De 12 grootste pijnpunten bij Business Intelligence

Foto Daan van Beek MSc
Auteur: Daan van Beek MSc
senior BI consultant
Inhoudsopgave

Je staat als consultant of projectleider aan het begin van een BI-project en je bent op zoek naar theoretische, maar vooral ook praktische kaders. Je weet dat je met Business Intelligence betere resultaten kan boeken. Maar de verschillende meningen, belangen en visies die je hoort en leest gaan alle kanten op. Het begint je te duizelen. Wie serieus met BI aan de slag wil, belandt al snel in een rollercoaster. Liever vind je vaste grond onder je voeten. Leer nu van de ‘groeipijn’ die anderen al hebben overwonnen. Deze story is volledig gebaseerd op de doelstellingen van honderden deelnemers aan onze 3-daagse Business Intelligence opleiding.

Pijnpunt 1: Meer doen met minder

“De raad van bestuur heeft hoge ambities, maar koestert onrealistische (lees: overspannen) verwachtingen ten aanzien van de output van onze afdeling en de kwaliteit van de informatievoorziening. In werkelijkheid beschikken we nog steeds niet over één versie van de waarheid. In het informele circuit heeft de CEO gehoord dat onze directe concurrent zijn zaakjes wel op orde heeft dankzij een nieuwe veelbelovende tool. ‘Waarom hebben wij die niet?’, zo vraagt hij direct op de man af. Vanuit de bekende ivoren toren worden vervolgens globale directieven uitgevaardigd, zonder dat extra budget wordt vrijgemaakt om nieuwe mensen te werven en nieuwe systemen en bijbehorende (visualisatie)tools aan te schaffen.

Sterker nog: ik heb sterk de indruk dat onze bestuurders vanuit de boardroom maar wat roepen.

Sterker nog: ik heb sterk de indruk dat onze bestuurders vanuit de boardroom maar wat roepen. Ze hebben zich nauwelijks ergens in verdiept en hebben niet nagedacht over de personele en budgettaire consequenties. Tegelijkertijd moet ik toegeven dat ik zelf ook niet exact weet hoeveel investeringen (inspiratie, geld en mensen) er mee gemoeid zijn om van BI echt een succes te maken. Het MT moet geloven in de strategische waarde van BI en dus geld en middelen willen vrijmaken ten koste van ander projecten. De verantwoordelijke bestuursleden verzuimen echter om echte keuzes te maken. Het budget voor innovatie is allang opgesoupeerd en er is een vacaturestop afgekondigd. Kortom: het ontbreekt mij aan mensen, middelen en draagvlak. De klassieke valkuil van ‘Doing more with less‘ frustreert mij dagelijks.”

Pijnpunt 2: Ik krijg de businesscase niet rond

“Tijdens mijn studie heb ik geleerd dat de toegevoegde waarde van BI het grootst is wanneer er heel veel goede data voorhanden is, er een grote concurrentiedruk is en de wil en noodzaak aanwezig zijn om continu te verbeteren en te innoveren op basis van goede informatie. Maar dat is de theorie. De praktijk is een stuk weerbarstiger. Directieleden laten zich liever inpakken door een gelikte PowerPointpresentatie met obligate kreten (‘de omgeving is dynamisch en turbulent, we moeten proactief aan de slag met de digitale transformatie‘), dan door een degelijke, goed onderbouwde businesscase. Hoe maak ik de toegevoegde waarde van BI dan expliciet en financieel meetbaar? Hoe kan ik een onderscheid maken tussen wat relevant is voor ons en wat valt onder de categorie “hype en buzz words”?

Het opstellen van een gestructureerd document met een duidelijke kostenbatenanalyse waarin een zakelijke afweging wordt gemaakt om een project al dan niet te laten starten, dat lukt mij nog wel. De directe, indirecte, voorspelbare én onverwachte voordelen van BI gloren aan de verre horizon. Maar hoe presenteer ik de businesscase overtuigend in de boardroom? Hoe kan ik de geesten zodanig masseren dat ik daadwerkelijk een “go” krijg om met BI aan de slag te gaan? Hoe kan ik mijn overtuigingskracht vergroten en een beslissing forceren? Ik heb vaak de indruk dat ik niet serieus wordt genomen, waardoor het finale besluit uit blijft en ik met lege handen achter blijf.”

