Business Intelligence
Business Intelligence ontwikkelt methoden, technieken en tools waarmee je data over je organisatie, doelen en processen verzamelt en analyseert. Het ultieme doel is het consequent nemen van datagedreven beslissingen op operationeel, tactisch en strategisch niveau. Zodat je je processen kan optimaliseren en je resultaten verbeteren. Je maakt met BI tools eenvoudig (nieuwe) KPI dashboards, rapporten en data analyses. Alle relevante data zet je klaar voor de gebruiker. Door BI win je veel tijd, creëer je één versie van de waarheid en maak je beslissingen datagedreven. We gaan hier onder andere in op de definitie van BI, de belangrijkste voordelen en valkuilen, de 101 stappen voor succesvolle Business Intelligence, welke rollen je nodig hebt in je team en wat BI kost. Ook geven we een overzicht van de meest populaire BI tools.
- Kies de beste Business Intelligence tool
- Bekijk 6 Business Intelligence dashboards
- De zeven grote voordelen van BI
- De 101 stappen naar ultiem BI succes
Business Intelligence: van ruwe data via diepgaande inzichten naar betere beslissingen
Een duidelijke en praktische definitie van Business Intelligence
Data zit vaak verstopt in databases en bestanden en zal zich niet vanzelf aan je presenteren als waardevolle informatie. Je moet er echt naar op zoek, je moet er iets voor doen. Business Intelligence definiëren we hier als volgt:
Business Intelligence is het nemen van datagedreven beslissingen en acties door automatische dataverwerking en data analyse, de productie van waardevolle inzichten, rapporten en KPI-dashboards, patroonherkenning en datavisualisatie.
Deze praktische BI definitie visualiseren we in onderstaande illustratie (zie figuur 1). Van data maak je informatie. Daarvan maak je weer nieuwe kennis die je acties sturen in het verbeteren van processen. Het BI proces toont aan dat Business Intelligence & datagedreven werken (of informatiegestuurd werken) aan elkaar gelijk zijn. BI is dus eigenlijk een datagedreven leercyclus die je implementeert in je organisatie.
En dat is heel iets anders dan even Power BI downloaden en een dashboard in elkaar timmeren.
Figuur 1: Het Business Intelligence concept is een multidisciplinair vakgebied. Het richt zich op procesverbetering, het stimuleren van innovatie en het versterken van je strategie.
Helaas leggen nog veel BI consultants en rapportenbouwers alleen maar de nadruk op het transformeren van data naar informatie. Het minst moeilijke van het totale BI proces. Zo bouwen ze complete rapportenfabrieken of een batterij aan dashboards. Het is een patroon dat je heel moeilijk kunt doorbreken.
Wij doen het anders: we nemen bij de opbouw van Business Intelligence de (operationele) beslissingen en potentiële procesoptimalisaties als vertrekpunt. En daarna gaan we kijken welke data (analyses) en inzichten die beslissingen zouden kunnen verbeteren.
Verschillende vormen van BI
In de inleiding spraken we er al over: Business Intelligence is een parapluterm. Je ziet het terugkomen in verschillende vormen en smaken:
- Reporting: kijk in de achteruitkijkspiegel wat er gebeurd is en stuur op hoofdlijnen bij
- Dashoards: volg de belangrijkste KPI’s van je organisatie en teams op BI dashboards
- Data analyse of data discovery: analyseer de data van verschillende kanten en vind nieuwe inzichten
- Data mining: laat algoritmes de analyses (semi)-automatisch doen
- Predictive Analytics: train een algoritme om voorspellingen te doen
- Machine learning: maak een neuraal netwerk dat zelf beslissingen neemt
- Signalering: laat zogenaamde alerts signaleren wanneer je actie moet ondernemen
- Datavisualisatie: communiceer de data in een formaat dat de gebruiker aanspreekt
Idealiter zijn dit geen opzichzelfstaande silo’s maar kun je bijvoorbeeld van BI dashboards doordrillen naar rapporten of data analyses. Business Intelligence is dus een integraal concept waar je een visie op zou moeten ontwikkelen.
Waarom zou je Business Intelligence inzetten?
Dagelijks nemen we beslissingen. Om artikelen in te kopen, om een verzekerde te accepteren, om een klant een e-mail te sturen, het bepalen van de prijs van een product, et cetera. Aan beslissingen geen gebrek.
Helaas is het zo dat meer dan de helft van de beslissingen op de automatisch piloot gebeurt. Vaak op basis van verouderde kennis, jarenlange ervaring en intuïtie. Zo deden we het gisteren toch ook? Maar dan sla je de plank ook vaak mis.
Met Business Intelligence schakel je overigens niet per se je intuïtie uit, maar combineer je die met feiten, statistiek en data analyse. Zodat je voortaan weloverwogen beslissingen kan nemen. We hebben hier een schema voor bedacht.
Figuur 2: Neem bij het vormgeven van je Business Intelligence de (operationele) beslissingen als vertrekpunt. In onze 3-daagse Business Intelligence training leer je dit schema toe te passen op jouw organisatie.
Deze illustratie (figuur 2) geeft het waarom van Business Intelligence goed weer. Je neemt de operationele en tactische beslissingen in je proces als uitgangspunt. Vervolgens ga je na welke kennis (KPI’s, normen, wijsheid), informatie en data (tabellen, velden, ruwe data, open data) je allemaal nodig hebt om een goede beslissing te nemen, om die een volgende keer vervolgens te optimaliseren.
Een beslissing leidt tot één of meerdere acties die op hun beurt leiden tot een bepaalde performance. Bij dat blokje meet je eigenlijk of je beslissing goed heeft uitgepakt, op meerdere terreinen. Daarop ga je met elkaar reflecteren en dat levert een nieuwe, gedeelde ervaring op.
Daarmee kun je met elkaar eenvoudig het totale proces finetunen. Business Intelligence automatiseert het totale proces. In eerste instantie zal BI niet zelf de beslissingen nemen maar in combinatie met machine learning modellen en artificial intelligence (AI) kan dat zelfs ook.
Voorbeelden van Business Intelligence dashboards
Een plaatje zegt meer dan 1.000 woorden. Daarom presenteren we hier zes verschillende Business Intelligence dashboards die wij gemaakt hebben. Klik op het dashboard om die te bekijken in groot formaat.
Zakelijke dienstverlening
Figuur 3: Voorbeeld van een Business Intelligence dashboard voor de zakelijke dienstverlening.
