Weet u wie uw beste klanten en leveranciers zijn en hoe uw interne organisatie in dat kader presteert? Of u geïntegreerde ERP-systemen hebt of maatwerkapplicaties? Ze bevatten doorgaans een schat aan gegevens die niet in uw rapportages verschijnen, laat staan dat ze benut worden in de besluitvorming. Dat vergroot de kans op foutieve beslissingen en belemmert uw succes. Met welke informatie wilt u uw organisatie sturen? Een analyse van uw business processen en risico’s is nodig voor een goede definitie van uw informatiebehoefte. Daarna wilt u sturen op Key Performance Indicators (KPI’s), maar waar haalt u de informatie vandaan?
Business Intelligence (BI), datawarehouse, datamining, het zijn toverwoorden. Theorie met veel mystiek omgeven. In de praktijk kosten BI-projecten veel en leveren een teleurstellend rendement omdat ze vaak te hoog worden ingestoken.
Een confrontatie met de harde feiten is noodzakelijk om succesvol te besturen. Dit artikel pleit daarnaast voor een ‘met beide voeten op de vloer’ benadering: pragmatisch instappen en pas verder investeren na gebleken succes, in nauwe aansluiting op de daadwerkelijke behoefte en rekening houdend met diverse belangengroepen in een organisatie.
BI van ‘eenvoudig en voor iedereen’ tot ‘geavanceerd en voor de specialist’
Wij onderkennen 5 niveaus van BI. De meeste BI leveranciers zien niveau 4 als de ultieme situatie. In de praktijk blijken de meeste klanten op niveau 0 of 1 te zitten, niveaus die door leveranciers niet als BI worden gezien. Succesvolle BI begint met de acceptatie dat BI op niveau 0 of 1 helemaal geen schande is. Een pragmatische vertaalslag maken van informatiebehoefte naar informatievoorziening is het uitgangspunt. Ontstaat vervolgens de behoefte aan gedetailleerdere informatie, dan is dat het moment voor de stap naar het volgende niveau. Niet eerder en zeker niet ineens.
Niveau 0: Er is een hot stand-by database beschikbaar voor rapportages en extra queries
Op basaal BI-niveau 0 maakt een organisatie een hot stand-by kopie van de OLTP productie-database. Dit kan goed gecombineerd worden met een failover backup- en recovery strategie. Deze tweede database-server is de stand-by backup voor de organisatie en wordt gebruikt voor de rapportages. Met extra indexen en materialized views is deze database beter geschikt als rapportage-server dan het origineel. De hot stand-by is nauwelijks belastend voor de originele OLTP productie-database, die nu zelfs ‘ge-offload’ is van de rapportage-workload. Ad-hoc queries ten behoeve van productie op de hot standby maken deze tot een prima BI-laboratorium.
Niveau 1: Business intelligence met behulp van Office
Niveau 1 borduurt voort op niveau 0. Echter, de hot stand-by wordt (naast standaard rapportages en ad-hoc queries) nu ook gebruikt door Office tools. Vaak worden gekoppelde Excel spreadsheets gebruikt om cijfers en grafieken te produceren die weer (al dan niet gekoppeld) worden gebruikt in documenten (Word) en/of presentaties (Powerpoint). Door BI-professionals wordt dit werk nog wel eens denigrerend afgedaan als werk van ‘Excel knutselaars’. In de praktijk zijn deze Office tools juist de tools waarmee het (top)management vertrouwd is, omdat zij er dagelijks mee werkt, in tegenstelling tot specifieke BI-tooling. Veruit de meeste bedrijven worden bestuurd aan de hand van op deze wijze verkregen informatie, en hier zit een grote discrepantie tussen de theorie en de praktijk.
Dit laat echter niet onverlet dat met het toenemen van het aantal applicaties, vestigingen, managers en Excel spreadsheets en kruistabellen, de complexiteit, schaalbaarheid en consistentie van BI een overgang naar het volgende niveau noodzakelijk maken.
Niveau 2: Business intelligence met behulp van datawarehouse
Op dit niveau ontstaat een kanteling in de beschikbaarheid van cijfers. Cijfers zijn niet langer direct afgeleid van de broncijfers. Er ontstaat een model dat de som van de modellen van de bronsystemen representeert. Een compleet plaatje dus: een mix van cijfers uit verschillende interne- en externe systemen. BI loopt via een data staging area waar alle gegevens onbewerkt binnenkomen en vanuit daar in de juiste vorm worden doorgezet naar het datawarehouse. De BI in het datawarehouse wordt ontsloten via een eigen portaal, met een eigen user interface en standaard rapportages of met Office tools. Bij grote organisaties ontstaat bij met name gespecialiseerde onderzoekers en beleidsmedewerkers behoefte aan verdergaande analysetools waarmee de overgang naar niveau 3 zich aandient.
