BI as a retro game

BI als videogame metafoor: 23% Pac-Man: "Traditional, but entertaining"

BI Self Service 2.0 is BI Self Reliance

What trends can we expect in Business Intelligence in 2014? For sure, an important development in the last few years was self services BI which enabled users to pull information (prefabricated and formatted) from the BI landscape. However, more ad hoc information and analysis is demanded and more employee need data to make day tot day decisions
. 
BI Self Reliance is the next step. Chunks of data (tested, controlled and of managed quality) are provided to end users who can now decide how and when to use this data to make actionable analysis and decisions in their daily work. This obviously demands for good quality of data. I predict the focus on BI in 2014 and on will shift towards data quality more than ever. Halo printed this Infographic in 2013, using Gartner and TDWI data. Please feel free to discuss.

Waarom Kadenza?

Waarom Kadenza. Bekijk deze video!

Business Intelligence 3.0

Wat is BI 3.0? Hoe kan ik gebruik maken van ongestructureerde web data en social media-data in business intelligence besluitvorming? Hoe maak ik Business Intelligence meer geschikt voor The Cloud?

"Ongestructureerde" data - zoals sociale media berichten, "free hand" webcontent, afbeeldingen en video bestanden kunnen een grote invloed op de bedrijfsvoering hebben. Maar de verwerking van deze data verloopt niet volgens dezelfde regels als de traditionele gestructureerde gegevensbronnen. Echter, de noodzaak om inzicht te verzamelen uit deze ongestructureerde bronnen van informatie is noodzakelijk en heeft aanleiding gegeven tot Business Intelligence 3.0.

De alsmaar toenemende hoeveelheid ongestructureerde data, en de technologische beperkingen van de traditionele BI-platformen, maakt het verzamelen, aggregeren en visualiseren van ongestructureerde data moeilijk, zo niet onmogelijk, voor de meeste organisaties.

Traditionele business intelligence (BI) modellen gaan bijna uitsluitend uit van besluitvorming op basis van gestructureerde gegevens. Bedrijfsgerelateerde databases, spreadsheets en financiële rapportages worden ingevoerd in het data warehouse voor analyse en dashboards.

'Ongestructureerde' gegevensbronnen, zoals sociale media berichten, vrije invoer op het web, afbeeldingen en videos (youtube), volgen niet dezelfde gemakkelijke ontwerp- en verwerkingsregels als een relationele database. Toch kunnen ze een grote impact hebben op de onderneming.

Op dezelfde manier waarop een negatieve beoordeling op een vergelijkingssite (kieskeurig of vergelijk.nl) de verkoop stevig kan drukken, kunnen  enkele gebruikers ook de verkoop van producten, in een rush van "Likes" op Facebook  het tegenovergestelde effect geven. Op dezelfde manier kan een winkelier op de hoogte blijven van de concurrenten. Met de prijzen, die nu vrij beschikbaar zijn op het web, kan een winkelier zijn concurrentievoordeel behouden (pricewatch op tweakers bijvoorbeeld).

We onderscheiden drie BI 3.0 gegevens typen:

1.       Beelden en video-en audio-bestanden: Deze typen van ongestructureerde gegevensbronnen zijn doorgaans onbruikbaar, omdat ze niet taalgebonden zijn, en traditionele BI-oplossingen niet het vermogen hebben deze op te halen en te transformeren van data naar bruikbare informatie.

2.       Applicaties met beveiligde toegang: deze categorie omvat gegevens die beveiligd zijn met een wachtwoord. Deze websites zijn niet onder  directe controle van de eigen organisatie en niet in overeenstemming met de normen van gestructureerde gegevens. Voorbeelden hiervan zijn online bankieren of een lidmaatschap sites zoals Hyves, Twitter, LinkedIn en Facebook. Toegang tot informatie uit deze bronnen vereist veel menselijk ingrijpen, handmatig zoeken naar de gewenste informatie en/of de inspanning van een reeds overbelaste IT-medewerker omdat ze te omslachtig zijn om een eenvoudige API's te gebruiken.

3.       User-generated content: Deze snel groeiende bron van gegevens omvat het volledige gamma van zelf-gepubliceerde productbeoordelingen en reviews; blogs en andere online publicaties; marktonderzoeksrapporten en websites van partners, leveranciers, klanten of concurrenten.

Waarom kan je niet zonder BI 3.0?

Het negeren van ongestructureerde data ondermijnt goede beslissingen.

