation: – Rensa och strukturera data – Skapa staging-tabeller om nödvändigt – Dokumentera transformationer – Validera datakvalitet

Tid: 2-3 dagar för en rapport med 2-3 datakällor.

Output: Fungerande dataflöde från källa till Power BI.

Vecka 4: Datamodellering och utveckling

Aktiviteter:

Skapa datamodell: – Definiera fakta- och dimensionstabeller – Etablera relationer – Skapa datumtabell (kritiskt för tidsanalys) – Optimera för prestanda

Utveckla measures (DAX): – Definiera alla KPI:er – Skapa tidsbaserade jämförelser (YTD, föregående år, etc.) – Dokumentera beräkningslogik

Bygg visualiseringar: – Design med användarfeedback – Max 6-8 visuella objekt per sida – Lägg till filter och slicers – Formatera enligt företagets grafiska profil

Tid: 3-5 dagar beroende på komplexitet.

Output: Färdig rapport i Power BI Desktop.

Vecka 5: Test och validering

Kritiskt steg: Rapporten måste visa rätt siffror.

Aktiviteter:

Datavalidering: – Jämför Power BI med befintlig Excel/system rad för rad – Dokumentera avvikelser – Justera beräkningar tills alla siffror matchar – Få godkännande från data-ägare

Användartestning: – 3-5 slutanvändare testar rapporten – Observera hur de interagerar (inte bara fråga) – Samla feedback på layout, funktionalitet, prestandaer – Justera baserat på feedback

Prestanda-test: – Mät laddningstid (ska vara <5 sekunder) – Optimera långsamma visuella objekt – Testa på olika enheter (desktop, tablet, mobil)

Tid: 3-5 dagar.

Output: Validerad rapport klar för publicering.

Vecka 6: Publicering och pilot-lansering

Aktiviteter:

Publicera till Power BI Service: – Skapa dedikerad workspace – Publicera rapport – Konfigurera scheduled refresh – Sätt upp säkerhet och behörigheter

Utbildning för pilot-användare: – 1-timmes workshop per användargrupp – Visa hur man öppnar rapporten – Demonstrera interaktivitet – Dela dokumentation

Övervaka användning: – Power BI Usage Metrics – Samla feedback från användare – Notera frågor och problem – Snabb respons på issue (samma dag)

Tid: 2-3 dagar.

Output: – Publikerad och fungerande rapport – Utbildade användare – Dokumentation (användarguide, teknisk dokumentation)

Beslutspunkt: Pilot lyckad? Fortsätt till skalning. Problem? Justera approach.

Fas 3: Utbildning och kompetensuppbyggnad (Vecka 7-8)

Syfte: Bygga intern kapacitet för att skala.

Vecka 7: Data champion-utbildning

För 2-3 personer som ska bygga rapporter:

Dag 1: Power BI Desktop grundkurs – Ansluta datakällor – Power Query-transformationer – Skapa visualiseringar – Grundläggande DAX

Dag 2: Datamodellering – Fakta vs dimensioner – Relationer och kardinalitet – Star schema best practices – Prestanda-optimering

Dag 3: Avancerad DAX – Time intelligence (YTD, föregående period, etc.) – Kontexthantering (CALCULATE, FILTER) – Vanliga beräkningsmönster – Felsökning

Dag 4: Publicering och administration – Power BI Service-översikt – Scheduled refresh – Säkerhet och RLS – Gateway-konfiguration

Dag 5: Praktisk övning – Bygg en rapport från scratch – Från datakälla till publicerad rapport – Med feedback och coaching

Tid: 5 dagar intensivutbildning.

Output: 2-3 personer kan bygga egna rapporter.

Vecka 8: Organisation och governance

Aktiviteter:

Etablera data governance: – Definiera “single source of truth” för KPI:er – Skapa ordlista för measures (vad betyder “Total försäljning”?) – Dokumentera beräkningslogik – Etablera godkännandeprocess för nya rapporter

Skapa mallar och best practices: – Rapport-templates med företagets grafiska profil – Namngivningskonventioner för measures och kolumner – Dokumentationsmallar – Power Query-templates för vanliga datakällor

Säkerhetsstrategi: – Definiera vilka workspaces som behövs – Rollbaserade behörigheter – Row-level security-strategi – Data klassificering (publik/intern/konfidentiell)

Output: – Governance-dokument – Mallar och templates – Säkerhetsramverk

Fas 4: Skalning (Vecka 9-10)

Syfte: Bygga 5-10 prioriterade rapporter.

Vecka 9-10: Parallell rapportutveckling

Strategi: Olika personer bygger olika rapporter samtidigt.

Exempel-fördelning:Data champion 1: Ekonomidashboards (3 rapporter) – Data champion 2: Säljdashboards (2 rapporter) – Konsult (om anlitad): Komplexa integrationer (2 rapporter)

Daglig standup (15 min): – Vad gjorde jag igår? – Vad gör jag idag? – Blockerare?

Veckovis review: – Visa framsteg för sponsor och stakeholders – Få feedback tidigt – Justera prioriteringar vid behov

Output: 5-10 produktionsklara rapporter.

Fas 5: Organisationslansering (Vecka 11)

Syfte: Rulla ut till hela organisationen.

