Power BI 1 — Tổng quan hệ sinh thái & luồng làm việc

Mở đầu: Power BI đứng ở đâu trong bức tranh BI?

Ở loạt bài BI Zero to Hero chúng ta đã đi qua toàn bộ nền tảng lý thuyết: BI là gì, kiến trúc dữ liệu, mô hình chiều (dimensional modeling), OLAP, trực quan hoá, quản trị. Những kiến thức đó không gắn với một công cụ cụ thể — chúng đúng cho Tableau, Metabase, Superset hay bất kỳ nền tảng nào. Loạt bài Power BI chuyên sâu này lấy chính những nguyên lý đó và triển khai chúng trên một sản phẩm cụ thể, phổ biến bậc nhất trong doanh nghiệp Việt Nam và thế giới: Microsoft Power BI.

Power BI hấp dẫn vì ba lý do thực tế: nó gắn chặt với hệ sinh thái Microsoft (Excel, Azure, SQL Server, Microsoft 365) mà đa số ngân hàng, doanh nghiệp Việt Nam đã dùng; công cụ soạn báo cáo — Power BI Desktop — hoàn toàn miễn phí và mạnh mẽ; và nó đang được đặt vào trung tâm của Microsoft Fabric, nền tảng dữ liệu hợp nhất mà Microsoft đang đẩy mạnh.

Trước khi đi sâu vào Power Query, mô hình dữ liệu hay DAX ở các bài sau, bạn cần một tấm bản đồ tổng thể: Power BI gồm những mảnh ghép nào, chúng nối với nhau ra sao, và dữ liệu đi qua chúng theo trình tự nào. Đó chính là nội dung bài này.

Power BI là gì — một nền tảng, không phải một phần mềm

Sai lầm phổ biến của người mới là nghĩ "Power BI = cái app vẽ biểu đồ trên máy tính". Thực tế Power BI là cả một nền tảng BI end-to-end của Microsoft, đi trọn vẹn năm bước của quy trình BI:

1. Kết nối (connect) — lấy dữ liệu từ hàng trăm nguồn: file Excel/CSV, cơ sở dữ liệu SQL, kho dữ liệu đám mây, API, dịch vụ SaaS...
2. Biến đổi (transform) — làm sạch, chuẩn hoá, gộp, tách dữ liệu bằng Power Query.
3. Mô hình hoá (model) — dựng quan hệ giữa các bảng, định nghĩa phép đo bằng DAX.
4. Trực quan hoá (visualize) — vẽ báo cáo, dashboard tương tác.
5. Chia sẻ (share) — xuất bản lên đám mây, phân phối cho người dùng, lên lịch làm mới dữ liệu, kiểm soát quyền truy cập.

Điểm mấu chốt: mỗi bước được thực hiện bởi một thành phần khác nhau trong hệ sinh thái. Hiểu rõ vai trò từng thành phần giúp bạn biết mình đang đứng ở đâu và cần công cụ nào.

Các thành phần của hệ sinh thái Power BI

Power BI Desktop — bàn làm việc của người phát triển

Power BI Desktop là ứng dụng Windows miễn phí, nơi bạn thực hiện gần như toàn bộ công việc "phát triển": kết nối nguồn, biến đổi dữ liệu (Power Query), dựng mô hình (quan hệ + measure DAX), và thiết kế báo cáo. Kết quả được lưu thành file .pbix.

Đây là nơi bạn dành phần lớn thời gian trong loạt bài này. Desktop có ba "khung nhìn": Report (thiết kế visual), Model (sơ đồ quan hệ), và Table/Data (xem dữ liệu). Toàn bộ logic nghiệp vụ nằm ở đây trước khi được đẩy lên đám mây.

Power BI Service — đám mây để chia sẻ và vận hành

Power BI Service (địa chỉ app.powerbi.com) là phần đám mây (SaaS). Sau khi soạn xong ở Desktop, bạn Publish file .pbix lên Service. Tại đây diễn ra mọi việc mang tính "vận hành và cộng tác":

• Tổ chức nội dung trong workspace (không gian làm việc chung của một nhóm/dự án).
• Chia sẻ báo cáo, đóng gói thành app để phân phối rộng.
• Lên lịch làm mới dữ liệu (scheduled refresh) tự động.
• Áp dụng bảo mật hàng dữ liệu (Row-Level Security — RLS), kiểm soát quyền.
• Tạo dashboard ghim từ nhiều báo cáo.

