Hans Peter Luhn (1985) spreekt als volgt het eerst over Business Intelligence: “Het vermogen om onderlinge relaties van gepresenteerde zodanig te verstaan om acties te sturen naar een gewenst doel”. Zijn aanname van het doel van BI was het verstrekken van geschikte informatie ter ondersteuning van specifieke activiteiten van actoren. Het systeem zou zich bezig moeten houden met de toelating of acquisitie, verspreiding, opslag, opvragen en het doorgeven van nieuwe informatie. De bijdrage van BI resulteert dan in het versnellen en het efficiënt maken van nieuwe procedures die de structurele mogelijkheden benutten van elektronische apparaten.
Howard Dresner (1989) (later werkzaam bij Gartner, Inc) definieert Business Intelligence als een overkoepelende term voor de omschrijving van concepten en methoden ter verbetering van een bedrijfskundige beslissing op basis van op feiten gebaseerde systemen. Aan het eind van de 20e eeuw werd BI volop in gebruik genomen. Gartner, Inc definieert BI hedendaags zo goed als hetzelfde.
Het voornaamste voordeel van BI is beter en sneller beslissen voor mensen in de organisatie op operationeel, tactisch of zelfs strategisch niveau. Hierdoor heeft het management meer zekerheid om beslissingen te nemen. Om een beslissing te nemen dient men eerst gegevens te verzamelen en vervolgens deze analyseren waarbij het verzamelen het langst duurt. Als de verzamelingsactiviteit geautomatiseerd is bespaart dit al ruime tijd qua besluitvorming. Overige voordelen zijn onder andere:
• BI kan een bijdrage leveren bij het oplossen van kwesties zoals reactietijd per mail, telefoon of post.
• De meest winstgevende klanten kunnen in kaart worden gebracht. Hierop kan gezocht worden naar de onderliggende redenen voor deze loyaliteit.
• Het vinden van geldstromen waar geen verklaring voor is. Denk hierbij aan fraude of witwassen.
• Bepalen welke combinatie van producten en/of services worden afgenomen en wanneer.
• Inzicht in waarom klanten overstappen naar een concurrent of juist overgestapt zijn vanuit een concurrent.
• Verandering in het koopgedrag van klanten kan gemonitord worden.
• De mogelijkheden van de organisatie worden zichtbaar.
• (Toekomstige) Trendlijnen zijn te ontwikkelen.
2.1.2 De werking van BI
BI omvat volgens Van Beek en Gartner niet alleen applicaties maar ook componenten zoals infrastructuur, tools of best-practices. Sterker nog, het is ook geen project of een serie van eenmalig uitgevoerde processen (Van Beek, 2002) maar een cyclus zoals te zien in figuur 1.1. BI is een continu en oneindig proces. Elke keer dat men de cyclus doorloopt, worden de inspanning en resultaten geëvalueerd en wordt een nieuwe cyclus gestart.
De effectiviteit van BI hangt af hoeveel focus er is gelegd op alle stappen van de cyclus. Data kunnen opgeslagen en verwerkt worden, maar zonder een essentieel actiepunt bereikt het zijn doel niet.
De cyclus start met het waarnemen en registeren van gegevens uit de organisatie zelf en/of de externe omgeving. De registratie van deze gegevens vindt meestal plaats in de operationele informatiesystemen van de organisatie. Bij deze eerste stap is het belangrijk om complete en betrouwbare gegevens te verzamelen omdat alleen dit in betrouwbare en waardevolle informatie kan resulteren.
De tweede stap is het verwerken van de opgevangen informatie tot inzicht. Dit gebeurt in drie kleine stappen (kleine bi cyclus) namelijk verzamelen en analyseren van gegevens uit de vorige stap en het distribueren van nieuwe informatie en inzicht in de vorm van rapportages. Analyses vloeien hieruit voort. Rapportages kunnen bijvoorbeeld het antwoord bieden op managementvragen als (Oracle,z.d.):
• Wie zijn de meest winstgevende klanten?
