In de Angelsaksische literatuur wordt datawarehousing wel omschreven als ‘Providing Data Access tot the Enterprise’, de technologie om sleutelfiguren binnen het bedrijf te voorzien van de data die nodig is om de processen aan te sturen en beslissingen te kunnen nemen. Het hing hierbij om kennis-, managementsinformatie- en decision support systemen (MIS en DSS). Tegenwoordig wordt meer gesproken van monitoring, dashboards en data mining (het opdelven van waardevolle gegevens uit bestanden). Om inzicht in data-verwerkende systemen te krijgen hoort er nog onderscheid gemaakt te worden tussen operationele en informatie verschaffende systemen. Het eerste type betreft met name systemen voor afzonderlijke bedrijfsprocessen, zoals boekhouding, verkoop of salarisadministratie. Informatie-systemen zijn gericht op het verzamelen, combineren, analyseren en presenteren van gegevensverzamelingen, bijvoorbeeld forecasting, financiële analyse en planning.
Databases centraal
Wat er niet in zit komt er uiteraard ook niet uit. De kwaliteit van databases is daarom cruciaal voor datawarehousing. Die berust op: 1) juiste en betrouwbare data-entry; 2) definiëring van data; 3) bij de data-opslag van tevoren al rekening houden met het soort queries/zoekopdrachten die aan een datapakhuis gesteld gaan worden; 4) de mogelijkheid om gegevensdomeinen en verzamelingen te combineren. Bijvoorbeeld het koppelen van de klantgegevens aan marktcijfers, verkoopcijfers en productinformatie; 5) onderhoud en beheer, geen vervuilende verouderde troep maar de actuele en relevante gegevens. Zonder deze vijf kwaliteitsfactoren is een systeem voor datawarehousing niets waard.
Vroeger waren er alleen op zichzelf staande applicaties, stukken gereedschap voor een bepaalde taak, bijvoorbeeld tekstverwerkers, spreadsheets, databases, adresboeken, factureringssoftware. Die zaten tot halverwege de jaren negentig nog allemaal op hun eigen eilandje. Tegenwoordig kan alles met alles worden verbonden via ERP/CRM-software en is ook MS Office tot een front-end van een ERP pakket om te bouwen. De gedachte van datawarehousing is dat een manager uit al die applicaties en databestanden via een interactief soort ‘dashboard’ in enkele muisklikken kan zien waar zijn afdeling en/of het bedrijf aan toe is. Een vergaande vorm van systeem-linking waarbij de gegevens van het ene applicatiedomein compatibel te koppelen zijn met die van de andere domeinen, fraaie presentatie in tabellen, rapporten, staafdiagrammen, die laat zien wat er gebeurt, hoe het zit met de voorraden, klanten en personeelsbestand, wat de winstcijfers zijn, welke processen geld opleveren. Zijn de onderliggende databases actueel en goed dan kan een bedrijf adequaat reageren op informatie die dergelijke rapportages opleveren.
KPI
Elk bedrijf kent zijn eigen indicatoren voor succes en kwaliteit. Of u het nu sleutelfactoren of ‘Key Performance Indicators’ (KPI) heet: de periodieke rapportages en analyses zijn de basis waarmee de manager zicht op de bedrijfsvoering en de ontwikkelingen krijgt. Dat was vroeger
alleen wat voor grote bedrijven, omdat die al over de grote systemen beschikten en die wisten dat een verkeerde forecasting of gemiste markttrend ernstige gevolgen kon hebben. Inmiddels liggen data warehousing en het formuleren van KPI’s ook binnen het bereik van het MKB. Steeds meer (klein)zakelijke software integreert goed met betaalbare analyse & presentatiemodules die helpen om de eigen bedrijfsinformatie te analyseren. Dat allemaal op een behoorlijk hoger en gebruiksvriendelijker niveau dan de oude Managements Informatie Systemen (MIS), Decision Support Systemen (DSS) en Knowledge Bases Systemen (NBS). Ook Microsoft heeft, naast traditionele spelers in deze markt (Business Objects, SAS, Hyperion, Cognos), applicaties voor datawarehousing aangekondigd.
