Met datawarehousing één integraal klantbeeld
Een datawarehouse of gegevenspakhuis gaat uiteindelijk al je bedrijfsdata bevatten. Die data maak je daarmee geschikt voor integrale analyse, rapportage, verantwoording, datamining en dashboarding. Waar nodig vul je deze bedrijfsdata aan met externe (open) data. Want je moet natuurlijk ook op je omgeving letten.
Organisaties die datawarehousing niet (juist) inzetten missen een integraal beeld van hun klant. En hierdoor missen ze ook cruciale inzichten om continu te verbeteren, te innoveren en kansen in de markt te pakken. Als manager, controller of business analist moet je goed over een datawarehouse nadenken, want:
- Wat zijn de voordelen van een datawarehouse? Wanneer heb je er echt een nodig?
- Zijn er ook alternatieven voor een datawarehouse en zo ja welke zijn betaalbaar?
- Welke vraagstukken kun je beter het hoofd bieden met een DWH dan zonder?
- Hoe kan je jouw senior management overtuigen van het nut en de noodzaak?
- Maakt een data lake een datawarehouse overbodig?
- Welke datawarehouse- en ETL-tooling kan je daarbij gebruiken?
- Welke gegevensmodellering past het beste bij jouw situatie en gebruikswensen?
- Hoe pak je nu zo’n traject succesvol aan? Wat moet je zeker wel en zeker niet doen?
De datawarehouse-specialisten van de Passionned Group helpen je graag bij het beantwoorden van deze vragen met onafhankelijk advies, opleidingen en implementatie.
Wat is een datawarehouse en wat is het nut?
Een datawarehouse zorgt voor een flexibele informatie-infrastructuur. We noemen een datawarehouse ook wel een gegevenspakhuis voor stuurinformatie. Gegevens uit verschillende bronnen (bedrijfsprocessen) ga je ophalen, opschonen, integreren, zorgvuldig op elkaar afstemmen en naar thema rangschikken. Zodat je medewerkers die data heel gemakkelijk met elkaar in verband kunnen brengen. Met als doel analyse, rapportage, dashboarding, datamining en sturing te vereenvoudigen. Hierdoor kunnen ze de data eenvoudig omzetten in financieel voordeel en kwaliteitsverbeteringen eenvoudiger doorvoeren.
Complexere vragen beantwoorden met de snelheid van het licht
In een datawarehouse (DWH) meng je al je bedrijfsgegevens en ook relevante externe gegevens. Je gaat ze ook gelijkschakelen. Hierdoor kunnen data analisten en beslissers razendsnel antwoord krijgen op tal van vragen. Bijvoorbeeld:
- Aan welke klanten verdienen we het meest, hoe komt dat en wat is de klantreis?
- Waar bevinden zich de grootste werkvoorraden en langste doorlooptijden?
- In welke postcodegebieden wonen potentiële klanten voor ons nieuwe product?
- Welke declaraties zijn verdacht en hoe kun je daaruit een juiste selectie maken?
- Welke afdeling kent het hoogste ziekteverzuim en wat is de oorzaak?
- Welke klanten hebben een betalingsachterstand die groter is dan de norm?
- Enzovoorts.
Onderstaand schema maakt in grote lijnen duidelijk waarom dit is. Gebruikers kunnen allerlei dwarsverbanden maken over afdelingen en systemen heen. Met één druk op de knop.
Figuur: door data samen te brengen en gelijk te schakelen in een datawarehouse kun je eenvoudig een integraal klantbeeld opbouwen. En je kunt de data snel analyseren vanuit meerdere invalshoeken. Tot slot laat een datawarehouse je organisatie kantelen.
Leerprocessen met een factor 10 versnellen
Niet alleen de antwoorden op complexere vragen maar ook die op recht-toe-recht-aan vragen krijg je met een datawarehouse snel boven tafel. Hierdoor kunnen leerprocessen van je teams en medewerkers met minimaal een factor 10 versnellen. Mits uiteraard de performance van het datawarehouse snel genoeg is. Hierdoor kun je procesverbeteringen en innovaties sneller voor de juiste mensen zichtbaar maken. En je organisatie gaat veel winnen in wendbaarheid. En dat gaat je helpen bij de noodzakelijke transitie naar een intelligente organisatie. Onze ervaren data architecten helpen je graag verder.
Een Excel Dorado werkt fouten in de hand
Tal van best practices wijzen uit dat investeren in datawarehousing een organisatie intelligenter maakt. En dat het je grof geld kan opleveren in sommige situaties. Je moet dan wel bepaalde randvoorwaarden goed invullen. Toch is het gebruik van Excel als ‘datawarehouse’ nog vaak gemeengoed.
De risico’s zijn evident. Een Excel Dorado werkt natuurlijk fouten in de hand, het is erg arbeidsintensief en iedereen kan zijn of haar eigen versie van de waarheid hanteren. De volledige tijd van meetings gaat dan op aan bijvoorbeeld de interpretatie en de controle op de juistheid van gegevens. En het kan dan niet gaan over het doorvertalen van de data en inzichten naar daadwerkelijke verbeteracties.
Om nog maar te zwijgen over de kostbare tijd die hoogopgeleide medewerkers kwijt zijn met Excel. Ze verzamelen en corrigeren de data elke keer weer. Excel staat echt een effectief informatiegebruik, grondige analyse van de data en het goed (be)sturen van de organisatie in de weg.