• Wat zijn de best verkopende producten?
• Wat is de omzet van vestiging X voor de laatste maanden?
• Wat is de relatie tussen het aantal klachten en klantverlies?
De laatste stap is het op operationeel, tactisch of strategisch niveau reageren op basis van de resultaten van de vorige stap. Het operationeel reageren is niet de primaire verantwoordelijkheid van BI maar de wijze waarop een organisatie operationeel reageert of moet reageren wordt wel in sterke mate bepaald door BI.
Als evaluatie bekijkt de organisatie of reacties van vorige cycli effectief zijn geweest en of de juiste data worden geregistreerd en verzameld. Indien nodig wordt dit aangepast.
2.1.3 Componenten van BI
Zoals eerder vermeld bestaat BI uit meerdere verbonden componenten. Vanuit een architecturaal standpunt bestaat een dergelijk systeem uit:
• Het Extract, Transform & Load proces. Dit wil zeggen; de verzameling van data uit verschillende bronnen, het bruikbaar omvormen hiervan en het opslaan in bijvoorbeeld een datawarehouse.
• Tools om data te raadplegen en analyseren. De meest voorkomende tools zijn: Query tools, Reporting tools, OLAP tools, Data mining e.d.
Voordat BI gedetailleerder wordt uitgelegd zullen eerst deze meest voorkomende termen gerelateerd met Business intelligence kort besproken worden om een correcter en helderder beeld te bieden.
Data bronnen
Externe data worden verzameld buiten de organisatie (Inmon et al., 2001). Dit kan (on)gestructureerd, gedetailleerd of samengevat zijn en in vele bestandstypen/grootte voorkomen. Het belangrijkste verschil tussen interne en externe data is dat interne data naar wens bij de bron aangepast kan worden. Wanneer de output hiervan aangepast moet worden kan bijvoorbeeld de organisatie de applicaties die dit exporteren modificeren om het gewenste resultaat te verkrijgen. Externe data zal geaccepteerd moeten worden zoals ze zijn. Een match tussen interne en externe data kan wel gevonden worden door bijvoorbeeld een primaire sleutel toe te wijzen aan beide bronnen. Bij het gebruik van een externe databron is het noodzakelijk om deze eerst te onderzoeken om de betrouwbaarheid van informatie te waarborgen. Een voorbeeld van een externadata bron is een van het CBS.
Operationele data store
Een ODS is volgens Gartner (z.d.) een verzameling van live data met een minimale geschiedenis. Hierdoor kan een ODS beschouwd worden als in ieder geval een gedeeltelijke kopie van een systeem. Omdat het detailniveau hetzelfde is als de databron is een ODS geschikt als bron voor Extract, Transform & Load (ETL) processen (IBM z.d.). Een ODS komt volgens Imhoff (1998) goed van pas bij bij onderwerp gerelateerd rapporteren. Bij het onderzoeken van bijvoorbeeld een bepaalde klant is het overbodig om teveel informatie op te halen die geen bijdrage leveren aan het rapport. Hiervoor is onderwerp gerelateerde geïntegreerd en recente informatie nodig met behulp van een transactioneel-gebaseerd update mechanisme om de integriteit en versheid de behouden.
Integratie is een belangrijk kenmerk van een ODS. Informatie kan geïmporteerd en geëxporteerd worden uit meerdere systemen binnen en buiten de organisatie, zowel operationeel als informationeel. Een ander belangrijk kenmerk is tijdigheid. Een ODS bevat weinig tot geen historie in tegenstelling tot een datawarehouse. Hierom wordt een ODS gebruikt voor operationele doeleinden en kan het een datawarehouse niet vervangen vanwege gebrekkige gedetailleerde geschiedenis wat gebruikt kan worden bij het faciliteren van Business Intelligence systemen. Laatste belangrijke kenmerk is vlotheid, data verandert frequent naar klasse ODS. De volgende klassen zijn opgesteld (Imhoff 2002):
• Klasse I: Transacties worden van operationele systemen meteen in de ODS geladen. Om dit zo real-time mogelijk te houden behoren de ETL processen zo simpel mogelijk te zijn om snelheid te bevorderen. Gewoonlijk is ook minimale data integratie mogelijk bij deze klasse.
