1. Kwaliteit en consistentie van gegevens
Slechte datakwaliteit is vaak de grootste hindernis. Als de gegevens niet accuraat, consistent en actueel zijn, zal het BI-systeem onbetrouwbare resultaten produceren. Denk bijvoorbeeld aan dubbele klanten of medewerkers, productcoderingen die niet overeenkomen of adresgegevens die niet up-to-date zijn. Gebruikers zullen bij onbetrouwbare resultaten een KPI dashboard of een rapportage niet vertrouwen, en ze laten BI dan links liggen. Verdiep je hier hoe je de datakwaliteit kan meten en verbeteren.
2. Integratie van data
Het integreren van gegevens uit verschillende bronnen, systemen en formaten is complex. Ongelijksoortige systemen, legacy platforms en verschillende gegevensstructuren kunnen een grote uitdaging vormen voor gegevensconsolidatie. Ook big data voegt complexiteit toe aan de integratie van gegevens want die zijn omvangrijk, complex van structuur of een combinatie van die twee. Of leveranciers van bronapplicaties of -systemen willen de data of metadata niet (voor niets) vrijgeven. Of dashboardbouwers proberen alles met front-end tool (Power BI, Tableau, Qlik Sense) op te lossen zonder na te denken over een solide data-infrastructuur. Lees hier meer over data-integratie met een datawarehouse.
3. Weerstand bij medewerkers
Medewerkers kunnen zich bewust of onbewust verzetten tegen verandering uit angst voor het onbekende, ongerustheid over de toename in transparantie of uit bezorgdheid over baanzekerheid. Het bevorderen van een datagedreven cultuur vereist actieve betrokkenheid van het management (het goede voorbeeld geven en een duidelijke visie hebben) en effectieve strategieën voor verandermanagement. Zorg dat je Business Intelligence baseert op de beslissingen die de gebruiker neemt of moet nemen. Dan blijf je dicht bij hun belevingswereld en neemt sowieso de kans op weerstand af.
4. Gebrek aan bekwaam personeel
BI-projecten vereisen specifieke vaardigheden op het gebied van datawetenschap, analyse, data-engineering en meer. Het juiste talent vinden of trainen kan een flinke uitdaging zijn. Ook zijn veel (startende) BI-consultants nog erg onervaren als het gaat om de bedrijfskundige en veranderkundige kant van Business Intelligence. Met als gevolg dat het een IT-feestje gaat worden en dat het systeem niet gebruikt gaat worden. Om goed personeel te vinden kun je gebruik maken van onze interim management diensten.
5. Hoge kosten
BI-oplossingen kunnen duur uitpakken. Dit geldt zowel voor kleinere bedrijven, het MKB en ook grotere ondernemingen of organisaties. Dit omvat de kosten voor software, hardware, training en personeel. Het meeste geld wordt helaas nog geïnvesteerd in BI-oplossingen die niks substantieels opleveren, behalve dan dat je in het bezit komt van een grote rapportenfabriek of een batterij aan dashboards. Voordat je een rapport of dashboard gaat bouwen moet je zeker zijn dat het echt waarde gaat toevoegen voor de gebruiker. Zorg dat de informatie actiegericht is en de onderliggende data geschikt is voor interactieve analyse.
6. Complexiteit van tools
Hoewel er veel BI-tools beschikbaar zijn, is het kiezen van de juiste tool voor de specifieke behoeften van de organisatie cruciaal. Sommige tools kunnen te complex zijn voor de beoogde gebruikers. En veel van de Business Intelligence tools bevatten onnoemelijk veel functionaliteit die de meeste gebruikers waarschijnlijk nooit nodig zullen hebben. Staar je niet blind op de populariteit van de marktleider(s) want dan kun je zomaar van een koude kermis thuiskomen. Bereid een toolselectie goed voor met onze BI & Analytics Guide 2024.
7. Requirements begrijpen
Het definiëren van duidelijke bedrijfsdoelstellingen en deze vertalen in BI-vereisten kan moeilijk zijn. Vaak weten bedrijven niet eens zeker wat ze willen totdat ze de eerste resultaten zien. Daarnaast is de BI-afdeling vaak ingericht op het principe ‘u vraagt, wij draaien’ en vervolgens worden de resultaten over de spreekwoordelijke muur gegooid. Het begrijpen van de requirements van gebruiker begint niet bij het inventariseren van de requirements van de gebruiker zelf maar bij het doorgronden van het bedrijf, de strategie, de processen en de beslissingen die voortgaan datagedreven genomen moeten worden.