Niveau 3: Business intelligence met behulp van datamarts
Niet alleen kale data maar ook afgeleide data is op niveau 3 beschikbaar om naar wens gebruikt te worden als basis voor rapportages. De koppeling met de originele systemen is los door het gebruik van staging areas (tussenlaag voor het inlezen van gegevens). Op het datawarehouse zijn datamarts gebouwd waarop analyses kunnen worden losgelaten met behulp van BI tools, die verder gaan dan de Office tools. Deze BI tools ontsluiten het datawarehouse met zogenaamde multi-dimensionele kubicals. In deze kubicals staat de data als het ware klaar in elke gewenst vorm of doorsnijding. Ten behoeve van sales-reporting, marketing, budgeting, forecasting, etc. worden met typische On Line Analytical Processing (OLAP) technieken als ‘slice & dice’ en ‘drillen’ analyses op maat uitgevoerd.
Voorbeeld:
Database bevat verkoopcijfers per product en locatie. Tot en met niveau 2 zijn er rapporten met totalen, sommaties en onderverdelingen beschikbaar.
Vanaf niveau 3 kunnen deze totalen, sommaties en onderverdelingen gebruikt worden in verdere berekeningen. Dus kan bijvoorbeeld eenvoudig het verschil in groei in verkoop per productsoort worden bepaald.
Niveau 4: Datamining
De definitie van datamining is: ‘Het geautomatiseerd ontdekken van patronen en/of trends in bestaande informatie uit databases’. Zoekt de onderzoeker op niveau 3 handmatig naar onderbouwing voor door hem zelf geformuleerde trends, datamining doet dat op een geautomatiseerde manier waarbij een eventueel ontdekt patroon of ontdekte trend niet van te voren bekend is.
Datamining is bekend vanuit marketing, maar kan op vele andere terreinen worden toegepast. Voorbeelden hiervan zijn de analyse van productieprocessen, de schatting van kredietwaardigheid van klanten op termijn en de detectie van fraude aan de hand van transactie-analyse. Een bekend voorbeeld van een groot supermarktketen is de onverwachte relatie tussen bier en luiers: ‘mensen die luiers kopen, kopen meestal ook bier.’
De definitie van datamining is: ‘Het geautomatiseerd ontdekken van patronen en/of trends in bestaande informatie uit databases’
Niet ieder bedrijf heeft baat bij een niveau 4 business intelligence inrichting. Zo kan het voor een waterleidingbedrijf interessant zijn om te weten hoe het waterverbruik van particuliere huishoudens zich in de loop van de jaren ontwikkelt, maar is het niet interessant om te weten dat een hoekhuis 5% meer water verbruikt om de tuin te sproeien. Voor een credit risk afdeling is het echter wel erg interessant om te weten wanneer een bedrijfstak in de problemen komt. Als dat via datamining kan worden voorspeld, zijn dat de kosten van een niveau 4 BI inrichting in tienvoud waard. Het grote punt van BI op niveau 4 is het woordje ‘als’ in de vorige zin. Niveau 4 projecten zijn kostbaar en op voorhand staat een uitkomst niet vast en/of kan een trend niet worden opgemerkt!

Fig. 1: BI Niveaus
De overgang naar hogere niveaus
Stel een bedrijf heeft nog geen BI, maar is wel ambitieus. Kan een bedrijf meteen naar een niveau 2 gaan? Of zelfs direct naar niveau 3 of 4? Een korte toelichting …
Vanuit niets naar niveau 0 kan eenvoudig. Dit is vooral een technische stap. Wellicht is bij navraag een dergelijk systeem al draaiend.
Vanuit niets naar niveau 1, zonder de voorgaande stap, zal performance-problemen veroorzaken in de productie-applicatie. Vanuit niveau 0 naar niveau 1 kan heel goed; wel zullen managers inzake de koppeling van Office applicaties wegwijs moeten worden gemaakt in het datamodel.
Vanuit niets naar niveau 2 kan, maar heeft organisatorisch veel risico’s. Alle technische en organisatorisch issues uit voorgaande stappen dienen zich nu in een keer aan. Met name oudere managers zullen moeten wennen aan de verschillende data bronnen en ontsluitingsapplicaties.