• Klasse II: Transacties van operationele systemen worden na een korte tijd geladen in de ODS, dit kan elk half uur zijn maar ook om het uur. De ETL processen kunnen hiervoor normaal verlopen en meer data integratie is mogelijk vergeleken met klasse I.
• Klasse III: Transacties van operationele worden dagelijks geladen in de ODS. Hierbij kunnen normale ETL processen uitgevoerd worden.
• Klasse IV: De ODS wordt periodiek gevoed door zowel de operationele systemen als het datawarehouse. Deze klasse ODS verschilt nog wel van een data mart, een data mart bevat geschiedenis en deze ODS bevat alleen recente data. Normale ETL processen kunnen uitgevoerd worden, dit is meestal niet nodig omdat de data al getransformeerd wordt voor het datawarehouse bereikt.
Omdat operationele data stores actuele gegevens bevat dienen ze voor operationele business intelligence. Het leveren van operationele stuurinformatie wordt operationele business intelligence genoemd.
ETL
Het proces van het extraheren van gegevens uit bronsystemen en deze overbrengen in een datawarehouse wordt het ETL proces genoemd. ETL staat voor extract, transform en load (Extraheren, transformeren & laden). Tijdens het extraheren worden de gewenste data geïdentificeerd en geëxporteerd uit verschillende databases of applicaties. Wanneer de data verkregen zijn zal deze volgens dezelfde structuur opgeslagen worden in de staging area. Hier zal de transformatie plaatsvinden. Allereerst zullen momentopnames worden vergeleken met vorige versies zodat nieuwe, aangepaste en verwijderde data opgemerkt zullen worden. Vervolgens vinden filters en transformaties plaats met als het doel het inladen van de getransformeerde data in het datawarehouse (Kimball & Caserta, 2004).
Extractie
Na het identificeren van de gewenste deelverzameling van het bronsysteem vindt de extractie hiervan plaats, het liefst tijdens de inactieve momenten van het bronsysteem bijvoorbeeld ’s nachts. Het extraheren zou minimale impact moeten hebben op het bronsysteem aangezien het bronsysteem andere taken moet kunnen verwerken in deze tijd. Bovendien moeten er om technische en politieke redenen zo minimaal geconfigureerd worden aan de softwareconfiguratie van het bronsysteem.
De meest onbenullige optie omvat extractie van de hele bron zoals men het de eerste keer uitvoerde (Labio & Garcia-Molina, 1996). Een betere optie omvat extractie van een momentopname van data die vervolgens vergeleken wordt met vorige momentopnames van de bron waardoor nieuwe, aangepaste en verwijderde data opgemerkt kunnen worden. Deze optie vermijdt onveranderde gegevens die telkens verwerkt moeten worden. Een andere optie is omvat het gebruik van triggers bij de bron die worden gestart wanneer een wijziging plaats vindt in het bronbestand. Dit vereist een relationeel systeem en kan het bronsysteem verstoren. Een variant hierop is log sniffing. Dankzij de logfile van het bronbestand worden veranderingen opgenomen en kan het datawarehouse deze nabootsen.
Transformatie
Het transformatiestadium past een serie van regels of functies toe op de data van de vorige fase. Hierbij kunnen indien nodig business rules toegepast worden, gecheckt worden op data integriteit en (de)aggregaties gemaakt worden. Een aantal voorbeelden wanneer transformatie nodig is:
• Conflicten in naamgevingen; Eenzelfde naamgeving kan toegepast zijn op meerdere attributen of een attribuut heeft meerdere naamgevingen.
• Datatypen; Datatypen kunnen geconverteerd worden tussen de bron en het datawarehouse.