Vecka 11: Lansering och training

Aktiviteter:

Kommunikationsplan: – E-post till alla användare 1 vecka före lansering – Vad är Power BI? Varför byter vi? – Länkar till rapporter – Boka utbildningssessioner

Utbildning för slutanvändare: – 30-minuters sessioner per avdelning – Visa relevanta rapporter för just dem – Hands-on övning – Frågor och svar

Support-setup: – Dedikerad Teams-kanal för frågor – FAQ-dokument – Snabb respons från data champions (samma dag)

Go-live: – Aktivera alla rapporter samtidigt – Övervaka användning första veckan – Proaktiv uppföljning med avdelningar

Output: Alla användare har tillgång och grundläggande kunskap.

Fas 6: Optimering och vidareutveckling (Vecka 12+)

Syfte: Kontinuerlig förbättring.

Vecka 12: Utvärdering

Mät framgång mot definierade mål: – Tidsbesparing: Hur mycket tid sparas på manuell rapportering? – Användaradoption: Hur många öppnar rapporter regelbundet? – Beslutstempo: Har beslut snabbat upp? – ROI: Kostnader vs nytta

Samla feedback: – Enkät till alla användare – Djupintervjuer med nyckelpersoner – Vad fungerar bra? – Vad kan förbättras?

Identifiera nästa våg: – Vilka rapporter ska byggas härnäst? – Nya datakällor att integrera? – Avancerade funktioner att införa?

Output: Utvärderingsrapport och plan för nästa 6 månader.

Roller och ansvar

Tydliga roller är kritiska för framgång.

Roll Ansvar Tidsåtgång
Sponsor (CFO/VD) Beslut, budget, kommunicera vikten 2-3 tim/månad
Projektledare Driver projektet dagligen, koordinering 50 % tjänst
Data champions (2-3) Bygger rapporter, stöttar användare 50 % i fas 2-4, sedan 20 %
IT-kontakt Gateway, säkerhet, infrastruktur 10-20 tim totalt
Superusers (5-10) Hjälper kollegor, samlar feedback 5 % löpande

Budget: Vad kostar det?

Intern kostnad (personal): – Projektledare: 0,5 FTE × 3 månader × 500 kr/tim × 176 tim/månad = ~130 000 kr – Data champions: 3 × 0,5 FTE × 2 månader × 500 kr/tim × 176 tim/månad = ~265 000 kr – Övriga (möten, test, etc.): ~50 000 kr – Total intern kostnad: ~445 000 kr

Extern kostnad (om konsult anlitas): – Kartläggning och strategi: 40 000 kr – Utbildning (5 dagar): 50 000 kr – Pilot-development: 60 000 kr – Coaching under skalning: 80 000 kr – Total extern kostnad: ~230 000 kr

Licenskostnader (år 1): – Power BI Pro: 50 användare × 70 kr/månad × 12 = 42 000 kr – Gateway (körs på befintlig server): 0 kr – Total licenskostnad: ~42 000 kr

Total projektkostnad: 445 000 + 230 000 + 42 000 = ~717 000 kr

ROI-exempel: Om projektet sparar 40 timmar/månad i manuellt rapporteringsarbete: – Besparing: 40 tim × 500 kr × 12 månader = 240 000 kr/år – Payback: 717 000 / 240 000 = 3 år

Men besparingarna är ofta större och svårvärderade fördelar (snabbare beslut, bättre insikter) adderar värde.

Kritiska framgångsfaktorer

Efter 60+ implementationer vet vi vad som avgör framgång:

1. Ledningens engagemang

Om VD eller CFO inte bryr sig kommer ingen annan göra det. Sponsorn måste: – Kommunicera vikten regelbundet – Använda rapporterna själv – Prioritera projektet när resurskonflikter uppstår

2. Rätt pilotrapport

Första rapporten sätter tonen. Välj en som: – Är viktig nog att folk bryr sig – Inte är så kritisk att misstag får katastrofala följder – Har tydliga datakällor – Kan byggas på 3-4 veckor

3. Utbildning från dag ett

Vänta inte med utbildning till slutet. Data champions börjar lära sig vecka 1. Slutanvändare får introduktion när piloten lanseras.

4. Iterativ leverans

Lansera pilot → lär → justera → skala. Inte big bang.

5. Data governance från start

Om olika rapporter visar olika siffror kollapsar förtroendet. Etablera “single source of truth” från dag ett.

När du bör anlita konsult

Du kan driva projektet själva, men konsulthjälp påskyndar och minskar risker.

Anlita konsult om: – Ni saknar Power BI-kompetens internt (ingen har använt det förut) – Tight deadline (måste vara klart på 3 månader) – Komplexa datakällintegration (många system, API:er, legacy) – Ni vill undvika vanliga misstag – Ni behöver utbilda internt team

Excel Department kan hjälpa med: – Led hela projektet (från kartläggning till lansering) – Bygg pilotrapport tillsammans med ert team – Intensivutbildning för data champions (5 dagar) – Coaching under skalning (veckovisa avstämningar) – Review och kvalitetssäkring

Kontakta oss för gratis konsultation (30 min) och skräddarsydd offert.

Checklista: Är ni redo att starta?

Om alla är bockade: kör igång. Om flera saknas: börja där.