Alternatieven voor een datawarehouse
Er zijn zeker wel zinvolle alternatieven voor het opzetten en inrichten van datawarehouses. Excel is daar natuurlijk niet één van. Maar zogenaamde appliances (‘toestellen’) en datavirtualisatie tot op zekere hoogte wel.
- Een datawarehouse appliance is een combinatie van hardware, software en opslag. Het kan je data zeer snel verwerken en beschikbaar stellen aan gebruikers. Alles in één. Gezien het geringe onderhoud wat je eraan hebt en de goede performance kan een appliance zeker van nut zijn in een datawarehouse omgeving. Vrijwel alle vooraanstaande BI tools / platforms kunnen tegenwoordig met deze toestellen werken. Onderdeel van een appliance is een in-memory database. Die laadt alle data in het interne geheugen van de server. Het resultaat? Razendsnelle responstijden. Echter, voor wat hoort wat en een dergelijke ‘data wasmachine’ beperkt je wendbaarheid. Hij is grotendeels voorgeprogrammeerd.
- Datavirtualisatie software koppelt gegevensbronnen los van de applicaties en rapporten. Het biedt gebruikers een virtuele datalaag over verschillende gegevensbronnen. Die kun je dan realtime benaderen, de gegevens gaat de software onderweg transformeren, integreren en leveren. Hierdoor kan je een heterogene verzameling van gegevensbronnen voor alle rapporten als één logisch geheel presenteren. Traditionele integratie oplossingen integreren de data fysiek in een datawarehouse. Met datavirtualisatie krijg je op aanvraag de gegevens integraal aangeleverd. Dit verhoogt natuurlijk de snelheid en flexibiliteit van levering. Echter, zo’n virtuele laag moet je wel eerst goed definiëren. En dat kost je doorgaans meer tijd dan bij een ‘normale’ datawarehouselaag. Bovendien is het de vraag of je IT-landschap hiervoor geschikt is. Ook hier geldt, het zal niet in alle gevallen de te prefereren aanpak zijn.
Wij kennen de plussen en minnen van de diverse alternatieven als geen ander. Door onze jarenlange ervaring kunnen we je goed adviseren over de verschillende opties.
De 9 grootste gronden voor een datawarehouse
Steeds meer organisaties vragen zich hardop af wat het nut is van een datawarehouse en of het de investering waard is. En ze vragen zich af welke alternatieven er zijn. Een groeiend aantal IT-leveranciers en enkele ‘experts’ beweren dat het einde van het datawarehouse in zicht is. Maar naar onze sterke overtuiging is het datawarehouse het kloppend hart van elke intelligente organisatie. En dat zal nog wel even zo blijven ook. Lees verder…
Welke DWH-oplossingen zijn voor jouw situatie geschikt?
Ons ETL Tools & Data Integration Survey 2018 is een 100% leveranciersonafhankelijke toolvergelijking en marktanalyse van de 22 belangrijkste data integratie tools. Wereldwijd gebruiken veel organisaties deze keuzegids om het beste ETL gereedschap of de meest geschikte data integratie oplossing voor hun bedrijf snel te selecteren. Daarmee besparen ze kostbare tijd en verkrijgen ze echt inzicht in de sterktes en zwaktes van de verschillende leveranciers en platforms. Lees verder…
Gegevensmodellering: regulier, dimensioneel of Data Vault
Datawarehouses kun je op reguliere wijze of dimensioneel modelleren. Conform respectievelijk de scholen van Inmon en Kimball. Sinds enige jaren doet Data Vault modellering van Daniel Linstedt opgeld. Lees hier meer over de voor- en nadelen van deze modelleringstechniek. Deze methodiek is vooral geschikt is voor zeer grote bedrijfsbrede gegevenspakhuizen, ofwel Enterprise Data Warehouses (EDW). Denk dan aan bijvoorbeeld banken en andere financiële instellingen die een zware compliance verplichting kennen.
De ervaring leert dat het toepassen van Data Vault eerder leidt tot een datagedreven in plaats van een vraaggestuurd datawarehouse. Een oriëntatie die je het liefst niet tussen de oren ziet van je ontwikkelteam. Immers, het datawarehouse is ‘slechts’ een middel om tot kwalitatief goede, accurate en tijdige business intelligence te komen.
Het belang van Master Data Management & metadata
- Master Data Management (MDM): deze discipline brengt essentiële master data (stamgegevens) goed in beeld en zorgt voor éénmalig invoer. Dit komt neer op opslag op één centrale plaats. In een aantal specifieke gevallen blijft de master data ook in de aangewezen bronsystemen beschikbaar. Het centraal beheren van een universele set van master data is in dat geval van cruciaal belang voor een juiste en efficiënte bedrijfsvoering.
- Metadata: maakt van de onderliggende gegevens echt bruikbare informatie. Metadata vertelt wat de data is, waar het vandaan komt, hoe het is geproduceerd, welke kwaliteit de data bezit, et cetera. In combinatie met MDM kan het ‘wonderen’ doen in het juist, tijdig en betrouwbaar gebruik van data binnen je organisatie. Zeker als die data gefragmenteerd is opgeslagen is metadata onontbeerlijk. Iets wat zich door de opkomst van Big Data steeds vaker voordoet.
Wil je ook investeren in een datawarehouse?
Wil je ook investeren in een effectieve data infrastructuur zoals datawarehousing en vooral er de vruchten van plukken? Neem dan nu contact met ons op voor een oriënterende afspraak met een van onze datawarehouse-specialisten.