Competitive intelligence: Traditioneel zijn campagnes  een tijd-tijdrovende bezigheid, denk aan de handmatige analyse van concurrerende producten, prijzen en promoties. Door toegang tot leveranciersprijzen op het internet in real-time, kunnen bedrijven snel de beste deal op het punt van aankoop bieden.

Publieke opinie en perceptie: Het gehele spectrum van zelf-gepubliceerd, sentimenten van het publiek en de feedback van sociale media wordt relevant. Deze netwerken kanalen zijn reëel en hebben een meetbare impact op bedrijfsreputatie. Het biedt de mogelijkheid om, real-time, de consument aan te spreken, aanbiedingen aan te kondigen en/of partner activiteiten aan te bieden.

Cloud en SaaS-applicaties: de meeste bedrijven werken in een netwerk van CRM, boekhouding, logistiek en andere systemen, om hun activiteiten  te optimaliseren. Vandaag de dag worden veel van deze toepassingen geleverd als een dienst op het web of gehost in de cloud. Hoewel deze SaaS-applicaties gemak en lage overhead bieden, zoals Salesforce.com,  ze zijn meestal afdeling georiënteerd en worden ze niet door eigen IT beheerd. Het resultaat is een zeer complexe applicatie infrastructuur die opereert buiten de grenzen van de traditionele BI.

Partner en leverancier systemen: Veel bedrijven werken in een grote en diverse toeleveringsketens die uit tal van externe toepassingen bestaan. Kritieke en tijdsgevoelige gegevens zijn vaak afgezonderd in portals en web applicaties die alleen handmatig geopend kunnen worden. De bevoegdheid om de gegevens van een partner te verzamelen of uit een leverancier systeem - inclusief de supply chain intelligence, logistieke prestaties, financieel / cash flow rapportages, factuuradministratie en orderinvoer, etc. kan bedrijven in staat stellen om de klantservice veder te verbeteren en een sterkere, meer concurrerende positie in te nemen.

Het informatielandschap staat op het punt om daadwerkelijk gebruik te maken van ongestructureerde gegevensbronnen. Tenslotte een voorbeeld. Sony is druk bezig alle gebruikersreviews te volgen bij de lancering van de trailers en beta´s van een nieuw spel. De mate waarop zij reageren op de commentaren biedt hen een belangrijke onderscheidende factor tussen winnen en bedrijven die  achterblijven.

Data Warehouse Lifecycle Management (DWLM)

De tijd waarin BI nog een project was, laten we anno 2010 achter ons. Business Intelligence of beter Informatiemanagment is een bedrijfsfunctie waarbij goede informatievoorziening als dagelijks primair proces moet worden beschouwd.

Dit betekent dat de motor onder deze informatievoorziening (het data warehouse) nodig een periodieke APK moet krijgen. Niet zelden werd een data warehouse ontwikkeld om er vervolgens alleen nog maar zaken aan ‘vast te plakken’, zonder eens kritisch te kijken naar het totale geheel. Een Data Warehouse dient systeem onafhankelijk en tijdloos te zijn. Een goede Data Warehouse kan vele jaren mee en wordt rijker naarmate de tijd verstrijkt. Het ondersteunt de primaire en secundaire processen van een onderneming. In mijn opinie is Data Warehouse Lifecycle Management de juiste oplossing voor het up-to-date houden van alles rondom de juiste informatie op het juiste moment.

DWLM is een combinatie van processen (denk aan Data Governance, Master Data Management en Meta Data Management) en technische verbeteringen en aanpassingen (producten, tools en infrastructuur) en het gedrag van mensen die werken met informatie (besluitvormingsprocessen).

Daar waar conventionele ontwikkelmethodieken gebaseerd zijn op de waterval methode voor lifecylcle management (En dus change management/veranderingen), kent het data warehouse lifecycle management een serie ‘loops’ binnen een grote ‘loop’, omdat men in staat moet zijn snel en adequaat te reageren op nieuwe informatie eisen.

We onderkennen een aantal fasen in DWLM: Ontwerp, Prototype, Uitrol, Run! (Operate) en Verbeteringen. DHLM is een model dat naadloos van Ontwerp en Prototype naar de Uitrol en Run! loopt, en weer terug naar het Ontwerp, maar ook tussendoor (van Prototype terug naar Ontwerp of van Run! naar de Uitrol). Dit proces zal steeds verder versnellen omdat eindgebruikers, business analisten en daarmee de informatiebehoefte in een steeds korte cyclus veranderd. De vraag om nieuwe informatie en verandering is ad hoc en volgt elkaar steeds sneller op.