Nästa steg:

  1. Boka kickoff-möte med sponsor, projektledare och IT
  2. Genomför vecka 1-2 (kartläggning och strategi)
  3. Ta beslut om intern vs extern utförning
  4. Starta pilot-fas

Relaterade guider:Power BI för företag: Komplett guideMigrera från Excel till Power BI5 Power BI-dashboards varje CFO behöver


Kontakta Excel Department:Telefon: 010-264 20 20E-post: info@exceldepartment.seAdress: Slottsbacken 8, 111 30 Stockholm

Power BI-koppling till SQL Server och Access – Komplett guide

Power BI-koppling till SQL Server och Access

Din data ligger i en SQL Server-databas eller Access-fil. Power BI kan visualisera den. Men hur kopplar du dem på rätt sätt? Och vad är skillnaden mellan DirectQuery och Import? Den här guiden visar exakt hur.

På Excel Department har vi kopplat Power BI till över 100 databaser – från små Access-filer till företags-SQL Server med miljarder rader. Vi har gjort alla misstag så du slipper. Den här guiden ger dig metoderna som faktiskt fungerar.

Varför koppla Power BI till databas istället för Excel?

Innan vi dyker in tekniskt, låt oss prata om varför.

Excel-begränsningar: – Max cirka 1 miljon rader (långsam långt innan dess) – Manuell uppdatering eller komplex VBA – Risk att data blir föråldrad – Svårt att hantera många användare

Databas-fördelar: – Miljontals eller miljarder rader utan problem – Alltid aktuell data (Power BI läser direkt från källan) – Strukturerad och relationell data – En sanningskälla för hela organisationen

När du bör koppla till databas: – Data uppdateras kontinuerligt (försäljning, transaktioner, loggning) – Datamängden växer över Excels kapacitet – Flera system använder samma data – Du vill garantera data-konsistens

Om du har SQL-kopplad Excel idag är steget till Power BI litet men ger mycket mer kraft.

SQL Server: DirectQuery vs Import mode

Det här är den första stora beslutspunkten. Båda sätten fungerar, men de passar olika situationer.

Import mode (Rekommenderat för de flesta)

Hur det fungerar: Power BI läser data från SQL Server, komprimerar den, och lagrar lokalt i Power BI-modellen. När rapporten öppnas läser den från denna kopia, inte från SQL Server.

Fördelar: – Mycket snabbare rapporter (data är lokal) – Fungerar offline (data finns i filen) – Mindre belastning på SQL Server – Power BI:s komprimering minskar datastorlek (ofta 10x)

Nackdelar: – Data är inte realtid (uppdateras enligt schema) – Begränsning på datavolym (modellstorlek max 10 GB för Pro, 100+ GB för Premium) – Kräver uppdateringsschema

Passar för: – Datawarehouse eller rapporteringsdatabas – Data som uppdateras dagligen eller veckovis – Historisk analys – När snabb prestanda är kritiskt – De flesta business intelligence-scenarios

Exempel: En försäljningsdatabas med 5 miljoner rader, uppdateras varje natt kl 02:00. Power BI hämtar ny data då. Användare får blixtsnabba rapporter under dagen.

DirectQuery mode

Hur det fungerar: Power BI skickar SQL-frågor direkt till SQL Server varje gång du interagerar med rapporten. Ingen data lagras lokalt.

Fördelar: – Absolut realtidsdata (alltid aktuellt) – Ingen datastorlek-begränsning – Säkerhet hanteras av SQL Server

Nackdelar: – Långsammare rapporter (varje klick = SQL-fråga) – Kräver konstant uppkoppling till SQL Server – Högre belastning på databasen – Begränsade DAX-funktioner (vissa mått fungerar inte)

Passar för: – Realtidsdata där varje minut räknas (kassor, trading, IoT) – Extremt stora dataset (100+ GB) – Strikt datasäkerhet (data får inte lämna server) – Operational reporting

Exempel: En logistikdashboard som visar aktuella lagernivåer. Varje gång någon plockar en produkt uppdateras databasen och Power BI visar nya siffran inom sekunder.

Hybrid: Composite models

Sedan 2019 kan du kombinera båda. Vissa tabeller Import, andra DirectQuery.

Typiskt användningsområde: – Stora transaktionsdata i DirectQuery (realtid) – Mindre master data (produkter, kunder) i Import (prestanda)

Komplicerat men kraftfullt. Rekommenderar konsulthjälp för detta.

Vår rekommendation

Starta med Import mode i 95 % av fall.

DirectQuery är för specialfall. De flesta företag behöver inte realtidsdata – daglig uppdatering räcker. Import ger bättre prestanda och är enklare att hantera.

Byt till DirectQuery endast om: 1. Du verkligen behöver realtidsdata (bevisa det) 2. Din data är >50 GB och växer snabbt 3. Datasäkerheten kräver att data inte kopieras

Steg-för-steg: Anslut till SQL Server

Nu blir det praktiskt. Så här gör du:

Steg 1: Förbered SQL Server

Du behöver: – Servernamn (exempel: sqlserver.dinserver.se) – Databasnamn – Inloggningsuppgifter (Windows Authentication eller SQL Server Authentication) – Nätverksåtkomst till servern

Testa åtkomst först: Öppna SQL Server Management Studio (SSMS) och anslut med samma uppgifter. Om det inte fungerar där fungerar det inte i Power BI heller.

Brandväggsregler: Om SQL Server är on-premises bakom företagsbrandvägg behöver du öppna port 1433 (standard SQL Server-port).

För Azure SQL: Lägg till din IP-adress i Azure Portal under Firewall settings.

Steg 2: Anslut från Power BI Desktop

Öppna Power BI Desktop.