• Conflicten tussen records; Records kunnen onnodig dubbel voorkomen (redundantie) maar ook tegenstrijdig zijn. Bovendien kunnen er consistentie problemen voorkomen, de ene dataset bevat omzet per maand terwijl de ander omzet per week registreert.
• Conflicten door verschillende formats; Het Amerikaanse dataformat (MM/DD/YYYY) verschilt van het Europese (DD/MM/YYYY) waardoor deze verkeerd geïnterpreteerd kunnen worden.
Laden
Het ETL proces eindigt met het laden van opgeschoonde en getransformeerde data in het datawarehouse. De data worden opgedeeld in feitentabellen of dimensietabellen. Feiten bevatten de metingen van een organisatie.
Bij het laden van de gegevens in het datawarehouse moeten de originele primaire sleutels uit het bronsysteem meegenomen worden. Zodoende kan men altijd zien welke gegevens wanneer zijn geladen en kunnen verkeerde data verwijderd, gecorrigeerd en herladen worden.
Een dimensie is een structuur dat feiten en metingen categoriseert om in een later stadium managementvragen te kunnen beantwoorden. Prestatie-indicatoren dienen voorzien te worden van relevante dimensies. De dimensies die nodig zijn kunnen bijvoorbeeld product, vestiging en tijd zijn. Door prestatie-indicatoren te koppelen aan dimensies kunnen gebruikers van BI vrij gemakkelijk allerlei rapportages en analyses maken vanuit verschillende invalshoeken.
Het is mogelijk om geen staging area te gebruiken en data rechtstreeks getransformeerd op te slaan in het datawarehouse dit heeft echter zijn nadelen (Kimballgroup, 2008):
• De verbinding tussen de bron en het ETL proces kan onderbroken worden.
• ETL processen kunnen veel tijd in beslag nemen, een langdurig ETL proces kan invloed hebben op databasevergrendeling en prestaties van het operationeel systeem.
• Het is verstandig een kopie te maken van ruwe data voor bijvoorbeeld een audit.
KPI
KPI’s ofwel kritieke prestatie indicatoren zijn managementinstrumenten om de prestaties van een activiteit of proces te meten. Een KPI wordt geïllustreerd in het volgende voorbeeld:
Lord King, ex-voorzitter van British Airways in de jaren 80 kreeg het advies van consultants zich te richten op één KPI nl. vluchtvertragingen, deze waren onder anderen de oorzaak van:
• Kosten door vliegtuigen die in de lucht moeten blijven cirkelen tot ze kunnen landen.
• Accommodatie van passagiers door geannuleerde vluchten.
• Klantontevredenheid bij passagiers en potentiele klanten die hen opwachtten.
• Onregelmatige dienstregelingen. Met als gevolg een slechtere service en ontevredenheid bij het personeel die te maken kregen met klachten van passagiers.
Bij aanzienlijke vertraging van een vlucht kreeg Lord een melding en zou het verantwoordelijke vliegveld een telefoontje ontvangen. Al snel werkten méér personeel maar vooral ook meer personeel samen om vluchten op tijd te laten vertrekken, met succes (Hope, 2013).
David Parmenter (2004) definieert de volgende zeven karakteristieken voor een KPI:
• Geen financiële uitdrukkingen (dus geen dollars, euro’s enz.).
• Wordt frequent gemeten, bijvoorbeeld wekelijks of dagelijks.
• Er wordt naar gehandeld door het management.
• Begrip van de maatstaf en de juiste te nemen actie is bij al het personeel bekend.
• Linkt verantwoordelijkheid met individu of team.
• Heeft een significante impact.
• Heeft een positieve impact.
