Om de hele organisatie te kunnen voorzien van goede managementinformatie heb je gekozen voor een ‘centrale’ aanpak. Dat wil zeggen, je hebt alle BI-omgevingen en hun data warehouses geïntegreerd in één enkel data warehouse in één enkele BI-omgeving. Daarmee heb je alle brondata op één plek en kan de interpretatie van die brondata weinig verschillen. Een streefwaardige situatie, maar toch kan deze situatie signalen vertonen die aangeven dat een nieuwe groeistap nodig is.
Wanneer medewerkers zelf de mogelijkheden krijgen om analyses uit te voeren en daardoor direct meer invloed op de bedrijfsvoering uitoefenen, kunnen organisaties slagvaardiger opereren. Selfservice BI is daarom een toenemende behoefte in de Business Intelligence markt. De uitdagingen, risico’s en maatregelen die zich tijdens een Selfservice BI implementatie voordoen, worden in deze presentatie uitgebreid behandeld. Het beheerproces rondom Selfservice BI is essentieel voor succes en ook daar wordt nader op ingezoomd.
De kwaliteit van de business intelligence bepaalt de slagkracht van jouw organisatie. Wil je een nieuwe, effectieve BI-omgeving inrichten? Een extra functionaliteit toevoegen aan de BI-omgeving? Moet de BI-omgeving aangepast worden vanwege nieuwe regelgeving of een op handen zijnde fusie? Allemaal redenen om een goed afgebakend BI-project te starten met FourPoints. Jouw gids in business intelligence.
Om de hele organisatie te kunnen voorzien van goede managementinformatie heb je inmiddels een zeer uitgebreide en uiterst professionele BI-omgeving opgezet: het ‘Enterprise Data Warehouse (EDW)’. Hierin heb je alle BI-omgevingen en hun data warehouses geïntegreerd. Alles in één enkel data warehouse in één enkele BI-omgeving. Alle bedrijfsdata binnen jouw organisatie wordt realtime als brondata in jouw EDW geladen. Er is geen enkele verwarring over terminologie, want het Enterprise Datamodel (EDM) definieert alle begrippen en relateert alle data aan elkaar. Je kunt makkelijk nieuwe dashboards maken, want alle bedrijfsdata is toch al beschikbaar gemaakt in het EDW. Wat kan hier nog misgaan?
“Ik dacht dat het af was! Nu moet ik nóg €20.000 investeren om het netjes te maken?”
Wie bovenstaande uitspraak herkent, kan misschien wel een lesje ‘verwachtingsmanagement’ gebruiken. Blijkbaar was het voor de opdrachtgever niet helemaal duidelijk wat hij als eindproduct zou krijgen. Bovendien valt het eindproduct tegen, want hij moet flink extra investeren. De Definition of Done (D.o.D.) kan helpen om de transparantie in een ontwikkelproces te bevorderen. Hoe dat werkt en hoe je een D.o.D. opstelt, vertel ik in deze blog.
Big Data heeft ruimte nodig, meer ruimte dan je gewend bent in je 'normale' BI-omgeving. Met ruimte bedoel ik eerder ademruimte dan opslagruimte. Het gaat bij Big data niet om hoe groot jouw Hadoop-cluster wel niet is ten opzichte van je concurrenten, maar om de manier waarop je met die Big data omgaat. Let me explain.
More Related Content
Similar to BI-Tooltip: Hoe beheer je een self-service BI-tool, zoals QlikView?
Om de hele organisatie te kunnen voorzien van goede managementinformatie heb je gekozen voor een ‘centrale’ aanpak. Dat wil zeggen, je hebt alle BI-omgevingen en hun data warehouses geïntegreerd in één enkel data warehouse in één enkele BI-omgeving. Daarmee heb je alle brondata op één plek en kan de interpretatie van die brondata weinig verschillen. Een streefwaardige situatie, maar toch kan deze situatie signalen vertonen die aangeven dat een nieuwe groeistap nodig is.
