Für Controlling und statistische Berechnungen können Sie in PowerBI Desktop R-Skript Visuals einsetzen um Grafik zu erstellen, ELT-Prozesse beschleunigen und optimieren.
Als Software- und Beratungsunternehmen im Bereich Controlling und Reporting unterstützen wir unsere Kunden in die Einführung von PowerBI-Systemen. Neben Python setzen wir auch die R-Skript Sprache ein, um statistische Berechnungen leichter durchführen zu können. Ob sich R-Skript Visuals in PowerBI wirklich für Sie lohnen, hängt primär von Ihren Daten und Zahlen ab.
Installieren von R in PowerBI Desktop
Bevor Sie mit R-Skripts loslegen, empfehlen wir die R-Skript Entwicklungsumgebung (IDE) lokal auf dem Rechner zu installieren. R muss dabei auf demselben Rechner laufen, wie das PowerBI Desktop System – also auf dem selben Rechner. R gibt es sowohl für 32-bit als auch für 64-bit Systeme und ist kostenlos zu bekommen. Idealerweise sollte die Bit-Version gleich sein mit Ihrem Power BI Desktop System.
Sie können in PowerBI Desktop unter Optionen > R-Skripterstellung nachsehen, wo Ihre aktuelle Entwicklungsumgebung liegt.
Vorschau - Anpassungen in Power BI Desktop für R-Skript
Wenn der R-Pfad nicht angegeben ist, müssen Sie ggf. PowerBI Desktop neu starten. Danach stehen Ihnen die Visuals für R zur Verfügung.
Installieren von zusätzlichen R-Modulen und Paketen
Wenn Sie die GUI von R noch nicht kennen, starten Sie die R-Console. Mit help() wird Ihr aktueller Browser geöffnet und Sie gelangen auf die Dokumentationsseite von R.
Für individuelle Visuals müssen einige Pakete nachträglich eingebunden werden.
Der Befehl in der R-Console lautet z.B. install.packages("tidyverse") wenn Sie dieses Modul einsetzen wollen.

R-Skript Pakete und Module Installieren
Häufige R-Pakete für Visuals
In der Praxis und speziell im Controlling verwenden wir unterschiedliche Pakete, die zusätzlich einsetzen werden in R. Diese sind u.a.:
- library(tidyverse)
- library(dplyr)
- library(lubridate)
- library(forecast)
- library(ggplot2)
Die Pakete dplyr und data.table bieten nützliche Funktionen für die Arbeit mit Datenmengen an. Das ggplot2 Paket wird benötigt für die graphische Visualisierungen in Power BI.
Interessant ist vor allem das Paket dplyr mit den Funktionen summarize und group_by Funktionen. Während des ETL-Prozesses bzw. während des Import-Prozesses werden die Daten verändert. Die Gruppierung und das aggregieren findet vor dem Import-Prozesses in Power BI statt und beschleunigt den Datenimport.
Wenn manche R-Pakete nicht installiert worden sind, gibt es eine Fehlermeldung des Visuals. Die Fehlermeldung erscheint nicht nur unter Power BI Desktop, sondern auch in der App-Umgebung (Workspace-Group) bzw. in den Online-Reports.
Achten Sie daher, ob das R-Visual auch für jeden Controller oder Stakeholder relevant ist und ob die Systemvoraussetzungen (R-Pakete) zur Verfügung stehen.
Für „schöne“ Berichte und Reporting-Lösungen sind R-Visuals in Power BI nicht geeignet, weil die maximale Auflösung bei 72 DPI liegt und die Ausgabe des R-Visuals bei 2 MB abgeriegelt wird.
Unsere Empfehlung: Das gewünschte Visual entwender in Python oder D3js zu Programmieren. Gerne können Sie uns hierzu kontaktieren.
R-Skript Visuals aus dem Marktplatz
Sie können R-Skripts Visuals für Power BI direkt vom Microsoft Marktplatz beziehen. Klicken Sie dabei auf die „…“ (3-Punkte) – „Weitere Visuals Abrufen“ und wählen Sie sich Ihr gewünschtes Visual aus. Beachten Sie, dass ggf. manche Visuals kostenpflichtig sein können.

PowerBI Visuals vom Marktplatz beziehen und installieren
Das neue Visual befindet sich in der Visual-Gruppe und Sie können dies direkt einsetzen.