Home → Get Data → SQL Server

Fyll i:Server: sqlserver.dinserver.se eller dinserver.database.windows.net (Azure) – Database: Namnet på databasen – Data Connectivity mode: Import (rekommenderat)

Advanced options (valfritt):SQL statement: Om du vill skriva egen SQL-fråga – Command timeout: Öka om stora frågor tar lång tid

Klicka OK.

Steg 3: Autentisering

Välj autentiseringsmetod:

Windows Authentication: Använder dina Windows-inloggningsuppgifter. Fungerar för on-premises SQL Server om du är inloggad på företagsnätverket.

Database: SQL Server-användarnamn och lösenord. Standard för Azure SQL.

Microsoft Account: För Azure SQL kan du använda ditt Microsoft 365-konto.

Klicka Connect.

Steg 4: Välj tabeller

Navigator-fönstret visar alla tabeller och vyer i databasen.

Tips: – Välj bara tabeller du behöver (inte hela databasen) – Kolla på datastorleken (visas i Navigator) – Föredra vyer framför baseringar om IT skapat dem åt dig

Markera tabeller → klicka Transform Data (inte Load direkt).

Steg 5: Transformera i Power Query

Nu ser du dina tabeller i Power Query Editor.

Vanliga transformationer:Ta bort kolumner du inte behöver (minskar datastorlek) – Filtrera rader (till exempel bara senaste 2 åren) – Ändra datatyper om Power BI gissat fel – Merge queries för att skapa relationer

Viktigt: All filtrering i Power Query minskar datamängd = snabbare rapporter.

Klicka Close & Apply när klar.

Steg 6: Sätt upp automatisk uppdatering (efter publicering)

Publicera rapporten till Power BI Service.

Gå till dataset-inställningar: – Scheduled refresh: Välj frekvens och tid – Gateway: Om SQL Server är on-premises (se nedan) – Credentials: Ange databasuppgifter

Obs: För on-premises SQL Server krävs en Power BI Gateway. Mer om det nedan.

Anslut till Microsoft Access

Access-databaser är vanliga i svenska småföretag. Power BI kan ansluta till dem, men med begränsningar.

Steg 1: Anslut till Access-fil

Home → Get Data → Access Database

Bläddra till din .accdb eller .mdb-fil → Open.

Navigator visar tabeller och queries (sparade frågor i Access).

Välj vad du behöver → Transform Data.

Steg 2: Transformera data

Access-databaser är ofta mindre strukturerade än SQL Server. Vanliga problem:

Problem 1: Blankrader och rubriker Access-tabeller kan ha extra rader med formatering. Ta bort dem i Power Query.

Problem 2: Felaktiga datatyper Access Text-kolumner med nummer i blandas. Fixa i Power Query.

Problem 3: Relationer Access-relationer överförs inte automatiskt. Du måste skapa dem manuellt i Power BI Model-vy.

Begränsningar med Access

Ingen automatisk uppdatering i molnet: Access-filer kan inte uppdateras automatiskt från Power BI Service (molnet).

Lösningar: 1. Manuellt: Publicera om från Power BI Desktop när Access uppdaterats 2. Gateway: Installera Power BI Gateway på en dator som har tillgång till Access-filen 3. Migrera: Flytta data till SQL Server eller SharePoint (rekommenderat långsiktigt)

Vår rekommendation: Om du använder Access aktivt, överväg att migrera till SQL Server. Vi hjälper företag med detta regelbundet.

Tillfällig användning: För mindre dataset (<50 000 rader) som inte uppdateras ofta fungerar Access bra med manuell publicering.

Power BI Gateway: Bryggan till on-premises

Om din SQL Server eller Access-databas finns on-premises (i ert företagsnätverk, inte i molnet) behöver du en Power BI Gateway.

Vad är en gateway?

En gateway är ett program som installeras på en dator i ert nätverk. Den fungerar som brygga mellan Power BI Service (molnet) och er lokala databas.

Flödet: 1. Power BI Service ber om data 2. Förfrågan går till Gateway 3. Gateway hämtar data från lokal databas 4. Gateway skickar data till Power BI Service 5. Rapporten uppdateras

Två typer av gateways

On-premises data gateway (Standard mode): – För hela organisationen – Kräver installation av IT-avdelning – Kan användas av alla rapportutvecklare – Stödjer flera datakällor samtidigt

On-premises data gateway (Personal mode): – För en enskild användare – Enklare installation – Fungerar bara för den användarens rapporter

Rekommendation: Standard mode för företagsanvändning.

Installera gateway (förenklad)

Steg 1: Ladda ner från Microsoft (gratis)

Steg 2: Installera på en Windows-server eller dedikerad dator som: – Alltid är påslagen – Har tillgång till databasen – Har stabil internetuppkoppling

Steg 3: Logga in med Power BI-konto

Steg 4: Registrera gateway i Power BI Service

Steg 5: Konfigurera datakällor (servernamn, autentisering)

IT-arbete: 1-2 timmar första gången. Därefter automatiskt.

Prestanda: Best practices

Dålig databasprestanda förstör användarupplevelsen. Här är vad vi lärt oss:

1. Filtrera tidigt och hårt

Dåligt: Importera 10 års data när du bara analyserar senaste året.

Bra: Filtrera i Power Query: WHERE Datum >= DATEADD(year, -1, GETDATE())

Resultat: 90 % mindre data = 10x snabbare rapporter.

2. Använd vyer för komplexa frågor

Dåligt: Skriva komplex SQL i Power BI med många JOIN och subqueries.

Bra: Be din DBA skapa en vy på SQL Server. Power BI ansluter till vyn.

