Aan de oppervlakte lijkt alles in orde
Stel je voor dat je een all-inclusive vakantie naar een luxe resort in Kroatië hebt geboekt. Alles ziet er tiptop uit, de accommodatie is voorzien van een eigen wellnessruimte, het ligt pal aan zee, er is een zwemparadijs voor de kids en het uitzicht op de bergen is adembenemend. Je hebt daar de tijd van je leven en komt helemaal uitgerust terug.
So far, so good.
Maar nadat je een aantal verhalen hebt gehoord over de schoonheid van de ongerepte natuur in Kroatië, lokale restaurantjes en de rijke geschiedenis van het land, bekruipt je toch het gevoel dat je misschien iets gemist hebt. Zonder datawarehouse zie je alleen het resort; met een gids (DWH) ontdek je de verborgen goudmijnen van het hele data-land.
Dit is een metafoor voor organisaties die met Power BI of een andere BI-tool allerlei mooie rapporten en dashboards maken zonder datawarehouse. Ze leunen voor datagedreven werken en Business Intelligence volledig op Power BI, want het is immers een alleskunner, het lijkt all-inclusive en relatief goedkoop. Het liefst doen ze ook AI erbij.
Aan de oppervlakte lijkt het allemaal dik in orde. De tool verschaft inzicht in de business en data-analyses laten zien waar de schoen wringt. Maar kijk je onder water, dan ziet het er allemaal iets minder fraai uit. Uitdijende rapporten en modellen, gigantische formules die door elkaar lopen, een enorm complex datamodel en het openen en verversen gaat steeds trager. En kijk je wat dieper, dan zie je dat de cijfers niet echt kunnen kloppen omdat er alleen gebruik gemaakt wordt van actuals.
Onbekend maakt onbemind
Steeds vaker horen we dat organisaties geen datawarehouse meer willen of hun exemplaar zelfs niet meer gebruiken. Ze besluiten alles in Power BI of een andere BI-tool te bouwen. Zonder dat ze het door hebben, wordt er dan toch een datawarehouse gebouwd.
Zonder dat ze het door hebben, wordt er dan toch een datawarehouse gebouwd.
Maar dan in Power BI, waar het helemaal niet voor bedoeld is. Het datawarehouse als zelfstandige component in de BI architectuur lijkt een slechte naam gekregen te hebben. Of is het misschien: onbekend maakt onbemind? Wellicht horen organisaties in de wandelgangen dat een datawarehouse ontzettend duur is, moeilijk te maken is en vol zit met risico’s. Of misschien hebben ze zelfs een datawarehouse trauma opgelopen?
In dit artikel verkennen we waarom een datawarehouse in een tool zoals Power BI geen goed idee is, en welke duurzamere alternatieven er zijn om het wel goed te doen (en veel goedkoper).
De 8 meest gehoorde (en gevaarlijke) argumenten tegen een datawarehouse
Na vele gesprekken met (potentiële) klanten horen we de volgende thema’s steeds terugkeren:
- “Ons datawarehouse hebben we weggegooid, het werd niet gebruikt. Nu gaan we met Power BI rechtstreeks op de bron”.
- “Salesforce is ons nieuwe platform geworden en we hebben het datawarehouse de deur uit gedaan. Rapporten en dashboards maken we direct binnen Salesforce“.
- “Het duurde veel te lang voordat een nieuwe kolom beschikbaar kwam in het datawarehouse. We rapporteren nu rechtstreeks op de bron.”
- “We betalen al voor Power BI en we willen niet nog eens betalen voor een datawarehouse”.
- “Onze data analisten hebben een mooie Power BI applicatie gemaakt die realtime de bron uitleest. Verser kan het niet”.
- “We willen geen datawarehouse, we stoppen alle data in ons nieuwe dataplatform en we laten de gebruikers dan zelf rapporten en dashboards maken”.
- “Wij faciliteren selfservice BI en dat doen we op een kopie van de bronnen: de BI-laag. Dat werkt voor ons prima. Wij hebben geen duur datawarehouse nodig.”
- “We weten nog niet goed wat we willen en welke KPI’s en inzichten de gebruiker wil zien. Met Power BI ontdekken we dan iteratief wat de gebruiker nodig heeft”.