Nói ngắn gọn: Desktop để xây, Service để dùng và quản.

Data Gateway — cầu nối tới nguồn on-premises

Khi báo cáo đã lên đám mây nhưng dữ liệu gốc vẫn nằm trong mạng nội bộ (ví dụ: SQL Server đặt trong data center của ngân hàng), Service không thể tự với tới nguồn đó. On-premises Data Gateway đóng vai trò cầu nối an toàn: nó được cài trên một máy chủ trong mạng nội bộ, mở kết nối ra để Service có thể làm mới dữ liệu từ nguồn on-prem mà không cần mở cổng vào tường lửa. Đây là mảnh ghép sống còn với các tổ chức có dữ liệu nhạy cảm không đặt trên cloud.

Power BI Report Server — bản on-premises trọn gói

Với những tổ chức có chính sách không đưa dữ liệu lên đám mây (rất phổ biến trong ngành ngân hàng, bảo hiểm, khu vực công), Microsoft cung cấp Power BI Report Server — một máy chủ báo cáo cài đặt hoàn toàn trong nội bộ. Người dùng vẫn soạn báo cáo bằng Desktop (bản dành riêng cho Report Server) rồi xuất bản lên máy chủ nội bộ thay vì Service. Đổi lại sự an toàn tuyệt đối về dữ liệu, bạn sẽ thiếu nhiều tính năng đám mây mới nhất.

Power BI Mobile — tiêu thụ trên di động

Power BI Mobile là ứng dụng trên iOS/Android để lãnh đạo và người dùng nghiệp vụ xem báo cáo, dashboard mọi lúc mọi nơi, nhận cảnh báo dữ liệu. Đây là kênh tiêu thụ, không phải kênh phát triển.

Các khối kiến tạo (building blocks)

Bên trong Power BI, nội dung được tổ chức thành một số loại đối tượng cốt lõi. Hiểu đúng chúng giúp bạn không nhầm lẫn khi thiết kế và quản trị.

Semantic model (trước đây gọi là dataset)

Đây là khái niệm quan trọng nhất và cũng dễ gây bối rối vì Microsoft đã đổi tên. Từ cuối năm 2023 và trải suốt 2024, thứ trước đây gọi là dataset được đổi tên chính thức thành semantic model (mô hình ngữ nghĩa). Lý do: từ "dataset" quá chung chung và dễ nhầm khi Power BI trở thành một phần trong Microsoft Fabric; trong khi "semantic model" phản ánh đúng bản chất — đây là một mô hình dữ liệu dựa trên engine Analysis Services, bao gồm các bảng, quan hệ giữa chúng, và các measure (phép đo) viết bằng DAX (minh hoạ). Lưu ý quan trọng cho người vận hành: đây chỉ là đổi tên, không thay đổi chức năng, bản quyền hay cách hoạt động; các API cũ vẫn dùng từ "dataset".

Semantic model chính là "bộ não" đằng sau báo cáo. Nhiều báo cáo khác nhau có thể dùng chung một semantic model — đây là chìa khoá cho tính nhất quán số liệu ("một phiên bản sự thật").

Report, dashboard, app

• Report (báo cáo): tập hợp nhiều trang visual tương tác, được xây trên một semantic model.
• Dashboard: một trang duy nhất, ghim (pin) các ô (tile) từ một hoặc nhiều báo cáo. Chỉ tồn tại trên Service, thường dùng cho lãnh đạo cần cái nhìn tổng quan.
• App: gói đóng nhiều báo cáo và dashboard từ một workspace, phân phối gọn gàng cho đông người dùng cuối với quyền được kiểm soát.

Dataflow — ETL tái sử dụng trên đám mây

Dataflow là logic biến đổi dữ liệu (Power Query) chạy trên đám mây thay vì trong file Desktop cá nhân. Nó cho phép nhiều người, nhiều báo cáo tái sử dụng cùng một luồng làm sạch dữ liệu — ví dụ một dataflow "Khách hàng chuẩn hoá" dùng chung cho toàn bộ phòng ban, tránh mỗi người tự viết lại logic và ra kết quả lệch nhau.

