Data-gedreven werken: een datewarehouse als belangrijk onderdeel van Business Intelligence
Business Intelligence (BI) en data-gedreven werken zijn termen die vaak samengaan. Door middel van BI kunnen er beslissingen gemaakt worden met behulp van data, in plaats van alleen op ‘(onderbuik)gevoel’. Het uiteindelijke doel van data-gedreven werken en BI is om de dagelijkse operatie zo efficiënt mogelijk in te richten, bijvoorbeeld door bepaalde kosten te besparen, omzet te verhogen of capaciteit beter te managen. Dit begint allemaal bij de basis: het verzamelen van data en het behapbaar maken voor rapportage. Een datawarehouse is hiervoor heel geschikt.
Een datawarehouse is, zoals het woord al verraadt, een centrale opslagplaats voor data. Net als in een ‘echt’ warehouse, is het de plek waar data wordt verzameld, verwerkt en opgeslagen. De data kan afkomstig zijn van verschillende bronnen. Dat geeft ook gelijk het doel van een datawarehouse aan: het verzamelen en structureren van data, op zo’n manier dat we data op een juiste manier kunnen analyseren.
Business Intelligence: het bevragen van je data
Door het doel van BI duidelijk te hebben, wordt het ook duidelijk hoe een datawarehouse wordt opgebouwd. BI kan inzicht geven in verschillende onderdelen van een organisatie, waarbij je verschillende doorsnedes kunt maken van de data om trends of onverwachte stijgingen/dalingen te verklaren. Om een voorbeeld te geven: een bedrijf heeft een relatief gelijke omzet per maand, maar in september is er plots een daling te zien in het totaal aantal verkochte producten. Hiervoor wil je natuurlijk een verklaring zoeken. Het kan dan nuttig zijn om te kijken of er bepaalde klanten zijn die in die maand minder hebben gekocht. Of om te kijken of er in één specifieke vestiging die maand minder is verkocht. En als dat zo is, hoe zat het toen met het aantal werknemers daar? En waren er toen wel überhaupt voldoende producten op voorraad om te verkopen? Door de data op de juiste manier te bevragen, kun je veel inzicht krijgen, wat kan leiden tot bepaalde sturing of besluitvorming.
Hoe ziet zo’n datawarehouse er dan uit?
De doorsnedes die je van je data wil maken, bepalen grotendeels hoe je je datawarehouse inricht. De meest gebruikte manier voor de architectuur van een datawarehouse is het STER-model. Het STER-model bestaat uit één of meerdere feitentabellen die refereren aan dimensietabellen. Om bij bovenstaande voorbeeld te blijven: de feitentabel bestaat in dit geval uit regels met daarin verkooprecords; de verkoop van elk afzonderlijk product heeft een eigen regel. Dimensies worden bepaald aan de hand van de gewenste doorsnedes. In dit geval wilden we doorsnedes maken op basis van de klanten, het soort producten, de vestigingen, de werknemers en de tijd. Dit worden dan ook je dimensies. Er ontstaat een STER-model: één tabel in het midden, met daaromheen connecties naar de verschillende dimensies.
Een datawarehouse, en nu?
Het datawarehouse met de zojuist beschreven architectuur is heel geschikt voor rapportage doeleinden, waarmee de data geanalyseerd kan worden en de inzichten kunnen worden verkregen. Door query’s te schrijven kun je de data in het datawarehouse bevragen, maar vaak wordt er gebruik gemaakt van een rapportagetool. Een bekende en veelgebruikte tool hiervoor is Microsoft Power BI. Het geeft de eindgebruiker de mogelijkheid om zelf de data te bevragen, zonder ingewikkelde stukken code te schrijven. Power BI is een applicatie en interactieve tool die wordt gebruikt voor het visueel maken van de data. Door middel van filters, kunnen er doorsneden worden gemaakt van de data. De data op de pagina past zich automatisch aan naar het door jou gekozen filter. Power BI rapportages en dashboards zijn via een website te benaderen. Door middel van security kan er vooraf bepaald worden wie welke data mag zien. Zo kan bijvoorbeeld een vestigingsmanager alleen data zien van zijn of haar eigen vestiging, maar kan de CFO de financiële data zien van alle vestigingen. Door de rapporten op een juiste en overzichtelijke manier te ontwikkelen, kunnen veel mensen binnen het bedrijf informatie vergaren op basis van data.
Biyond Decision Manager
Biyond heeft een eigen applicatie ontwikkeld waarmee we op een eenvoudige wijze data kunnen verzamelen vanuit verschillende bronsystemen, namelijk Biyond Decision Manager (BDM). BDM stuurt verschillende processen aan, waarmee de data wordt verzameld, gemodelleerd en vervolgens in de database beschikbaar wordt gesteld voor gebruik. Het voordeel hiervan is dat data uit verschillende bronnen wordt samengevoegd in één database, waardoor je alle data op een vergelijkbare manier kunt bevragen. Een voorbeeld hiervan is het combineren van data over orderregels en data over personeel, zoals AFAS. Zodra BDM up-and-running is, kan de data naar de gewenste frequentie worden vernieuwd en heb je weinig omkijken naar het proces zelf. Je kunt zelf gemakkelijk aan de slag met de analyse.
De volgende stappen
In deze blog hebben we uitgelegd dat het datawarehouse een belangrijk onderdeel is van BI en een goed begin is in de richting naar een data-gedreven organisatie. Het stelt organisaties in staat om betere beslissingen te nemen op basis van juiste informatie en inzichten. Bij Biyond hebben we veel ervaring met het opzetten en inrichten van een datawarehouse en maken we gebruik van BDM, zodat bedrijven en organisaties op een eenvoudige manier toegang hebben tot hun eigen data. Op die manier kun je zelf snel aan de slag met het analyseren van je data.
Wil je meer weten over hoe je een datawarehouse kan gebruiken of heb je andere vragen? We helpen je graag verder. Neem contact met ons op!