Waarom? Wat voorkomt Data Warehouse Lifecycle Management:

De bouw van een ‘dead-end’ oplossing (dus zonder oog voor DWLM) die de behoefte van vandaag kan weer geven is een kort leven beschoren. Technologische en ontwerpkeuzes moeten flexibiliteit naar de toekomst garanderen. Dit gaat niet als men alleen de dag van vandaag in ogenschouw neemt.

De kosten voor de vervanging van een ‘dead-end’ BI-omgeving met nieuwe technologie is opnieuw een tijdelijke oplossing, als men met dezelfde methode en processen aan de slag gaat. Het probleem wordt alleen vooruitgeschoven. De vernieuwingsvraag komt op termijn weer terug. Er verandert feitelijk niets.

Of helemaal geen maatwerk: door silo´s of standaard oplossingen op administratieve systemen te implementeren. De verleiding om af te stappen van goede besluitvorming als met doel concurrentievoordeel te behalen is geen verstandige keuze. Het lijkt een eenvoudige oplossing om risico´s en grote maatwerk data warehouses en data marts over te slaan, maar feitelijk introduceert men een ´dead-end´ oplossing. Immers, de informatievoorziening wordt gedicteerd door de externe leverancier in plaats van de eigen besluitvormingsprocessen. Laat staan de beperkte mate van verandering die hierop kan plaatsvinden zodat de informatiebehoefte wijzigd.

Ook Gartner, META en IDC zijn overtuigd dat Data Warehouse Lifecycle Management de volgende stap is binnen de evolutie van besturing van je organisatie op basis van goede informatie. Wie vandaag gaat starten, of vindt dat zijn huidige informatievoorziening niet meer voldoet, doet er goed aan te starten vanuit een de context van Data Warehouse Lifecycle Management.

Data Governance: Manage your Business Context

“Cheshire-Cat,” said Alice, “please could you tell me which way I should go?”

“That depends on where you way to go,” the Cheshire-Cat answered

“I don’t really care,” said Alice

“Well it doesn’t matter then, does it?”the Cheshire-Cat said.

Data Governance is ‘emerging’. Bij Kadenza hanteren we de aanpak van Jim Harris (TIP: blog op: www.ocdqblog.com) die samen met anderen tot een eenvoudige aanpak voor de inrichting van het Data Governance vraagstuk komt. Centraal bij de aanpak is het op gang brengen van het vliegwiel om structureel te werken aan verbeteringen van je begrip over de data. ‘Manage Your Business Context’ is een actieve titel. Governance is daarmee ook een combinatie van zaken en geen tool of techniek. Het gaat om structuur, processen en relaties of relatiemechanismen.

• Structuur: inrichting van stuurgroep, governance committee (CIO aan boord, rollen en verantwoordelijkheden, etc.)
• Processen: besluitvorming, prioriteiten en meten en monitoring (Informatieplanning, Scorecards, SLA’s, etc.)
• Relaties: stakeholders, strategische dialoog en kennisdeling (actieve participatie, samenwerking, belonen en waarderen, business/IT co-location)

Rol van de Data Steward

Reeds jaren probeert men de ‘kloof’ tussen Business en IT te beslechten. Dit blijkt binnen het vak van informatievoorziening het grootste obstakel te zijn. Technisch innoveren we steeds verder, maar de ‘gap’ tussen de dataproducent (IT) en afnemer (eindgebruiker) lijkt onoverbrugbaar. Data Stewards hebben een belangrijke rol in de definitie van de data en worden (gelukkig) veelal vanuit de business betrokken bij BI initiatieven, maar sturen op je bedrijfsprocessen is vaak systeem overstijgend en dus zal een Data Steward ook in conflict met de informatieafnemer zijn, omdat de Steward slechts verantwoordelijk is voor de data uit een systeem.

(onder handen….)

Wat is Data Government?

Data Governance is opkomend binnen de wereld van Business Intelligence en information delivery. Data Governance brengt data kwaliteit, data management, business process management en risicomanagement rondom de verwerking van gegevens in een organisatie bij elkaar. Met data governance, zijn organisaties in staat een positieve invloed uit te oefenen op de processen en methoden die worden gebruikt, door hun data stewards, bij het verwerken van hun data.

Data Governance is een set van processen die ervoor zorgt dat belangrijke gegevens formeel worden beheerd binnen de gehele onderneming. Data Governance zorgt ervoor dat gegevens kunnen worden vertrouwd en dat mensen verantwoordelijk kunnen worden gesteld voor eventuele nadelige gebeurtenissen door een lage datakwaliteit.

