Data Warehousing banner

Data warehousing en datagedreven werken

Data (warehousing) waarop u kunt bouwen

DIKW verstaat onder data warehousing de noodzakelijke data logistieke componenten om een data warehouse te realiseren. Door de realisatie van een data warehouse is het mogelijk om op een gemanagede manier Business Intelligence (BI) en Artificial Intelligence (AI) mogelijk te maken. Door uw data op een gestructureerde manier op te slaan, en daarbij gebruik te maken van de data management principes, maakt u het toegankelijker in gebruik. Hierdoor is het mogelijk om de eerste stappen te maken naar datagedreven werken en toe te groeien naar een datagedreven organisatie. Enkel de implementatie van een data warehouse zal uw organisatie niet datagedreven maken. Daar is meer voor nodig dan alleen een data warehouse.

Interne en externe databronnen

Een data warehouse kan data bevatten uit interne en externe databronnen. Die interne data, die waardevolle gegevens voor de organisatie bevatten , zijn afkomstig uit operationele systemen, zoals ERP, CRM, HRM, SCM, FMS, DMS en POS-systemen.
Er kan ook gebruik worden gemaakt van externe data om beter geïnformeerde besluiten te nemen, processen te verbeteren en in te spelen op veranderingen in de markt. Denk hierbij bijvoorbeeld aan data van het CBS, Eurostat, Linkedin, Facebook, weergegevens (KNMI), Geolocatiegegevens (Google Maps), Financiële Beursgegevens (Bloomberg) en Consumenten Recensies (Trustpilot).

Historische rapportages en trends

Voor beide soorten van data geldt dat deze historisch worden opgeslagen. Hiermee creëer je voor je organisatie een organisatiegeheugen. Bij DIKW noemen we dat de Organizational Memory Area Diary (OMADIA). Dit is het deel van het data warehouse waar alle data onveranderd staat opgeslagen en niet gewijzigd wordt. Alleen de updates en nieuwe gegevens worden toegevoegd. Door dit op een specifieke manier te doen zorg je ervoor dat je een film kunt afspelen over je data. Waarin je op elk moment in tijd kan inprikken en de toestand van dat moment kunt bekijken. Door deze manier van opslag is het ook mogelijk om later trends te ontdekken of historische rapportages te maken.

Door de interne en externe data te uniformeren en te integreren ontstaat een datalaag waarin je over de bronsystemen heen een beeld hebt van wat er in jouw organisatie gebeurt. Er is geen sprake meer van silo’s van data maar een integraal beeld. Op deze manier voorkomt u dat u, bijvoorbeeld, in uw bedrijf aan het optimaliseren bent op de inkoop maar dat intussen de kosten in de operatie stijgen.

Datamart

Om van deze data informatie te maken, is het nodig om de data te modelleren in een datamart. Een datamart is een essentiële component van de datawarehouse architectuur, ontworpen voor specifieke bedrijfsdoelen en snelle toegang tot relevante gegevens. Denk hierbij aan een sales datamart die verkoopcijfers, klantinformatie en productprestaties bevat. U heeft dan in een oogopslag de relevante gegevens bij elkaar.

Reporting tools

Met een reporting tool zoals Power BI, MicroStrategy, Tableau, Qlik Sense, IBM Cognos Analytics of SAP Business Objects is het mogelijk om visualisaties te maken en de gebruikers de informatie te tonen.
Op deze manier bied je de afdelingen binnen je organisatie de mogelijkheid om op maat gemaakte rapporten en analyses uit te voeren, wat bijdraagt aan betere besluitvorming en procesoptimalisatie.

Datawarehouse

De data in een data warehouse wordt op regelmatige basis bijgewerkt. Dit kan op dagbasis zijn maar kan ook op “Near Real Time” basis zijn. Op basis van de behoefte van de organisatie kunnen hier variaties op worden gemaakt. Traditioneel gezien is de data in een data warehouse bedoeld om strategische en tactische besluiten te nemen en wordt deze op dagbasis ververst. Indien gegevens nodig zijn om meer operationele zaken te managen, dan kiezen wij ervoor om deze als aparte stroom data op te nemen. Dit doen we dan volgens het principe van ons Logisch Data Fundament.

 

Het is noodzakelijk dat een data warehouse geleidelijk met de organisatie meegroeit omdat, in tegenstelling tot de huidige informatiebehoefte, de toekomstige informatiebehoefte niet te voorspellen is. Om enig zicht op de toekomst te hebben is het noodzakelijk om een data warehouse te hebben wat zich in de loop van de tijd kan aanpassen aan de veranderende informatiebehoefte. Door onze jarenlange ervaring in het bouwen van dit soort data warehouses, hebben wij een methode ontwikkeld waarin we de verschillende data logistieke componenten van datawarehousing laten samenwerken op de meest flexibele manier. Dit hebben wij vastgelegd in onze DIKW Data Warehouse Accelerator welke we bij al onze klanten gebruiken. Hiermee kunnen wij in zeer korte tijd op een zeer gecontroleerde manier een data warehouse realiseren die voldoet aan de kwaliteitscriteria van deze tijd.

De eerste stap naar datagedreven werken

Al tijdens het realiseren van het data warehouse is het mogelijk om te sturen op de informatie die opgeleverd wordt. We gaan niet alles in 1 grote bulk leveren maar leveren in overleg de eerste rapportages op. U begint vaak met terugkijken; “Wat is er de afgelopen tijd gebeurd” en klopt dat met mijn onderbuikgevoel? Hieruit zal vaak blijken dat er meer begrip gaat ontstaan over de data en de data definities die er zijn binnen het bedrijf. De eerste stap naar datagedreven werken is dan gezet. Hierna zullen meer stappen volgen, met als uiteindelijke doel om de toekomstige ontwikkelingen te voorspellen.

 

Heeft u vragen over data warehousing en wilt u ook data waarop u door kan bouwen? Neem contact met ons op.