Lokale overheid
Figuur 4: Voorbeeld van een Business Intelligence dashboard ten behoeve van een gemeente die ouderenzorg inkoopt.
Levensmiddelenindustrie
Figuur 5: Voorbeeld van een Business Intelligence dashboard uit de voedingsmiddelenindustrie.
Vraag offerte aan voor een BI dashboard
Woningcorporatie
Figuur 6: Voorbeeld van een BI dashboard uit de vastgoedsector.
Provinciale overheid
Figuur 7: Voorbeeld van een BI dashboard ontwikkeld voor een provincie.
Jeugdzorg
Figuur 8: Voorbeeld van een BI dashboard van een gemeente die jeugdzorg verleent
Wil je ook beslissingen verbeteren en processen optimaliseren met BI dashboards? Neem dan nu contact met ons op.
Met welke databronnen kan je aan de slag?
Om goede rapporten, analyses en dashboards te bouwen heb je betrouwbare data nodig. Maar waar haal je die vandaan? Wat zijn de meest voorkomende databronnen die je als input kunt gebruiken voor BI?
- Interne bedrijfsdata: haal data op uit systemen zoals SAP, Microsoft Dynamics, Oracle, AFAS, etc. Deze data haal je gewoonlijk op via ODBC koppelingen.
- Social media data: monitor en analyseer trends of sentimenten op Twitter, Instagram, Facebook en Mastodont. Deze data haal je gewoonlijk op met een REST API.
- Open Data van de overheid: denk hierbij aan het CBS, het BAG of het RDW. Zie het Dataregister.
- Open Data van commerciële partijen: denk bijvoorbeeld aan KvK, AC Nielsen.
- Web data: bevat gegevens over de bezoekers van je website en hoe ze die gebruiken.
- Zero Data: gegevens die je niet vastlegt maar waardoor je in combinatie met andere data wel heel waardevolle inzichten kan genereren. Zo kun je bijvoorbeeld snel zien wat je klanten niet kochten.
- Dark Data: gegevens die niet of nooit worden gebruikt in een BI systeem of datawarehouse maar wel heel waardevol kunnen zijn. Lees hier meer over Dark Data.
- Big Data: ongestructureerde data zoals foto’s, e-mails, documenten of video’s, of vluchtige data zoals sensordata. Vaak gaat het hier ook om erg grote hoeveelheden data. Lees hier meer over Big Data Analytics.
Complete lijst met Business Intelligence tools
Excel is gratis maar wij adviseren dit niet in te zetten voor Business Intelligence. Het is te foutgevoelig, slecht te beveiligen en draait veel te langzaam. Als je met Business Intelligence succes wilt bereiken heb je professionele tools nodig. Deze automatiseren het BI proces van het verzamelen van data tot het visualiseren. Gebruik onderstaande lijst met BI tools om je te oriënteren:
Wil je precies weten wat de voor- en nadelen zijn van de verschillende tools? Bekijk dan hier onze 100% onafhankelijke BI & Analytics Guide 2023.
De 7 veelomvattende voordelen van Business Intelligence
Wij zijn al meer dan 20 jaar werkzaam in het BI-vakgebied en hebben al meer dan honderden implementaties met succes begeleid en uitgevoerd. Alle mogelijkheden en voordelen van Business Intelligence staan werkelijk in ons geheugen gegrift. Ook anderen hebben er goed over nagedacht. We hopen dat je ons kunt volgen:
Figuur 9: Het allergrootste voordeel van Business Intelligence is dat je veel minder tijd kwijt bent met het elke keer verzamelen, opschonen en combineren van data. Door Artificial Intelligence (AI) automatiseer je ook de analyse functie in je organisatie. De tijdwinst is dan nog groter.
- EFFECIENCY: Je bent veel minder tijd kwijt om data uit verschillende systemen te vinden, te verzamelen, op te schonen, te combineren en te analyseren. Zie het grote verschil tussen ‘Zonder BI’ en ‘Met BI’ in figuur 9. Business Intelligence zorgt dus voor een zeer efficiënt proces om data om te zetten naar inzicht. En dat lukt je niet met Excel.
- EFFECTIVITEIT: BI helpt je om veel betere beslissingen te nemen op allerlei niveaus en terreinen in je organisatie. Want met Business Intelligence heb je veel beter en meer integraal inzicht in het procesverloop, de prestaties, de patronen en de dwarsverbanden. Je doet sneller zeer verfijnde kennis op waardoor resultaten verbeteren.
- NOG MEER KENNIS: Je hebt veel meer tijd voor (geavanceerde) data analyse en juist dat vormt het hart van Business Intelligence. Je gaat een kennisfabriek creëren in plaats van een rapportenfabriek. Zie ons artikel ‘Zonder data analyse is BI een zinloze zaak’.
- EEN VERSIE VAN DE WAARHEID: Er zal uiteindelijk veel minder tijd verloren gaan met steeds terugkerende discussies over definities. Met BI ga je eenduidige definities opstellen en creëer je één versie van de waarheid. Iedereen kan dezelfde taal spreken waardoor alle neuzen dezelfde kant op komen te staan. Hoe definieer je omzet? Wat is onze marge? Hoe berekenen we de doorlooptijd? Wat is een klant? Dat is allemaal in BI vastgelegd.
- OVERSTAP NAAR AI WORDT EENVOUDIG: Je maakt met Business Intelligence eenvoudiger de overstap naar AI en algoritmes. Hierdoor kun je beslissingen automatiseren en gaan voorspellen. BI is het fundament voor AI en machine learning.
- BETERE DATAHUISHOUDING: Met BI gaat je informatiehuishouding en datahuishouding verbeteren. Geen wirwar meer van spreadsheets, bestandjes, csv files, et cetera, maar je werkt met één BI systeem dat orde schept in de chaos.
- VERSTERK JE BUSINESSMODEL: Met Business Intelligence kun je alles monitoren, alle data aan elkaar koppelen en vergelijken (mits je sleutels kloppen). Analyseer alles wat los en vast zit, en van waarde kan zijn. Je gaat zó veel nieuwe kennis en inzichten opdoen dat je goed zicht krijgt op je performance en vooral hoe die performance tot stand komt. Verbeter en verfijn je strategie en businessmodel met BI & datagedreven werken.
Ga eens na op welke van bovenstaande 7 punten jouw organisatie goed scoort. Neem contact met ons op als je met BI op veel meer voordelen wil gaan scoren.