Fördel: SQL Server optimerar frågan. Lättare att underhålla.

3. Partionera stora tabeller

För dataset >5 miljoner rader, använd Incremental Refresh i Power BI.

Istället för att uppdatera hela tabellen varje gång uppdateras bara nya/ändrade rader.

Resultat: Uppdatering från 2 timmar till 10 minuter.

4. Indexera rätt kolumner

På SQL Server-sidan: se till att kolumner du filtrerar på (Datum, KundID, etc.) har index.

Test: Om en SQL-fråga tar >5 sekunder i SSMS kommer Power BI vara långsamt.

Kontakta din DBA för att lägga till index.

5. Undvik SELECT *

Dåligt: SELECT * FROM Försäljning

Bra: SELECT OrderID, Datum, KundID, Belopp FROM Försäljning

Hämta bara kolumner du faktiskt använder.

Säkerhet och Row-Level Security (RLS)

När många användare delar rapporter måste du kontrollera vem som ser vad.

Scenario: Säljdashboard

Krav: – Säljchefen ser hela landet – Regionchefen ser sin region – Säljaren ser bara sina egna kunder

Lösning 1: Säkerhet i SQL Server

Skapa SQL Server-vyer med WHERE-klausuler baserat på användare:

CREATE VIEW SäljareVy AS
SELECT * FROM Försäljning
WHERE Säljare = USER_NAME()

Power BI ansluter till vyn. SQL Server hanterar säkerheten.

Fördel: Centraliserad säkerhet. Nackdel: Kräver separata vyer för olika roller.

Lösning 2: Row-Level Security i Power BI

Definiera roller i Power BI Desktop:

Rolle: Säljare DAX-filter: [Säljare] = USERNAME()

Rolle: Regionchef DAX-filter: [Region] = LOOKUPVALUE(Användare[Region], Användare[Email], USERNAME())

Efter publicering tilldelas användare roller i Power BI Service.

Fördel: Flexibelt, kontrolleras i Power BI. Nackdel: RLS-regler kan bli komplexa.

Vår rekommendation: SQL Server-säkerhet för enkla scenarios. RLS för komplexa eller dynamiska behörigheter.

Vanliga problem och lösningar

Problem: “Couldn’t connect to SQL Server”

Orsaker: – Fel servernamn (testa i SSMS först) – Brandvägg blockerar port 1433 – SQL Server accepterar inte remote connections

Lösning: – Verifiera servernamn och port – Kontrollera brandväggsregler – På SQL Server: Aktivera TCP/IP i SQL Server Configuration Manager

Problem: “Data source too large”

Orsak: Import-modellen överstiger 10 GB (Power BI Pro-gräns).

Lösningar: 1. Filtrera mer data i Power Query 2. Ta bort onödiga kolumner 3. Använd aggregeringar (summera på SQL Server-sidan) 4. Uppgradera till Power BI Premium (100 GB+ limit) 5. Byt till DirectQuery

Problem: “Gateway is offline”

Orsak: Gateway-datorn är avstängd eller har tappat uppkopplingen.

Lösning: – Kontrollera att gateway-datorn är påslagen – Testa internetuppkoppling – Starta om gateway-tjänsten – Uppdatera gateway till senaste version

Problem: “Refresh failed”

Orsaker: – Autentisering fel (lösenord ändrat) – SQL Server tillfälligt otillgänglig – Timeout (frågan tar för lång tid)

Lösning: – Uppdatera credentials i dataset-inställningar – Öka timeout i gateway-inställningar – Optimera SQL-frågor för snabbare körning

Nästa steg

Du har nu grunden för att ansluta Power BI till SQL Server och Access. Här är din checklista:

För SQL Server: – [ ] Verifiera åtkomst med SSMS – [ ] Besluta Import vs DirectQuery (Import för de flesta) – [ ] Anslut från Power BI Desktop – [ ] Filtrera data i Power Query – [ ] Publicera och sätt upp scheduled refresh – [ ] Installera Gateway om on-premises

För Access: – [ ] Anslut till Access-fil – [ ] Rensa data i Power Query – [ ] Bygg rapport – [ ] Överväg migration till SQL Server för långsiktig lösning

Optimering: – [ ] Filtrera data tidigt (Power Query) – [ ] Ta bort onödiga kolumner – [ ] Använd SQL Server-vyer för komplexa frågor – [ ] Testa prestanda och justera – [ ] Implementera säkerhet (RLS eller SQL Server)

Behöver du hjälp?

Databasintegrationer kan bli komplexa. På Excel Department har vi gjort detta hundratals gånger.

Vi kan hjälpa med: – Utvärdera Import vs DirectQuery för era behov – Sätta upp Power BI Gateway – Optimera SQL-frågor för prestanda – Implementera Row-Level Security – Migrera från Access till SQL Server – Felsöka anslutningsproblem

Kontakta oss för gratis konsultation (30 min).

Läs mer:Power BI för företag: Komplett guideSQL-kopplad ExcelAccess-konsult


Kontakta Excel Department:Telefon: 010-264 20 20E-post: info@exceldepartment.seAdress: Slottsbacken 8, 111 30 Stockholm

Migrera från Excel till Power BI – Steg-för-steg-guide 2026

Migrera från Excel till Power BI: Steg-för-steg-guide

Din månadsrapport i Excel tar tre timmar att uppdatera. Power BI kan göra det automatiskt. Men hur flyttar du över utan att förlöra data eller förtroende från användarna? Den här guiden visar exakt hur.

