Een groeiende hoeveelheid informatie leidt ertoe dat men moet zoeken naar waardevolle spelden in een hooiberg. Gebruikers die data enkel op statische wijze willen bekijken hebben aan een traditionele bedrijfsintelligentie-oplossing (bi) voldoende. Maar als ze behoefte hebben aan ondersteuning van meer complexe besluitvormingsprocessen, lijkt een olap-systeem de beste keuze.
Ondernemers worden geconfronteerd met een explosieve groei van hoeveelheden data en een steeds verder stijgende tijdsdruk. Daarom zoeken ze naar technologie die hen in staat stelt orde te scheppen in hun data-chaos en de waarde van hun bedrijfsinformatie te ontsluiten. Er zijn verschillende database-oplossingen om data te consolideren, met een globale tweedeling tussen de traditionele relationele systemen en meer geavanceerde technologie voor ‘online analytical processing’ (olap).
Beide hebben hun eigen voor- en nadelen als het gaat over de vraag welke het meest geschikt is om als basis te dienen voor een bi-strategie die is gericht op het ondubbelzinnig analyseren van gegevens. De keuze tussen de twee wordt echter gehinderd door een aantal afwegingen die nog vóór de uiteindelijke technologiekeuze liggen.
Barrières doorbreken
Een van de eerste problemen is al dat de keuze in veel gevallen terechtkomt bij de it-afdeling. Historisch gezien is het altijd de verantwoordelijkheid geweest van de it-afdeling om data te leveren. Gebruikers moesten er vervolgens maar mee aan de slag. Maar om échte bedrijfsintelligentie mogelijk te maken, moeten die barrières doorbroken worden. Gebruikers en it’ers delen de verantwoordelijkheid voor een oplossing die past bij de wensen van de gebruikers en die hen daadwerkelijk ondersteunt bij het nemen van beslissingen. Te vaak eindigen bi-projecten in een discussie over de slechte aansluiting tussen de gevraagde functionaliteit en de technische invulling.
Maar wat wil de eindgebruiker? Het primaire doel van een besluitvormingsondersteuningssyteem is om eindgebruikers beter gefundeerde beslissingen te laten nemen. Maar bij de technologiekeuze wordt te vaak voorbijgegaan aan hóe eindgebruikers tot een beslissing komen en welke stappen ze doorlopen. Over data is meer dan voldoende informatie beschikbaar: schema’s, indexen, achtergronden achter hele projecten. Allemaal nuttige informatie, alleen niet voor eindgebruikers. Zij raken zo langzamerhand volledig overspoeld door data. Het is daarom zaak om kritisch te kijken naar hoe gebruikers gegevens tot zich nemen en als basis gebruiken voor hun handelen. Organiseren en navigeren zijn voor eindgebruikers de twee kernpunten bij het doorgronden van data. Zeker als de hoeveelheden en de complexiteit van data groeien, wordt het voor eindgebruikers belangrijker om een pad te hebben om door de data heen te navigeren. Zonder pad blijven data ongebruikt en onbegrepen. En de mate waarin de navigatiepaden zijn georganiseerd, bepaalt voor een belangrijk deel hoe nuttig een bi-oplossing is en hoe productief gebruikers zijn.
Consistentie
Los van de technologie staat of valt werkelijke beslissingsondersteuning met consistentie: gebruikers moeten werken met dezelfde gegevens. Dat begint bij het toepassen van de bedrijfslogica op de data. Bedrijfslogica wil niet meer zeggen dan alle regels die te maken hebben met hoe gegevens worden georganiseerd, gegroepeerd, gelabeld, en berekend. Die regels bepalen de uiteindelijke waarden van en views op de data. Zonder deze logica kunnen beslissers nooit helder krijgen wat precies de stand van zaken is binnen de onderneming en binnen de markt. Er is echter één heikel punt: binnen elke organisatie zou maar één definitie mogen bestaan van de bedrijfslogica en de regels. Te vaak hebben gebruikers hun volledig eigen interpretatie, met als resultaat dat definities uiteen gaan lopen en er meerdere versies van de werkelijkheid gaan ontstaan; de nekslag voor een helder beslissingsproces. Ondernemingen moeten zich er dus in eerste instantie op richten gebruikers het eens te laten worden over welke gegevens de werkelijkheid weergeven.