Wat zijn de belangrijkste valkuilen van BI?
De weg naar een succesvolle BI-toepassing ligt bezaait met obstakels en valkuilen. Denk hierbij aan de volgende uitdagingen en risico’s:
- Het BI team is technisch heel goed, maar van de business hebben ze geen kaas gegeten. En laat dat nu net cruciaal zijn om succes te bereiken met Business Intelligence.
- De KPI’s zijn niet scherp of roepen steeds discussie op. De score op KPI’s monitoren en analyseren vormt het hart van BI. Als de KPI’s niet scherp zijn is ook het businessmodel vaag en kun je geen goede data analyses opzetten. Met als gevolg: geen sturing op verbeteringen.
- BI is een rapportenfabriek geworden. Kijk uit dat je niet te veel rapporten gaat maken, voor je het weet zit je opgescheept met een rapportenfabriek. Sommige organisatie produceren wel 1.000 rapporten en dat is oncontroleerbaar.
- Er is sprake van een techologiepush. Met als gevolg weerstand bij de gebruikers die de BI-dashboards niet gebruiken en de rapporten en analyses niet openen, laat staan dat ze deze lezen. Ontwikkel BI samen met de gebruikers. Elke euro dit je investeert in techniek investeer je ook in de mens.
- Geen (snelle) toegang tot data of slechte datakwaliteit. Garbage in, garbage out. Voer eerst een data quality scan uit zodat je inzicht krijgt in de datakwaliteit. Presenteer je eerste rapport en dashboard niet als dé ultieme waarheid, maar toets de uitkomsten met elkaar.
- De beslissingen raken ondergesneeuwd. Verlies de beslissingen niet uit het oog. Het ultieme doel van BI is het nemen van betere beslissingen. Hanteer bij de ontwikkeling van BI dashboards en toepassingen het eerder genoemde beslissingenschema. Staar je niet blind op de data.
Figuur 10: Via ons eigen AI kennisplatform hebben we onderzocht welke termen in meer of mindere mate gerelateerd zijn aan BI & Analytics. Hiervoor zijn meer dan een 500.000 documenten geanalyseerd.
- Onbegrip en te weinig kennis van BI in het team en de organisatie. Hierdoor komt BI niet tot volwassenheid, je blijft hangen in rapporten maken. Dit kan je overigens vrij eenvoudig voorkomen met goede boeken, trainingen en inspiratiesessies.
- De business bekommert zich niet om of bemoeit zich niet met BI & Analytics. Een gevolg van het hiervoor genoemde punt. Zorg dat je de business nauw betrekt vanaf het allereerste begin.
- Geen integrale regie. De vakgebieden Data science, Artificial Intelligence en Big Data vallen niet onder de regie van de BI afdeling. Met als gevolg een enorme versnippering van allerlei initiatieven.
- Het management ziet BI als een IT product. Dat zal ertoe leiden dat Business Intelligence technologiegedreven wordt en snel zal stranden.
- Business Intelligence is versnipperd in de organisatie. Er is geen regie en integrale visie ontwikkeld op de mogelijkheden en toepassingen van BI in de eigen organisatie. Elke succesvol traject begint met het opstellen van een gedeelde visie op Business Intelligence.
- Je krijgt te weinig ruimte en geld om te experimenteren. BI is een ontdekkingsreis die je samen maakt. Er is geen snelweg naar succes. Soms moet je een afslag nemen en de provinciale weg nemen, en soms moet je een stukje terugrijden.
- BI is niet gekoppeld aan of zelfs losgekoppeld van continu verbeteren en innovatie. Het succes van BI hangt hiermee nauw samen. Zie volgende paragraaf.
De belangrijkste succesfactoren van BI (onderzoek) – de datagedreven PDCA
Wat het succes bepaalt van Business Intelligence heeft niets te maken met welke BI software je gebruikt. Dit komt naar voren uit ons grote BI-onderzoek waar 369 organisaties aan deelnamen. Wat wel zéér doorslaggevend is voor het succes van BI zijn de volgende factoren:
- PLAN: Stel duidelijke normen en targets voor je KPI’s op en formuleer ze SMART: specifiek, meetbaar, acceptabel, realistisch en tijdgebonden.
- DO: voer het plan uit, monitor en analyseer de KPI’s en onderliggende data, duik vervolgens dieper en concentreer je op de afwijkingen ten opzichte van de norm.
- CHECK: bespreek met elkaar de resultaten zowel positief als negatief. Houd een datadialoog met elkaar en geef elkaar feedback. Laat verschillende meningen met elkaar botsen en leer van elkaar.
- ACTUALIZE: evalueer de normen en targets regelmatig en stel ze waar nodig bij. Of zorg dat de uitvoering over meer of minder middelen kan beschikken zodat je de norm alsnog kan halen. Met regelmatig bedoelen we hier niet één keer per jaar maar wekelijks of maandelijks.
De befaamde cirkel van dr. Deming (PDCA) blijkt dus van groot belang om succes met BI te bereiken. Wil je echt falen? Koppel continu verbeteren dan vooral niet aan Business Intelligence.
Bovenstaande succesfactoren gaan er overigens van uit dat je al zuivere KPI’s hebt kunnen opstellen. Houd jouw KPI’s tegen het licht met onze SMART KPI-bepaler 2023. Zie ook ons boek ‘Datacratisch werken – Kom in de verbetermodus met een datagedreven PDCA’.
De 101 stappen naar Business Intelligence succes
Succes bereiken met Business Intelligence komt je niet zomaar aanwaaien. Het is geen kwestie van geluk. Het vraagt juist om een proces van nauwgezette engineering. Stap voor stap bouw je het succes op en uit. Dit zijn de stappen naar blijvend Business Intelligence succes en zo ontwikkel je een intelligente, datagedreven organisatie:
- Begrijp zelf BI & datagedreven werken: zorg dat je zelf ruim voldoende kennis en ervaring opbouwt met BI dashboards, rapporten, datawarehouses, machine learning, KPI’s, beslissingen et cetera.
- Laat anderen BI ook begrijpen: verzeker je ervan dat je binnen de organisatie voldoende voor- en medestanders om je heen verzamelt die die kennis en ervaring ook hebben of willen opbouwen.
- Maak een prototype: download één van de BI tools, verzamel relevante data en bouw je eerste BI dashboard met interactieve mogelijkheden. Ga de boer op met de data en je dashboard.