Voor de hand ligt om de nieuwe rapportage & analyse-software op de bestaande databases los te laten. In de praktijk zal dit echter niet goed werken. Ten eerste omdat een databasesysteem voor een operationele taak vaak speciaal ontwikkeld is. Het er op loslaten van intensieve grote data-queries en nooit door de ontwerpers voorziene zoekopdrachten leiden tot vertragingen, vastlopen of het niet kunnen vinden van de gevraagde data. Ten tweede zijn operationele databases vooral actueel en niet gericht op historische gegevens. Oude gegevens zijn echter van belang bij het analyseren van fouten en het voorspellen van ontwikkelingen in de nabije toekomst. Ten derde zullen er meestal gegevens uit meerdere databases bij elkaar geharkt moeten worden, hetgeen veel systeemtijd vergt. Gegevens uit bestaande databases kunnen ook te vervuild zijn om er verantwoorde rapporten en analyses mee te maken.
Een goede oplossing is het aanleggen van aparte voor datawarehousing geoptimaliseerde gegevensdomeinen, uit de bestaande operationele databases nieuwe opslagsystemen bouwen die perfect zijn toegerust voor de gevraagde queries en analyses. Regelmatige updates vanuit de operationele databases houdt het systeem voor datawarehousing actueel. De meeste ‘business intelligence’ software werkt op deze manier met data-mirroring.
Analyseren & voorspellen
Datawarehousing vereist geen superactueel bestand of gegevensdomein. In veel gevallen zal een wekelijkse of maandelijkse update van de data voldoende zijn. Dat kan per bedrijfsniveau verschillen. Veldwerkers hebben bij voorkeur hun omzetcijfers per week, het middle management per maand en de top elke drie maanden.
Zijn de voor datawarehousing geoptimaliseerde databases en domeinen (wat ook word-teksten, foto’s en presentaties kunnen zijn) er eenmaal dan staat de data cleaning via het import-programma voorop. Bekende voorbeelden van verontreinigde data zijn files met een afwijkende datumsystematiek (eerst de dag of eerst de maand?) en numerieke notering. Dat zal allemaal eerst moeten worden omgezet in een uniforme notatie. Niet echt een probleem als de manager weet waar de verschillen in zitten. Een tweede essentieel proces is de al genoemde linking van databases. Afzonderlijk opgeslagen informatie krijgt door het combineren ervan een belangrijke meerwaarde. U wilt bijvoorbeeld weten wat de kosten zijn voor productie-medewerkers, logistiek, machines, verpakking en distributie, alvorens een nieuw product op de markt te zetten. Met de bij datawarehousing opgeslagen informatie valt nu niet alleen te zien wat het kost maar ook waarop eventueel te bezuinigen valt. Een belangrijke functie van de import-software voor data is het zogenaamde ‘aggregeren’. In feite gaat het om voorselecties op grond van bepaalde (groeps-)kenmerken die meestal boven het individuele niveau of enkelvoudige informatie uitgaan. Zo is het interessanter om te weten of gehuwden of juist singles geinteresseerd zijn in een product, of er in een bepaalde regio een markt voor is of welke transacties het meeste opbrengen en het minst kosten. Deze voorselecties worden in zogenaamde cubes bewaard om straks snel bij analyses en voorspellingen inzetbaar te kunnen zijn.
Zware applicaties
Datawarehousing is een van de weinige applicaties die nog wel stevige eisen aan de hardware stelt. Binnen een beetje bedrijf heeft men het al snel over terrabytes aan gegevens. Dat vraagt zowel storage-systemen als snelle multi-processor systemen. Het opnemen in een bedrijfsnetwerk lijkt een aantrekkelijke optie, echter niet als u overdag intensieve gegevensanalyses gaat uitvoeren. Het gehele netwerk kan daardoor verlamd raken. Verstandiger is om de analyses buiten de kantooruren te laten uitvoeren of dat stand-alone te doen om alleen de rapporten op het LAN te zetten.
Data warehousing zal de komende jaren versmelten met de andere ICT-processen. Op korte termijn wordt verwacht dat de manager, ook in het klein bedrijf en non-profit organisaties, niet meer zonder kan. Tijd om u eens op de mogelijkheden te oriënteren.
U.S.