Power-BI benutzerdefiniertes Visual installieren
Beachten Sie, dass Visuals, die von Ihnen direkt in Power BI Desktop importiert werden, nicht gleichzeitig jedem zur Verfügung gestellt werden. D.h. wenn Sie in einem Controlling-Team arbeiten und der Mitarbeiter ein Visual importiert hat und diese in eine PBI Datei wegspeichert – nicht gleichzeitigt dem anderen Kollegen zur Verfügung steht. Das Visual muss nachträglich auch bei den Teammitarbeitern nachinstalliert werden.
Wenn Sie in einem Team oder in einer BI-Gruppe arbeiten, sollten alle Entwickler und Controller auf die gleichen Visual Zugriff haben, damit ggf. Änderungen zeitnah erfolgen können. Daher Programmieren wir die Visuals selbst und legen diese in einem separaten Verzeichnis ab, so dass diese problemlos nachinstalliert oder importiert werden können.
Beispiele R-Skript Visuals für Power BI im Controlling
PowerBI R-Skript Visuals für Controlling und Reporting.
Beispiel Boxplot-Diagramme (Kurs-Diagramme), nicht nur für Aktienkurse sondern für Produkte oder Simulationen

Kurs Diagramme-, Box-Plott Diagramm für Hoch- und Tiefkurse, EVA, ROI Darstellung mit R
Beispiel R-Skript Visuals
library(tidyverse)
library(stringr)
dataset$MonthId <- as.integer(str_sub(dataset$MonatDatum,6,7))
ggplot(dataset, aes(x = factor(MonthId), y = SO)) +
geom_boxplot(aes(group = factor(MonthId), fill = factor(MonthId))) +
geom_point(aes(col = factor(MonthId)), position = position_nudge(x = -0.45)) +
theme_bw() +
labs(x = "Month", y = "Sell Out Market") +
scale_fill_discrete(guide = "none") +
scale_color_discrete(guide = "none") +
ggtitle(label = str_c("Seasonality boxplot for ", dataset$PZN_Name))
Darstellung von Bieter-Preisen nach Zeitverläufen unter R-Skript für Marktanalysen für Financial Controlling unter PowerBI

R-Skript Bieter Preise Vergleich in Power-BI
Beispiel R-Skript für Power BI
library(tidyverse)
library(lubridate)
dataset <- dataset %>%
tbl_df() %>%
mutate(Start = format(dmy(Start), "%y-%m"),
Result = str_to_lower(Art_Vereinbarung),
CustDate = str_c(Start, "_", CShort))
cols <- c("x" = "red",
"z" = "green",
"a" = "lightgrey",
"n" = "purple",
"l" = "lightgreen")
ggplot(dataset, aes(x = factor(CDate), y = GSP, color = Result)) +
geom_point(size = 6) +
geom_smooth(aes(group = 1), se = FALSE, method = "glm",
color = "black", linetype = 111, size = 1) +
scale_color_manual(values = cols) +
theme_bw() +
xlab("") +
ylim(min(dataset$GSP) - 1, max(dataset$GSP) + 1) +
ggtitle(str_c("Bid Price History - ", unique(dataset$INN))) +
theme(axis.text.x = element_text(angle = 75, vjust = 0.5, size = 12))
Beispiel Lösung: Produktentwicklung, Prognose und Zeitverlauf in R.
Vorteil unter R: Alle vier Diagramme können in einem Visual dargestellt werden.

Prognose und Simulation R-Skript
library(dplyr)
library(ggplot2)
library(magrittr)
library(lubridate)
library(stringr)
dataset %<>% filter(MonatDatum != "", Modeltype == "Train")
dataset$MonatDatum %<>% str_sub(1 , 10) %>% ymd()
ggplot(dataset, aes(x = MonatDatum, y = value)) +
geom_line(aes(color = key2)) +
geom_point(aes(color = key2)) +
facet_wrap(~modelcalc) +
theme_bw() +
scale_x_date(date_breaks = "1 Monat",
date_labels = "%b %y",
limits = as.Date(c(min(dataset$MonatDatum), max(dataset$MonatDatum)))) +
ggtitle(label = str_c("Trained time ", dataset$Name)) +
theme(axis.text.x = element_text(angle = 90),
panel.grid.minor = element_blank(),
legend.title = element_blank())
:
PostgreSQL Datenbank für Controlling
Mehrere Excel-Dateien Importieren mit PowerQuery
MS Access Auftragsprogrammierung, Legacy Software-Programmierung
Für weitere Power BI Visuals oder Auftragsprogrammierungen stehen wir gerne zur Verfügung. Karten Visuals für Power BI Desktop finden Sie unter Maps4Office.