Data warehouse for små virksomheder: hvornår giver det mening?

Mange små virksomheder har det samme problem: tallene findes, men de ligger spredt i økonomisystemet, webshoppen og en håndfuld regneark. Hver måned bruger nogen timer på at samle dem – og bagefter er man stadig ikke helt sikker på, at de stemmer. Et data warehouse kan løse det. Men det er ikke altid det rigtige svar. Her er en ærlig gennemgang af, hvornår det giver mening, og hvornår det ikke gør.

Hvad er et data warehouse – på almindeligt dansk?

Et data warehouse er en database, der automatisk samler data fra jeres forskellige systemer ét sted og organiserer dem, så de passer sammen. I stedet for at eksportere fra økonomisystemet, kopiere ind i et regneark og slå op i et andet ark, ligger alt i én struktur, hvor kunder, varer, salg og budget hænger sammen.

Det består typisk af fire dele:

Kilder: de systemer og regneark, I allerede bruger – fx økonomisystem, webshop, CRM, lager og budget.
Indlæsning: små programmer, der henter data automatisk, fx hver nat, så ingen skal gøre det i hånden.
Datamodel: den måde, data bliver organiseret på, så »omsætning«, »kunde« og »dækningsbidrag« betyder det samme overalt. Jeg bygger den i værktøjet dbt, hvor hver beregning er skrevet ned og kan testes automatisk.
Rapporter: det, I faktisk ser – i Power BI, Excel eller et andet værktøj I kender.

Ordet »warehouse« lyder stort, men for en lille virksomhed kan det være en database i skyen med nogle få, veldefinerede tabeller. Jeg bruger som udgangspunkt Snowflake, som I ikke selv skal installere eller vedligeholde, og som afregnes efter forbrug. Det vigtige er ikke størrelsen, men at tallene bliver samlet automatisk og på samme måde hver gang.

Seks tegn på, at I er vokset fra regnearkene

Regneark er et fremragende værktøj. Problemet opstår, når de bliver virksomhedens database. Genkender I flere af disse tegn, er det værd at overveje et data warehouse:

Månedsrapporten tager dage. Nogen bruger fast tid hver måned på at eksportere, kopiere og rette tal.
To personer får to forskellige tal. Omsætning, antal kunder eller lagerværdi afhænger af, hvem der har regnet.
Data ligger i mere end to-tre kilder. Økonomisystem, webshop, CRM og flere ark, der ikke taler sammen.
Der mangler en fælles nøgle. Kundenumre eller varenumre er skrevet forskelligt fra system til system.
Én person »ejer« arket. Hvis vedkommende er syg eller holder ferie, er der ingen rapport.
Vigtige beslutninger bygger på mavefornemmelse. Indkøb, priser og bemanding styres uden tal, fordi tallene er for besværlige at finde.

Er det især Excel-rapporter og makroer, der driller, så læs også Når Excel-rapportering og VBA ikke kan følge med: 6 tegn.

Hvornår I ikke har brug for et data warehouse

Det er lige så vigtigt at vide, hvornår man skal lade være. Et data warehouse er sandsynligvis overkill, hvis:

I kun har ét system. Ligger næsten alt i økonomisystemet, kan dets indbyggede rapporter eller en færdig standardintegration ofte klare behovet billigere.
Rapporteringen tager under en time om måneden. Så er der ikke meget tid at spare.
Ingen bruger tallene til beslutninger. Et flot dashboard, som ingen åbner, er ikke en investering, men en udgift.
I ikke ved, hvilke spørgsmål I vil have svar på. Start med at finde de 3–5 vigtigste spørgsmål. Teknologien kommer bagefter.

Hvis det er jeres situation, er det bedste råd ofte at rydde op i de eksisterende regneark og bruge de standardrapporter, I allerede betaler for.

Hvad får en lille virksomhed ud af det?

Gevinsten kommer typisk fra tre steder:

Sparet tid. Den tid, der i dag går med at samle og rette tal, frigøres. Den er nem at sætte tal på: timer om måneden gange hvad en time koster jer.
Færre fejl. Når tal hentes automatisk og efter faste regler, forsvinder mange af de fejl, der opstår ved copy-paste – fx forkerte indkøb, fordi lagertallet var forældet.
Bedre beslutninger. Når dækningsbidrag pr. kunde eller vare er ét klik væk, bliver det lettere at se, hvad der faktisk tjener penge.

Eksempelscenarie: webshoppen med seks datakilder

Bemærk: Dette er et opdigtet eksempel, der illustrerer typen af opgave. Det er ikke en kundecase.

En webshop med otte ansatte bruger et økonomisystem, en webshopplatform og fire regneark til lager, budget, indkøb og kampagner. Ejeren og bogholderen bruger tilsammen omkring ti timer om ugen på at samle tal og rette fejl, og indkøb rammer jævnligt forkert.

Løsningen er et data warehouse i Snowflake, der hver nat henter data fra økonomisystem og webshop via deres integrationer og indlæser de fire regneark i en fast skabelon. Beregningerne af salg, dækningsbidrag og lager ligger i dbt, og oven på det ligger tre rapporter: en ledelsesrapport, salg og dækningsbidrag samt lager. Tallene afstemmes mod økonomisystemet, før løsningen tages i brug, og ejer og bogholder får en kort oplæring.

Hvad koster driften?

Ud over selve opbygningen er der løbende licenser, som I betaler direkte til leverandørerne. For små løsninger er de ofte beskedne. Snowflake afregnes efter forbrug: en månedlig betaling for lagerplads og betaling for den regnekraft, der bruges, når data indlæses og beregnes. Jeg sætter et fast månedligt loft over regnekraften, og er Snowflake overkill, bruger jeg en billigere database. dbt findes i en gratis udgave til én udvikler (snowflake.com og getdbt.com, tjekket 9. oktober 2026). Bruger I Power BI til rapporterne, koster Power BI Pro 90,50 kr. pr. bruger pr. måned ekskl. moms ved årlig betaling (oktober 2026). Priserne ændrer sig, så tjek altid leverandørens egen prisside. Behovet afhænger af antal brugere, datamængde og hvor ofte data skal opdateres – det afklares, før I får en pris.

Sådan kommer I i gang – tre ting I kan gøre i dag

Lav en liste over jeres datakilder. Hvilke systemer og regneark bruges, og hvordan kommer data ud af dem – via integration, eksport eller manuel indtastning?
Skriv de 3–5 spørgsmål ned, I oftest vil have svar på. Fx »Hvad er dækningsbidraget pr. kunde?« eller »Hvordan går salget i forhold til budget?«.
Mål tiden. Hvor mange timer bruger I om måneden på at samle og rette tal, og hvem gør det?

Med de tre ting på plads er det let at vurdere, om et data warehouse kan betale sig – og hvor stort det skal være.

Opsummering

Et data warehouse giver mening for en lille virksomhed, når data ligger i flere kilder, rapporteringen koster mange timer, og tallene bruges til vigtige beslutninger. Har I kun ét system og enkle behov, er det ofte overkill. Start med spørgsmålene, ikke teknologien. Bruger I også mange timer på manuelle rutiner som fakturaer, mails og indtastning, så læs Automatiser med AI: administration uden AI-folk i huset.