Over BI, Data management en analytics

De dagelijkse activiteit van uw bedrijf wordt geregeld door transactionele systemen. Business intelligence (BI) zet een stap terug, en biedt inzicht in het geheel van die transacties. Cijfers uit het verleden worden opgeteld en geanalyseerd, en vormen de basis voor vooral operationele beslissingen. BI duikt tegenwoordig vaak op als overzichtsscherm: een zoge­naamd dashboard, met de belangrijkste richtcijfers (ook wel key performance indicators of KPI's genoemd).

Wie gebruikt BI?

Vroeger was analytische software vooral gericht op de top­managers. Vandaag gebruiken steeds meer mensen in en zelfs buiten het bedrijf gegevens uit het BI-­systeem: afdelings­hoofden, personeelsleden, verkopers, partners en klanten. Financiële analisten zullen zelf met de cijfers aan het werk gaan, via ad hoc­analyses. Vroeger gebruikte men daarvoor twee verschillende soorten software. Vandaag voorzien de meeste BI- ­pakketten zowel rapportage als ad hoc­analyses.

Wat is het verschil tussen BI en analytics?

Business intelligence stelt vooral de vraag naar het 'wat': wat is er verkocht per verkoper, per regio, per product, enzovoort. Wanneer deze cijfers onder de verwachte cijfers blijven, wordt er bijgestuurd om dit recht te trekken. Analytics zoekt eerder naar oorzaken, naar het 'waarom'. Hoe komt het dat de productverkoop in een bepaalde maand daalt? Is er een causaal verband tussen de omzet in een regio en de aanwezigheid van andere winkels in de buurt? Op systeemniveau wordt dit verschil als volgt vertaald: BI zoekt binnen de systemen waaraan het gekoppeld is, analytics zal zich meestal baseren op een datawarehouse.

Wat is master data management?

Naast BI en analytics is master data management een ander belangrijk onderdeel in dit domein. Master data zijn gegevens die gedeeld worden door verschillende toepassingen en/of verschillende computersystemen. Master data management moet er dan ook voor zorgen dat deze gegevens consistent zijn over het hele bedrijf heen, en vooral dat ze ook de realiteit reflecteren. Veel van uw data zijn niet overal even nauwkeurig, volledig en actueel. Vroeger moesten alle data vooraf helemaal proper gemaakt worden voor verdere analyse, al is dat vandaag in het tijdperk van big data met grote hoeveelheden brondata, misschien iets minder van tel.

Wat is een datawarehouse?

Een datawarehouse is een speciale en centrale databank waarin data van verschillende interne en externe systemen verzameld worden, die dient voor een diepgaande analyse van gegevens. Vroeger kon u voor datawarehouses enkel bij gespecialiseerde leveranciers terecht, maar vandaag kan dit ook bij de traditionele BI-leveranciers. Een datawarehouse haalt zijn gegevens meestal uit verschil­lende operationele databases, maar is er om redenen van performantie wel van gescheiden. Daar gaat meestal een uit­gebreide oefening van opschonen en verrijken van gegevens aan vooraf. Tegenwoordig is er een grote vraag naar real­time analyses. Daarvoor kunt u rechtstreeks op de operationele gegevens werken, of opteren voor real­time updates van het datawarehouse. Vooral in het tweede geval is de opschoning van de gegevens vooraf wel een absolute must.

Wat zijn real-time analytics en predictive analytics?

Bij real­time analytics voert men systeemoverschrijdende analyses uit op basis van 'live' informatie uit diverse sys­temen. Bij predictive analytics probeert men de toekomst te voorspellen op basis van trends of verbanden die men ont­dekt in de gegevens uit het verleden. Soms komen real­time en predictive analytics ook samen. Bij controle van de kredietwaardigheid van leningaanvragers bijvoorbeeld, waarbij men aan de hand van het gedrag en de financiële situatie van de aanvrager probeert te voorspellen of deze aanvrager zijn lening probleemloos zal kunnen terug­betalen.

Joeri Rosseel

Geschreven door Joeri

19 June 2020
Joeri.Rosseel@christiaens.net

This website makes use of cookies to provide the best browsing experience. More info