Datawarehousing, datamining of
business analytics: met de juiste hengel kunnen beslissers waardevolle en bruikbare informatie uit het water vissen.
Leidinggevenden stuiten op allerlei totaal verschillende softwareprogramma’s, die allemaal hetzelfde beloven: concurrentievoordeel dankzij betere informatie. Niet elk net is echter even geschikt om in de zee aan gegevens een goede vangst te doen. In het verleden verwachtten vele bedrijven uit forse investeringen in product- en klantgegevens ook navenante voordelen te kunnen halen. Er ontstonden enorme gegevensbanken in de vorm van datawarehouses. Uit onderzoek door de American Marketing Association blijkt dat de meeste ondernemingen in de VS momenteel reeds twee tot drie maal zo veel klantgegevens hebben verzameld als vorig jaar. In Europa tekent zich hetzelfde beeld af.
Met behulp van datawarehouses en vooraf ingedeelde gegevensverzamelingen (datacubes) kunnen managers rapporten opstellen over de afdeling of het deel van de onderneming waarvoor zij verantwoordelijk zijn. Ze ondersteunen het bijhouden van kengetallen over meerdere periodes – echter alleen retrospectief. Hiermee beschikken beslissers doorgaans over zeer bruikbare informatie over de ontwikkelingen binnen hun verantwoordelijkheidsgebied.
Met de momenteel zo populaire managementdashboards kunnen de sterk samengevoegde status- en ontwikkelingsrapporten die aan het datawarehouse zijn ontleend op een duidelijke manier worden weergegeven. Een dashboard geeft informatie weer waarmee afzonderlijke processen in de toeleveringsketen of de productie kunnen worden bewaakt en uiteenlopende evaluaties voor de marketing, de verkoop en het financieel management kunnen worden opgesteld. Het vaak zo vurig gewenste bedrijfsbrede totaaloverzicht is echter niet mogelijk.
Vertraging
Leveranciers van datawarehouse-oplossingen bieden min of meer gebruiksvriendelijke platforms voor ad hoc rapportages, waarmee de inhoud van een gegevenssilo beter kan worden ontsloten. Vanwege de uniformiteit van de gegevens neemt het bouwen van een datawarehouse en het definiëren van passende gegevensverzamelingen relatief veel tijd in beslag. Wijzigingen die zich ergens in de gegevensstructuur, de bedrijfsprocessen of het bedrijfsmodel voltrekken, komen pas na een vertraging van weken of maanden in het datawarehouse tot uiting. Dit neemt niet weg dat een goed gebouwd datawarehouse op duidelijk gestelde vragen de juiste antwoorden kan geven.
Je zou denken dat beslissers uit de enorme hoeveelheid beschikbare gegevens belangwekkende inzichten aan het licht zouden kunnen brengen. Veel managers klagen echter dat ze uit deze ongelooflijke berg gegevens geen extra nut kunnen halen. Informatie die daadwerkelijk extra voordelen biedt, levert het vooralsnog dus niet op. Een rapportagestructuur die op het verleden is gericht, kan hier ook niet voor zorgen. Om op de toekomst gerichte informatie te verkrijgen, moeten datamining-programma’s en programma’s voor statistische analyse ten tonele worden gevoerd. Rapportageprogramma’s zijn er om specifieke vragen te beantwoorden, terwijl de kracht van op statistische gegevens gebaseerde oplossingen juist ligt in het vinden van ‘de grote onbekende’ in de beschikbare gegevens.
Statistici en cijfergoochelaars ontpoppen zich als ware meesters in het hanteren van deze toepassingen. Ze weten afwijkende gegevens bloot te leggen, die vanwege de samenvoegingen in een datawarehouse onopgemerkt blijven, of zoeken naar tot dusver onbekende verbanden. In dergelijke gevallen bieden statistische oplossingen dankzij de specifieke werkwijze en de grote complexiteit een duidelijke meerwaarde. Dat is tegelijk echter ook het probleem. Ze kunnen alleen optimaal worden benut door statistiekexperts die met speels gemak omgaan met recursieve processen, beslissingsbomen, scoringsmodellen, clusteranalyses en dergelijke.
Experts knelpunt
In de praktijk roept een enkele analyse weer een hele reeks nieuwe vragen en hypothesen op. Als voor elk van deze analyses telkens de hulp van een statistiekexpert moet worden ingeroepen, raken zij volledig overbelast. En dan is er nog de factor tijd. Als de resultaten tijdig bekend zouden zijn geweest, had er wellicht op korte termijn nog actie kunnen worden ondernomen.
Daarom willen de meeste afdelingsmedewerkers een analyseprocedure het liefst zelf uitvoeren, om ervoor te zorgen dat hun afdeling veel sneller kan reageren op ontwikkelingen in de markt, hun toeleveringsketen of hun productieomgeving.