På Excel Department har vi migrerat 50+ Excel-lösningar till Power BI. Vi har sett vad som fungerar och vad som går fel. Den här guiden samlar erfarenheterna till en praktisk process du kan följa steg för steg.

Viktigt innan du börjar: Migrera inte allt

Det största misstaget vi ser är att företag bestämmer sig för att “migrera allt till Power BI”. Det är fel approach.

Sanningen: Vissa Excel-lösningar ska stanna i Excel.

Power BI passar för: – Återkommande rapporter som uppdateras regelbundet – Data från flera källor som måste kombineras – Rapporter som delas med många användare – Dataset över 100 000 rader

Excel är fortfarande bättre för: – Budgetar och prognoser med många antaganden – Ad hoc-analyser som görs en gång – Komplexa beräkningar med cellreferenser – Mallar där användare matar in data manuellt

Om du är osäker, läs först vår guide Power BI vs Excel för att avgöra vad som ska migreras.

Fas 1: Kartläggning och prioritering (Vecka 1)

Innan du öppnar Power BI Desktop behöver du veta exakt vad du ska bygga.

Inventera era Excel-rapporter

Skapa en lista på alla Excel-filer som används för rapportering. För varje fil, dokumentera:

Grundinfo: – Filnamn och var den sparas – Vem som äger/underhåller den – Hur ofta uppdateras den (dagligen, veckovis, månadsvis) – Hur många användare behöver den

Datakällor: – Varifrån kommer data? (annat Excel, databas, manuell inmatning, export från system) – Hur hämtas data idag? (kopiera-klistra, import, VBA-makro) – Är datakällan tillgänglig för automatisering?

Komplexitet: – Hur många kalkylblad? – Finns VBA-makron? – Finns komplexa formler eller cross-sheet-referenser? – Hur många olika visualiseringar (grafer, pivottabeller)?

Affärspåverkan: – Hur mycket tid läggs på manuell uppdatering? – Hur viktigt är rapporten för beslut? – Vad händer om rapporten är fel?

Prioritera utifrån ROI

Sortera rapporterna efter denna formel:

Prioritet = (Tid sparad per uppdatering × Antal uppdateringar per år) / Migrationskomplexitet

Där komplexitet = Låg (1), Medel (3), Hög (5)

Exempel:

Rapport A: Försäljningsrapport – Tid: 3 timmar/uppdatering – Frekvens: Veckovis (52 gånger/år) – Total tid: 156 timmar/år – Komplexitet: Låg (1) – Prioritet: 156/1 = 156

Rapport B: Månadsrapport till styrelsen – Tid: 8 timmar/uppdatering – Frekvens: Månadsvis (12 gånger/år) – Total tid: 96 timmar/år – Komplexitet: Hög (5) – Prioritet: 96/5 = 19

Välj rapport A först. Den ger mer värde för mindre ansträngning.

Välj pilotrapport

Din första migration ska uppfylla dessa kriterier:

Bra pilotrapport: – Viktig nog att folk bryr sig – Inte så kritisk att fel får stora konsekvenser – Tydlig datakälla som går att ansluta automatiskt – 3-10 visualiseringar (inte för enkelt, inte för komplext) – 3-5 användare (tillräckligt för att testa delning)

Dålig pilotrapport: – Verksamhetskritisk rapport där fel är oacceptabelt – Komplexa VBA-makron – Data från 10+ olika källor – Manuell datainmatning som inte kan automatiseras

Fas 2: Förbered data (Vecka 1-2)

Power BI kräver strukturerad data. Excel tillåter kaos. Det här är gapet du måste överbrygga.

Rensa Excel-källan

Innan du importerar till Power BI, fixa dessa vanliga problem i Excel:

1. Sammanslagen celler Bryt upp alla sammanslagna celler. Power BI hanterar inte dem.

2. Blankrader och tomma kolumner Ta bort alla blankrader mitt i data. Power Query ser dem som slutet på tabellen.

3. Inkonsekvent datatyp Kolumner måste ha samma datatyp i alla rader. Text i en nummerkolumn bryter importering.

4. Sammanfattningsrader i mitten av data Flytta alla summor och totaler till separata områden. Power BI beräknar summor automatiskt.

5. Rubriker som inte är första raden Gör första raden till kolumnrubriker. Inga tomma rader ovanför.

6. Formaterade data istället för rå värden “3,5 miljoner kr” ska vara 3500000 i cellen, med formatering för visning.

Skapa Excel-tabeller

Gör ditt dataintervall till en Excel-tabell (Ctrl+T). Det ger: – Automatisk expansion när nya rader läggs till – Enklare referens i Power Query – Strukturerad referens i formler

Dokumentera transformationer

Om du har VBA-kod eller komplexa formler i Excel, dokumentera vad de gör. Du kommer behöva återskapa logiken i Power Query eller DAX.

Skapa en enkel lista: – Vilka kolumner beräknas från andra kolumner? – Vilka filter appliceras? – Vilka lookups/VLOOKUP görs? – Vilka datum-beräkningar finns?

Fas 3: Bygg i Power BI Desktop (Vecka 2-3)

Nu är det dags att faktiskt migrera. Följ denna sekvens:

Steg 1: Anslut datakälla

Öppna Power BI Desktop och välj “Get Data”.