Als we dan verder doorvragen naar waarom ze niet voor een datawarehouse gekozen hebben, dan hoor je vrijwel alleen maar negatieve geluiden of stuit je op een vrij harde muur van onbegrip of weerstand. De kennis van wat een datawarehouse precies doet en waarom je er echt een nodig hebt voor serieuze BI en AI-toepassingen, lijkt soms verloren gegaan.
Geven de dashboards ook handelingsperspectief voor de gebruiker?
Alle features van het paradepaardje van Microsoft op het vlak van BI maken organisaties misschien blind voor waar het echt om draait. Geven de dashboards ook handelingsperspectief voor de gebruiker? Wordt de gebruiker goed ondersteund in het nemen van dagelijkse en wekelijkse beslissingen? Wat blijkt: organisaties maken BI dashboards en rapporten vooral voor verantwoording en terugkijken. Het is een kijkdoos geworden, en geen beslisdoos met onvervalste KPI’s.
Power BI zonder datawarehouse
Laten we eens kijken wat er gebeurt als je Power BI zonder datawarehouse, direct op een BI-laag of de bron zet.
- Meerdere versies van de waarheid: definities van velden en KPI’s liggen verspreid over meerdere, vaak complexe modellen en rapporten. Een versie van de waarheid wordt steeds moeilijker af te dwingen. Het gevolg is een propvol en moeilijk te onderhouden model en dashboard met inherent onbetrouwbare resultaten.
- Geschiedenis negeren: het Power BI dashboard is niet betrouwbaar omdat het geen rekening kan houden met historie. Power BI heeft geen besef als een klant bijvoorbeeld verhuist naar een andere regio of als er een prijswijziging optreedt. Betrouwbaar de churn voorspellen met behulp van AI is er dan niet meer bij.
- Anti-analyse: data-analyse vormt de kern van BI, en omdat je Power BI rechtstreeks op de BI-laag zet, of op de bron, kun je serieuze data-analyse wel op je buik schrijven. Zonder datawarehouse wordt Power BI al snel een onhandelbaar gedrocht dat data-analyses eerder blokkeert dan stimuleert. Lees ook onze blog ‘Zonder data-analyse is BI een zinloze zaak’.
- Kijkdoos: beslissingen kun je niet goed modelleren in Power BI, dat moet je goed voorbereiden in de sterschema’s van een datawarehouse. Gevolg is dat je Power BI dashboard een kijkdoos wordt voor verantwoording. Je kan er niet mee sturen, je kijkt er alleen mee achteruit.
- Traag: dashboards en rapporten worden ontzettend traag. Een datawarehouse is juist bedoeld om heel snel inzichten en analyses aan te leveren voor de gebruiker, ook al komen de gegevens uit allerlei verschillende systemen en zijn er complexe berekeningen nodig.
- Vendor lock-in: je business logica zit gevangen in Power BI en overstappen op een andere BI-tool wordt een ramp. Alle logica moet je opnieuw bouwen.
- Legacy: ooit ga je toch een datawarehouse nodig hebben en dan zit je opgescheept met een rapportenfabriek in Power BI met enorm veel legacy. Hier kom je vervolgens moeilijk vanaf, en dat vormt dan een blok aan je been om te groeien in volwassenheid.
- Security & compliance: in Power BI kun je nauwelijks fatsoenlijk op één centrale plek autorisaties inregelen. Wie mag wat zien? Met een datawarehouse scheid je netjes toegang van presentatie. Dit is cruciaal voor GDPR/AVG-compliance.
- Single point of failure: de modellen en rapporten van Power BI rusten vaak op de schouders van één enthousiaste ontwikkelaar die toevallig handig is met data en DAX. Als die persoon vertrekt, heb je een behoorlijk probleem. Een datawarehouse dwingt je tot een gestandaardiseerde en gedocumenteerde manier van werken die eenvoudig overdraagbaar is aan derden.
- Silo’s blijven: met Power BI blijven de silo’s in stand. Datacentralisatie en -harmonisatie over systemen heen kun je met Power BI niet goed oplossen. Met een datawarehouse zorg je dat cross-domain analyses en rapporten in een oogwenk er staan.
