Dit artikel beschrijft de signalen waaraan je als manager merkt dat een volgende stap in je BI-oplossing nodig is, bijv. als BI met Excel wordt gedaan.
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?
Dit artikel beschrijft de signalen waaraan je als manager merkt dat een volgende stap in je BI-oplossing nodig is, bijv. als BI met Excel wordt gedaan.
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?
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.
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.
Wim van Zanten - PGGM - De eindgebruiker als ontwikkelaar - BI Symposium - boSogeti Nederland B.V.
De eindgebruiker als ontwikkelaar
Ben je als “Eindgebruiker” wel eens in de situatie geweest dat je een maandrapportage moet opleveren die er net weer iets anders moet uitzien dan de vorige maand. Maar je IFS afdeling heeft geen tijd voor de aanpassingen.
Ervaar in deze sessie hoe je als eindgebruiker met Pyramid Analytics instaat bent om uit meerdere data bronnen je eig en rapportages te maken, zonder dat je de IFS afdeling nodig hebt.
Hoe éénvoudig en leuk kan het zijn.
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.
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.
Net als voor zoveel ICT geldt, is het ook voor Marketing Intelligence belangrijk om een gedegen toolkeuze uit te voeren. Spring niet gelijk met de eerste de beste softwareleverancier in bed, maar overweeg verschillende opties. Behalve dat elke tool bepaalde sterktes en zwaktes kent, moet je er vooral op letten dat een tool past binnen jouw bedrijf en in je bestaande applicatielandschap. Zoals eerder gezegd moeten de systemen voor kanalen, sales en marketing naadloos met elkaar communiceren om een goed commercieel inbound proces te faciliteren.
Wat zou jij er van vinden om in een gebouw te werken als deze? Waarschijnlijk niet zo prettig! Laten we dit beeld even in ons achterhoofd houden en het over Master Data hebben.
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.
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.
Wim van Zanten - PGGM - De eindgebruiker als ontwikkelaar - BI Symposium - boSogeti Nederland B.V.
De eindgebruiker als ontwikkelaar
Ben je als “Eindgebruiker” wel eens in de situatie geweest dat je een maandrapportage moet opleveren die er net weer iets anders moet uitzien dan de vorige maand. Maar je IFS afdeling heeft geen tijd voor de aanpassingen.
Ervaar in deze sessie hoe je als eindgebruiker met Pyramid Analytics instaat bent om uit meerdere data bronnen je eig en rapportages te maken, zonder dat je de IFS afdeling nodig hebt.
Hoe éénvoudig en leuk kan het zijn.
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.
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.
Net als voor zoveel ICT geldt, is het ook voor Marketing Intelligence belangrijk om een gedegen toolkeuze uit te voeren. Spring niet gelijk met de eerste de beste softwareleverancier in bed, maar overweeg verschillende opties. Behalve dat elke tool bepaalde sterktes en zwaktes kent, moet je er vooral op letten dat een tool past binnen jouw bedrijf en in je bestaande applicatielandschap. Zoals eerder gezegd moeten de systemen voor kanalen, sales en marketing naadloos met elkaar communiceren om een goed commercieel inbound proces te faciliteren.
Wat zou jij er van vinden om in een gebouw te werken als deze? Waarschijnlijk niet zo prettig! Laten we dit beeld even in ons achterhoofd houden en het over Master Data hebben.
De samenleving wordt steeds complexer. En dat geldt vaak ook voor bedrijven en hun ICT. Grote ondernemingen en bedrijven in het MKB hebben te maken met meer producten, meer diensten, meer afdelingen en groeiende regelgeving. Maar ook in complexe (markt)omstandigheden wil je rendement halen uit jouw marketinginspanningen, kosten verlagen, risico’s verkleinen – kortom, de performance verbeteren. Dat betekent dat de kwaliteit van de management-informatie cruciaal is. Een nieuwe architectuur voor jouw Business Intelligence omgeving kan die kwaliteit waarborgen. Ook in de toekomst.
Kadenza onderzoeksrapport. Succesvollere Business Intelligence projectenJeroen Blankendaal
Voorjaar 2009 voerde Kadenza een marktonderzoek uit onder zijn klanten en prospects.
Doel: vragen hoe we kunnen helpen om BI-projecten succesvoller te maken.
Tussen 1 april en 1 juli 2009 heeft Kadenza 600 enquêteformulieren uitgezet onder
initiatiefnemers van BI-projecten (de strategische doelgroep) en gebruikers (de
operationele doelgroep). De respons was hoog: van 340 respondenten kregen we een
ingevuld formulier terug.