- Vergroot de bewustwording: met alle kennis die jij en je collega’s nu hebben (en het prototype) ga je de bewustwording van de mogelijkheden en voordelen van Business Intelligence vergroten. Vooral bij de beslissers in het operationele proces en de directie. Denk hierbij aan inspiratiesessies, interviews, demo’s van het prototype en werkateliers.
- Stel een werkgroep BI samen: identificeer nu alle stakeholders en toekomstige gebruikers in de organisatie en selecteer uit die groep een aantal mensen voor de werkgroep BI. Zorg dat Finance & control en IT aan boord komen en mee kunnen denken.
- Scan je IT-leverancierscontracten: in sommige contracten verbieden leveranciers directe toegang tot je eigen data. Dit kan een grote blokkade vormen voor de verdere ontwikkeling van Business Intelligence. Zorg dat de belemmeringen voor datatoegang worden weggenomen.
- Schrijf een visiedocument: laat de werkgroep een gezamenlijke visie ontwikkelen op het totale vakgebied. Zorg dat de visie bij alle leden van de werkgroep tussen de oren komt (met concrete toepassingen en al) en dat ze die zelf kunnen toelichten en uitdragen.
- Akkoord van de directie: presenteer de visie aan de directie en andere belangrijke stakeholders. Zorg dat de directie akkoord kan geven op het visiedocument.
- Breng beslissingen integraal in kaart: ga met behulp van het beslissingenschema alle belangrijke (operationele) beslissingen in kaart brengen in het primaire proces. Dit zijn je use cases. Focus je hier op de hoofdlijnen maar voor elke beslissing probeer je alle blokjes zo goed mogelijk uit te werken.
- Definieer de belangrijkste KPI’s: nadat je goed inzicht hebt gekregen in de belangrijkste beslissingen, kun je eenvoudig de KPI’s ophalen en nader definiëren. Stem die af met het team van Finance & Control.
- Prioriteer de beslissingen en KPI’s: samen met de belangrijkste stakeholders en de directie ga je de beslissingen en KPI’s prioriteren. Idealiter neem ga je die beslissingen optimaliseren die ook een (behoorlijke) bijdrage aan de bedrijfsstrategie leveren.
- Selecteer de belangrijkste beslissing en KPI’s: aansluitend op de voorgaande stap laat je de directie een besluit nemen over welke beslissing als eerste moet worden ondersteund door een Business Intelligence dashboard of BI systeem.
- De directie stelt een gedelegeerd opdrachtgever aan: de directie laat zich voor die specifieke beslissing operationeel vertegenwoordigen door een gedelegeerd opdrachtgever. Die is ook de Product Owner BI.
- Stel een projectteam samen: in overleg met de Product Owner stel je een projectteam samen met een data engineer, een BI consultant / dashboard ontwikkelaar / rapportenbouwer, een data analist en een datacoach. Stel een projectleider aan.
- Schrijf de business case inclusief projectplan: beschrijf en visualiseer wat je gaat doen (activiteiten), met wie (rollen), hoeveel tijd het gaat kosten (WBS), wat de doelen zijn die je wilt realiseren, welke risico’s er zijn en welke maatregelen je daartegen moet nemen.
- Organiseer een kick-off: met het projectteam en de belangrijkste stakeholders organiseer je een kick-off meeting zodat iedereen op de hoogte is van de laatste ontwikkelingen. Presenteer het projectplan, vraag om feedback.
- Laat het projectplan goedkeuren: IT, Finance & Control en de gedelegeerd opdrachtgever keuren het projectplan goed.
- Communiceer het project naar de organisatie: laat de Product Owner het project communiceren naar de organisatie / afdeling. Focus op de direct betrokkenen maar vergeet niet de belangrijkste stakeholders in de loop te houden.
- Maak een functioneel ontwerp: beschrijf datgene wat je gaat realiseren in zoveel mogelijk detail. Vergeet niet de KPI’s en PI’s te definiëren inclusief welke databronnen je nodig hebt om die te berekenen.
- Maak een dashboard mock-up: schets in grote lijnen hoe het toekomstige dashboard eruit kan komen te zien. Dit maakt onderdeel uit van je functioneel ontwerp.
- Schets een dimensioneel model: beschrijf nu datgene wat je gaat realiseren in een dimensioneel model met meetwaarden, dimensies inclusief hiërarchieën, en eventuele koppeltabellen en filters. Dit model maakt onderdeel uit van je functioneel ontwerp.
- Maak het ontwerp AVG-proof: heb je te maken met de verwerking van (gevoelige) persoonsgegevens dan moet je in je functioneel ontwerp al een aantal zaken dichttimmeren. Privacy by design.
- Laat het functioneel ontwerp accorderen: vraag feedback aan de Product Owner en Finance & Control en laat ze het ontwerp accorderen.
- Verricht een datakwaliteitsonderzoek: slechte datakwaliteit moet bekend zijn bij alle projectteamleden en de Product Owner. Escaleer grote problemen via de Product Owner naar de proceseigenaar. Start eventueel parallel een verbetertraject voor het ophogen van de datakwaliteit.
- Schets de projectstartarchitectuur: benoem alle relevante principes voor de projectstartarchitectuur en beschrijf de benodigde componenten om te komen tot het projectresultaat. Pas bij vervolgprojecten ga je nadenken over een complete BI architectuur.
- Laat de architectuur accorderen: Laat IT samen met de Product Owner de architectuur accorderen. Zo voorkom je later problemen.
- Kies de juiste BI tooling: Laat je niet overweldigen door de dominante marktpositie van Microsoft Power BI, maar kies die tool of dat BI platform dat het beste aansluit bij de wensen en eisen van jouw organisatie. Bekijk hier onze BI-kopersgids 2023.
- Organiseer een knoppentraining: voor je BI team, een aantal mensen van IT en voor enkele toekomstige gebruikers ga je alvast een knoppentraining voor de BI tool organiseren.
- Ga eens langs bij de opdrachtgever: boek een informeel overleg in met de opdrachtgever (directielid) en vertel wat je tot nu toe tegen bent gekomen aan weerstand, enthousiasme, tegenslagen en meevallers. Doe dit samen met de Product Owner.
- Ontsluit de databronnen: laat IT onder regie van de data engineer de databronnen ontsluiten. Zorg in elk geval voor een kopie van de tabellen die je nodig denkt te hebben op een andere server.