Je gaat beseffen dat een verkapt datawarehouse in een tool zoals Power BI eigenlijk bouwen op drijfzand is. Toch is dit niet voor alle organisaties genoeg om de alarmbellen te doen rinkelen. Sterker nog, bij de gedachte alleen al om deze werkwijze los te laten, wordt de tool juist alleen nog maar meer verdedigd.
Datawarehouse training (inclusief Governance)
Power BI is pas het begin. Wil je écht betrouwbare rapportages? Dan is een ijzersterk fundament onmisbaar. Onze opleiding Datawarehouse & Data Governance biedt je de praktische handvatten om een toekomstbestendige data-infrastructuur neer te zetten. Stop met alleen visualiseren en start met het écht beheersen van je datakwaliteit en modellering.
We laten onze dromen maar moeilijk los
Organisaties geven vaak allerlei redenen waarom het drijfzand voor hen geen risico zou vormen. Zij blijven vasthouden aan hun droombeeld van PowerBI als alleskunner. We horen bijvoorbeeld vaak argumenten zoals:
- “Onze gebruikers doen niks met historie, die gebruiken alleen de actuals.”
- “We zijn erg tevreden met Power BI en zien geen reden om hiervan af te stappen”.
- “Wat bedoel je met data-analyse? We maken toch allerlei visualisaties en trends op het dashboard inzichtelijk?” Business Intelligence wordt nog te vaak gezien als simpelweg ‘cijfers kijken’. Data-analyse gaat over het waarom achter de (te lage) cijfers. Zonder datawarehouse kom je nooit bij root cause (het waarom).
- “Wij gebruiken Power BI om te sturen en te verantwoorden. Onze leidinggevenden sturen zelf op de echte KPI’s”.
- “We verversen onze rapporten ’s nachts en dat duurt weliswaar best lang maar dat is niet erg. Als ze maar om 8 uur ’s ochtends klaar staan.”
- Et cetera.
Deze punten zijn grotendeels verklaarbaar. Immers, je wilt niet zomaar nog een tool of omgeving erbij. En je wilt al helemaal niet een duur datawarehouse traject waarvan je niet weet wat het gaat opleveren. Zeker vanuit de bril van mkb-ondernemer gezien moet het allemaal zo simpel mogelijk. Die wil rapportages, maar niet te veel investeren. Die wil datagedreven werken, maar geen eindeloze trajecten.
Maar dat is zoals een mooie auto kopen terwijl er nog geen wegen zijn.
Maar de essentie van Business Intelligence en AI, en waarom je het nodig hebt en wat het precies doet, wordt vaak niet begrepen of gegrepen. Power BI wordt gemakshalve gelijkgesteld aan Business Intelligence. Maar dat is zoals een mooie auto kopen terwijl er nog geen wegen zijn. Dat ziet er flitsend uit op de oprit, maar je komt er geen meter verder mee.
Het beste van twee werelden
Terug naar Kroatië, ofwel data-land. Het kan namelijk ook net even anders. Laten we het beste van twee werelden verkennen. Je gaat semi inclusive of half-board maar je huurt ook een lokale gids in. Die laat je kennismaken met de schatten die het land rijk is. Je laat je ontzorgen én bent ook nog lekker actief. Je vertrouwt en rust op de kennis van de gids.
Zo is het ook met een datawarehouse. En laten we duidelijk zijn, met Power BI is niks mis, mits je het goed gebruikt. Power BI boven op een datawarehouse is dé manier om zeer snel betrouwbare rapporten en dashboards te maken. De fundering klopt en daardoor zet je Power BI in zijn kracht. De visuals en waardevolle inzichten rollen bijna als vanzelf het dashboard op. Zonder veel gedoe en nauwelijks gepriegel: de complexe queries of ingewikkelde DAX behoren tot de verleden tijd.
Power BI, of welke andere BI-tool dan ook, kan nu echt gaan fungeren als platform voor datagedreven besluitvorming en gaat de gebruiker veel handelingsperspectief bieden. Bovendien leg je de definities vast in het datawarehouse, waardoor je naast Power BI ook AI kunt gaan toepassen, eenvoudig kunt switchen naar een andere BI-tool of inzichten via een API kan ontsluiten. Doordat Power BI nu zelf een viewer is op je datawarehouse, ben je ook nog eens veel goedkoper uit.