Wanneer medewerkers zelf de mogelijkheden krijgen om analyses uit te voeren en daardoor direct meer invloed op de bedrijfsvoering uitoefenen, kunnen organisaties slagvaardiger opereren. Selfservice BI is daarom een toenemende behoefte in de Business Intelligence markt. De uitdagingen, risico’s en maatregelen die zich tijdens een Selfservice BI implementatie voordoen, worden in deze presentatie uitgebreid behandeld. Het beheerproces rondom Selfservice BI is essentieel voor succes en ook daar wordt nader op ingezoomd.
De kwaliteit van de business intelligence bepaalt de slagkracht van jouw organisatie. Wil je een nieuwe, effectieve BI-omgeving inrichten? Een extra functionaliteit toevoegen aan de BI-omgeving? Moet de BI-omgeving aangepast worden vanwege nieuwe regelgeving of een op handen zijnde fusie? Allemaal redenen om een goed afgebakend BI-project te starten met FourPoints. Jouw gids in business intelligence.
Om de hele organisatie te kunnen voorzien van goede managementinformatie heb je inmiddels een zeer uitgebreide en uiterst professionele BI-omgeving opgezet: het ‘Enterprise Data Warehouse (EDW)’. Hierin heb je alle BI-omgevingen en hun data warehouses geïntegreerd. Alles in één enkel data warehouse in één enkele BI-omgeving. Alle bedrijfsdata binnen jouw organisatie wordt realtime als brondata in jouw EDW geladen. Er is geen enkele verwarring over terminologie, want het Enterprise Datamodel (EDM) definieert alle begrippen en relateert alle data aan elkaar. Je kunt makkelijk nieuwe dashboards maken, want alle bedrijfsdata is toch al beschikbaar gemaakt in het EDW. Wat kan hier nog misgaan?
“Ik dacht dat het af was! Nu moet ik nóg €20.000 investeren om het netjes te maken?”
Wie bovenstaande uitspraak herkent, kan misschien wel een lesje ‘verwachtingsmanagement’ gebruiken. Blijkbaar was het voor de opdrachtgever niet helemaal duidelijk wat hij als eindproduct zou krijgen. Bovendien valt het eindproduct tegen, want hij moet flink extra investeren. De Definition of Done (D.o.D.) kan helpen om de transparantie in een ontwikkelproces te bevorderen. Hoe dat werkt en hoe je een D.o.D. opstelt, vertel ik in deze blog.
Big Data heeft ruimte nodig, meer ruimte dan je gewend bent in je 'normale' BI-omgeving. Met ruimte bedoel ik eerder ademruimte dan opslagruimte. Het gaat bij Big data niet om hoe groot jouw Hadoop-cluster wel niet is ten opzichte van je concurrenten, maar om de manier waarop je met die Big data omgaat. Let me explain.
In vervolg op mijn blog van afgelopen week duiken we nog wat dieper in de strijd die lijkt op te laaien tussen aanhangers van Big Data en aanhangers van data warehouses. Als je dat nog niet gedaan hebt, is het raadzaam om het eerste deel van deze blog eerst even te lezen voordat je aan dit tweede deel begint.
In twee eerdere blogs (“Wat is Big Data?”) zijn we ingegaan op de vraag wat Big Data is en of je er als manager al iets mee zou moeten. Als je besluit om ook in jouw bedrijf iets te gaan doen met Big Data, dan kom je gelijk bij de vraag: “Moet ik dan ook iets met Data Science?”. Daarom ga ik in deze blog iets dieper in op de relatie tussen Big Data en Data Science.
In een eerdere blog (“Wat is Big Data?”) stond ik uitgebreid stil bij de term Big Data, zijn oorsprong en huidige interpretatie. Rond de vraag “of we er iets mee moeten” is inmiddels flink wat rijpingstijd verstreken, waardoor een update nodig is.
Er is nog geen uitsluitsel binnen de architectuur gemeenschap over het gebruik van de termen Business Architecture (Bedrijfsarchitectuur) en Enterprise Architecture. Is dit hetzelfde? Is het één onderdeel van het ander?d
Big Data is nog steeds een big issue. Ik heb er dan ook redelijk wat aandacht aan besteed in eerdere blogs (bijvoorbeeld: welke data kan interessant zijn en Big Data voor het MKB). Toch is er in de essentie van de zinvolheid van Big Data een zekere verschuiving te onderkennen. Het lijkt me goed om daar in deze blog wat dieper op in te gaan.
