Een datawarehouse is een gestructureerde verzameling van data uit al je software en bronnen. Hét fundament wat mij betreft om aan de slag te gaan met datagedreven werken. Steeds meer organisaties zijn enthousiast over de toegevoegde waarde van een datawarehouse. Een prangende vraag die dan overblijft is: "Wat kost het om een datawarehouse te bouwen?" In onderstaand blog geven we een indicatie van de investering.
Veel Business Intelligence bedrijven zijn niet transparant over de kosten van een datawarehouse. Wat mij betreft een gemiste kans. Veel mensen denken daardoor dat het een ontzettend duur IT-project is, van tienduizenden euro’s. Het argument dat daarvoor gebruikt wordt is “dat het afhangt van vele factoren”. Dat klopt, maar is geen reden om niet transparant te zijn.
Organisaties die actief met data aan de slag gaan verdienen een datawarehouse altijd terug. Ook dat zal ik verderop uitleggen. Maar eerst: heeft jouw bedrijf wel een datawarehouse nodig?
Als je nu denkt, wat is een datawarehouse überhaupt, lees dan ons andere blog over dit onderwerp.
Heb je wel een datawarehouse nodig of is het overbodig?
Er zijn veel redenen te verzinnen waarom je wel of juist niet een datawarehouse nodig hebt. Enerzijds, kun je vaak in je Business Intelligence software al koppelingen leggen met je software. Anderzijds, is dit instabieler en langzamer dan een datawarehouse en is het tijdrovend om data op te schonen en data vanuit meerdere bronnen aan elkaar te koppelen. In dit blog “Wat heb ik aan een datawarehouse? Misschien wel niets.” leggen we alle overwegingen uit over of het de moeite is om een datawarehouse te bouwen. Daarbij geven we ook het eerlijke antwoord wanneer een datawarehouse juist niet benodigd is.
Checklist: 3 vragen of nu het juiste moment is voor een datawarehouse
De beslissing om in een datawarehouse te investeren komt de facto neer op drie vragen:
Is er op dit moment financiële ruimte om in een datawarehouse te investeren?
Heeft het datawarehouse een duidelijke ROI (levert het meer op dan het kost?)
Past de implementatie van een datawarehouse binnen de strategische doelstellingen?
De eerste vraag is eenvoudig: zonder budget is er helaas weinig te realiseren. Een datawarehouse wordt eerst door ons ontworpen en dan gebouwd. Daarmee bedoelen we stap-voor-stap nieuwe koppelingen maken met je software en meer-en-meer data ophalen. Door deze stapsgewijze aanpak factureren we ook in delen. De investering hoef je dus niet in een keer op te hoesten.
De tweede vraag is lastiger. Niet elk effect van een datawarehouse is concreet meetbaar. Desondanks, gaan we het verderop in dit blog toch proberen.
De derde, en laatste vraag, kunnen alleen jullie als organisatie beantwoorden. Als innovatie, operationele efficiëntie, het verbeteren van de klantbeleving of een sterkere concurrentiepositie binnen jullie strategische doelen passen, dan kan de implementatie van een datawarehouse een goede keuze zijn.
Een mogelijk bezwaar kan zijn dat jullie organisatie de aankomende periode van software gaat switchen, en dat nu daarom niet het juiste moment is om een datawarehouse te implementeren. In de meeste gevallen is dat niet waar. Omdat software stap-voor-stap gekoppeld kan worden, gaat een datawarehouse eenvoudig mee bij de vernieuwingsslag in de software. Het is inderdaad wel zonde om koppelingen te leggen met software die de aankomende maand of maanden vervangen gaat worden.
Duurt de overstap nog circa een jaar? Dan is het al wel de moeite om de koppeling te leggen. Een andere reden om oude software (eenmalig) te koppelen is voor het bewaren van alle historische data. In dit artikel gaan we dieper in op dit onderwerp.
Factoren die de kosten van een datawarehouse beïnvloeden
Zodra je de keuze hebt gemaakt dat een datawarehouse interessant is voor jullie bedrijf, komt de vraag naar voren welke investering dit vraagt. Dat hangt af van verschillende factoren.
Complexiteit van de bedrijfsprocessen
Als je ons eerdere blog over wat een datawarehouse is hebt gelezen, dan weet je dat wij een datawarehouse inrichten met de structuur van jullie bedrijfsprocessen. Dat zorgt er onder andere voor dat de data goed te interpreteren valt en dat data uit meerdere bronnen hierdoor gecombineerd kunnen worden. Dat levert vaak de interessantste inzichten op.
Om dit ontwerp te maken, voeren we een aantal gesprekken met onze klant. We willen namelijk alles weten van A t/m Z van de bedrijfsprocessen. Van alle regels tot en met de uitzonderingen op deze regels. Door onze ervaring weten we de juiste vragen te stellen om dit snel in kaart te brengen. Vervolgens toveren we dit om naar ontwerp voor een datawarehouse.