Een duur grapje
Er zijn organisaties die toch blijven vasthouden aan het idee dat zij geen datawarehouse nodig hebben. Toch beginnen deze organisaties vaak toch onbewust met het bouwen ervan, maar dan in Power BI. Vaak wordt dit dan een nog veel duurder ‘datawarehouse’ (ook nog eens incompleet, slechte datakwaliteit en traag) dan wanneer je een echt datawarehouse opzet.
Laten we eens verder inzoomen op de (verborgen) kosten die vaak met deze constructie zijn gemoeid:
- Je moet als Power BI ontwikkelaar allerlei trucs gaan uithalen om tot de gewenste inzichten te komen en dan moet je al snel overgaan op duurdere Power BI Pro/Premium licenties waarbij je gelijk vast komt te zitten aan Fabric (nog een lock-in erbij). In plaats van ‘dure’ pleisters te plakken met Premium-licenties om een complex model draaiende te houden, kan je beter investeren in het fundament zelf: een datawarehouse dat zichzelf terugverdient door razendsnelle adoptie en veel lagere beheerkosten (TCO).
- Als elke beslisser bijvoorbeeld 5 minuten moet wachten totdat het dashboard is geopend of ververst, en je hebt 20 gebruikers die elke dag hun dashboard raadplegen, dan telt dat op jaarbasis al snel op. Dit lost een datawarehouse direct op, want die levert de gegevens razendsnel aan.
- Direct gevolg van punt 2 is waarschijnlijk dat de dashboards nauwelijks gebruikt worden (niemand wil zó lang wachten) en de kosten daarvan zijn oneindig hoog.
- Uiteindelijk heb je toch een datawarehouse nodig en moet je alles opnieuw bouwen.
Waarom zou je het niet in één keer gewoon goed doen?
Van ’technisch’ monster naar beslismachine
Traditionele datawarehouse-trajecten kenmerken zich vaak door enorme budgetoverschrijdingen, complexe ETL (met alle risico’s van dien) en ellenlange doorlooptijden. Ook wij liepen daar regelmatig tegenaan. En dat is uiteindelijk een doorn in ons oog geworden.
Het probleem is overigens niet het datawarehouse zelf, maar de manier waarop we dat decennialang hebben gebouwd: vanuit de data en niet vanuit de business en beslissingen. De ’traumatische’ trajecten van vroeger zijn de reden waarom organisaties nu een datawarehouse willen overslaan en direct op de bron (of een kopie daarvan) willen rapporteren. Maar dat is symptoombestrijding.
Bij een modern datawarehouse-traject werken we vanuit de strategie, processen en beslissingen. En dan wordt het opeens allemaal veel compacter, goedkoper en direct waardevol voor het optimaliseren van beslissingen. Wij zien een datawarehouse niet als een ’technisch’ monster maar als een beslismachine. Daarom hebben we onze aanpak omgegooid.
Een holistische aanpak die wél werkt
Maar het maken van een echt datawarehouse kost toch ontzettend veel geld? En er kleven toch grote risico’s aan? Dat klopt wanneer je het op de traditionele manier aanpakt en met verouderde tools maakt. We hebben daarom een nieuwe, holistische aanpak ontwikkeld, bestaande uit 4 stappen: Diamond Decisions.
Met andere woorden: BI en AI worden volledig ingebed in het primaire proces waardoor je maximale waarde uit je data kan gaan halen.
Wacht niet tot Sint-juttemis
Door onze mensgerichte aanpak en jarenlange ervaring weten we heel goed waar bij organisaties de pijn én uitdagingen zitten. Kroatië is een ontzettend mooi land vol mogelijkheden. Laat je daarom goed informeren over wat het allemaal te bieden heeft. Wees er op tijd bij, wacht niet tot Sint-juttemis en neem direct contact met ons op. We helpen je om veel meer waarde uit je data te halen.
Daniël (Daan) van Beek MSc is spreker, docent en auteur van het boek 'De intelligente, datagedreven organisatie'. Hij is eindbaas van Passionned Group en is verbonden als gastdocent aan TIAS. Daarnaast geeft hij regelmatig KPI, data science & BI trainingen in Azië, Zuid-Amerika, Europa en de US. Volg Daniël op LinkedIn.