Luồng làm việc điển hình

Ghép các mảnh trên lại, một chu trình Power BI thực tế diễn ra như sau:

Diễn giải theo trình tự:

1. Get Data — trong Desktop, chọn nguồn và kết nối.
2. Power Query (transform) — làm sạch và định hình dữ liệu bằng ngôn ngữ M. Đây là chủ đề của bài Power Query.
3. Model (quan hệ + DAX) — dựng quan hệ giữa bảng fact và dimension, viết measure. Cách dựng mô hình đúng nằm ở bài Mô hình dữ liệu; còn cú pháp và ngữ cảnh tính toán của DAX ở bài DAX.
4. Report (visual) — thiết kế các trang biểu đồ tương tác.
5. Publish — đẩy file .pbix lên workspace trên Service.
6. Service — cấu hình làm mới định kỳ (qua Gateway nếu nguồn on-prem), áp RLS, chia sẻ qua app. Toàn bộ khâu quản trị và triển khai được trình bày kỹ trong bài Quản trị & triển khai.

Một measure DAX đơn giản để hình dung "measure" là gì (minh hoạ):

Tổng dư nợ =
SUM ( 'Khoản vay'[Số dư gốc] )

Và một bước Power Query bằng ngôn ngữ M (minh hoạ):

let
    Nguon = Sql.Database("srv-core", "DWH"),
    Bang  = Nguon{[Schema="dbo", Item="FactLoan"]}[Data],
    LocNam = Table.SelectRows(Bang, each [Nam] = 2026)
in
    LocNam

Mô hình bản quyền (licensing)

Đây là phần hay khiến người mới bối rối nhất, và cũng là nơi dễ ra quyết định sai về chi phí. Về nguyên tắc (không đi vào con số giá cụ thể vì thay đổi theo thời gian và khu vực), Power BI có bốn cấp:

Ý tưởng cần nắm: Free/Pro/PPU tính theo đầu người; capacity tính theo tài nguyên phần cứng dành riêng. Khi số người xem rất lớn, mua capacity thường kinh tế và mạnh hơn là cấp Pro cho từng người. Ngược lại, một nhóm nhỏ cộng tác thì Pro là lựa chọn gọn nhất.

Microsoft Fabric: Power BI trong một bức tranh lớn hơn

Đây là định hướng chiến lược bạn cần biết, dù loạt bài này tập trung vào Power BI cổ điển. Microsoft Fabric là nền tảng phân tích hợp nhất (SaaS) gom nhiều "workload" vào một nơi: data engineering, data warehouse, data factory, real-time analytics, data science — và Power BI chính là một workload trong đó.

Ba khái niệm Fabric đáng nhớ:

• OneLake — một "hồ dữ liệu" (data lake) thống nhất cho toàn tổ chức, tự động đi kèm mỗi tenant Fabric. Ý tưởng: mọi dữ liệu phân tích nằm ở một chỗ duy nhất, tránh phân mảnh và sao chép.
• Lakehouse — kiến trúc kết hợp ưu điểm của data lake (lưu file thô, rẻ, linh hoạt) và data warehouse (bảng có cấu trúc, truy vấn SQL), lưu dữ liệu dạng bảng Delta trên OneLake.
• Direct Lake — chế độ truy cập dữ liệu mới, cho phép semantic model đọc trực tiếp các bảng Delta trên OneLake, nạp nhanh vào bộ nhớ mà không cần sao chép/nhập (import) dữ liệu. Mục tiêu: đạt tốc độ tương tác gần như chế độ Import nhưng dữ liệu tươi gần thời gian thực. Direct Lake đang được mở rộng dần (bao gồm khả năng tạo semantic model Direct Lake ngay trong Power BI Desktop, ra mắt trong năm 2025).

Bạn chưa cần thành thạo Fabric ngay. Nhưng hãy ghi nhớ: khi Microsoft nói "dataset đổi thành semantic model", đó là một bước dọn đường để Power BI hoà vào Fabric. Kiến thức Power Query, mô hình dữ liệu và DAX bạn học ở loạt bài này vẫn nguyên giá trị trong thế giới Fabric — chỉ có nơi đặt dữ liệu và cách nạp là tiến hoá thêm.