För Excel-filer: – Välj Excel Workbook – Bläddra till filen – Välj rätt kalkylblad/tabell – Klicka Transform Data (inte Load direkt)

För databaser: – Välj SQL Server / Azure SQL / Access – Ange servernamn och databas – Välj Import-mode (inte DirectQuery först)

Steg 2: Transformera i Power Query

Power Query är där du rensar och formar data. Här är vanliga transformationer:

Ta bort onödiga kolumner: Högerklicka → Remove Columns på allt du inte behöver

Byt datatyp: Klicka på ikonen vid kolumnnamnet → välj rätt typ (Number, Date, Text)

Filtrera bort testdata: Använd filter-ikonen → avmarkera testvärden eller gamla datum

Pivota/Unpivot: Om data är i fel format (bred istället för lång eller vice versa)

Merge queries: Ersättning för VLOOKUP. Kombinera två tabeller baserat på gemensam kolumn.

Lägg till custom columns: Klicka Add Column → Custom Column för beräkningar

Exempel: Skapa “Ålder” från “Födelsedatum”:

= Date.Year(DateTime.LocalNow()) - Date.Year([Födelsedatum])

Steg 3: Skapa datamodell

Efter Power Query kommer datamodellering. Det här är nytt för de flesta Excel-användare.

Fakta vs dimensioner:

Faktatabeller innehåller mätbara händelser: – Försäljningstransaktioner – Ordrar – Logginlägg

Dimensionstabeller beskriver faktan: – Kunder – Produkter – Datum – Regioner

Skapa relationer:

Gå till Model-vyn. Dra en kolumn från faktatabellen till motsvarande kolumn i dimensionstabellen.

Exempel: – Försäljning[KundID] → Kunder[KundID] – Försäljning[ProduktID] → Produkter[ProduktID] – Försäljning[Datum] → Kalender[Datum]

Viktigt: En-till-många-relationer (enstaka produkt kan förekomma i många försäljningar).

Steg 4: Skapa measures med DAX

DAX är Power BI:s formelspråk. Det liknar Excel-formler men fungerar annorlunda.

Grundläggande measures:

Total Försäljning = SUM(Försäljning[Belopp])

Antal Ordrar = COUNTROWS(Försäljning)

Genomsnittlig Order = DIVIDE([Total Försäljning], [Antal Ordrar])

Föregående Månad =
CALCULATE(
    [Total Försäljning],
    DATEADD(Kalender[Datum], -1, MONTH)
)

Tillväxt % =
DIVIDE(
    [Total Försäljning] - [Föregående Månad],
    [Föregående Månad]
)

Tips: Skapa measures för allt du vill mäta. Använd inte calculated columns för aggregeringar.

Steg 5: Bygg visualiseringar

Nu kommer den roliga delen. Skapa samma (eller bättre) visualiseringar som i Excel.

Kort (Card): För enstaka siffror – Dra measure till Card-visual – Formatera decimal, tusentalsavskiljare

Stapel/Kolumndiagram: För jämförelser – X-axis: Kategori (produkt, region, månad) – Y-axis: Measure (försäljning, antal) – Legend: Ytterligare dimension för färgkodning

Linjediagram: För trender över tid – X-axis: Datum – Y-axis: Measure – Lägg till trendlinje under Analytics

Tabell: För detaljerad data – Dra dimensioner och measures – Sortér genom att klicka på kolumnrubriker

Slicers: För filter – Dra dimension till Slicer – Ändra format till Dropdown eller List

Tips: Max 6-8 visuella objekt per sida. Skapa flera sidor vid behov.

Steg 6: Formatera för användarvänlighet

Lägg till titel och beskrivning: – Varje visual bör ha en tydlig titel – Lägg till beskrivning för komplexa visualiseringar

Färger: – Använd företagets färgpalett – Konsekvent användning (samma färg = samma kategori) – Undvik för många färger (max 5-7)

Formatera siffror: – Tusentalsavskiljare: mellanslag (1 234 kr) – Decimaler: relevant antal (pengar = 0, procent = 1) – Prefix/suffix: “kr”, “%”, etc.

Fas 4: Validera mot Excel (Vecka 3)

Det här steget hoppar många över. Det är ett misstag. Du måste bevisa att Power BI visar samma siffror som Excel.

Jämför siffra för siffra

Skapa en valideringslista:

KPI Excel-värde Power BI-värde Differens Status
Total försäljning 1 234 567 kr 1 234 567 kr 0 kr
Antal ordrar 4 532 4 532 0
Snitt order 272 kr 272 kr 0 kr

Gå igenom varje measure och varje siffra. Skriv ner avvikelser.

När siffrorna inte matchar

Vanliga orsaker:

1. Olika filter Excel har kanske dolda filter du glömt. Kolla Source-fliken i Excel noggrant.

2. Bortfiltrerad data i Power Query Kontrollera Applied Steps i Power Query. Har du tagit bort för mycket?

3. Fel relationer Om relationer är fel multipliceras eller försvinner data. Dubbelkolla kardinalitet.

4. Fel aggregering SUM vs AVERAGE vs COUNT. Är du säker på att du använder rätt?

5. Datumantaganden Excel kan ha antaganden om räkenskapsår eller datum som Power BI inte vet.

Få godkännande från data-ägare

Den person som äger Excel-rapporten måste godkänna att Power BI-versionen är korrekt. Boka ett möte där ni går igenom siffra för siffra tillsammans.

Fas 5: Publicera och testa (Vecka 4)

Nu är det dags att flytta från Desktop till molnet.