- Zorg voor dagelijkse updates: idem, zorg dat ’s nachts de (gewijzigde) data van de vorige dag klaarstaat. Real-time updates zijn in deze fase gewoonlijk nog een brug te ver tenzij de business case overduidelijk aantoont dat dat per se noodzakelijk is.
- Verken de data: laat de data engineer samen met de data analist de data verkennen. Zo kom je snel te weten waar eventuele problemen kunnen opdoemen wat betreft de datakwaliteit, het koppelen van data, et cetera.
- Modelleer de data: nu kan de data engineer helemaal los op je data. Hij of zij gaat een zo robuust en toekomstbestendig mogelijk datamodel in elkaar schroeven. Maar vooralsnog met als scope de huidige beslissing. Het datamodel voor de klant- en productdimensie moeten in deze stap wel rekening houden met een grotere scope.
- Transformeer de data: nadat de updates zijn binnengekomen zorgt de data engineer via ETL-processen dat het datamodel elke nacht wordt bijgewerkt. Ook voeg je belangrijke formules toe voor het berekenen van de KPI’s.
- Test het datamodel: laat een toekomstige domeinexpert met SQL-kennis en -ervaring (of een externe data engineer) het datamodel toetsen en testen.
- Verwerk de feedback: eventuele omissies in het datamodel en de overige feedback van de test verwerk je in het datamodel.
- Ontwerp het dashboard & visualisaties: nu kan de data analist / BI consultant aan de slag om vanuit het datamodel de juiste data op te halen voor het visualiseren van de KPI’s op een dashboard.
- Voeg interactieve elementen toe: maak het Business Intelligence dashboard interactief met onder andere drilldownmogelijkheden zodat gebruikers kunnen grasduinen in de data en die kunnen analyseren.
- Voeg rapporten toe voor de details: ontwikkel detailrapportages die gebruikers in staat stellen om de juiste acties te nemen. Bijvoorbeeld een rapport dat de artikelen onder de minimale voorraadhoogte toont.
- Presenteer het dashboard: organiseer een bijeenkomst waar je het dashboard aan de gebruikers toont en toelicht. Vraag om feedback. Laat ook zien wat de achterkant van een dashboard inhoudt zodat ze begrijpen dat het niet allemaal heel eenvoudig is.
- Laat het dashboard valideren: laat een aantal (kritische) gebruikers het dashboard valideren. Kloppen de cijfers? Is het ontwerp logisch? Is het gebruiksgemak hoog genoeg? Et cetera.
- Houd IT in de loop: zorg dat je IT regelmatig (en vroegtijdig) op de hoogte houdt van de ontwikkelingen. Zij moeten namelijk het datamodel en het dashboard in beheer gaan nemen.
- Maak een productieomgeving aan: in overleg met de data engineer en de BI consultant zorgt IT ervoor dat er een productieomgeving komt. Van hieruit kunnen de gebruikers hun dashboard dagelijks/wekelijks raadplegen en de data analyseren.
- Regel de autorisaties in: iedere gebruiker heeft een rol in het bedrijfsproces. Regel de autorisaties in afhankelijk van iemands rol. Zodoende krijgen gebruikers direct te zien waarvoor ze verantwoordelijk zijn en ziet niemand ongeautoriseerd data.
- Maak een handleiding: documenteer het gewenste gebruik in een compacte handleiding (idealiter online) of video-instructie. Zorg dat in deze handleiding ook de definities van de KPI’s op het dashboard geraadpleegd kunnen worden.
- Richt een servicedesk in: onder regie van IT richt je een servicedesk in waar gebruikers terecht kunnen wanneer het dashboard niet werkt (zoals gewenst).
- Zet het eerste dashboard live: verwerk de feedback van gebruikers en IT en verpak het dashboard en datamodel en implementeer dit alles op de productieomgeving. Pas eventueel de handleiding aan.
- Geef alle gebruikers een knoppentraining: neem je gebruikers mee in alle mogelijkheden van het dashboard en de mogelijke data analyses die uitgevoerd kunnen worden. Maak hier onderscheid tussen de managers (beslissers) en de data analisten.
- Communiceer het dashboard en datamodel: zorg dat alle gebruikers, stakeholders en de directie op de hoogte worden gebracht van het live gaan van het dashboard en het doel ervan.
- Wees beducht op kritiek en weerstand: door BI ga je de wijze waarop beslissingen genomen worden in je organisatie transparanter maken. Verwacht niet dat iedereen daar op zit te wachten. Vooral het middenkader kan deze transitie soms niet aan.
- Verzeker je (nogmaals) van steun van de directie: je hebt veel steun nodig vanuit de directie (die moet vierkant achter je staan) omdat anders sommige mensen uit het middenkader je project downsizen of zelfs saboteren.
- Organiseer een feestje: dit mooie moment moet je niet snel vergeten. Organiseer daarom een feestje voor alle betrokkenen en belanghebbenden. Vier het livegaan van het eerste dashboard.
- Directie op de zeepkist: tijdens de eerste act van het feestje laat je een directielid én iemand uit de operaties vertellen waarom het dashboard van belang is: veel betere beslissingen door inzicht en data analyse. En niet om een afrekencultuur in stand te houden.
- Organiseer trainingen datagedreven werken: misschien wel de achilleshiel van het project is het trainen en coachen van de managers. Zij moeten samen met de data analisten in een natuurlijke flow gebracht worden om voortaan datagedreven beslissingen te nemen. De datageletterdheid moet verder omhoog. Vraag hier een offerte aan.
- Organiseer regelmatig datasessies: hetzij individueel of in groepen organiseer je wekelijkse of maandelijkse datasessies waar je continu verbeteren koppelt aan de dashboards met KPI’s en data analyseren. Managers en teamleiders ga je leren om datagedreven te PDCA-en. Zie de belangrijkste succesfactoren van BI.
- Koppel de bevindingen terug naar opdrachtgever: ga samen met de Product Owner in gesprek met de opdrachtgever en koppel je bevindingen tot nu toe terug. Waar gaat het goed? Waar gaat het minder goed? Hoe bij te sturen? Wat verwacht je nu van de opdrachtgever?
- Verbeter het dashboard: verzamel alle feedback vanuit de gebruikers en andere betrokkenen. Verwerk die in een aangepast datamodel en dashboard. Maak dit tot een continu proces waarbij de Product Owner regisseert.
- Stel datacoaches aan: de datacoach help de beslissers in de organisatie op dagelijkse en wekelijkse basis met het nemen van datagedreven beslissingen. Een datacoach neemt soms ook deel aan vergaderingen waar besluiten worden genomen.
