top of page
  • Foto van schrijverMax Steg

Wat heb ik aan een datawarehouse? Misschien wel niets.

Wat heb ik aan een datawarehouse? Misschien wel niets. Voordat je nu van schrik van je stoelt valt, laat mij dat even uitleggen. We hebben als FRISCON meerdere keren geschreven over de meerwaarde van een datawarehouse, bijvoorbeeld over de werking ervan in vijf stappen, maar niet elke organisatie heeft daadwerkelijk een datawarehouse nodig.



Waarom zou je géén datawarehouse nodig hebben?

Het implementeren van een datawarehouse kan voor sommige bedrijven als het aanschaffen van een Ferrari zijn terwijl je slechts een stadsautootje nodig hebt. Als je een klein bedrijf hebt met overzichtelijke en beperkte data, of als je datamanagement al piekfijn op orde is, dan is de investering misschien overbodig.

En nog een belangrijk punt: als je organisatie slechts één of twee systemen gebruikt, dan kan hier waarschijnlijk direct mee gekoppeld worden, waardoor de tussenstap van een datawarehouse overbodig wordt.


Maar… als je wél veel data hebt…

Niet alle softwaretools hebben standaard een goede koppeling beschikbaar. We zien het bijvoorbeeld vaak voorkomen dat historische data op een gegeven moment niet meer beschikbaar wordt gesteld of dat het formaat van de data aangepast wordt.

Voor groeiende bedrijven of bedrijven met veel verschillende processen en data kan een datawarehouse daarom wél een uitkomst zijn.


Wanneer heb je wel een datawarehouse nodig?

  • Historische data: een datawarehouse houdt veranderingen in data bij door de tijd heen. Dat betekent dat je bij het maken van analyses niet alleen toegang hebt tot recente data, maar ook historische data. Een voorbeeld dat wij daarvan hebben gezien is bijvoorbeeld een softwaretool, waarbij geannuleerde bestellingen verwijderd worden uit de koppeling. Hierdoor kan je niet meer analyseren waarom, waar en wanneer bestellingen geannuleerd worden. Een ander voorbeeld dat wij zijn tegengekomen is dat een offerte wordt omgezet in een verkooporder, waardoor de offerte verdwijnt uit het systeem. Met een datawarehouse blijft deze data bewaard en kan je hierop inzicht krijgen. En met dit inzicht kan je je proces als het goed is weer verbeteren, waardoor er geen bestellingen meer geannuleerd worden 😉.

  • Snelheid: Het ophalen van data uit veel verschillende tools zorgt er vaak voor dat je Business Intelligence tool (bijvoorbeeld Microsoft Power BI) en dashboards traag worden. Een datawarehouse is zo ingericht dat het snel grote hoeveelheden data kan leveren.

  • Betrouwbaarheid: Het maken van analyses is interessant en wordt, naar onze mening, nog véél interessanter door het combineren van data uit verschillende bronnen. Onze klanten willen vaak inzicht hebben in hun klanten door verschillende fases heen. Bijvoorbeeld: “Hoe is iemand binnengekomen op mijn website, welke bestelling deed zij, betaalde ze op tijd, leverden wij op tijd en waarom retourneerde ze het product?” Afhankelijk van hoe je jouw systemen hebt ingericht, moet je om zulke vragen te beantwoorden veel verschillende tools of programma's raadplegen. Het analyseren van deze gegevens in een dashboard is daarom veel gemakkelijker. Echter, bij het maken van koppelingen tussen deze verschillende tools en het combineren van data horen we dat bedrijven tegen het volgende probleem opbotsen: “We kunnen de data moeilijk met elkaar verbinden, want het ene systeem presenteert het compleet anders dan het andere systeem.” Systeem A noteert een datum als 1 januari 2023 en Systeem B noteert een datum als 01-01-2023. Vervolgens schrijft Systeem A de letters in een postcode in hoofdletters, terwijl systeem B dat in kleine letters doet. Voordat je hier analyses op uit kunt voeren, moet de data getransformeerd worden naar een gelijk formaat. In een business intelligence tool, waarin je de dashboards maakt, is het vaak mogelijk zulke transformaties te doen. Wanneer je veel van zulke transformaties en opschoningen van de data moet doen wordt je dashboard echter aanzienlijk trager en is de kans op fouten groter (in het bijzonder met meerdere collega’s). In een datawarehouse zorgen we ervoor dat al jouw data automatisch opgeschoond wordt en getransformeerd naar hetzelfde formaat. Daardoor blijft je datakwaliteit gewaarborgd en je dashboard blijft snel functioneren.

  • Schaalbaarheid: Je bedrijf groeit en met behulp van data zal die groei nog veel harder gaan. Op het moment dat je eraan toe bent om je systemen te vervangen zullen je dashboards met een directe koppeling niet meer werken en ben je jouw data kwijt. Een datawarehouse is ingericht volgens bedrijfsprocessen. Dat betekent dat wanneer jij overstapt op een ander systeem, het proces en de structuur van je data hetzelfde blijft. Wel moeten we dan de datapipeline updaten. De datapipeline is de code die de data uit jouw systeem ophaalt, de data opschoont en transformeert, en deze dan inlaadt in het datawarehouse.



Conclusie: wanneer heb ik geen datawarehouse nodig en wanneer wel?


Om binnen organisaties op een datagedreven manier te werken, is het vaak nodig om draagvlak te creëren. Door direct een dashboard te bouwen op basis van de koppeling van je softwaretool bespaar je veel tijd, en als je het uitbesteedt aan een derde partij, veel geld. Daardoor creëer je snel draagvlak en concrete meerwaarde om vervolgstappen te zetten.

Stel jezelf de volgende vragen in de overweging of je een datawarehouse nodig hebt:

  • Gebruik je maximaal één of twee softwaretools waarvan je de data wil analyseren? En ben je van plan deze tools niet te vervangen het aankomende jaar? Een datawarehouse is dan waarschijnlijk overbodig.

  • Wil je data breed beschikbaar stellen binnen je organisatie, meerdere dashboards gaan maken en wellicht meer of andere software gaan gebruiken? Dan doe je er goed aan de mogelijkheid van een datawarehouse te onderzoeken.


Comments


Commenting has been turned off.
bottom of page