Publicera till Power BI Service

I Power BI Desktop, klicka “Publish”.

Välj workspace: – My Workspace: För tester och personligt arbete – Delad workspace: För team-arbete

Första publiceringen tar längre (data laddas upp). Framtida publiceringar går snabbare.

Sätt upp automatisk uppdatering

I Power BI Service, gå till dataset-inställningar:

Scheduled refresh: – Klicka “Schedule refresh” – Välj frekvens (dagligen, veckovis) – Välj tid (ofta nattetid eller tidig morgon) – Ange credentials för datakällor

Viktigt: För Excel-filer, de måste ligga på OneDrive eller SharePoint för automatisk uppdatering.

Dela med test-användare

Ge 3-5 användare tillgång: – Gå till workspace – Klicka Access – Lägg till användare med “Viewer”-roll

Boka 30 minuter med varje användare: – Visa hur man öppnar rapporten – Visa hur filter fungerar – Visa hur man exporterar till Excel om behövs – Lyssna på feedback

Fas 6: Lansera och avveckla Excel (Vecka 5)

När test-användare godkänt, dags för ful lansering.

Kommunicera ändringen

E-post till alla användare:

Titel: Ny försäljningsrapport i Power BI – Ersätter Excel från 1 mars

Innehåll: – Vad som ändras (Excel ersätts med Power BI) – Varför (automatisk uppdatering, alltid aktuell data) – Länk till rapporten – När träder det i kraft – Vart vänder man sig vid problem

Tips: Inkludera en kort videogenomgång (2-3 min) som visar hur man använder rapporten.

Utbildning

Boka 30-minuters introduktion för alla användare: – Visa hur man öppnar rapporten – Demonstrera interaktivitet (klicka, filtrera, drill down) – Visa mobil-appen om relevant – Frågor och svar

Avveckla Excel-filen

Steg 1 (Vecka 1-4): Köra parallellt. Excel uppdateras som vanligt + Power BI finns tillgänglig.

Steg 2 (Vecka 5): Sluta uppdatera Excel. Lägg till stor röd banner: “DENNA RAPPORT UPPDATERAS INTE LÄNGRE. Använd Power BI: [länk]”

Steg 3 (Vecka 6-8): Flytta Excel-filen till Arkiv-mapp. Behåll i 2-3 månader för säkerhet.

Steg 4 (Månad 3+): Radera Excel-filen om ingen använt den på tre månader.

Vanliga problem och lösningar

“Power BI visar fel siffror”

Checklista: – Kolla relationer i Model-vyn – Verifiera att alla filter är korrekta – Jämför Power Query Applied Steps med Excel-källan – Testa med enklare dataset för att isolera problemet

“Rapporten är långsam”

Vanliga orsaker: – För många visuella objekt på en sida (max 6-8) – Calculated columns istället för measures – DirectQuery när Import-mode fungerar bättre – Stora images i rapporten

“Användare hittar inte rapporten”

Lösning: – Skapa en Power BI App istället för att dela workspace – Fäst rapporten i Teams-kanal – Lägg till bokmärke i webbläsaren – Skicka direkt-länk i e-post

“Data uppdateras inte automatiskt”

Checklista: – Kolla att scheduled refresh är aktiverad – Verifiera credentials för datakällor – För Excel: flytta till SharePoint/OneDrive – Kolla refresh history för felmeddelanden

När du bör anlita hjälp

Du kan migrera själv, men det finns situationer där konsulthjälp lönar sig:

Anlita konsult om: – Din datamodell är komplex (10+ tabeller, många relationer) – Du har komplexa VBA-makron att översätta – Datakällor är svåra att ansluta (custom API:er, legacy-system) – Du har tight deadline – Du vill undvika vanliga misstag

På Excel Department har vi migrerat 50+ Excel-lösningar till Power BI. Vi kan: – Utvärdera vilka rapporter som ska migreras – Bygga pilotrapport tillsammans med ert team – Utbilda era användare – Sätta upp automatiska uppdateringar – Dokumentera lösningen

Kontakta oss för gratis konsultation (30 min).

Nästa steg

Du har nu en komplett plan för att migrera från Excel till Power BI. Här är din checklista:

Vecka 1: – [ ] Inventera Excel-rapporter – [ ] Prioritera baserat på ROI – [ ] Välj pilotrapport – [ ] Rensa och strukturera källdata

Vecka 2-3: – [ ] Bygg rapport i Power BI Desktop – [ ] Skapa datamodell och relationer – [ ] Bygg visualiseringar – [ ] Validera mot Excel

Vecka 4: – [ ] Publicera till Power BI Service – [ ] Sätt upp automatisk uppdatering – [ ] Testa med 3-5 användare – [ ] Justera baserat på feedback

Vecka 5: – [ ] Lansera till alla användare – [ ] Ge utbildning – [ ] Avveckla Excel-version – [ ] Dokumentera lösningen

Relaterade guider:Power BI för företag: Komplett guide5 Power BI-dashboards varje CFO behöverPower BI vs Excel: När ska du välja vilket?

Behöver du hjälp?

Excel Department hjälper svenska företag migrera från Excel till Power BI. Vi kan leda hela projektet eller coacha ert team genom processen.

Boka gratis konsultation – 30 minuter där vi diskuterar er situation.


Kontakta Excel Department:Telefon: 010-264 20 20E-post: info@exceldepartment.seAdress: Slottsbacken 8, 111 30 Stockholm