- Limiteer de tijd en het budget: laat al het bovenstaande niet meer dan 70.000 euro kosten en minder dan 4 maanden tijd in beslag nemen. Met een snelkookpan blijven er meer vitamines en smaak over. Dit zijn gemiddelden en de werkelijke kosten hangen af van de hoeveelheid gebruikers, de hoeveelheid data en de complexiteit van de beslissingen en de organisatie.
- Stel een lessons learned document op: van al de voorgaande stappen heb je ontzettend veel geleerd. Stel samen met de Product Owners een document op waarin je de lessons learned samenvat.
- Herhaal vanaf stap 11: neem een andere beslissing met hoge prioriteit en doorloop vervolgens de benodigde stappen, met de lessons learned op het netvlies. Doe dit in de helft van de tijd en voor de helft van het eerdere budget. Je zult stappen kunnen overslaan. Zo hoef je niet elke keer een BI tool te selecteren of je architectuur bij te stellen.
- Maak dashboards voor datakwaliteit: hoe meer datagedreven beslissingen je gaat nemen hoe groter het belang wordt van zuivere, betrouwbare data. Ga daarom per domein dashboards ontwikkelen waarmee proceseigenaren de kwaliteit van de data kunnen monitoren en analyseren.
- Stel data stewards aan: de datasteward werkt in opdracht van de proceseigenaar om operationeel problemen met datakwaliteit op te lossen. Ook beschrijft deze de belangrijkste data van zijn of haar domein en hoe de datahuishouding te verbeteren.
- Spring van project naar programma: de tijd van losse projecten is nu voorbij en je gaat samen met de directie een programma ‘Datagedreven werken’ opstellen. Er komt dus een overkoepelend programma voor alle BI-projecten.
- Transformeer het team naar een afdeling: ook het projectteam heeft een upgrade nodig en een vaste plek in de organisatie. Zet een BICC of datalab op. Zorg dat er een gezonde mix bestaat van techneuten, domeinexperts, analisten en sociale dieren.
- Volg een Big Data of Data Science training: breng jezelf en een aantal collega’s op de hoogte van de specifieke mogelijkheden van Big Data, machine learning en AI. Bekijk hier onze 10-daagse Data Science training.
- Ontwikkel een bedrijfsbrede data-architectuur: na een aantal succesvolle BI-projecten gaat je architectuur piepen en kraken. Geef daarom ook je architectuur een upgrade, ontwerp allereerst de nieuwe architectuur op papier. Houd daarbij rekening met de opslag van Big Data en machine learning. Deze architectuur moet schaalbaar zijn tot in de keten en supersnel data en complexere analyses kunnen verwerken.
- Stel de huidige tooling ter discussie: eerder heb je gekozen voor een specifieke BI tool maar is die nog wel geschikt voor de nieuwe architectuur? Hier ga je nog eens goed kijken welke BI tool of welk BI platform het beste past bij jouw situatie en organisatie.
- Stem nieuwe architectuur af met stakeholders: bediscussieer de nieuwe architectuur uitentreuren met alle stakeholders. Breng de impact in kaart zowel qua budget als qua stabiliteit van de staande IT. Durf terug te komen op eerder gemaakte keuzes.
- Monitor het gebruik van BI: bekijk hoe vaak gebruikers BI aanzetten. Bij veelvuldig gebruik ga je met ze praten maar ook wanneer het gebruik beneden de verwachting is. Hiervan ga je leren.
- Verzeker je ervan dat datagedreven werken de norm is: voordat je de nieuwe architectuur gaat implementeren moet je er zeker van zijn dat alle lagen van de organisatie inmiddels grotendeels datagedreven werken. Presenteer daarom de nieuwe organisatie en architectuur aan een grote doelgroep en verzamel feedback.
- Scherp de eerder opgestelde visie aan: werk het visiedocument bij met onder andere machine learning en presenteer dit aan de directie, de belangrijkste stakeholders en de verschillende Product Owners.
- Stel een BI roadmap op voor de komende 3 jaren: in een BI roadmap adresseer je alle BI-behoeften van de organisatie (dashboarding, rapporten, downloads, externe verslaglegging, analyses, etc.) voor de komende jaren inclusief Big Data en machine learning toepassingen.
- Presenteer de BI roadmap en vraag budget: bespreek de roadmap met alle betrokkenen en verzamel de feedback. Pas de roadmap aan, los eventuele geschillen op. Zorg dat je voor alle onderdelen uit de BI roadmap voldoende budget krijgt.
- Migreer de dashboards en rapporten: de eerder gebouwde dashboards en rapporten breng je onder in de nieuwe data-architectuur. Je doet dit met gezond verstand zodat je geen dashboards en rapporten gaat overzetten die niet meer relevant zijn.
- Vul je BI team aan: in deze fase van BI volwassenheid heb je niet alleen meer mensen nodig maar ook andere expertise. Er is meer expertkennis nodig van nieuwe technologie en tegelijkertijd heb je meer domeinkennis nodig. Ook change management expertise en ervaring is van groot belang.
- Ga experimenteren met machine learning: ga voor jezelf eens na waar machine learning het verschil kan maken in je organisatie. Huur tijdelijk een ervaren data scientist in om je hierbij op weg te helpen. Neem als uitgangspunt altijd beslissingen in je organisatie, richt je eerst op beoordelingsprocessen in de operaties. Bijvoorbeeld het accepteren van een polis, het taxeren van vastgoed of het toekennen van een vergunning.
- Selecteer een taal of tool voor machine learning: er zijn verschillende talen en tools in omloop waarmee je machine learning algoritmes kunt gaan ontwikkelen. Denk hierbij niet alleen aan Python en R, maar er zijn ook heel veel bibliotheken en tools beschikbaar zoals Scikit Learn, TensorFlow, SAS, et cetera.
- Ontwikkel een prototype machine learning: net als in het begin bij BI dashboarding (wat een stappen heb je al gezet!) heb je een prototype nodig. Hier ga je weer de boer mee op.
- Benoem het verschil tussen BI en AI: Business Intelligence is een parapluterm waar ook machine learning en AI onder vallen. Met Artificial Intelligence automatiseer je de analyses die voorheen door mensen werden gedaan. Eventuele beslissingen kun je er ook mee automatiseren. Leg dit principe uit aan de belangrijkste betrokkenen.