De behoefte om in één keer naar niveau 2 te stappen ontstaat niet van de ene dag op de andere. Vaak hebben zich andere behoeftes al eerder voorgedaan die met een niveau 0 of 1 oplossing zijn ingevuld.
Vandaar dat ik adviseer het BI terrein niet te ambitieus te betreden
Niveau 3 en 4 zijn pas aan te bevelen na enige ervaring met niveau 2. Het is erg moeilijk om vanuit een nulpunt te bepalen over welke data meer informatie interessant is. Technisch is het mogelijk, maar de kans op succes vanuit bedrijfsperspectief is veel kleiner dan na een paar jaar op niveau 2.
Vandaar dat ik adviseer het BI terrein niet te ambitieus te betreden. Zo is bijvoorbeeld BI met Office tools (niveau 1) op een hot stand-by database een technisch volwaardige stap met een hoge acceptatiegraad bij managers met beperkt invoeringsrisicoprofiel. Stappen naar hogere niveaus ontstaan daarna als vanzelf. Organisch, pragmatisch en beheerst.
De drijvende kracht achter de opbouw van een BI systeem
Business intelligence op niveau 0 en 1 is BI voor iedereen. Vanaf niveau 2 gaat ‘ownership’ een rol spelen.
Als een IT afdeling de BI kar trekt, ontstaat een systeem waarop andere afdelingen jaloers zullen zijn. Helaas is BI voor de gebruikers wel een ‘ivoren toren’ geworden; ze mogen er niet aankomen. Het wordt een technisch heel geavanceerd systeem dat iedere dag alle loads verwerkt en waarin alle data zit. Alle data? Nou ja, natuurlijk niet die data waar een gebruiker vorige week om vroeg. Daarvoor moet eerst de aanvraagprocedure doorlopen. En tegen de tijd dat dan alles beheerst is gemaakt, is de gebruikersvraag achterhaald. Dus na een korte tijd houden gebruikers maar op met exact die informatie te vragen die ze graag willen hebben. Die slaan ze zelf wel weer op via Excel! De business haakt hier af, en we zijn weer terug bij niveau 1.
Als de dagelijkse operatie de trekker is, dan ontstaat een systeem dat veel gebruikt wordt en dagelijks wijzigt. Het is eigenlijk een niveau 1 oplossing met één specialist. Naast die expert kan niemand anders het onderhouden. Iedere afdeling regelt het voor zichzelf.
Als de beleidsafdeling verantwoordelijk is, bevat het systeem informatie waaraan de dagelijkse operatie niets heeft. Als een organisatie al niet blijft hangen in planfase met torenhoge consultancy-kosten. De beleidsafdeling heeft het budget en zal alleen informatie voor zichzelf willen opslaan.
De kunst is de belangen van de drie stromen te combineren. De kans is op succes is het grootste bij een BI-project dat vanuit alledrie de richtingen wordt aangestuurd. Er is een multidisciplinair projectteam nodig, waarin business en ICT samenwerken.
| Niveau |
0 |
1 |
2 |
3 |
4 |
| Komt voor bij bedrijven met meer dan 100 werknemers |
50% |
20% |
5% |
1% |
enkele (NL) |
| De normaal grens (50%) ligt bij bedrijven met X werknemers |
100 |
250 |
400 |
5000 |
20.000 |
| Optimaal voor |
Verzamelen, groeperen, rapporteren van data tot een beredeneerbaar niveau |
Idem niveau 0 maar voor meerdere beschikbaar. |
Veel of complexe data vanuit meerdere systemen. |
Complexe data met complexe rapportages, een bruikbaar datawarehouse is al langere tijd aanwezig. |
Eenvoudige maar véél data. Het vinden van dwarsverbanden is moeilijk. Dwarsverbanden leiden tot zeer grote opbrengsten. |
| Vraagt van IT afdeling |
weinig |
weinig |
middel |
veel |
heel veel |
| Benodigde kennis op de IT afdeling |
SQL |
Excel |
Portaal |
OLAP |
Geavanceerd OLAP |
| Organisatieonderdeel |
Team en afdeling |
Team en afdeling |
Afdeling en middelmanagement |
Beleid en hoger management |
Strategisch management |
| BI tooling naast rapportage tooling |
Rapportage |
Rapportage
Office |
ETL*
Portaal |
ETL
Anal en rapportage |
Idem aan niveau 3 Datamining |
* Extract Transform Load (ETL)