Ik ben achter de tekentafel gaan zitten om een plaat te maken die de plekken van samenwerking tussen de ‘drukke, rumoerige’ research kant en de ‘rustig zoemende’ dataproductie kant weergeeft. Deze afbeelding wordt in deze blog nader toegelicht.
Er zijn tegenwoordig al aardig wat Marketing Automation tools (MA-tools) op de markt. In deze blog ga ik de MA-tools voor de ‘niet multinationals’ bekijken.
In vorige blogs heb ik nader toegelicht wat data science is en hoe het voor marketing waardevol kan zijn. Ook heb ik de rol van de data scientist, het proces van data science en de databronnen voor data science wat nader beschreven.
Wat voor activiteiten gaat de data scientist - zoals ik die vorige week heb beschreven - nu eigenlijk uitvoeren? Welke proces wordt er typisch binnen data science uitgevoerd?
Als vervolg op de introductie blog over Data Science binnen Marketing heb ik het deze keer over de functie van data scientist. Wat typeert een data scientist binnen het vakgebied marketing? Welke kwaliteiten heeft hij?
Moderne marketing heeft steeds snellere ICT nodig. Maar dat geldt gelukkig niet voor alle processen. Vaak maak ik hiervoor onderscheid tussen de real-time marketing cyclus en de periodieke cyclus. In deze blog ga ik dieper in op deze twee cycli en hun functies.
Marketing en data science worden steeds vaker in één adem genoemd. Daarom lijkt het mij goed om het onderwerp data science - bekeken vanuit de marketing-discipline - eens wat nader te beschrijven in deze no-nonsense blogreeks over Marketing Intelligence. Ik begin daarom maar met een introductie van het begrip zelf.
In deze blog ga ik wat dieper in op de status van de Big Data inspanningen van de multinationals, wat daar de voor- en nadelen van zijn en wat je daar als MKB-bedrijf van kunt leren.
Klantgegevens zijn waardevol voor Marketing. Des te meer kennis je krijgt over jouw klanten en prospects, des te beter kun je hun wensen en gedrag voorspellen. Maar klantgegevens zijn ook vluchtig, moeilijk te vangen. In dit blog meer uitleg hierover.
Moderne marketing, met kenmerken als ‘customer-centric’, ‘inbound’, ‘content’ en ‘multi-channel’, lijkt vaak direct gekoppeld te worden aan Big Data. Maar is dat wel zo?
Het implementeren van de technologie voor Inbound Marketing lijkt een ‘mer à boire’ met snel uit de hand lopende kosten. Zeker voor kleine en middelgrote bedrijven (typisch tussen de 20 en 2.500 medewerkers). Dat hoeft echter niet zo te zijn. Met de huidige mogelijkheden in de cloud (software as a service, SaaS) zijn ook voor het MKB goed functionerende en goed schaalbare oplossingen beschikbaar. In deze blog ga ik hier wat verder op in en laat wat voorbeelden zien.
Duidelijkheid over wat er aan de processen en verantwoordelijkheden binnen de marketingfunctie moet veranderen, voorkomt desinvesteringen door het falen van aangekochte moderne en soms dure marketingsoftware. Daarom starten we deze blogreeks aan de basis, met het meest heikele punt: de organisatie.
Een modern bedrijf speelt in op de ‘customer journey’ door rekening te houden met het bezoekersgedrag. Maar dat kan Marketing niet alleen. Er moet een goede samenwerking tussen Kanalen, Verkoop en Marketing tot stand komen. Niet alleen technisch, maar ook organisatorisch. In deze blog geef ik de hoofdlijnen voor de technische samenwerking. In een volgend blog zal ik de organisatorische samenwerking bespreken.