Data Governance beschrijft ook de ontwikkeling in de manier van denken binnen een bedrijf door het opzetten van processen voor de omgang met informatie. Hierbij is de scope de hele organisatie. Het gaat over de inzet van technologie als dat nodig isom het proces te ondersteunen. Als bedrijven willen, of verplicht zijn, om controle over hun gegevens te krijgen, deelt Data Governance de juist bevoegdheid uit, worden processen opgezet en wordt de hulp ingeschakeld van technologie om dit te bereiken.

Er zijn een aantal (vaak aangehaalde) standaard definities voor Data Governance. (1) Data Governance is een kwaliteitscontrole voor de beoordeling van beheren, gebruiken, verbeteren, toezicht, handhaving en bescherming van organisatorische informatie. (2) Het is een systeem van rechten en verantwoordelijkheden voor informatie-gerelateerde processen, uitgevoerd volgens de afgesproken modellen waarin wordt beschreven wie welke acties kan nemen en met welke informatie, en wanneer, onder welke omstandigheden en met behulp van welke methoden.

Definitie en Doelstelling van Data Governance

In mijn defintie omvat Data Governance de mensen, processen en informatie technologie, vereist om een consistente en correcte afhandeling van de gegevens binnen een organisatie, met inbegrip van deze doelstellingen:

·          Vergroting van het vertrouwen in de besluitvorming

·          Het verminderen van het risico op boetes van de regelgevende instanties (SOX, Basel II, etc.)

·          Verbetering van de beveiliging van gegevens

·          Het maximaliseren (van de mogelijkheden) van het genereren van inkomsten uit / met de gegevens

·          Verantwoordelijkheid voor de kwaliteit van informatie is belegd

Business drivers voor Data Governance

Hoewel data governance-initiatieven bij voorkeur zouden moeten voortkomen uit de wens om de data kwaliteit te verbeteren, zijn ze vaker gedreven door externe regelgeving. Voorbeelden van deze voorschriften zijn bijvoorbeeld Sarbanes-Oxley, Basel I, Basel II, HIPAA, en een aantal data privacy reglementen.

Ten tweede leidt de alsmaar groter wordende brei van van standaarden, regels en normen tot grote uitdagingen voor data governance professionals. Met name wanneer meerdere regelgevingen naast elkaar worden beheerd, of die elkaar zelfs overlappen. Organisaties lanceren ook dan vaak data governance initiatieven om deze uitdagingen aan te pakken.

Data governance-initiatieven hebben tot doel kwaliteit van de gegevens te verbeteren door toewijzing van een team dat hiervoor verantwoordelijk is en voor de nauwkeurigheid van data, de toegankelijkheid, de consistentie en de volledigheid en eventuele andere eisen. Dit team bestaat meestal uit gemandateerd leiderschap (business executive), projectmanagement, afdeling/unit- managers en data stewards. Het team kent meestal een of andere vorm voor het bijhouden en verbeteren van corporate data en tools voor data mapping, profiling, cleansing en monitoring.

Data governance-initiatieven zijn gericht op het bereiken van een aantal doelstellingen, waaronder betere zichtbaarheid op interne en externe klanten (zoals supply chain management), naleving van de regelgeving, verbetering van de operatie na snelle groei of fusie.

Veel data governance-initiatieven zijn ook geïnspireerd door pogingen uit het verleden om de kwaliteit van informatie te verbeteren op afdelingsniveau, wat leidt tot incongruente en overbodige data processen. De meeste grote bedrijven hebben een groot aantal applicaties en databases die niet gemakkelijk informatie te delen. Daardoor hebben kenniswerkers binnen grote organisaties vaak geen toegang tot de informatie die ze nodig hebben om hun werk doen. En als ze wel toegang hebben, kan de kwaliteit van de gegevens slecht zijn. Door het opzetten van een data governance proces Corporate Data Authority, kunnen deze problemen worden verholpen.

De implementatie van een Data Governance initiatief variëert in omvang en oorsprong. Soms zal een project het mandaat hebben voor een hele onderneming, soms is het mandaat beperkt tot een pilot project of beperken projecten zich in reikwijdte en de doelstellingen gericht op het oplossen van zowel bestaande problemen of het creëren van meer waarde. Soms wordt een initiatief laag in de hiërarchie van de organisatie ingezet, om waarde aan te tonen aan potentiële sponsors hoger in de organisatie.

(bronnen o.a. Wikipedia, www.datagovernance.com, www.information-management.com, www.initiate.com)