Vemco og Power BI: Få footfall- og occupancy-data ind i din business intelligence

De fleste retail-organisationer har allerede footfall-data. Problemet er, hvor de ligger: i et separat dashboard, som butikschefen kigger på om mandagen, mens finansafdelingen bygger deres rapporter i Power BI uden at kunne se, hvor mange mennesker der faktisk gik ind ad døren. Konsekvensen er, at nøgletal som konverteringsrate og omsætning pr. besøgende enten beregnes manuelt i Excel eller slet ikke beregnes. Det er ikke et datakvalitetsproblem — det er et arkitekturproblem. Og det er præcis det, en eksportintegration mellem Vemco og Power BI løser.

Hvorfor footfall-data hører hjemme i din BI-stack — ikke i en silo

Microsoft Power BI er en af de mest udbredte business intelligence-platforme, og for mange retail- og ejendomsorganisationer er det stedet, hvor omsætning, bemanding, marketingudgifter og lejemålsdata allerede mødes. Når footfall- og occupancy-data lever et andet sted, mister BI-teamet muligheden for de joins, der faktisk skaber værdi: besøgstal mod POS-transaktioner, occupancy mod vagtplaner, zonedata mod kampagneperioder.

Vemcos holdning er entydig: dine footfall-data tilhører dig og hører hjemme i din egen BI-stack. Platformen er bygget som en åben, sensor-agnostisk dataplatform netop for at undgå leverandørlåsning. Integrationen med Power BI er en eksportintegration — data flyder fra Vemco ud til Power BI, og dit team beholder fuld kontrol over datamodellering, relationer og visualiseringer. Vemco garanterer datakvaliteten ved kilden; hvad du bygger ovenpå, er dit.

Sådan kommer data teknisk fra Vemco til Power BI

Der er tre veje ind, og valget afhænger af jeres eksisterende datainfrastruktur:

• VemFusion / REST API: Vemcos REST API på api.vemcount.com giver adgang til endpoints for footfall, occupancy, heatmaps, zoner, events og fuld historik. IT-teams, der allerede kører en dataplatform (Azure Data Factory, Fabric, Databricks eller lignende), kan hente data planlagt og lande dem i deres lakehouse eller warehouse, hvorfra Power BI læser dem.
• Planlagte API-eksporter: For teams uden en fuld dataplatform kan eksporter køre på et fast skema, så data automatisk lander i rapporteringsmiljøet uden nogen manuel indsats.
• Planlagte CSV-eksporter: Den pragmatiske vej for organisationer, hvis Power BI-setup er bygget på filbaserede kilder. Ikke elegant, men driftssikkert — og stadig fuldautomatisk.

Fælles for alle tre veje: ingen manuelle downloads, ingen copy-paste. Data flyder planlagt og automatiseret ind i det miljø, organisationen allerede rapporterer i. Det lyder banalt, men det er forskellen på et KPI, der opdateres hver morgen, og et KPI, der opdateres når nogen husker det.

Datamodellen: hvor det reelle arbejde ligger

En praktisk observation fra implementeringer i felten: den sværeste del af projektet er sjældent API-kaldet — det er tidsgranularitet og lokations-mapping. Footfall-data kommer typisk i intervaller (fx pr. time eller kvarter), mens jeres omsætningsdata måske er aggregeret pr. dag, og bemandingsdata pr. vagt. Beslut jer tidligt for én fælles dato-dimension og ét fælles granularitetsniveau i jeres stjerneskema, og byg en eksplicit mapping-tabel mellem Vemcos lokations-ID'er og jeres interne butiks- eller ejendomsnumre. De teams, der springer det over, ender med DAX-målinger fulde af undtagelser og et dashboard, ingen stoler på.

Med det på plads bliver de interessante målinger ligetil at bygge i DAX:

• Konverteringsrate: transaktioner divideret med besøgende, pr. butik, pr. time — grundlaget for at skelne trafikproblemer fra salgsproblemer.
• Omsætning pr. besøgende: den mest ærlige performance-måling på tværs af butikker med forskellig beliggenhed og trafik.
• Bemanding mod besøgsmønstre: occupancy-data pr. time mod vagtplanen afslører, hvor I er over- eller underbemandet.
• Zone- og heatmap-analyse: hvilke arealer bærer deres husleje, og hvordan flytter kampagner trafikken rundt i butikken eller centeret?
• Event-effekt: events-endpointet gør det muligt at måle trafikløft mod baseline uden manuel datofiltrering.

Datakvalitet: hvad du kan love din CFO

Når footfall-data indgår i beslutninger om budgetter, bemanding og lejeforhandlinger, bliver spørgsmålet om nøjagtighed uundgåeligt. Her er det værd at være præcis: Vemco arbejder med en kontraktlig minimumsnøjagtighed på 96 % i tællingerne, og i praksis ligger niveauet typisk på 98–99 %, når forholdene — belysning, butiksindretning og besøgsadfærd — tillader det. Det er en ærlig ramme at rapportere indenfor, og den bør fremgå af jeres data-dokumentation, så ingen i organisationen behandler tallene som mere eller mindre præcise, end de er.

Skalaen bag platformen taler også for driftsstabiliteten: Vemco, grundlagt i Danmark i 2005, behandler over 85 millioner tællinger om dagen for mere end 2000 kunder i over 95 lande. For et BI-team betyder det, at datakilden er testet på et volumen, der langt overstiger de fleste enkeltorganisationers behov.

Magasin: BI-rapportering på tælledata i praksis

Den danske stormagasinkæde Magasin bruger Vemcos dataeksporter til deres business intelligence-rapportering. Modellen er den, denne artikel beskriver: Vemco leverer kvalitetssikrede tælle- og occupancy-data ved kilden, og Magasins eget team ejer modellering og rapportering i deres BI-miljø. Det er arbejdsdelingen, der gør setup'et bæredygtigt over tid — leverandøren garanterer datagrundlaget, organisationen ejer analysen.

Kom i gang: tre beslutninger før første eksport

Inden I sætter den første planlagte eksport op, bør BI-manageren, IT og forretningen afklare tre ting sammen:

• Granularitet og historik: Hvor fint et tidsinterval har forretningen reelt brug for, og hvor langt tilbage skal historikken hentes? Vemcos API giver adgang til fuld historisk data, så I kan bygge baseline og sæsonmønstre fra dag ét i stedet for at vente et år på sammenligningsgrundlag.
• Integrationsvej: Har I en dataplatform, der skal orkestrere API-kald via api.vemcount.com, eller er planlagte CSV-eksporter det rigtige første skridt? Start gerne simpelt — arkitekturen kan opgraderes senere uden at ændre rapporterne.
• Ejerskab: Hvem ejer mapping-tabellen mellem lokationer, hvem overvåger, at eksporterne kører, og hvem godkender nye målinger? Uden klart ejerskab bliver selv den bedste integration til teknisk gæld.

Pointen er ikke, at Power BI erstatter Vemcos egne analyseværktøjer — det er, at footfall og occupancy skal kunne stå side om side med omsætning, marketing og bemanding i de rapporter, direktionen allerede kigger på. Først dér bliver besøgstal til beslutninger.

Vil du have footfall- og occupancy-data ind i jeres Power BI-dashboards? Tal med os om API- og eksportmuligheder — fra VemFusion og REST API til planlagte CSV-flows — på vemcogroup.com/contact-us, så finder vi den integrationsvej, der passer til jeres eksisterende BI-arkitektur.