Waarom self-service BI meer oplevert dan alleen snelheid voor de organisatie

Data beschikbaar stellen aan je organisatie kan spannend zijn. Met de juiste begeleiding en aandacht kan het de organisatie versterken met als bijvangst verbeterde datakwaliteit.

In dit artikel lees je waarom een selfservice-BI-omgeving je datakwaliteit verhoogt. Je ontdekt onder welke voorwaarden dat werkt en uit welke vier bouwblokken zo’n omgeving bestaat. Ook lees je hoeveel vrijheid past bij elk niveau van datavolwassenheid.

Het korte antwoord. Zodra meer mensen met je data werken, komt er meer licht op je data. Fouten die jarenlang onopgemerkt bleven, komen boven water. Je kunt ze benoemen en oplossen in de semantische laag, berekeningen of brondata.

Die winst ontstaat alleen als je vrijheid organiseert binnen duidelijke kaders. Zonder kaders krijg je geen zichtbaarheid, maar chaos.

Bekijk hier de hele aflevering.

Waarom gaat je datakwaliteit omhoog?

Omdat fouten zichtbaar worden. Een fout die niemand ziet, wordt nooit opgelost. Een fout die vijftig mensen tegenkomen, krijgt sneller aandacht.

Marnix Kaper, BI Consultant bij Climber, waarschuwt teams daar vooraf voor. Begin je met een selfservice-BI-omgeving, dan kom je meer problemen met datakwaliteit tegen. Dat voelt als een tegenvaller, maar het is winst. Die problemen waren er al. Alleen keek bijna niemand ernaar.

Zodra de problemen met data aan het licht komen, kun je ze aanpakken. Dat doe je in de semantische laag, berekeningen of brondata. Zo groeit de kwaliteit van je data mee met het gebruik ervan.

Daar komt een tweede opbrengst bij. Je organisatie wordt wendbaarder en de belasting van IT daalt. Dat betekent niet dat het werk voor IT verdwijnt. Het team krijgt ruimte voor de volgende stap in datavolwassenheid. Daar ligt meestal genoeg werk.

Wat is selfservice-BI precies?

Selfservice-BI betekent dat je data zo beschikbaar stelt dat mensen zelf analyses maken. Ze halen inzichten uit data zonder voor iedere vraag een specialist nodig te hebben.

Die laatste woorden zijn belangrijk. Het gaat niet alleen om toegang. Gebruikers hebben ook de kennis en vaardigheden nodig om verantwoord met die toegang om te gaan.

Marnix werkt ruim twintig jaar in de datawereld. Hij zag veel organisaties de stap maken van losse Excel-lijsten naar datagedreven werken.

Hoort Excel ook bij selfservice-BI? Marnix noemt dat een grijs gebied. Je kunt data naar Excel halen en het programma als BI-hulpmiddel gebruiken. Het risico zit in de opslag. Mensen bewaren zelf data en bouwen daarmee een eigen administratie. Dat wil je voorkomen. Je wilt dat mensen data gebruiken, niet dat ze nieuwe databronnen creëren.

Wanneer levert selfservice-BI het meeste op?

Selfservice-BI levert vooral veel op bij middelgrote en grote organisaties. Zeker wanneer afdelingen of bedrijfsonderdelen zelfstandig werken.

Vier signalen maken het gesprek over selfservice-BI relevant:

• IT vormt een knelpunt en de lijst met aanvragen groeit.
• Er ontstaat een wildgroei aan Excel-bestanden met verschillende waarheden.
• De besluitvorming verloopt te langzaam voor de markt.
• Mensen wachten dagen of weken op een rapport dat ze zelf hadden kunnen maken.

In deze situaties geef je afdelingen meer zelfstandigheid. Ze beantwoorden hun eigen vragen zonder steeds iemand van IT in te schakelen.

Let ook op wat dit met de cultuur doet. Werkt het goed, dan wordt zelf controleren een gewoonte. Werkt het slecht, dan keren mensen terug naar hun eigen Excel-bestanden.

Waarom loopt het bij zoveel organisaties vast?

Dat komt vaak omdat er vrijheid wordt gegeven zonder kaders, hierdoor creëer je geen zelfredzaamheid, maar juist meer ruis. Meestal gaan drie dingen mis.

1. Afdelingen gebruiken verschillende definities

Vraag sales, marketing en finance wat een actieve klant is en je krijgt mogelijk drie antwoorden. Zolang iedereen een eigen rapport gebruikt, valt dat nauwelijks op. In een gedeelde omgeving liggen er ineens drie waarheden op tafel.

Hoe je daar afspraken over maakt, hoor je in aflevering 5 van De Dataleiders.

2. Mensen bekijken het verkeerde deel van de data

Dit probleem is subtieler en krijgt minder aandacht. Je definitie klopt, maar je kijkt naar het verkeerde deel van de data.

Marnix gebruikt een eenvoudig voorbeeld. Iedereen die naar de huisarts gaat, is ziek. Vraag alleen deze groep hoe gezond ze zich voelt en je krijgt een ander antwoord dan wanneer je de hele bevolking ondervraagd.

Dezelfde fout maak je als je alleen actieve gebruikers van een app onderzoekt en de afhakers buiten beschouwing laat.

3. Gemiddelden verbergen het werkelijke verhaal

Drie afdelingen scoren voor klanttevredenheid een acht, een acht en een zes. Je maakt vervolgens een verbeterplan voor de afdeling met de zes.

Maar waaruit bestaat die zes? Misschien is het gemiddelde opgebouwd uit twee achten en een twee. Dan stuur je op een gemiddelde dat het belangrijkste probleem juist verbergt.

Met selfservice-BI neem je sneller beslissingen. Die snelheid vergroot ook het risico op slordigheid.