Het doel van ons marktonderzoek was te achterhalen hoe organisaties geholpen
kunnen worden om BI-projecten succesvoller te maken. In het bijzonder wilden wij
inventariseren of het organisaties in hun eigen beleving ontbreekt aan kennis die
nodig is om BI optimaal te benutten. En zo ja: om wat voor kennis het dan gaat.
Similar to De 8 BI-groeisignalen voor managers - Situatie 2: front-end BI-tools (20)
“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 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.
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.
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.
Als een klant op eigen initiatief contact opneemt met jouw organisatie moeten alle disciplines samenwerken om de klant of prospect dit contact als prettig en behulpzaam te laten beleven. Daarbij moet die beleving zo consistent mogelijk zijn over de kanalen heen. Om die consistentie te bevorderen is het handig om een soort ‘standaard klantcontact model’ te hanteren. Hiermee maken we de onderdelen van een klantcontact zo kanaal-onafhankelijk mogelijk en kan het marketing- en verkoopproces (en dus de klantbeleving) consistenter worden over alle kanalen.
Moderne marketing met kenmerken als ‘customer-centric’, ‘inbound’, ‘content’ en ‘multi-channel’, is niet zomaar geïmplementeerd. In deze blog zet ik de belangrijkste uitdagingen die moderne marketers tegenkomen even achter elkaar. Dus, in één simpel rijtje, de vijf belangrijkste aandachtsgebieden bij het veranderen van jouw marketingdiscipline naar de moderne leest. Drie voor business en twee voor IT. En hoe ze aan te pakken, natuurlijk.
2. De 8 BI-groeisignalen voor managers – Situatie 2: front-end BI-tools
Pg, 2
“Signalen die wijzen op de noodzaak van een volgende stap voor jouw BI-omgeving”.
Deze blog is onderdeel van de themareeks ‘Management & BI’. De themareeks is bedoeld voor
managers die wat meer willen weten over Business Intelligence, maar dan alleen de essentie in
begrijpelijke taal en zonder alle technische termen en hypes.
Je hebt MS/Excel ingeruild voor moderne front-end BI-tools, zoals QlikView, Tableau en
MicroStrategy. De power-users binnen jouw organisatie hebben nu de beschikking over een
geavanceerd tool, waarmee ze veel makkelijker brondata kunnen structureren en dashboards
kunnen maken. Maar ook het gebruik van deze tools zonder verdere BI-componenten kent een
einde. Wat zijn de signalen waaruit blijkt dat deze oplossing te kort gaat schieten? Wat doe je
dan?
Schets van de huidige BI-oplossing
Je gebruikt off-the-shelf bedrijfssystemen voor je boekhouding, CRM, voorraadbeheer en
facturatie. Vanuit die applicaties worden standaard rapportages geleverd. Daar waar deze
3. De 8 BI-groeisignalen voor managers – Situatie 2: front-end BI-tools
Pg, 3
rapportages tekortschieten gebruik je moderne front-end BI-tools, a la Tableau. Voor de
managementinformatie ben je afhankelijk van je informatiewerkers, de heroes die deze
selfservice tools van voor tot achter kennen. Deze power-users hebben de front-end BI-tool op
hun PC geïnstalleerd en voorzien jou van mooi vormgegeven dashboards. Als voeding voor hun
BI-tool gebruiken de power-users brondata vanuit de bedrijfsapplicaties, meestal in de vorm van
periodieke CSV-files.
Voorbeelden van front-end BI-tools zijn Business Objects en Cognos als representanten van de
klassieke rapportage tools en Tableau en QlikView als de moderne selfservice dashboarding
tools. Er zijn ook front-end BI-tools die er meer tussenin zitten, denk aan MicroStrategy.
Wat zijn BI-tools precies?
Even over de front-end BI-tools. Er is binnen de BI-wereld een weinig uitgesproken verwarring
rond de term ‘BI-tool’. Een complete BI-omgeving bestaat grofweg uit 3 grote delen:
1. een data logistieke component (in de vorm van een ETL-tool of Data-integratie tool);
2. een data warehouse;
4. De 8 BI-groeisignalen voor managers – Situatie 2: front-end BI-tools
Pg, 4
3. en een rapport/dashboard-component (BI-tool).
Vroeger werd met de term ‘BI-tool’ altijd de rapport/dashboard tool bedoeld. Tegenwoordig
worden vaak alle tools in een BI-omgeving ‘BI-tools’ genoemd. Om aan deze semantische
verwarring te ontkomen, gebruik ik daarom de term ‘front-end BI-tool’ als ik het heb over de
rapport/dashboard-component.
Waar gaat het mis?