2. BI-Tooltip: Hoe beheer je een self-service BI-tool, zoals QlikView?
Pg, 2
Dit artikel is onderdeel van de themareeks BI-Tooltips, bedoeld om interessante nieuwsfeiten en
gebruikstips voor specifieke BI-Tools te publiceren. Deze tooltip behandelt enkele
aandachtsgebieden bij het beheren van QlikView omgevingen.
De eerste dashboards zijn snel gebouwd en de enthousiaste reacties van de gebruikers stromen
binnen. Plannen voor meer dashboards schieten als paddenstoelen uit de grond. Maar hoe zorg
je er nu voor dat al je dashboards dezelfde business rules hanteren? Dat ze dezelfde look & feel
hebben? En dat niet voor elk nieuw dashboard het wiel opnieuw uitgevonden hoeft te worden?
Context
QlikView is zeker een prettige self-service BI tool om snel dashboards mee te maken en analyses
uit te voeren. Maar naarmate het aantal dashboards groeit is het raadzaam om een aantal
richtlijnen in acht te nemen. Deze regels leiden tot duidelijke afspraken voor ontwikkelaars en
daardoor ook tot minder beheer. Je wilt immers de tijd en kosten aan ontwikkeling en beheer in
de hand houden.
3. BI-Tooltip: Hoe beheer je een self-service BI-tool, zoals QlikView?
Pg, 3
De wijze waarop beheer is geregeld, verschilt per organisatie. Het kan belegd zijn bij een
separaat beheerteam dat meerdere applicaties beheert en zorgdraagt voor het uitvoeren van
kleine wijzigingen. Of het kan belegd zijn bij het ontwikkelteam dat daarmee ook het onderhoud
en beheer doet, hetgeen vaak het geval is bij kleinere omgevingen.
Ongeacht de vorm, een aantal richtlijnen voor beheer blijven hetzelfde.
Overzicht richtlijnen
Onderstaande regels zijn de belangrijkste en kun je per situatie toepassen.
• Structuur! Richt de QlikView omgeving gestructureerd in
• Maak gebruik van een multi-tier opzet
• Hergebruik zo veel mogelijk bestaande logica en instellingen door ze slechts één keer te
definiëren
• Maak een template applicatie die zorgt voor één look & feel
4. BI-Tooltip: Hoe beheer je een self-service BI-tool, zoals QlikView?
Pg, 4
• Leer van andere organisaties en bestaande middelen (best practices)
Het zijn uiteraard geen wereldschokkende zaken, maar toch komt het nog te vaak voor dat er,
door een eerste snelle ontwikkeling van een dashboard, geen richtlijnen worden toegepast. De
kans is dan groot dat je volgende dashboards ook zonder richtlijnen ontwikkelt waardoor er al
snel sprake is van wildgroei en geen uniformiteit. Als de eerste grote wijzigingen zich dan
aandienen, of als je bestaande dashboards wilt combineren, loop je tegen de beperkingen aan
van het ontbreken van uniformiteit. Dat betekent extra werk, zoals het geheel opnieuw
ontwikkelen van datamodellen en het herbouwen van de gebruikers interface. Gebruikers
begrijpen dit niet en roepen vertwijfeld: “maar jullie waren zo snel en nu moet ik weken
wachten, hoe kan dat?”.
Laten we de richtlijnen eens nader bekijken en toelichten.
Structuur
Plaats de verschillende bestandssoorten en onderdelen van de QlikView omgeving in aparte
5. BI-Tooltip: Hoe beheer je een self-service BI-tool, zoals QlikView?
Pg, 5
mappen. Dit zorgt voor duidelijkheid en overzicht en bevordert de beheerbaarheid en de
herbruikbaarheid. Zelf gebruik ik vaak deze indeling:
Dit heeft ook direct te maken met de richtlijnen rondom de
multi-tier opzet.