- Werk de machine learning toepassingen uit: op basis van de eerder opgestelde beslissingschema’s ga je in workshops samen met domeinexperts kijken hoe je machine learning kunt toepassen op de beslissingen. Besteed extra aandacht aan big data en externe data zoals het weer, demografische data et cetera én hoe je met machine learning beslissingen tot in detail kunt gaan differentiëren. Neem contact met ons op voor een toelichting.
- Presenteer en prioriteer de machine learning toepassingen: in een werkgroep ga je gezamenlijk onder leiding van de Product Owners en een lid van de directie de machine learning toepassingen doornemen en prioriteren. Selecteer net als bij dashboarding in het begin één beslissing waar je machine learning op wilt gaan toepassen.
- Ontwikkel een visie op AI: vul het eerdergenoemde visiedocument aan met alle mogelijkheden die er zijn voor machine learning. Daarbij denk je ook na over: hoe meer algoritmes je ontwikkelt en implementeert hoe minder rapporten en dashboards er nodig zijn. En ook minder managers.
- Verken de sociale impact: de organisatie kan door succesvolle AI nog platter worden en er zijn in principe minder mensen nodig om hetzelfde werk uit te voeren. Laat de implicaties helder worden, bespreek die met de Product Owners en de directie.
- Maak de machine learning AVG-proof: tegenwoordig waait er een wind door AI-land waarbij je zeer zorgvuldig moet omgaan met persoonlijke data en algoritmes. En terecht. Zorg dat je algoritmes binnen de wettelijke kaders blijven.
- Vergeet niet de AI-ethiek: allerlei ethische dilemma’s komen om de hoek kijken als je Artificial Intelligence wil gaan toepassen. Mag je bijvoorbeeld als verzekeraar aan de poort met AI gaan selecteren op eventuele winstgevendheid van een verzekerde? Bespreek de AI-ethiek met je belangrijkste stakeholders en formuleer de grenzen dan wel onderbouw de AI-toepassingen met argumenten waarom het ethisch verantwoord is.
- Haal extra budget op voor AI: waarschijnlijk heb je extra budget nodig om AI met succes te kunnen implementeren. Stel samen met de Product Owner een business case op voor deze specifieke AI-toepassing.
- Verken je data nodig voor AI: voordat je met machine learning een beslissing gaat ondersteunen of automatiseren moet je de data heel goed kennen. Slechte data is desastreus voor AI. Met een BI dashboard of rapport kun je slechte data nog zelf opmerken maar met een machine learning model niet.
- Bepaal een dataset voor de training: om een machine learning model te ontwikkelen train je het algoritme met een representatieve dataset. Die moet vrij van biases zijn. Staar je niet blind op je eigen data. Tegenwoordig kun je ook datasets inkopen voor het trainen van algoritmes.
- Laat je model valideren: samen met domeinexperts en een machine learning engineer ga je het model valideren. Wat gebeurt er onder de motorkap (voor zover je dat nog kunt begrijpen) en welke uitkomsten genereert het model gegeven de input.
- Slijp het model fijn: op basis van de uitkomsten uit de vorige stap ga je het model fijnslijpen en indien nodig kortwieken. Let er op dat het model precies goed presteert voor het doel. Soms is een nauwkeurigheid van 25% al voldoende, het model presteert beter dan een mens kan doen. Maar voor medische beoordelingen heb je een veel hogere nauwkeurigheid nodig.
- Zet een productieomgeving op voor AI: net als bij de dashboards en rapporten heb je voor machine learning een productieomgeving nodig waar de machine learning modellen op draaien.
- Neem het model in productie: nu is het machine learning model klaar om daadwerkelijk op basis van nieuwe input een beoordeling of voorspelling te gaan doen. Je hebt een fantastische mijlpaal bereikt want slechts weinig AI-toepassingen halen de finish.
- Evalueer de performance: zorg dat je eerst dagelijks en later wekelijks de performance van het model monitort. Blijf er de eerste tijd bijzitten en kijk wat er gebeurt. Zorg voor een backup-systeem.
- Communiceer het succes: is de performance van het model goed genoeg? Communiceer dan het succes met de organisatie.
- Organiseer een AI-feestje: successen moet je met elkaar vieren en dit succes verdient zeker een feestje. Nodig iedereen uit die betrokken is bij het succes en bedank iedereen voor zijn inzet en resultaat.
- Bepaal de lessons learned: bepaal samen met het team welke lessen je kunt trekken uit de eerste AI-implementatie. Vat ze samen op een A4’tje.
- Koppel de AI-bevindingen terug naar opdrachtgever: ga samen met de Product Owner in gesprek met de opdrachtgever en koppel de AI-bevindingen tot nu toe terug.
- Herhaal vanaf stap 81: ga nu ook andere beslissingen automatiseren met machine learning. Scherp je visie voor AI aan.
- Definieer de nieuwe organisatie: alle belangrijke beslissingen worden nu ondersteund met Business Intelligence dashboards, rapporten of machine learning. Heb je nu meer of minder medewerkers nodig? Waar kun je afslanken en waar moet je bijplussen? Definieer samen met de directie en het management hoe de organisatie er in de toekomst uit gaat zien. Maak een sociaal plan.
- Meld je aan voor de Dutch BI & Data Science Award: om het jaar organiseren wij deze award voor de Slimste organisatie van Nederland waar datagedreven werken de norm is.
Misschien was het je al opgevallen. Tijdens deze 101 stappen heb je eigenlijk 3 fasen doorlopen. Eerst leg je de nadruk op Business Intelligence dashboards, datagedreven werken en beslissingen. Hierna komt een fase van herstructurering met het aanleggen van een solide data architectuur en de migratie. In de laatste fase implementeer je machine learning.
Verdiep je hier verder in BI & analytics
Aan de oppervlakte lijkt Business Intelligence eenvoudig maar the devil is in the details. Verdiep je daarom hier verder in het vakgebied:
Als jijzelf BI niet goed (genoeg) begrijpt dan is de kans dat je er succes mee gaat bereiken ook heel beperkt. Zie ook stap 1 van het stappenplan.
Welke rollen heb je minimaal nodig bij BI?