Zijn deze drie hindernissen genomen, dan moet aan de productzijde worden gezocht naar de oplossing die de gebruikerswensen het best ondersteunt. Daarbij moeten we verder kijken dan alleen de pure kenmerken. Want zowel rapportagehulpmiddelen, spreadsheets, query-tools als analytische applicaties kunnen een staafdiagram te voorschijn toveren. Welke oplossing het doel dan uiteindelijk het best dient? Een vuistregel is dat hoe verder de functionaliteit van een applicatie afstaat van het oorspronkelijke doel waarvoor ze ontwikkeld is, des te slechter ze zal functioneren. Laten we de achtergrond van een aantal traditionele bi-technologieën kort tegen het licht houden.
Traditioneel
Het relationeel database-managementsysteem (rdbms) is oorspronkelijk ontworpen als opslag- en retrieval-systeem voor data. rdbms’en, SQL, normalisatie en databaseschema’s bieden een logisch datamodel en toegangstaal waarmee gebruikers data kunnen opslaan en terughalen. Voor diegenen die data wil opslaan op een logische en systematische manier en zich niet willen bezighouden met de details van hoe en waar het precies staat en hoe het er uitziet, is een rdbms de juiste oplossing.
Bij enterprise reporting tools of query tools draait alles om het extraheren, formatteren en het presenteren van data die is opgeslagen in een database. Tegenwoordig bieden ze ook metadata-management, beveiliging, een zekere mate van dataorganisatie en beperkte interactiviteit. Ondanks het feit dat ontwikkelaars er steeds meer functionaliteit aan ‘vastschroeven’ blijft de kernfunctionaliteit dezelfde: extraheren, formatteren en presenteren.
Spreadsheets bieden ongekende rekenkracht en opmaakmogelijkheden. Dat maakt ze tot krachtige hulpmiddelen in het beslissingsondersteuningsproces. Tegelijkertijd zijn ze in de basis ook niet meer dan een heel groot vel vol data waarin gebruikers zelf de verbanden dienen aan te brengen.
Datawarehouses en datamarts zijn op hun beurt veel meer een ontwerp- en modelleringsaanpak voor het opslaan en klaarzetten van data. De data zelf zit meestal veilig in een rdbms.
Context
Als we deze technologieën tegen de functionaliteitseisen aanhouden, is de conclusie dat ze zwaar tekort te schieten. Gebruikers willen data begrijpen en interpreteren, data als basis laten dienen voor beslissingen, en het verhaal achter de data doorgronden. Dat kan alleen als ze online kunnen interactie kunnen aangaan met de data. Olap biedt ze de mogelijkheid gegevens in de context te zien en te visualiseren. Daarbij moeten ze wel voor lief nemen dat de gegevens niet tot op tekstniveau kunnen worden geanalyseerd, een mogelijkheid die relationele tools wel bieden. Dat is een beperking die voortkomt uit de doelstelling van olap-systemen: op hoog niveau inzicht bieden, met de mogelijkheid dieper in de gegevens af te dalen. Vandaar dat de inzichtelijkheid van tekstgegevens veelal beperkt blijft tot de metadata. Interactie betekent ook dat op de achtergrond razendsnel complexe berekeningen worden uitgevoerd. En die mogelijkheid bieden olap-kubussen: complexe ‘queries’ kosten nauwelijks tijd en de resultaten worden helder gepresenteerd.
Gebruikers die data enkel op statische wijze willen bekijken en grote rapporten willen uitdraaien om deze in ‘hard copy’ te analyseren hebben aan een traditionele bi-oplossing voldoende. Maar als ze behoefte hebben aan ondersteuning van meer complexe besluitvormingsprocessen die aansluiten op de bedrijfslogica, aan analysemogelijkheden die af te stemmen zijn op persoonlijke voorkeuren, ondersteund door hoogwaardiger (grafische) navigatie en aan organisatie van grote hoeveelheden data, dan is een olap-systeem fundamenteel de beste keuze.< BR>
Jeroen Hovinga, marketing manager Proclarity
