JE Jaruwan Essén
CV
Jaruwan Essén

Jaruwan Essén

BI-utvikler · Høyere utdanning

Jeg bygger datamodeller og Power BI-rapporter som samler spredte kilder – CRM, fakturering, Google Analytics og DBH – til tydelige KPI-er ledere kan prioritere etter. Fra et uklart forretningsbehov til en rapport som faktisk brukes i ledermøtet.

1+
år i analyse og BI
7+
år i kundeservice og som butikkmedarbeider
Power BI
+ DAX, Python og D3.js
Se utvalgt arbeid Last ned CV ↓
Kristiania Matrisen · Power BI + D3 dataflyt
kilder
Dynamics 365 CRM · Fakturerings-API · Google Analytics · DBH
transformasjon
Power Query + Python → stjerneskjema
LønnsomhetDAX · dekningsbidrag
Vekst & kvalitetDAX · trender
MarkedDBH · NUS
levert til ledermøtet
Porteføljematrise – egenutviklet D3-visual i Power BI
Formen på løsningen jeg bygget for Høyskolen Kristiania – fire kilder, én modell, én matrise ledelsen prioriterer etter.

01 — Utvalgt arbeid

Fra uklare data til beslutninger

Porteføljeanalyse for høyere utdanning – med en offentlig gjenoppbygging av Kristiania-arbeidet øverst, bygget på fiktive data du kan utforske selv.

Pelican University

En interaktiv porteføljerapport for et fiktivt universitet med 40 nettemner. Den svarer på tre spørsmål ledelsen faktisk stiller: Hvem slutter, og når? Faller kvaliteten før studenttallet? Og hvilke emner bør vi prioritere nå – eller satse videre på? Ni signaler per emne samles i én prioriteringsmatrise, sammenlignet med ekte markedstall fra DBH.

Dette er hva jeg ville gjort med full tilgang til data. Produktet jeg faktisk leverte, ble bygget på dataene som var tilgjengelige da.

Power BI D3.js Python
Åpne live-demoen Se den offentlige gjenoppbyggingen
jaruwanessen.com/#case
01 Første versjon · Power BI-prototype Emneportefølje: lønnsomhet × vekst Power BIDAXTypeScript & D3 Første versjon av matrisen: emner plassert etter endring i dekningsbidrag og endring i studenter, med fire tiltak – skalér, stabiliser, forbedre eller revurder. 4 tiltakSkalér → revurder Fiktive dataEgen side

Interaktivt case · høyere utdanning

Emneportefølje: hvor bør ledelsen starte?

Pelican University har 40 nettemner. Caset svarer på tre spørsmål: hvem slutter, og når? Faller kvaliteten før studenttallet? Og hvilke emner bør ledelsen handle på nå – eller satse videre på?

Se første versjon av caset →

Demonstrasjonsdata. Pelican University er fiktiv, og alle emnetall er syntetiske. Markedstallene er ekte (DBH, tabell 124) og gjelder studieprogram, ikke enkeltemner.

LEDELSESRAPPORT · PELICAN UNIVERSITY

Porteføljeoversikt

–

Dekningsbidrag – –
Fullførte studenter – –
Frafall før eksamen – –
Krever oppfølging – –
Velg periode
2026

–

Hvor bør vi starte? –
Boblestørrelse = inntekt
Prioriteringsmatrise for nettemner Emner plassert etter netto signaler og antall studenter.

–

Emneoversikt

–

Klasse Emnekode og navn Studenter Endring Netto Tilfredshet Frafall Kost./stud. Dekn.bidrag Portefølje NUS-kode

Prosess

Hvordan jeg jobbet med caset

Jeg ble nysgjerrig på hvordan en høyskole kan bruke egne data til å prioritere mellom titalls nettbaserte emner samtidig, i stedet for å vurdere dem ett og ett. Målet var å gi ledelsen ett sted å se lønnsomhet, studentvekst og gjennomføring på én gang – og å gjøre matrisen enkel nok til å faktisk brukes i et vanlig ledermøte.