De belangrijkste indicatoren dat er iets mis gaat bij deze aanpak zijn:
• De cijfers verschillen steeds meer tussen de diverse dashboards, hierdoor weet je niet meer
zeker welk dashboard de juiste cijfers geeft;
• Je vertrouwen in de correctheid van cijfers op de dashboards daalt;
• Het maken van nieuwe managementinformatie ging eerst lekker vlot, maar neemt weer
steeds meer tijd in beslag;
5. De 8 BI-groeisignalen voor managers – Situatie 2: front-end BI-tools
Pg, 5
• Naarmate het aantal dashboards toeneemt, stijgt de verwarring over welke de laatste versie
van een dashboard is.
Waar komt dit door?
Elke power-user heeft zijn eigen BI-tool client. Hij maakt daarop de dashboards die van hem
gevraagd worden met behulp van brondata in zijn eigen beheer (meestal files, soms een desktop
database). Om tot dashboards te komen past hij zijn eigen set van business rules toe, waarmee
hij de data kan opschonen, interpreteren en combineren. Hij maakt dus net als bij MS/Excel zijn
eigen set van data, metrics en logica. Wat dat betreft ben je niet veel verder opgeschoten dan
bij de situatie met MS/Excel, even daargelaten dat de regels en data wel een stuk inzichtelijker
zijn gemaakt. De logica die de power-user toepast is echter nog steeds individueel en dus niet
opgelijnd met de rest van de organisatie. Daardoor is er geen of weinig correlatie tussen de BI-
tool clients onderling. De data kent nog steeds definities per power-user en wordt op
verschillende manieren gecombineerd tot managementinformatie. Vandaar het grote risico op
cijfers die verschillen tussen de power-users.
6. De 8 BI-groeisignalen voor managers – Situatie 2: front-end BI-tools
Pg, 6
De moderne BI-tools helpen om meer inzicht te krijgen in de data en maken het samenstellen
van grafieken en dashboards makkelijker. Maar zij vormen geen structurele oplossing voor
consistentie in de managementinformatie. De verwarring over de juistheid van de cijfers is
onvermijdelijk omdat elke power-user zijn eigen logica gebruikt.
De moderne front-end BI-tools nodigen uit tot meer en meer uiteenlopende en geavanceerdere
dashboards, die gebruik maken van steeds meer soorten brondata. De complexiteit van de
benodigde logica in de tool om het dashboard samen te stellen neemt hierdoor toe. Een kleine
aanpassing levert veelal een nieuwe versie van het dashboard. In de meeste gevallen ontstaat
een wildgroei aan versies van rapporten en dashboard. Dat is vooral lastig omdat de front-end
BI-tools in vrijwel alle gevallen geen of onvoldoende versiebeheer bieden. Slimme naamgeving
en handig directory-gebruik zijn broodnodig, maar bieden slechts beperkt soelaas.
Next Steps
Binnen de moderne front-end BI-tools bestaat meestal de mogelijkheid om een ‘server’-
component aan te schaffen. Op deze server-component kunnen centraal de rapporten en
dashboards worden opgeslagen, die dan benaderbaar zijn vanuit de front-end BI-tool clients op
7. De 8 BI-groeisignalen voor managers – Situatie 2: front-end BI-tools
Pg, 7
de PC’s van alle power-users. Hierdoor wordt de gebruikte logica in de rapporten en dashboards
gemeenschappelijk over power-users heen en dat werkt hergebruik en consistentie in de hand.
De power-users kunnen als het ware in elkaars werk kijken om te zien of en hoe zij een bepaald
probleem hebben aangepakt.
Afhankelijk van jouw behoefte aan managementinformatie kan blijken dat het gebruik van een
server-component in jouw front-end BI-tool voldoende is om de consistentie van de
managementinformatie te verbeteren. In ieder geval is het weer een goede stap bij
het volwassen worden in het gebruik van Business Intelligence. Maar ook deze oplossing kent
een beperkte levensduur, meestal zo’n twee jaar. Hoe meer je gebruikt maakt van Business
Intelligence, des te meer nemen problemen rond performance, het combineren van databronnen
en de onzekerheid over de cijfers toe. Daarover vertel ik in de volgende blog in deze reeks.
Welke BI-omgeving past bij jouw organisatie?
Als je een keer wilt kijken welk soort BI-omgeving het beste bij jouw situatie en requirements
past, gebruik dan onze gratis BI-IntroScan. Deze kun je direct online starten en genereert
meteen een indicatie over welke BI-omgeving het best bij jou past. Vergeet niet om de user
8. De 8 BI-groeisignalen voor managers – Situatie 2: front-end BI-tools
Pg, 8
guide voor de BI-IntroScan te downloaden. Daarin vind je wat onze BI-IntroScan voor je kan
betekenen, welke resultaten je kunt verwachten en een toelichting op het gebruik van die
resultaten.