De complexiteit van je bedrijfsprocessen speelt daarom een rol in de kosten van een datawarehouse. Dat is vaak het geval als er weinig gestandaardiseerde processen zijn en veel ongedocumenteerde uitzonderingsregels op de processen.
Aantal softwarepakketten en bronnen
Uiteindelijk is een datawarehouse een gestructureerde verzameling van al je data. Om deze data hierin te krijgen bouwen we datapipelines. Een datapipeline haalt data op uit je software, schoont deze data op en structureert de data volgens het de structuur van het ontworpen datawarehouse.
Hoe meer software jullie organisatie gebruikt, hoe meer datapipelines gebouwd moeten worden. Hierin gaat het meeste werk zitten. Het is ook mogelijk het datawarehouse te verrijken met externe data, zoals ingekochte marktdata.
Hardware en infrastructuur
Het datawarehouse en de datapipelines hebben opslag en servers nodig om op te kunnen draaien. Wij kiezen ervoor om alles in de cloud te draaien, binnen Nederland of de Europese Unie (EU). Dit zorgt ervoor dat er geen initiële kosten zijn voor de hardware. Daarnaast is onze infrastructuur uitgerust met uitgebreide beveiligingsmaatregelen en back-ups.
Mochten er daarbovenop nog extra vereisten of wensen zijn voor de infrastructuur of gebruikte hardware, dan kan dit extra kosten met zich meebrengen. Meestal is dat niet het geval.
Eventuele training
Bij een deel van onze klanten bouwen we het datawarehouse en daarop ook alle dashboards en rapportages. Bij andere projecten gaat een data analist zelf aan de slag met het gebouwde datawarehouse. In dat laatste geval is er vaak enige uitleg nodig over de structuur en werking van het datawarehouse.
Doordat het datawarehouse ingericht is volgens bedrijfsprocessen, is de tijd die hiervoor nodig is wel minimaal. De data en structuur spreken namelijk al voor zich.
De kosten van een datawarehouse
Dan nu, het antwoord op de vraag wat de kosten zijn van een datawarehouse. Hierboven hebben de verschillende factoren omschreven die van invloed zijn op de kosten.
Het laten bouwen van een datawarehouse kost bij ons gemiddeld tussen de 8.000 en 12.000 euro. Hiervoor kun je uitgaan van een middelgrote organisatie met processen op verschillende vlakken (e.g. inkoop, voorraad, marketing, sales) en circa vier á vijf softwarepakketten.
Het is hierbij ook afhankelijk van welke softwarebronnen dit zijn. Het koppelen van marketingtools is veel minder werk dan het koppelen met een compleet ERP-systeem. Daarom hebben we ook projecten die ver buiten deze range vallen, zowel ver daaronder als ver daarboven.
ROI van een datawarehouse
Om een dergelijke investering te doen is het belangrijk dat de Return-On-Investment (ROI) te verantwoorden is. Het liefste vóórafgaand aan de investering. Als de ROI helder is, dan blijven er vaak weinig andere redenen over om de investering niet te doen. Immers, je investering gaat meer opleveren dan je erin steekt.
Hierin moeten we niet de verwarring maken met de ROI van dashboards. Deze is vaak overduidelijk. Dan kun je denken aan het besparen van tijd door automatische analyses en het samenbrengen van data uit meerdere tools, het verhogen van de conversieratio of het verlagen van de inkoopkosten.
Een dergelijk dashboard kan je bouwen op basis van koppelingen met je software of met de tussenstap van een datawarehouse. De ROI van een datawarehouse is dus de meerwaarde ten opzichte van eerstgenoemde situatie (losse koppelingen in je Business Intelligence (BI) tool).
1. Snelheid van analyses
Door het efficiënte datamodel van een datawarehouse zijn analyses op basis van een datawarehouse veel sneller. Dit merk je met name bij een real-time dashboard (in Power BI is heet dat een DirectQuery verbinding). Terwijl je analyses op basis van het datawarehouse vrijwel direct geladen zijn, moet je met de standaard koppelingen bij grote hoeveelheden langer wachten. Tot wel dertig seconden! Over meerdere collega’s, dashboards en momenten van de dag tikt dat toch aan.
2. Snelheid van bouwen
Maar de echte kostenreductie zit ‘m in het bouwen van nieuwe dashboards en inzichten. Dit patroon zien wij bij al onze klanten terugkomen: na het opleveren van de initiële dashboards, stijgt het enthousiasme over datagedreven werken enorm en ontstaat de wens voor meer dashboards.
Doordat een datawarehouse gestructureerde, eenvoudige en opgeschoonde data aanlevert is het voor ons eenvoudig om dat voor je te regelen. Alle data is al aanwezig in het model en onderling verbonden met elkaar. Met een aantal klikken breiden we je dashboard uit óf maken we een nieuw dashboard voor je.
