Dat kan anders. En dat moet ook, want de bedrijven die dit wel op orde hebben, gaan de komende jaren een voorsprong opbouwen die moeilijk in te halen is.
We gingen in gesprek met Edgar Walther, BI consultant bij Activium. Hij legt uit wat Business Intelligence écht inhoudt, wanneer AI zinvol is en waarom slechte data gevaarlijker is dan geen data.
Power BI gebruiken is niet hetzelfde als BI doen
Zodra een organisatie een rapportagetool als Power BI of Excel gebruikt, denken ze dat ze aan BI doen. Maar zo simpel is het niet.
“Als je Power BI gewoon bovenop een bronsysteem zet, kun je mooie grafieken maken. Maar je hebt niet het geïntegreerde overzicht over je hele bedrijf.”
Echte Business Intelligence gaat verder dan mooie grafieken. Het begint bij het samenvoegen van data uit meerdere systemen: administratie, CRM, planning, HR. Die informatie moet op een betrouwbare, historisch consistente manier beschikbaar zijn, en aangevuld met belangrijke meetwaarden, zoals de KPI’s waarop je je bedrijf wilt sturen. Pas dan praat je over BI.
De drie lagen van een goed BI-platform
1. Het datawarehouse, de ruggengraat
Hier worden data uit verschillende bronsystemen samengebracht, opgeschoond en geharmoniseerd. Klantgegevens die in het CRM anders genummerd zijn dan in de boekhouding? In het data warehouse worden ze aan elkaar geknoopt. Historische wijzigingen, zoals een vertegenwoordiger die een regio overneemt of een klant die verhuist, worden vastgehouden. Zo vergelijk je altijd appels met appels. In het bronsysteem zie je alleen de situatie van nu. In het data warehouse kun je altijd terugzien hoe het er eerder uitzag, en kun je die gegevens betrouwbaar vergelijken.
2. De datamart, de winkel voor de gebruiker
Op het data warehouse wordt een datamart gebouwd: een gebruiksvriendelijke laag waarin klanten, facturen, medewerkers en producten logisch gestructureerd zijn. Dit is het vertrekpunt voor zelfstandig rapporteren. Gebruikers hoeven niet in de techniek te duiken, de informatie ligt klaar.
3. Het analysemodel, de rekenkracht
Bovenop de datamart zitten extra berekeningen en bijvoorbeeld year-to-date cijfers, hiërarchieën om doorheen te klikken, trends over tijd. Dit is ook het punt waarop AI aangehaakt kan worden, maar alleen als de vorige twee lagen op orde zijn.
Datakwaliteit: de voorwaarde waar je niet omheen kunt
Dat is niet alleen zonde van de investering, het kan ronduit gevaarlijk zijn. Zoals Edgar het zelf stelt: “Als je aan AI slechte input geeft, is wat eruit komt niet bruikbaar. En als je het toch gebruikt, neem je gewoon de verkeerde beslissingen.”
Datakwaliteitsproblemen zijn bij vrijwel elk bedrijf aanwezig: vervallen artikelen die niet zijn uitgevinkt, klanten die dubbel voorkomen, velden die anders worden ingevuld dan bedoeld. Voor zakelijke dienstverleners speelt dit bijvoorbeeld bij de urenregistratie: de ene medewerker boekt reistijd op het project, de andere niet. Of dezelfde klant staat in het CRM als ‘Janssen Consultancy’ en in het facturatiesysteem als ‘Janssen B.V.’ Dan kloppen je omzetcijfers per klant nooit. Stap één is altijd de data op orde brengen. Stap twee is een waardevol datamodel maken. Pas daarna heeft AI zin.
Dat handwerk, opschonen, harmoniseren en aan elkaar knopen, doet het BI-team van Activium voor hun klanten. En ook hier komt AI om de hoek kijken: slim ingezet om dubbele klantnamen automatisch te koppelen of velden te interpreteren die net even anders gespeld zijn.
AI als versneller, niet als startpunt
AI is geen wondermiddel dat je bovenop een rommelig datalandschap kunt zetten. Het is een versneller voor organisaties die hun informatiehuishouding al op orde hebben. Wat het kan zodra de basis klopt, is indrukwekkend: patronen ontdekken die mensen over het hoofd zien, klantgroepen segmenteren, vraag of capaciteitsbehoefte voorspellen. Waar mensen nu handmatig trends analyseren, kan AI dat sneller, dieper en continu doen.
Aan de hand van het BI-volwassenheidsmodel wordt duidelijk waar de meeste organisaties staan: op niveau 2 of 3, in staat om terug te kijken en te analyseren, maar nog niet om vooruit te kijken. De stappen daarna:
Voorspellende analyses: AI signaleert trends en doet voorspellingen op basis van historische data
Prescriptieve adviezen: AI geeft concrete aanbevelingen over wat inkopen, welke klant benaderen of welke capaciteit inplannen
Autonome uitvoering: AI voert taken zelfstandig uit, op basis van vertrouwen in het model en de onderliggende data
Die laatste stap is voor de meeste organisaties nog toekomstmuziek, en dat is prima. Maar de eerste stap, data op orde en een warehouse neerzetten, moet nu al worden gezet.
Wat als je wacht?
De risico’s voor organisaties die dit onderwerp voor zich uitschuiven zijn concreet. Over vijf jaar is BI en AI moeilijker bij te benen als je nu niet aangehaakt blijft. Advies is om met iets kleins te beginnen. Een proefproject, zodat je in ieder geval weet wat er mogelijk is. De ontwikkelingen gaan snel. Organisaties die nu beginnen met het op orde brengen van hun data, bouwen aan een fundament waarop ze de komende jaren verder kunnen bouwen. Wie wacht, begint straks niet op nul, maar met een achterstand.
Wat maakt Activium anders?
Het BI-team van Activium bestaat uit vijf specialisten die nauw samenwerken met de Exact-consultants binnen de organisatie. Die combinatie is waardevol: diepgaande kennis van BI-architectuur en inhoudelijke expertise in de bronsystemen die klanten gebruiken.
“Wij weten hoe je een data warehouse opzet en hoe Exact werkt. Dat helpt enorm als je data goed wil inrichten en analyseren.”
De aanpak is gericht op een langdurige relatie. BI is geen eenmalig project, het is het begin van data-driven werken. En als klanten eenmaal zien wat het oplevert, wordt data een vast onderdeel van hoe ze sturen.
Benieuwd waar jouw organisatie staat op de BI-volwassenheidsladder?
Of wil je weten wat er mogelijk is met jouw data? Lees meer over het BI-volwassenheidsmodel of neem contact op met een van onze consultants. We kijken graag met je mee.
