vrijdag 16 juli 2010

Business Intelligence?

Business Intelligence krijgt weer momentum. En terecht, sturen op informatie en meten welk effect die sturing heeft kan het onderscheidend vermogen van een bedrijf sterk doen toenemen. Toch heb ik nog niet erg veel succesvolle implementaties meegemaakt. De succesvolle die ik heb gezien waren niet oorspronkelijk als BI opgezet, maar evolutionair zo gegroeid. En ik denk dat daar een sleutel voor succes te vinden is.

Zoals ik vaker geschreven heb en de komende tijd ook vaker zal schrijven is dat alle modellen fout zijn… en sommige bruikbaar. (George Edward Pelham Box). Modellen zijn slechts een beschrijving van de werkelijkheid. Ze missen accuratesse omdat de echte wereld nu eenmaal complexer is dan een model, hoe uitgebreid die ook moge zijn.

Om een systeem te realiseren waarmee BI te bedrijven valt heb je vaak ETL processen nodig. Extract Transformatie en Laden. Onlangs tijdens een proces bleek echter dat ETL in deze volgorde niet optimaal is. EVLT zou in mijn ogen en met dit inzicht de volgorde moeten zijn: Extracten, Verrijken, Laden en Transformeren. Het transformeren voor het laden zorgt er namelijk voor dat je op allerlei manieren in de knoop kunt raken met de logica. Stel je extraheert consumenten uit een databron tijdens het transformeren bepaal je het voorkeursfiliaal voor deze consument, dan laad je de data naar een data warehouse . Stel dat je het algoritme aanpast voor het selecteren van een voorkeursfiliaal, dan moet je *alle* consumenten opnieuw laden om deze regel toe te passen. Als je het transformeren na het laden laat plaatsvinden kun je regels en algoritmes veel sneller aanpassen en realiseren. Of je maakt gebruik van een 2e staging area, maar dan kom je precies uit bij mijn volgende punt. BI lijkt te veel en te snel te verzanden in een technologisch vraagstuk en dat is eigenlijk fundamenteel fout.

Het bedrijven van BI heeft in principe niets met techniek te maken. Vaak heb je alleen een technische invulling nodig en kan techniek het bedrijven van BI sterk bevorderen.

Ik ga terug naar de betekenis van BI. In mijn ogen is BI het maken van zakelijke beslissingen op basis van beschikbare informatie en kunnen meten wat deze beslissingen voor effect hebben. Je gebruikt de BI dus om sturing te geven aan het bedrijf en bij te sturen op basis van de waargenomen veranderingen.

Voordat je BI gaat toepassen dien je jezelf eerst een aantal vragen te stellen en een domein model te maken over hoe jouw business in elkaar steekt. Ik zal een paar voorbeeld vragen opsommen met de relatie naar het domein model en de valkuilen wat BI zo interessant maar ook zo lastig maakt.

- Hoe groot is mijn klantenverloop?

- Wat zijn de voornaamste oorzaken van dit verloop?

- Welke dingen kan ik doen om mijn verloop terug te dringen?

Hoe groot is mijn klantenverloop is al een vraag die niet direct zwart-wit te beantwoorden is. Heb je een abonnement? is er maar één soort abonnement? Wanneer is een klant geen klant meer? Als de laatste abonnement opgezegd is. Wat is de peildatum. Het moment van opzeggen, of het moment dat het abonnement echt afloopt. Als het niet om een abonnement gaat, kies je dan de laatste aankoop en kies je de termijn waarop je besluit dat een consument niet meer als een klant gezien wordt? En er zijn zelfs mengvormen mogelijk (het bedrijf heeft zowel abonnementen als verkoop van goederen). Of er is een onderscheid tussen geregistreerde klanten en ad hoc klanten. Als je een idee of besluit hebt genomen wat als klantverloop gezien wordt dan wil je ook weten wat de redenen zijn van jouw klanten waarom ze geen klant meer zijn. Lag het aan de prijs? Of de service? Of aan het overlijden van een klant. Hoe meet je de oorzaak en wat is de bron van het vastleggen? Stel dat het stoppen met klant zijn per telefoon gaat en dit proces is uitbesteed aan een extern callcenter. Weet je dan precies hoe dat proces verloopt? Al wordt de reden vastgelegd, hoe betrouwbaar is die informatie? Het zijn allemaal factoren die feiten ineens veel zachter maken dan wat je in de eerste instantie denkt. Er zijn aanvullende factoren die relevant kunnen zijn. Stel dat de business is dat je een meiden blad uitgeeft. Dan wil je bijvoorbeeld ook weten wat de leeftijd van de klant is op het moment van opzeggen zodat je dit in dimensies kunt weergeven. Ook kunnen bepaalde gegevens heel misleidend zijn. Stel dat je inzicht hebt op de gemiddelde leeftijd van je klant dan kan deze zeer sterk afwijken van de leeftijd van de daadwerkelijke klant. Dit kunnen wel tieners en gepensioneerden zijn. Dan is de gemiddelde leeftijd misschien 40, maar die strookt totaal niet met de werkelijkheid als je steekproeven neemt.

Als de eerste vragen beantwoord zijn dan kun je beslissingen nemen om het klantverloop tegen te gaan. De procedure van opzeggen kan veranderd worden, of dat opzeggingen door andere personen uitgevoerd worden dan aanmeldingen. Of dat je een bepaalde aanbieding doet die mensen toch besluit klant te blijven (aanbiedingen in relatie met de oorzaak waarom klanten opzeggen). BI is pas interessant als de verandering meetbaar is. Wat is het effect van een verandering de eerste maand, kwartaal, jaar? Welke andere veranderingen vonden plaats? Hebben die veranderingen ook invloed en kan dat gekwantificeerd worden?

BI is dus eerst het stellen van vragen, onderzoeken welke informatie je hebt en wat de betrouwbaarheid is van die informatie en het protocol hoe de informatie geïnterpreteerd moet worden. Dan het presenteren van de informatie en het maken van beslissingen en het meten van de veranderingen die plaatsvonden naar aanleiding van die beslissing. Daarnaast kan het wijzigen van het retentiebeleid ook invloed hebben op de gemiddelde marge die gemaakt wordt, of kunnen andere zaken onder druk komen te staan. BI is dus ook de iteratie van verzamelen, beslissen en evalueren. BI is dus een lopend proces en beleid, niet een project.

Mijn ervaring is overigens dat het gebruiken van BI evolutionair benadert dient te worden. Niet één grote ommezwaai in beleid met een enorm project om het te realiseren, maar kleine vragen die goed te dimensioneren zijn, in het begin vooral operationele data waar niet teveel business rules op los gelaten zijn. Kleine beslissingen en een simpele manier van meten en evalueren en in kleine stapjes verder te groeien en te leren wat werkt en niet werkt. Daarnaast veel verticale communicatie. In BI is het van belang dat de data engineer goed communiceert met de business analist en dat de analist goed communiceert met de manager. Daarnaast merk ik in het algemeen op dat communicatie tussen engineer en manager zeker geen overbodige luxe is. Het helpt als de engineer ook weet wat de manager wil of wat de achterliggende behoefte is.

Dit opiniestuk geeft mijn kijk op BI weer. Omdat het op opinie berust en mijn persoonlijke ervaring doe ik er geen bronvermeldingen bij of hyperlinks naar meer informatie over het onderwerp. Ik gebruik het volgende artikel hiervoor als excuus: http://www.theatlantic.com/magazine/archive/2008/07/is-google-making-us-stupid/6868/

Henri
16 Juli 2010