Stegene jeg tok

  1. Oversatte forretningsbehovet til et konkret prosjektomfang og en enkel modell for hva som skulle måles.
  2. Kartla og koblet datakildene – CRM, studieadministrative systemer og web-/kampanjedata.
  3. Vasket og strukturerte dataene, siden de ikke lå klare i noe felles datavarehus.
  4. Bygget datamodellen og målene (DAX) i Power BI.
  5. Utviklet en egen tilpasset visual i TypeScript og D3, siden ingen standardvisual kunne vise lønnsomhet og vekst i samme matrise.
  6. Testet utkastet med noen i ledelsen og justerte terskelverdier og fargebruk ut fra tilbakemeldingene.
  7. Bygget caset opp igjen offentlig som Pelican University: syntetiske emnedata generert og analysert i Python, ekte markedsdata fra DBH.

Verktøy jeg brukte

  • Power BI & DAX
  • Power Query (M)
  • TypeScript & D3.js
  • Python
  • SQL
  • CRM (Dynamics 365)

Hvorfor jeg tok disse stegene

  • Planla analysen slik at den faktisk svarte på beslutningen ledelsen sto overfor.
  • Sikret at modellen kunne stoles på, siden anbefalingene skulle brukes direkte.
  • Bygget visualen fra bunnen fordi problemet var spesifikt nok til at ingen ferdig komponent løste det godt.

Utfordringer

  1. Datatilgang. Dataene lå spredt på tvers av CRM, studieadministrative systemer og webanalyse, uten noe felles datavarehus å hente fra. Jeg måtte avtale tilgang system for system og bygge egne uttrekk for hver kilde.
  2. Ustrukturerte data. Flere kilder hadde inkonsekvent formatering og manglet en felles nøkkel. Det tok lengre tid enn ventet å rense og koble dataene sammen til én pålitelig modell.
  3. Ingen ferdig visual. Det fantes ikke noe standard Power BI-visual som kunne vise lønnsomhet og studentvekst i samme matrise med terskelverdiene ledelsen faktisk brukte. Løsningen ble å bygge en egen tilpasset visual i TypeScript og D3 – utviklet fra en idé, utelukkende for å løse dette ene problemet.

02 — Hva jeg jobber med

En løsning er mer enn visualene.

Jeg arbeider gjennom hele kjeden – fra definisjon av beslutningen til modell, mållogikk, validering og en rapportopplevelse brukeren forstår.

01

Forretningsspørsmål

Oversetter «vi trenger bedre oversikt» til konkrete beslutninger, KPI-er og regler for prioritering.

02

Robust datamodell

Stjerneskjema med egne dimensjoner for emne, dato og fagområde – og eksplisitt håndtering av mange-til-mange.

03

Analyse til handling

Kombinerer økonomi, vekst og kvalitet slik at signalene leder til oppfølging, ikke bare flere grafer.

04

Dataintegrasjon

Kobler CRM, fakturerings-API, Google Analytics og nasjonale utdanningsdata (DBH) som aldri var laget for å snakke sammen.

05

Tilpassede visualer

Når ingen standardvisual svarer på spørsmålet, bygger jeg en i TypeScript og D3 som gjør det.

06

Datakvalitet og eierskap

Dokumenterer definisjoner, flagger hull og er ærlig om hva dataene kan og ikke kan svare på.

03 — Ferdigheter og verktøy

Verktøyene jeg bruker

Fra rå kilde til en rapport folk bruker.

BI og analyse

  • Power BI-utvikling
  • KPI-design og visualisering
  • Lønnsomhets- og vekstanalyse
Power BIDAXD3.jsTypeScript

Data og modellering

  • Stjerneskjemamodellering
  • ETL med dataflows og Power Query
  • Analyse og syntetiske data i Python
Power Query (M)SQLPythonMicrosoft Fabric

Kilder og integrasjon

  • CRM og fakturerings-API
  • Web- og kampanjedata
  • Nasjonale utdanningsdata
Dynamics 365Google AnalyticsDBHFS
Jaruwan Essén

04 — Om meg

Jeg står mellom data og mennesker – og oversetter det tekniske til noe andre kan bruke.

Jeg bygget og eide et Power BI-dashboard fra bunnen av for Høyskolen Kristiania: fra spredt og udokumentert data i CRM, fakturering og Google Analytics til ett samlet beslutningsgrunnlag for ledelsen.

Før analyse jobbet jeg i over sju år med kundeservice og i butikk – der lærte jeg å lytte etter det egentlige spørsmålet bak bestillingen. Bachelor i pedagogikk gjør at jeg kan forklare kompleks data slik at ikke-tekniske faktisk bruker den.

Mer om meg Kontakt meg