2.1.4 Kritische succesfactoren voor BI
Hoewel Business Intelligence de mogelijkheid biedt om prestaties van een organisatie te verbeteren blijken uit meerdere studies dat een aanzienlijk aantal bedrijven vaak niet de verwachtte voordelen ervan realiseren met als gevolg een mislukt project (Chenoweth et al., 2006.; Hwang et a.l, 2004;. Johnson, 2004). Gartner (2003) voorspelde dat ten minste 50 procent van de BI projecten van de top-2000 organisaties niet effectief slagen, als ze überhaupt wel voltooid worden. Hierdoor verliezen zij een marktaandeel aan de organisaties die wel slagen met BI projecten (Dresner et al., 2002).
Mungree et al. (2013) stelden op basis van meerdere studies en interviews een raamwerk op voor kritische succesfactoren bij de implementatie van Business Intelligence systemen. Tabel 2.1 geeft en omschrijft deze tien factoren.
Kritische succes factoren Contextuele factoren
1. Toegewijd management ondersteuning. – Betrokkenheid van het hoger management om de weerstand te beheren van het veranderingsproces en het beheren ervan.
– Veiligstellen van bedrijfsmiddelen.
– Plaatsing van multifunctionele en afdeling overschrijdende functies
2. Geschikte teamvaardigheden. – Combinatie van zowel persoonlijke en technische vaardigheden.
– Aanwezigheid van een “kampioen” voor het beheren van organisatorische uitdagingen.
– Voldoende gevarieerd business expertise is essentieel.
– De juiste kennis, vaardigheden en ervaring.
3. Flexibel en passend technologisch raamwerk. – Stabiele en betrouwbare backend systemen.
– Voldoende financiering van hardware, software en menselijk kapitaal.
– Toewijzing van de benodigde mensen, tijd en financiën.
– Hoge mate van organisatorische fit met de BI-hardware en software.
4. Stem de BI strategie af op de zakelijke doelstellingen. – Het BI-project moet een duidelijke link hebben met de business strategieën.
– Economische gerechtvaardigd in termen van de business die het biedt.
5. Duidelijke visie en een goed gedefinieerde informatie en systeem vereisten. – Project is aangepast aan de strategische visie.
– Een geaccepteerde definitie van wat er is vereist aan het systeem.
– Voldoet aan de verwachtingen van de gebruikers.
6. Gebruikersgerichte verandering beheer. – Iteratief ontwikkeld met een sterke betrokkenheid van de gebruikers.
– Voldoende uitgaven aan training, ondersteuning en changemanagement.
– Beheer van de verwachtingen van de gebruiker.
7. Effectief data management. – Flexibel en een uit te breiden datamodel.
– ETL applicaties dienen te zorgen voor consistentie en nauwkeurigheid.
– Integratie van gegevens uit meerdere bronnen.
– Hoge kwaliteit van gegevens uit de bronsystemen.
– Gegevensbeschermingmaatregelen.
– Data governance.
8. Betrokken en geïnformeerde executive sponsor. – Verantwoordelijk voor de complete leiding van het project.
– Toewijzen van de middelen en het vertegenwoordigen van het project aan het uitvoerende team en raad.
– Het wegwerken van politieke obstakels.
– Gedocumenteerde business case betreft de uitvoering.
– Autoriteit over geschikte middelen.
9. Project scope management – Duidelijke definitie dat de scope van het project aanzienlijk kan vergroten.
– Stellen van realistische doelstellingen.
– Incrementele levering van het systeem.
– Het hebben van een formele scope document.
Tabel 2.1 9 Kritische succesfactoren voor BI.
Op basis van dit raamwerk is opgemerkt dat de relevantie en het belang van de verschillende factoren variëren per fase van het BI proces. Specifieke factoren zijn het belangrijkst wanneer het BI-project wordt gestart, zoals project scope management en een betrokken en geïnformeerde executive sponsor. Andere factoren daarentegen, zoals gebruikersgerichte verandering beheer, komen goed van pas als het BI project eenmaal loopt.
Tot slot kan geconcludeerd worden dat er niet enkel rekening gehouden moet worden met de technische aspecten van BI, maar ook met organisatorische aspecten zoals toegewijde management ondersteuning