Bestel het Business Intelligence boek
Voor degenen die geïnteresseerd zijn in de uitdagingen van Business Intelligence, is "De intelligente, datagedreven organisatie" van Daan van Beek een must-read. Dit boek (25.000+ exemplaren verkocht) biedt diepgaande inzichten en oplossingen voor de hindernissen in het realiseren van een succesvolle datagedreven organisatie. Het is een praktische handleiding voor elke professional die streeft naar het verbeteren van bedrijfsprestaties door middel van data en analytics.
8. Beveiligingsproblemen
Het is essentieel dat gevoelige bedrijfsgegevens adequaat worden beschermd. Dit betekent niet alleen bescherming tegen externe bedreigingen, maar ook het juist instellen van autorisaties. Maar misschien nog wel belangrijker is een cultuur waarin mensen (persoons)gegevens als een dierbare schat zien en die met hand en tand verdedigen tegen misbruik. Ook kunnen datalekken (ongemerkt) voorkomen, bijvoorbeeld gebruikers die gegevens exporteren naar Excel en die bestanden lokaal opslaan. Scherm het handmatig exporteren zoveel mogelijk af en zorg dat de BI tooling niet lokaal als applicatie draait maar in de browser. Daar zitten al standaard beveiligingsprotocollen in die zorgen voor een hogere mate van beveiliging.
9. Schaalbaarheidsproblemen
Naarmate een bedrijf groeit, groeit de omvang van de gegevens en ook de analysebehoeften. Een BI-oplossing die vandaag werkt, voldoet morgen misschien niet meer aan de behoeften van het bedrijf en die van de gebruikers. Ervoor zorgen dat het gekozen systeem schaalbaar is, is cruciaal. Dat is echter makkelijker gezegd dan gedaan want de behoeften bij Business Intelligence zijn nogal eens fluïde. Dat wil zeggen dat de werkelijke behoeften pas naar voren komen wanneer je al een tijd ervaring hebt kunnen opdoen met de BI tools en de mogelijkheden van data analyse. Zorg er in elk geval voor dat je BI opbouwt in de cloud, dan heb je in elk geval de tools bij de hand om op te schalen. Maar ook de datamodellering, indexering en partitionering moet goed doordacht zijn en inspelen op alle toekomstige mogelijkheden en uitdagingen.
10. Tijd tot waarde
Lange implementatiecycli kunnen belanghebbenden ongeduldig en zelfs ongelukkig maken. Quick wins kunnen helpen om vertrouwen te winnen, maar het is essentieel om snelheid en kwaliteit met elkaar in evenwicht te brengen. Werken onder architectuur is een must maar nog belangrijker is het om je data-infrastructuur vorm te geven op basis van de businessvraagstukken en niet op basis van de databronnen zoals vaak bij een Data Vault-traject gebeurt. Laat je niet misleiden door de mooie verhalen want de tijd tot waarde is bij een Data Vault gewoon stukken langer.
11. Data Governance handhaven
Het opzetten van een duidelijk raamwerk voor gegevensbeheer zorgt ervoor dat gegevens gedurende de hele levenscyclus op de juiste manier worden behandeld. Dit omvat het definiëren van het eigenaarschap van data, lineage, kwaliteitsstandaarden, privacy, beveiliging en meer. Data Governance is niet zomaar een verzameling regels en afspraken waar je je aan moet houden maar het omvat een totale filosofie die de gehele organisatie moet voorbereiden op een datagedreven toekomst. Dan is er geen sprake meer van controleren of handhaven maar komt het in het DNA van alle lagen en disciplines van de organisatie terecht. Iedereen begrijpt de waarde van goede data en handelt daar dan ook naar.
12. Bijblijven met nieuwe technologie
De wereld van Business Intelligence is voortdurend in beweging door opkomende technologieën zoals generatieve AI, machine learning, nieuwe API-platforms en geavanceerde analyse. Het kan een uitdaging zijn om het BI-systeem up-to-date te houden en nieuwe technologieën te integreren. Natuurlijk hoef je niet altijd voorop te lopen want dan loop je grotere kans dat de kinderziektes er nog niet uit zijn. Let bij het selecteren van nieuwe technologie in elk geval altijd op interoperabiliteit (uitwisselbaarheid van data), schaalbaarheid en performance.
