Managementinformatie: Is het bedrijfsleven klaar voor de ‘selfie BI-scientist’?

Managementinformatie: Is het bedrijfsleven klaar voor de 'selfie BI-scientist'?
In de maatschappij is een aantal opvallende trends waarneembaar die ook kunnen worden door vertaald naar het domein van Business Intelligence (BI).
Door Ramond Leenders 
 
Toepassingen van bestaande devices veranderen, de focus op ‘zelf doen’ en het delen van eigen inzichten en/of meningen lijkt gemeengoed geworden. Wat betekent dit voor het BI-domein? Is bijvoorbeeld het einde van het datawarehouse in zicht? 
 
De multifunctionele selfie maatschappij
 
In het Nokia-tijdperk was het spelletje Snake vaak de enige vorm van vertier op de telefoon, momenteel is het aanbod spelletjes-apps voor je smartphone ongekend in aantal. De mobiele telefoon is verworden tot een multifunctioneel apparaat waarbij bellen bijzaak is geworden. 
 
Naast bellen, spelletjes en sms-en wordt deze nu gebruikt om bijvoorbeeld de thermostaat op afstand te bedienen, de parkeermeter bij te vullen, een rekening te betalen, de voorverwarming van de auto te activeren, als boarding pass voor je vlucht en je sportprestaties op te nemen. Voorheen ging je naar de dokter om te horen welke diagnose werd gesteld aan de hand van je klachten. 
 
Nu wordt zelf thuis via Google-zoekopdrachten een aantal websites geraadpleegd en eigenhandig een eerste diagnose gesteld. De afspraak bij de dokter is ter bevestiging of juist voor discussie. De ontwikkelingen worden deels ook gestimuleerd door patiënten op afstand te meten en/of zelf te laten registreren. Het ultieme voorbeeld is de ‘selfie-stick.’ 
 
Waarom zou je überhaupt iemand anders willen vragen om een foto van jou te maken met die prachtige achtergrond? Zelf doen dus. De stap van de ene trend om alles zelf te doen naar de andere om te pas en te onpas meningen te delen, is niet zo groot. Voorheen kwam de eigen mening over de outfit van de Nederlandse Songfestival-artiest op het moment van optreden niet verder dan de eigen huiskamer. Nu is het een trending topic op Twitter en gaan bewerkte foto’s viral op diverse (social) media.
 
BI-platform voor de data scientist
 
Jarenlang is gewerkt aan de opzet en finetuning van het BI-platform; ontsluiten van de bronsystemen in het bedrijf, formuleren en aanpassen van KPI-definities en verbetering van weergaven in dashboards en rapportages. De ontwikkelingen zoals geschetst in de maatschappij zijn ook zichtbaar in het BI-domein. 
 
Meer en meer flexibiliteit is vereist ten aanzien van het datawarehouse. Het lijkt zelfs door alle aandacht voor ‘self service BI’ en analytics dat het datawarehouse zijn langste tijd heeft gehad. De BI-tooling is namelijk ook verder doorontwikkeld en biedt de business users verregaande mogelijkheden om zelf analyses uit te voeren en/of rapportages en dashboards te ontwikkelen. 
 

Voor bedrijven wereldwijd, ongeacht hun omvang of sector, is effectief uitgavenbeheer van vitaal belang. Daarom hebben we de Spend Health Check Quiz ontwikkeld om je te helpen de status van je uitgavenbeheer binnen jouw organisatie snel te evalueren. Ben je klaar om de werkelijke staat van je uitgavenbeheer te ontdekken?

 
Enerzijds een goede ontwikkeling want tot voor kort was IT nog vaak in de lead, terwijl het domein business intelligence wordt genoemd. IT-intelligence is een andere tak van sport. Betekent dit nu het einde van het datawarehouse? Vooralsnog niet is de verwachting. Immers met de mobiele telefoon wordt ook nog steeds gebeld. Weliswaar minder dan voorheen, maar toch. Het datawarehouse groeit parallel aan de smartphone waarschijnlijk uit tot een BI-platform met enerzijds de mogelijkheid om structurele KPI-rapportages en dashboards te ontsluiten en anderzijds self service BI te ondersteunen. 
 
De investering in het neerzetten van de datastructuren in een datawarehouse is daarmee nog steeds waardevol. Ook voor de nabije toekomst. De ondersteuning van self service BI vereist wel een additionele datastructuur waarbij de focus ligt op het beschikbaar maken van gedetailleerde dataverzamelingen zodat de business users en/of data scientists aan de slag kunnen met analyses. 
 
Het meeste werk zit dan wel nog steeds in het aanbieden van kwalitatief goede datastructuren. Het zal duidelijk zijn dat volledige afhankelijkheid van self service BI binnen een organisatie niet wenselijk is. Voor KPI’s die structureel en frequent gerapporteerd moeten worden, is het efficiënter om een datastructuur met toepassing van business rules te ontwikkelen. Waarbij bovendien eigenaarschap van deze KPI in de organisatie is belegd om te voorkomen dat de eenduidigheid verloren gaat. 
 