So sánh nhanh với các công cụ khác

Ở loạt BI Zero to Hero ta đã đối chiếu các nền tảng, nên ở đây chỉ nhắc lại vắn tắt để định vị:

• Tableau — mạnh về khám phá trực quan tự do và thẩm mỹ biểu đồ; thường được đánh giá cao ở tính linh hoạt visual, nhưng chi phí và độ gắn kết với hệ sinh thái Microsoft không bằng Power BI.
• Metabase / Superset — mã nguồn mở, nhẹ, thiên về truy vấn SQL trực tiếp và triển khai tự chủ; phù hợp đội kỹ thuật, ngân sách hạn chế, nhưng thiếu tầng mô hình ngữ nghĩa và quản trị doanh nghiệp phong phú như Power BI.

Lợi thế lớn nhất của Power BI vẫn là tích hợp sâu với Microsoft 365/Azure, chi phí khởi đầu thấp (Desktop miễn phí), và đường tiến hoá rõ ràng vào Fabric.

Use case thực tế

Bối cảnh: Khối Bán lẻ của một ngân hàng cần một hệ thống báo cáo dư nợ và nợ xấu theo chi nhánh, cập nhật hàng ngày, cho khoảng 300 giám đốc/trưởng phòng xem trên cả máy tính và điện thoại. Dữ liệu gốc nằm trong SQL Server đặt tại data center nội bộ (không lên cloud tuỳ tiện).

Cách Power BI giải quyết:

1. Một chuyên viên BI dùng Desktop kết nối tới SQL Server, dùng Power Query làm sạch dữ liệu khoản vay, dựng semantic model với các bảng fact (khoản vay) và dimension (chi nhánh, thời gian, nhóm nợ), viết measure DAX như "Tỷ lệ nợ xấu", "Dư nợ bình quân".
2. Thiết kế report nhiều trang: tổng quan toàn hàng, drill-down theo vùng và chi nhánh.
3. Publish lên một workspace trên Service.
4. Cài On-premises Data Gateway trên một máy chủ nội bộ để Service làm mới dữ liệu mỗi đêm từ SQL Server mà không mở cổng vào tường lửa.
5. Áp RLS để mỗi giám đốc chi nhánh chỉ thấy số liệu chi nhánh mình.
6. Đóng gói thành app, phân phối cho 300 người; họ xem qua trình duyệt và Power BI Mobile.

Quyết định bản quyền: vì số người xem lớn, tổ chức cân nhắc mua capacity để người xem chỉ cần license nền tảng thay vì cấp Pro cho từng người trong số 300.

Ghi nhớ

• Power BI là nền tảng BI end-to-end, không phải một app đơn lẻ; nó đi trọn năm bước: kết nối → biến đổi → mô hình hoá → trực quan → chia sẻ.
• Desktop để xây (miễn phí), Service để dùng và quản (đám mây). Gateway là cầu nối tới nguồn on-prem; Report Server là bản on-prem trọn gói; Mobile là kênh tiêu thụ.
• Semantic model là "bộ não" (mô hình + quan hệ + measure), trước đây gọi là dataset — chỉ đổi tên, không đổi chức năng. Nhiều report dùng chung một semantic model để đảm bảo "một phiên bản sự thật".
• Dataflow giúp tái sử dụng logic Power Query trên đám mây.
• Bản quyền: Free/Pro/PPU tính theo người; Fabric/Premium capacity tính theo dung lượng và mở khoá tính năng nâng cao (large model, XMLA, deployment pipeline, Direct Lake).
• Power BI là một workload trong Microsoft Fabric; nhớ ba khái niệm OneLake, Lakehouse, Direct Lake như định hướng — nhưng kiến thức Power Query/Model/DAX vẫn nguyên giá trị.
• Đây là công cụ BI, không phải SQL sandbox: mọi ví dụ DAX/M ở loạt bài này là minh hoạ để hiểu khái niệm.

Bài tiếp theo

Đã có tấm bản đồ tổng thể, ta bắt đầu đi vào từng mảnh ghép. Bài kế tiếp mở "cánh cửa đầu tiên" của mọi dự án Power BI — khâu biến đổi dữ liệu — trong Power BI 2 — Power Query & ngôn ngữ M.