Zonder datawarehouse, maar met traditionele koppelingen, is dat lastiger. Want: het datamodel is complexer en een koppeling levert standaard veel ruis mee. Dus, grote kans dat de benodigde data voor jouw wensen nog niet aanwezig is of nog flink opgeschoond moet worden. Dat kost veel tijd en daarmee kost het zonder datawarehouse ook meer geld om later nieuwe dashboards te realiseren.
3. Gebruikersgemak voor de dataliefhebber
De eenvoudige structuur van een datawarehouse is niet alleen gemakkelijk voor ons, maar ook voor jullie. Want, grote kans dat intern bij jullie ook een dataliefhebber aanwezig is. Vaak zijn dit de marketingprofessionals of business controllers!
Als zij zin hebben om zelfstandig met jullie data aan te slag te gaan, bijvoorbeeld in Power BI, dan wordt dit met traditionele koppelingen lastig. Deze zijn moeilijk te delen met anderen en technisch ingericht. Met een datawarehouse is het voor de dataliefhebber eenvoudig zelf data te analyseren in Power BI. Maar ook in andere tools, een datawarehouse kan bijvoorbeeld eenvoudig met Excel verbonden worden.
Bedrijven komen vaak op een realisatiemoment dat ze met hun data aan de slag willen. Vervolgens zetten ze een vacature uit voor de rol data analist en denken ze daarmee het vraagstuk opgelost te hebben.
Maar deze data analist heeft over het algemeen niet de kennis of middelen in huis om gedegen infrastructuur op te zetten. Dus, hij of zij is een groot deel van haar tijd kwijt aan het leggen van losse koppelingen met software. Het gevolg? Dat er weinig van data analyse terecht komt en er nog een data analist aangenomen moet worden.
Dat is absoluut niet nodig! Een datawarehouse is een must-have voor een data analist om snel, concrete resultaten te boeken. Bij veel van onze klanten is dan ook een data analist of dataliefhebber werkzaam.
4. Veiligheid en bescherming van je data
Met een datawarehouse ben je veel nauwkeurig in controle over je datastromen en wie toegang krijgt tot welke data. Geen gedoe meer met losse API-keys, Power BI bestanden of data uitwisselen. Dat scheelt, want de kosten van een datalek zijn namelijk enorm.
5. Beschikbaarheid van je analyses
Met losse koppelingen zien we het regelmatig gebeuren bij bedrijven dat een van de koppelingen eruit ligt, en daardoor je analyses op gecombineerde data niet mogelijk zijn. Uit onderzoek blijkt dat een organisatie haar winst gemiddeld 6% stijgt door datagedreven te werken. Als je analyses en dashboards niet betrouwbaar en altijd beschikbaar zijn, dan ga je die 6% niet behalen natuurlijk. Een datawarehouse zorgt voor een stabiele beschikbaarheid van je data.
6. Artificial Intelligence (AI)
De verwachtingen van AI-toepassingen waren de afgelopen jaren torenhoog. Tegenwoordig zijn het geen verwachtingen meer, maar zien we deze verwachtingen werkelijkheid worden of zijn geworden. Bedrijven die AI of Machine Learning toepassen, zijn in staat om waardevolle analyses te maken. Hierbij kan je bijvoorbeeld denken aan geavanceerde klantsegmentaties.
Bij FRISCON hebben we de kennis en kunde in huis om AI-modellen op maat te maken voor onze klanten. Dat doen we dan ook steeds vaker, aangezien de vraag hiernaar stijgt. Voor een AI-model is veel data benodigd om het model mee te trainen. Doordat je met een datawarehouse al je data centraal, opgeschoond en gestructureerd hebt verzameld kunnen AI-modellen snel gebouwd worden. Dat scheelt tijd en kosten.
7. Migratiekosten
Een bijkomend voordeel, dat vaak over het hoofd wordt gezien, zijn lagere migratiekosten tijdens het wisselen van software. Veel bedrijven besluiten op een dag dat ze hun software, bijvoorbeeld een boekhoudpakket, zat zijn en de overstap willen maken.
In zulke gevallen wil je graag je data meenemen. Maar je huidige softwareleverancier begint op dat moment vaak moeilijk te doen. Omdat je jouw vertrek hebt aangekondigd, vragen ze astronomische bedragen of zeggen ze dat migratie van de data niet mogelijk is.
Met een datawarehouse ben je weer baas over je eigen data: vanuit het datawarehouse kan data geïmporteerd worden naar je nieuwe software. Mocht je een datawarehouse bij ons afnemen, dan word je daar volledig eigenaar van.
Conclusie
Genoeg argumenten die aantonen dat de ROI van een datawarehouse duidelijk is. Dat neemt niet weg dat je nog steeds de financiële ruimte moet hebben om er een te laten ontwikkelen en de motivatie om je bedrijfsvoering te optimaliseren op basis van data.
Wil je meer weten over de mogelijkheden van een datawarehouse voor jouw bedrijf? Of heb je al een datawarehouse en wil je gratis en vrijblijvend advies over mogelijke verbetering hiervan? Neem gerust contact met ons op. We helpen je graag.