Uit welke vier bouwblokken bestaat dan een goed werkende self-service-BI-omgeving?

Een werkende selfservice-BI-omgeving bestaat uit vier bouwblokken:

1. Governance en een semantische laag
2. Vrijheid binnen kaders
3. Intake en afstemming
4. Datageletterdheid

Onder deze bouwblokken ligt altijd een betrouwbaar datafundament. Je hebt een centrale plek nodig zoals een datawarehouse of datalake met betrouwbare data. Alles wat daar fout staat, merk je direct in de selfservice-BI-omgeving.

1. Governance en een semantische laag

Een centraal BI-team levert alleen goedgekeurde datasets.

De semantische laag bevindt zich tussen de ruwe data en de gebruiker. Daar leg je vast welke entiteiten en kenmerken er zijn, waar de data vandaan komt en hoe berekeningen tot stand komen. Het vormt de vertaling tussen de organisatie en de techniek.

Ook toegang hoort hierbij. Niet iedereen hoeft bijvoorbeeld inkoopgegevens of HR-data te zien.

2. Vrijheid binnen kaders

Gebruikers werken met gecertificeerde bouwstenen. Denk aan goedgekeurde datasets, gecontroleerde berekeningen en centraal beheerde definities.

Binnen deze kaders bouwen mensen met LEGO-stenen. Sleept iemand een veld naar een rapport, dan moet diegene erop kunnen vertrouwen dat het veld betekent wat er staat.

3. Intake en afstemming

Vraag altijd waarvoor iemand de data gaat gebruiken. Welke vraag wil de gebruiker beantwoorden? Ontsluit data niet alleen omdat er een systeem beschikbaar is.

Met deze vraag kom je tot de juiste semantische laag en dataset. Het BI-team denkt mee en ziet wat er nog ontbreekt.

Je hoeft niet alle beschikbare data te ontsluiten. Een gerichte selectie maakt het gebruik vaak juist eenvoudiger.

4. Datageletterdheid

Hiermee staat of valt selfservice-BI.

Mensen zien in een ERP-systeem herkenbare labels, terwijl het systeem de gegevens als codes opslaat. Weten gebruikers waar die codes staan en hoe de tabellen met elkaar samenhangen?

Geef je ruwe brondata aan iemand die dat niet weet, dan ontstaan verkeerde verbanden. Begin daarom met training. Leg uit wat data is, hoe systemen data opslaan en hoe gegevens met elkaar samenhangen. Leer gebruikers ook welke kritische vragen ze bij een analyse moeten stellen.

Hoeveel vrijheid geef je een gebruiker?

Stem de kaders af op het risico en de datageletterdheid van de gebruiker. Geef datavrijheid in stappen.

Bij een beginnende gebruiker houd je de dataset klein. Groeit iemand, stelt iemand scherpere vragen en helpt die definities te verbeteren? Dan kun je de kaders verruimen.

In een volwassen organisatie stelt de organisatie zelf berekeningen voor. Het BI team/ IT team controleert of deze berekeningen consistent zijn en niet botsen met bestaande definities. Daarna kan het BI team of IT ze certificeren.

Marnix vergelijkt het verschil met een snackbar. Een standaardrapport is de automatiek. Je haalt een snack uit een vakje en bent klaar.

Een selfservice-BI-omgeving geeft mensen toegang tot de keuken. Ze bepalen zelf wat ze maken, maar alle ingrediënten uit de koelkast zijn gecontroleerd en goedgekeurd.

Reken op een lange doorlooptijd. Het duurt vaak een jaar of langer voordat definities en datakwaliteit goed op orde zijn. Daarom is het goed om met een kleine groep binnen je organisatie te beginnen.

Vanaf welk niveau van datavolwassenheid kun je starten?

Je kunt vanaf niveau twee, datavaardig, met selfservice-BI starten. Zit je organisatie op niveau één? Investeer dan eerst in het datafundament.

Werk je nog met losse Excel-bestanden, dan vormt centralisatie de eerste stap. Zonder centrale opslag bouw je geen goede governance of semantische laag. Zonder deze onderdelen kun je niet verantwoord met selfservice-BI beginnen.

Je hoeft selfservice-BI niet direct in de hele organisatie in te voeren. Begin met één afdeling of bedrijfsonderdeel. Toon daar de opbrengst en breid de aanpak stap voor stap uit.

Waar begin je morgen?

Begin met vier stappen:

1. Breng je datafundament op orde.
2. Leg definities centraal vast.
3. Train gebruikers in datageletterdheid.
4. Meet hoe datavolwassen je organisatie is.

Die laatste stap slaan organisaties vaak over. Ze denken op niveau drie te zitten omdat de inkooporganisatie een voorspelmodel heeft geïmplementeerd. Onderzoek samen met gebruikers en IT of dat beeld klopt. Controleer ook of je de risico’s goed hebt afgedekt. Anders creëer je juist meer ruimte voor verkeerde beslissingen.

Meer ogen op je data leveren meer op dan snelheid

Snellere besluitvorming vormt vaak de aanleiding om met selfservice-BI te beginnen. De blijvende winst ligt ergens anders.

Je datakwaliteit gaat omhoog doordat vijftig paar ogen zien wat één BI-team over het hoofd zag en omdat de mensen in het proces vaak beter begrijpen wat de data betekent. Pas dan geef je de organisatie echte vrijheid, zonder grip op betrouwbaarheid en één versie van de waarheid te verliezen.

Luister naar of bekijk deze aflevering van De Dataleiders voor het hele gesprek met Bas Haarhuis en Marnix Kaper.

Wil je eerst weten waar jouw organisatie staat? Doe de datavolwassenheidsscan op scan.climber.nl. Binnen enkele minuten zie je op welk niveau je organisatie zit en welke volgende stap daarbij past.