Multi-tier
Ik raad je aan om de QlikView omgeving ‘multi-tier’ of gelaagd op
te zetten, met minimaal twee lagen. Zo kun je in de eerste laag,
de brongegevens - of het nu databases of bestanden (xml, txt,
xlsx, etc.) zijn - direct in QlikView databestanden (QVD’s)
opslaan. De tweede laag vorm je dan door de datamarts, waarin de ruwe data is
getransformeerd naar betekenisvolle data. Deze datamarts vormen de grondstof voor het
uiteindelijke dashboard. In de praktijk worden tussen de aangeleverde gegevens en de
datamarts ook wel tussenlagen gebruikt, maar dat is voor deze discussie niet relevant; de
essentie is dat je de omgeving in aparte lagen opzet. Elk van deze lagen heeft een eigen locatie,
die we ook in de mappen-structuur terug willen zien (zie punt 1).
6. BI-Tooltip: Hoe beheer je een self-service BI-tool, zoals QlikView?
Pg, 6
Het voordeel van het opdelen van het data-logistieke verwerkingsproces is dat het resultaat, de
datamarts (of qlikmarts), door meerdere dashboards gebruikt kan worden. Hiermee bereik je dat
je een bron maar één keer inleest waardoor je ook geen verschillen in naamgeving of betekenis
krijgt.
Probeer ook om zo veel mogelijk logica en berekeningen (de business rules) in een laag te
leggen in plaats van in het dashboard zelf. Dit voorkomt niet alleen complexe (en trage)
berekeningen in het dashboard, maar ook redundantie als je dezelfde berekening in meerdere
dashboards gebruikt.
Hergebruik
Maak zo veel mogelijk gebruik van centraal opgeslagen instellingen. Denk hierbij aan datum- en
getalsnotatie, bestandslocaties, variabelen voor kleurstellingen en routines. Maar ook meta-data,
de beschrijving van de data, leg je bij voorkeur centraal vast. In bovenstaande structuur is dat
de map ‘0. Settings’.
7. BI-Tooltip: Hoe beheer je een self-service BI-tool, zoals QlikView?
Pg, 7
Je kunt een template maken van een dashboard waar je alle zaken zoals kleurgebruik in
definieert. Ook grafieken, gauges, etc. kun je hier in zetten. Gebruik deze template dan voor
nieuwe dashboards, hiermee spaar je veel tijd uit.
Look & Feel
Een goede datavisualisatie is essentieel om informatie goed over te brengen. Zorg daarbij voor
een consistente lay-out zodat de gebruiker dezelfde items op dezelfde plaats terugvindt in
dezelfde vorm. Dit geeft een rustig en helder beeld waarmee een gebruiker ook bij nieuwe
8. BI-Tooltip: Hoe beheer je een self-service BI-tool, zoals QlikView?
Pg, 8
dashboards snel vertrouwd is. In de template (zie hierboven) kun je de algemene lay-out
regelen, zodat je deze niet elke keer hoeft in te richten.
Tot slot
Het toepassen van richtlijnen is essentieel om een goed beheerbare rapportageomgeving te
creëren die gebruikers ook het gevoel geeft van één geïntegreerde informatievoorziening.
Bovendien zorgt het ervoor dat de ontwikkeling van nieuwe dashboards sneller tot resultaat leidt
en de kwaliteit van een hoger niveau is. Weersta dus de verleiding om meteen te beginnen,
want de tijd die je besteedt aan het opstellen van een set van richtlijnen is snel terugverdiend
als de omgeving groter wordt.
Meer informatie over het gebruik van gestructureerde omgevingen vind je via onderstaande
links.
Handige links
• QlikView Components: een verzameling functies en standaarden voor QlikView
documenten.
9. BI-Tooltip: Hoe beheer je een self-service BI-tool, zoals QlikView?
Pg, 9
• QlikView Deployment Framework: gestructureerde opzet volgens Qlik.
• Perceptual Edge: datavisualisatie volgens Stephen Few.
Heb jij nog aanvullende tips voor het gebruik van QlikView? Laat het mij weten in een reactie.
Je kunt je hieronder abonneren op ons Thema BI-Tooltips:
10. BI-Tooltip: Hoe beheer je een self-service BI-tool, zoals QlikView?
Pg, 10
Dit blogartikel is geschreven door Robert Ruiter.
Wil je meer informatie? Neem dan een kijkje op ons blog.