Visuele analyseprogramma’s
Uit tijdnood en vanwege beperkte middelen maken veel beslissers vaak ‘even snel’ gebruik van hun spreadsheetprogramma. De meeste ondernemingen geven zelfs toe dat ze spreadsheets zien als een wezenlijk onderdeel of zelfs als de basis van hun business intelligence-processen (BI). En leveranciers van BI-software laten weten dat de meest gevraagde voorziening een functie is om gegevens in de juiste indeling naar een spreadsheetprogramma te kunnen exporteren. Als afdelingen de mogelijkheid hadden om zonder hulp van andere afdelingen gegevens uit een tabel in een handomdraai in waardevolle analyses om te zetten, zouden ze ongetwijfeld graag overstappen op een intuïtievere manier van werken. Dit werd onlangs opnieuw bevestigd door een onderzoek van IDC naar de markt voor business intelligence in Duitsland. Uit het onderzoek blijkt dat zowel gewone gebruikers als it-medewerkers de kwaliteit van de gegevens, de matige gebruiksvriendelijkheid en het ontbreken van de vereiste kennis als de grootste belemmeringen voor een succesvolle invoering zien.
Het net van de besluitvorming is dus nog erg grofmazig. Er is sprake van een hiaat dat door leveranciers van zogeheten interactieve, visuele analyseprogramma’s kan worden gedicht. Deze programma’s kunnen in enkele stappen gegevens uit verschillende bronnen integreren en ze geschikt maken voor grafische weergave, zowel in verschillende grafieken als in een reeks dynamische beelden. Deze beeldenreeks, die razendsnel wordt afgespeeld, heeft hetzelfde effect als een animatiefilmpje. De bijzonderheden springen de gebruiker door deze beweging direct in het oog, terwijl ze bij statische staaf- of spreidingsdiagrammen meestal verborgen blijven.
Zelfbedieningsanalyse
Fabrikanten van merkartikelen geven vaak kapitalen uit om gegevens over het koopgedrag van klanten en informatie over de detailhandel te verkrijgen. Ze investeren enorme bedragen in speciaal ontwikkelde gegevensbanken en crm-, erp- en sfa-systemen. Experts die een interactief-visueel programma gebruiken, kunnen analyses in de vorm van ‘workflows’ vastleggen, er commentaar op geven en ze vervolgens als stapsgewijze instructies via e-mail of het internet aan hun collega’s beschikbaar stellen. Voor complexere berekeningen maken ze gebruik van statistische software, en de daaruit voortvloeiende resultaten worden met het analyseprogramma gevisualiseerd of verder bewerkt. Op deze manier kunnen experts zelfs de meest complexe beschouwingen in de vorm van een ‘zelfbedieningsanalyse’ voor een breed publiek toegankelijk maken. In deze ‘handleidingen’ worden derhalve de kennis uit het vakgebied, de expertise van de analytici en de rekenkracht van het statische programma gecombineerd.
Het uitwisselen van informatie met collega’s, klanten, leveranciers en andere partners van de onderneming wordt steeds belangrijker. “Daarmee wordt business intelligence een wezenlijk onderdeel van het vernieuwingsproces binnen een onderneming”, aldus Frank Buytendijk, research vice-president van de Gartner Group, tijdens de Business Intelligence Summit in Londen. Bestaande BI-omgevingen zijn er op gericht om gestandaardiseerde rapporten naar de betreffende personen binnen de onderneming te distribueren. In deze omgevingen wordt gewerkt met vooraf gedefinieerde kernprestatie-indicatoren (KPI’s) en planningaannames. Er zijn echter steeds weer nieuwe, verdergaande vragen die om vernieuwing vragen: een repeterend proces volgens het ‘trial and error’-principe. Dit vraagt om een speciaal analyseprogramma, want statische gegevenselementen zijn hiervoor niet geschikt. Het zou dus niet juist zijn om de it-afdeling die met het bouwen van datawarehouses is belast, hierop af te rekenen.
Rapportagesystemen vormen een belangrijke bouwsteen in de informatiearchitectuur van een onderneming. Statistische oplossingen zijn geschikter om op basis van de informatie in uiteenlopende gegevensbanken en externe bronnen snel analyses te kunnen maken. De gebruikers van deze oplossingen leiden in hun ivoren toren echter een eenzaam bestaan. Alleen met een gebruiksvriendelijke interface waarin gegevens uit meerdere bronnen kunnen worden samengevoegd, beschikken ook beslissers over een instrument waarmee ze kunnen bepalen wat het beste aas is om – mits er in een geschikte vijver wordt gevist – een echt goede vangst te doen.
Steven Naarding, Spotfire