13. Prestatieproblemen
Naarmate de hoeveelheid gegevens toeneemt, kunnen BI-systemen te maken krijgen met prestatieproblemen die de snelheid van het verwerken en ophalen van gegevens beïnvloeden. Twintig jaar geleden dachten we dat we de prestatieproblemen zich vanzelf wel zouden oplossen omdat de rekenkracht elke twee jaar verdubbelde. Maar wat bleek: de omvang van de data verdubbelde ook en ook de complexiteit van de analysevraagstukken ging omhoog. De gedachte is nu dat kwantumcomputers uiteindelijk echt een oplossing gaan bieden maar tot die tijd moeten we genoegen nemen met cloudplatforms, indexeren, tabellen zo smal mogelijk houden, partitioneren, aggregeren, hergebruik en soms is het ook nodig om gegevens dubbel op te slaan.
14. Complexiteit van ETL
De grootste investeringen gaan zitten in het optuigen van een robuust ETL-proces. Zie je databronnen als ruwe olie van allerlei kwaliteit en aard die je moet raffineren om tot een goed eindproduct te komen: diesel, benzine, kerosine et cetera. De raffinaderij kun je zien als het ETL-proces en dat is complex omdat je van ongestandaardiseerd naar gestandaardiseerd moet gaan. Daarnaast is ETL complex omdat je in dat proces van standaardiseren rekening moet houden dataprivacy, beveiliging, datakwaliteit en performance. Bij realtime analytics oplossingen kan de complexiteit nog verder toenemen.
15. De sprong naar (generatieve) AI
Hoe moeilijk is het om van rapporten en dashboard te springen naar AI? Dat is op zich niet zo heel moeilijk, een algoritme trek je tegenwoordig snel uit de kast, maar toch is dit in deze tijd misschien wel de grootste hindernis. De uitdagingen die je hebt bij rapporten en dashboards worden minimaal twee keer zo groot met AI omdat het omgeven is door mystiek en veel gebruikers grote moeite zullen hebben om de uitkomsten van machine learning te vertrouwen. Vaak ook omdat het soms helemaal tegen de intuïtie in gaat. Daarnaast zijn de uitdagingen rondom ethiek, datakwaliteit, privacywetgeving en uitlegbaarheid ook niet misselijk. Maar laat je niet ontmoedigen, AI start met experimenteren zodat je ervaring op kan doen. Bij voldoende kennis en ervaring kan je werken aan enkele succesvolle implementaties van machine learning. Hierna ga je nadenken over een bedrijfsbreed AI-beleid bijvoorbeeld het formuleren van een AI-first strategie. Neem bij AI altijd de beslissingen in jouw organisatie (primaire proces) als uitgangspunt. In een interactieve sessie van één dagdeel kunnen we je helpen om de sprong naar AI handen en voeten te geven. Neem hier contact met ons op.
Samenvattend: identificeer, anticipeer en beperk de risico’s
Voor een succesvolle BI-implementatie is het essentieel om te anticiperen op deze hindernissen en strategieën te ontwikkelen om ze proactief aan te pakken. Een gefaseerde aanpak, beginnend met een pilot, kan helpen bij het vroegtijdig identificeren van de mogelijke hindernissen en het opstellen van risicobeperkende plannen. Pak de koe bij de horens en maak samen met de stakeholders een plan of beleid. Maar misschien wel het belangrijkste is dat het projectteam en de toekomstige gebruikers haarfijn begrijpen hoe Business Intelligence kan bijdragen aan betere beslissingen en prestaties. Zie ook onze nieuwe whitepaper ‘De 101 stappen naar BI succes’.
Wat zijn jouw grootste hindernissen? Reageer gerust op dit artikel en beschrijf jouw hindernis en aanpak (of tips) om die hindernis te bedwingen. Zo leren we van en met elkaar.
Daan van Beek MSc is spreker, docent en auteur van het boek 'De intelligente, datagedreven organisatie'. Hij is eindbaas van Passionned Group en is verbonden als gastdocent aan TIAS. Daarnaast geeft hij regelmatig KPI, data science & BI trainingen in Azië, Zuid-Amerika, Europa en de US. Volg Daan op LinkedIn en neem contact met hem op.
