Om op een gestructureerde manier te kunnen praten over een oplossing voor business intelligence hebben we een model ontwikkeld met vijf lagen.
De onderste laag, invoer, is de basis voor een business intelligence-oplossing: als je gegevens wil analyseren, moeten die gegevens in het business intelligence-systeem ingevoerd worden. Voor een eenvoudig Excel-model voer je vaak met de hand gegevens in, maar meestal zijn de gegevens al in een systeem opgeslagen. Dit kan een database zijn, maar ook Excel-bestanden, tekst- of andere bestanden. En ook kan het zijn dat de informatie die je nodig hebt, op een website te vinden is. Er is een enorme diversiteit in hoe gegevens beschikbaar zijn en elke bron van data heeft zijn eigen manier om de gegevens op te vragen.
Data voorbereiden op analyse
Als je gegevens gaat analyseren, kan je er niet vanuit gaan dat alle benodigde data ook in de juiste vorm beschikbaar zijn om analyses te kunnen uitvoeren. Dat geldt des te meer wanneer je meerdere databronnen gebruikt. Het is daarom nodig om de data voor te bereiden voor analyse. Dat is wat in het model in de laag voorbereiden gebeurt. Hier wordt ‘ruwe data’ getransformeerd tot een verzameling gegevens die geanalyseerd kan worden.
In de praktijk zit er veel werk in deze laag. Met name bij het gebruik van verschillende databronnen is niet altijd duidelijk welke gegevens bij elkaar horen. Veel bedrijfsapplicaties gebruiken nummers om verschillende entiteiten te identificeren, bijvoorbeeld een klantnummer in een verkoopsysteem. Maar het komt veel voor dat verschillende systemen andere nummers gebruiken voor dezelfde klant. Of er wordt wel hetzelfde nummer gebruikt, maar andere informatie over de klant is niet hetzelfde, bijvoorbeeld het telefoonnummer. Het is een hele klus om deze gegevens dan bij elkaar te brengen. In feite is dit specialistenwerk en is er speciale software voor het combineren en opschonen van data.
Filteren van data
Een andere functie in de laag voorbereiden is het filteren van data. Zo zijn in de bronsystemen misschien gegevens van vele jaren beschikbaar, maar willen we in een analyse alleen naar de laatste twee of drie jaar kijken. Of we willen uit een financieel systeem wel alle winst- en verliesposten uit het grootboek, maar niet de balansposten.
Ten slotte kan het bij het voorbereiden van data gaan om een verandering van de structuur van de data. Wat vooral in Excel-bestanden veel voorkomt, is dat gelijksoortige gegevens in verschillende kolommen naast elkaar staan: bijvoorbeeld een kolom voor elke maand. Veel analysetools werken beter met een tabelstructuur waarbij het aantal kolommen vast is. In dit geval wil je dan een transformatie op de gegevens uitvoeren, waarin een tabel wordt gemaakt met een kolom die aangeeft over welke maand het gaat en een kolom met de waarde zelf:
Analyseren: de kern van business intelligence-oplossingen
Als je gegevens eenmaal in een werkbare vorm staan, kan je met het eigenlijke analyseren beginnen. Dit is de kern van elke business intelligence-oplossing. Je bepaalt hier welke doorsnedes je wil maken van je data, bijvoorbeeld per maand en jaar, per klantsegment of welke doorsnede voor jouw organisatie ook relevant is. Een andere factor is welke aggregaties over de gegevens nodig zijn: veel rapporten worden gevormd door de gegevens op een bepaalde manier samen te vatten. Door allerlei berekeningen toe te voegen wordt het mogelijk nog meer inzichten uit de gegevens te halen.
Al deze vormen van analyse worden uitgevoerd door het samenstellen van een analysemodel, waarin doorsnedes, aggregaties, berekeningen en nog meer worden opgenomen. Een goed analysemodel maakt het heel eenvoudig om duidelijke en inzichtelijke rapporten en dashboards te maken. De laag uitvoer heeft betrekking op deze rapporten en dashboards. Op basis van een analysemodel worden de resultaten van het model zichtbaar gemaakt. Deze uitvoer kan allerlei vormen aannemen, van een eenvoudig lijstje cijfers in Excel, via interactieve grafische overzichten, tot professioneel opgemaakte rapporten die volautomatisch worden gecreëerd. De laatste jaren zijn ook infographics populair: hierin worden resultaten op een heel visuele manier weergegeven, waarbij de manier van visualisatie nauw aansluit bij de gegevens zelf. Een voorbeeld is wanneer de zetelverdeling van partijen in de Tweede Kamer wordt weergegeven door op een plattegrond van de Tweede Kamer de zetels de kleur van een partij te geven.
Resultaten van de analyse
De laatste laag draait om het delen van de uitvoer. In de laag delen denk je na over hoe de resultaten van de analyse bij de juiste personen terechtkomen. Een voor de hand liggende manier is om die personen een mail te sturen, wat bij gebruik van Excel veel wordt gedaan. Dit is echter een slechte keuze: elke mail produceert een kopie van het Excel-bestand, waardoor in no-time heel veel versies van hetzelfde bestand ontstaan. Een betere optie is gebruik te maken van een informatieportaal, waarop de rapporten en dashboards beschikbaar zijn voor iedereen die daar toegang toe moet hebben. Daarnaast zijn mobiele apps sterk in opkomst.
In een goede business intelligence-oplossing zijn de vijf lagen duidelijk onderscheiden en worden benodigde bewerkingen op data in de juiste laag uitgevoerd. Dit heeft veel voordelen, zoals het voorkomen dat dezelfde bewerking op data, of dezelfde berekening meerdere keren wordt geïmplementeerd. Dit zorgt ervoor dat het gemakkelijker is om veranderingen in bijvoorbeeld bronsystemen te verwerken in de business intelligence-oplossing. In een slecht opgebouwde business intelligence-oplossing kan een verandering in een bronsysteem op allerlei plekken wijzigingen noodzakelijk maken, tot in de uitvoer aan toe.
Vragen? Meer informatie nodig? Of zin in een vrijblijvende afspraak?
Neem hier contact met ons op!