Om Business Intelligence goed te kunnen implementeren heb je verschillende rollen nodig die het werk verzetten:
- Data analist: analyseert primair de data, bouwt soms KPI dashboards [profiel]
- BI of data architect: bedenkt en modelleert de totale BI architectuur [profiel]
- Data engineer: modelleert de data zodanig dat die geschikt is voor data analyse
- Dashboard ontwikkelaar: ontwerpt en bouwt primair de dashboards
- Rapportenbouwer: ontwikkelt rapporten met soms grafieken
- BI manager: de eindverantwoordelijke voor Business Intelligence [profiel]
- Data scientist: maakt primair machine learning modellen (supervised, unsupervised) [profiel]
- Datacoach: helpt primair de beslissers om datagedreven beslissingen te nemen
- Data steward: verantwoordelijk voor de datakwaliteit en definities
Er zijn meer Business Intelligence rollen, maar deze zijn de meest belangrijke. Sommige rollen kunnen door eenzelfde persoon worden uitgevoerd.
In deze unieke zeer goed gewaardeerde BI-opleiding word je in drie intensieve dagen klaargestoomd voor een adviserende en leidende rol in Business Analytics. Je maakt kennis met alle facetten van BI en je leert hoe je van Business Intelligence een succes kunt maken. Meld je hier direct aan voor de eerstvolgende sessie van 31 mei t/m 2 juni 2023.
Hoeveel kost Business Intelligence?
De investering die je moet doen in Business Intelligence is in de eerste fase beperkt. Later kunnen de bedragen sterk oplopen, maar zeker ook het rendement (ROI). Bij de kosten voor een BI implementatie ga je uit van de volgende categorieën:
- Licentiekosten software: dit betreft de kosten voor het opslaan van de data in een database en het ontwikkelen en bekijken van interactieve dashboards met eventueel detailrapporten. Je kunt hier gemiddeld uitgaan van 10 tot 50 euro per gebruiker per maand afhankelijk van de leverancier. Voor de database betaal je in de cloud alleen voor het gebruik. Dit gaat vaak om centen per MB opslag en/of transfer.
- Ontwikkelkosten: voor het ontwikkelen van interactieve dashboards moet je gemiddeld rekening houden met 2.500 euro per KPI en 1.000 euro per dashboardpagina. Een compleet BI dashboard komt al snel uit op 15.000 euro. Voor het bouwen van een datawarehouse / database moet je per KPI minimaal rekening houden met 5.000 euro, per dimensie met 7.500 euro en een initiële investering van 10.000 euro.
- Beheerkosten: het beheer van Business Intelligence kan veelal intern door de klant zelf gedaan worden (na een opleiding). Gemiddeld genomen heb je na een eerste implementatie een data engineer nodig voor 0,2 fte en voor de dashboards ongeveer 0,5 fte. Wanneer er meerdere dashboards en rapporten zijn opgeleverd lopen de beheerkosten natuurlijk op.
Bij grotere organisaties is een zogenaamde OTAP-straat gebruikelijk. Die kosten zijn niet in bovenstaande bedragen meegerekend. Vraag hier een offerte aan.
Business Intelligence voorbeelden uit 4 sectoren
Wil je geïnspireerd raken door succesvolle Business Intelligence voorbeelden? Raadpleeg dan hieronder één of meer van de vier voorbeelden. Wij werken onder andere voor een groot aantal woningcorporaties, ziekenhuizen, ggz-instellingen, veiligheidsregio’s, gemeenten, provincies, ministeries, banken, transportbedrijven en groothandels.
Neem de proef op de som: neem contact met ons op
Hebben we je goed kunnen informeren over alle aspecten van Business Intelligence die voor jou van belang zijn? Wil je hier eens vrijblijvend over doorpraten met één van onze BI-experts? Aarzel niet, neem de proef op de som en neem hier contact met ons op.
Over Passionned Group
Passionned Group is dé specialist in het ontwerpen en implementeren van Business Intelligence & Analytics. Onze gedreven en ervaren BI-consultants helpen grotere en kleinere organisaties bij de kanteling naar een intelligente, datagedreven organisatie. Om het jaar organiseren wij de Dutch BI & Data Science Award™.
Veelgestelde vragen
Onze senior Business Intelligence adviseurs
Reviews over Business Intelligence
Binnen Bravis is het project datagedreven sturen opgestart. Binnen het project waren we op zoek naar een kapstok om al onze uitgangspunten aan op te hangen. Passionned Group heeft ons middels een aantal inspiratiesessies geholpen om te komen tot een visie op datagedreven sturen. Dit door actuele thema’s binnen BI te belichten en te spiegelen aan de praktijk van Bravis. De workshops waren praktisch, laagdrempelig en inspirerend en hebben duidelijk bijgedragen aan een kwaliteitsverbetering van het project. Review over Business Intelligence Advies.
neem contact met ons opBij de keuze voor een nieuw datawarehouse en BI-leverancier zochten wij een specialist die onze zorggroep zou helpen de juiste keuzes te maken. Kunstmatige intelligentie, self-service BI en hoe borg je dat data beheersbaar blijven en waarde gaan creëren; om maar enkele uitdagingen te benoemen. Passionned heeft ons snel op het juiste spoor gezet en de consultant was een uitermate kundige expert (of beter gezegd data-filosoof) die ook de gave heeft om complexe dilemma’s tot de kern terug te brengen. Niet de leverancier maar Amaris heeft nu de regie bij de oplossing en het ontwerp van ons datawarehouse en de informatie-architectuur. Review over Business Intelligence Advies.
neem contact met ons opLentis heeft in co-creatie met Passionned Group onlangs de BI advies opdracht met succes aan directie, management, het BI team en een aantal andere stakeholders gepresenteerd. Terugkijkend naar deze opdracht en het traject dat we samen hebben gelopen kan ik concluderen dat dit aan alle kanten een zeer waardevolle bijdrage aan Lentis heeft geleverd. Dick Pouw heeft namens Passioned dit traject begeleid waarbij hij goed heeft geluisterd naar het verhaal van Lentis en zich heeft aangepast naar de cadans/tempo en de dynamiek van de lentis organisatie. Hiermee heeft Passionned Group, in co-creatie, ervoor gezorgd dat het BI advies niet alleen een theoretisch verhaal geworden is maar dat het gedachtengoed past bij de Lentis organisatie, begrepen en gevoeld wordt én het belangrijkste, dat het geaccepteerd is. Review over Business Intelligence Advies.
neem contact met ons opJullie BI gaat gelukkig veel verder dan rapportages.
neem contact met ons opDankzij de kennis en expertise van de mensen van Passionned Group is ons Business Intelligence-traject snel en soepel verlopen.
neem contact met ons opDeze organisaties gingen je voor
