Self service BI is daarmee met name gericht om adequaat, flexibel en snel te kunnen analyseren. Het meer zelf willen analyseren is wel degelijk een goede ontwikkeling. De business users kunnen uiteindelijk het beste ontwikkelingen in de markt interpreteren en analyseren met de combinatie van business expertise en BI-competenties. Het vraagt wel om discipline in de organisatie. 
 
Structurele KPI-rapportages en dashboards moeten worden gebruikt om doelstellingen en risico’s te managen die vooraf zijn gesteld en geïdentificeerd. Het advies is om de KPI’s (en KRI’s) vooraf overzichtelijk in kaart te brengen en te relateren aan de doelstellingen en/ of risico’s. Mede om wildgroei te voorkomen, maar ook de eenduidigheid in rapportage te waarborgen. 
 
Aan de hand van (self service BI-)analyses kunnen nieuwe inzichten worden verkregen en eventueel doelstellingen en/ of risico’s worden aangepast, hetgeen dan mogelijk leidt tot een nieuwe KPI die via de structurele rapportages of dashboards wordt opgenomen.
 
Waarheid
 
Het risico zit, ondanks de business expertise en BI-competenties, in het rapporteren van onjuistheden. Rapportages van KPI’s uit analyses zijn niet door een uitvoering testtraject gegaan. Het gaat echter ook om de indicatie van een bepaalde score, dus uitvoerig testen is niet zinvol. De snelheid waarmee een antwoord moet worden gegeven gaat anders verloren. 
 
Daarmee is ook de brug te slaan naar de laatste trend; volume van data. Even terug naar de meningen over de outfit van de artiest. Wat is de hierbij nu de exacte waarheid? Die is er niet. Het betreft in dit geval meningen van kijkers en uit al die meningen is wel een sentiment af te leiden. Geen exacte score maar een indicatie. Met betrekking tot het laatste spreken we van Big Data. Meer en meer zullen externe gegevens moeten worden ontsloten via het BI-platform om te kunnen anticiperen in de markt. 
 
Overigens is een definitie van Big Data niet voorhanden, vandaar dat de kenmerken worden beschreven: Volume, Variety, Veracity & Velocity. En dat zijn ook precies de uitdagingen waarmee moet worden gehandeld. Het volume neemt alsmaar toe, de databronnen groeien exponentieel. Niet alleen door social media, maar juist ook doordat producten en diensten data genereren die kan worden gebruikt. Het aantal bronnen (variety) neemt ook nog alsmaar toe als gevolg daarvan. 
 
Nieuwe producten, nieuwe apps genereren weer data die mogelijk bruikbaar is voor analyses. De snelheid (velocity) waarmee de data wordt gegenereerd, betekent dat analyses waarschijnlijk naar real-time moeten groeien om adequaat te kunnen reageren. 
 
En tot slot nog de betrouwbaarheid (veracity) van de data. Voor het meten van leverbetrouwbaarheid als performance indicator telt elk record even zwaar mee voor een precieze score, nauwkeurig tot 1 decimaal. Bij het meten van sentimenten of analyses voor het verkrijgen van een indicatie is dit niet het geval. Nog steeds blijft de kwaliteit van data wel een succesfactor. En daarmee dus de betrouwbaarheid.
 
Waarde
 
Met de enorme groei aan data en de bijbehorende uitdagingen, wordt ook de waarde een factor om rekening mee te houden. De waarde is enerzijds afhankelijk van de relevantie van de informatie en anderzijds de benodigde tijd die nodig is om de informatie te interpreteren, de ‘consumptietijd’. 
 
Wiskundig is dit als volgt: 
 
Waarde van informatie = relevantie / consumptietijd 
 
De consumptietijd van de informatie neemt toe als de visualisatie van de data niet optimaal is (bekijk de aanwijzingen van Stephen Few). Maar ook als de data niet geaggregeerd of bewerkt is en alle details moeten worden doorgespit.
 
Selfie BI-scientist
 
Kortom, de ontwikkelingen in het BI-domein zijn door onder meer de exponentiele groei van nieuwe bronnen nog voldoende uitdagend. En het einde van het datawarehouse lijkt nog niet in zicht. Deze architectuur zal eerder uitgroeien tot een breder BI-platform waarin andere toepassingen worden ondersteund, waaronder de ‘selfie BI-scientist’. 
 
De groei in data leidt ook tot een groei in het aantal analyses en hierbij wordt de rol van de data scientist alsmaar belangrijker om snel en pro-actief te kunnen handelen als organisatie. En aangezien niet iedereen een goede dokter is, zal de achtergrond van deze expert-rol bepalend zijn voor het succes. Bent u klaar voor het faciliteren van de ‘selfie BI-scientist?’ 
 
Ramond Leenders is als BI thought leader verbonden aan Ctac
 
Lees nu online FM Magazine – Big Data & Analytics Special 
 
 
 
Gerelateerde artikelen