Pijnpunt 3: Ik raak verdwaald in de ‘jungle’ van BI-tools

“Als het gaat om actuele thema’s, zoals big data, business intelligence, datawarehouses en datalakes, zijn er tientallen zo niet honderden tools op de markt beschikbaar. Het aantal tools, platforms en architecturen is overweldigend, waardoor je al snel door de bomen het bos niet meer ziet. Ik heb alleen niet de menskracht om de mogelijkheden en functionaliteiten van al die tools tot in detail te beoordelen. Ondertussen leidt het schakelen tussen diverse geïnstalleerde tools en apps op de werkvloer tot productiviteitsverlies. Het liefst zou ik beschikken over laagdrempelige tools en één overzichtelijke interface die alle tools en apps met elkaar verbindt.

Welke tools zijn handig om snel van data tot informatie te komen en van informatie tot inzichten? Concreet ben ik op zoek naar objectieve en heldere selectiecriteria waarmee ik de beschikbare BI tools kan rangschikken in “need to have” en “nice to have”, zodat goede tools niet afvallen omdat ze op een onbelangrijk onderdeel toevallig slecht scoren. Maar ook het trainen van gebruikers heeft prioriteit, want iedereen weet: ‘A fool with a tool is still a fool’.”
Vergelijk hier alle BI & Analytics oplossingen Afbeelding van Vergelijk hier alle BI & Analytics oplossingenDe BI & Analytics Guide™ geeft je direct toegang tot grote hoeveelheden onderzoeksmateriaal van BI-leveranciers, relevant vaknieuws en bevat een grote verzameling video's. Hiermee selecteer je de meest geschikte BI-leverancier in enkele dagen (snel een shortlist maken) en til je je BI- en AI-kennis daarnaast direct naar een fors hoger niveau. Bereid je met deze interactieve gids voor op een uitdagende BI-toekomst.bekijk de BI & Analytics Guide™

Pijnpunt 4: Gebruiken we wel de juiste KPI’s om te sturen?

“In onze organisatie gebruiken we vanuit de historie inmiddels enkele tientallen KPI’s als stuurinformatie. Met deze KPI’s zijn we allemaal inmiddels zo vertrouwd geraakt, dat niemand ze meer ter discussie durft te stellen. Ze worden voor kennisgeving aangenomen. Ze reflecteren onze waarheid. We zitten gevangen in onze eigen filter bubble. Zelf voel ik mij hier steeds minder comfortabel bij.

In hoeverre zijn al die KPI’s nog wel gekoppeld aan de strategische doelstellingen van onze organisatie? Hoe weet ik zeker dat we niet rechtstreeks op een enorme ravijn afkoersen? Is het dasboard niet veel te vol met al die KPI’s, stoplichten en metertjes, waardoor eigenlijk het echte overzicht ontbreekt? Zijn we niet beland in een ‘rapportenfabriek’, waar gebruikers naar believen rapporten kunnen opvragen, zonder deze daadwerkelijk te lezen? Laten we ons niet te veel leiden door dashboards en rapporten. In hoeverre is sprake van duplicatie: leveren we sommige rapportages, informatie en inzichten niet dubbel?”
Download de SMART KPI-bepaler 2024 Afbeelding van Download de SMART KPI-bepaler 2024De SMART KPI-bepaler is een praktijkgerichte methodiek om snel voor jouw organisatie de juiste KPI's te vinden, te definiëren en te visualiseren met dashboards en rapporten. Al meer dan 1.000 organisaties gebruiken de SMART KPI-bepaler als gids voor KPI-sturing & continu verbeteren. Meer dan 350 KPI voorbeelden uit diverse sectoren illustreren de kracht van zuivere KPI's en dashboards.bekijk de SMART KPI Gids

“Kortom: ik voel een sterke behoefte om op zoek te gaan naar de échte KPI’s. En wat is eigenlijk het verschil tussen kritieke prestatieindicatoren en kritieke resultaatindicatoren? Door het stellen van dit soort gewetensvragen, kom ik er eigenlijk steeds meer achter dat de theoretische onderbouwing van onze BI-architectuur flinterdun is. We zouden eigenlijk een geheel nieuw BI-raamwerk moeten gaan bouwen.”

Pijnpunt 5: Ik voel me een speelbal van veeleisende gebruikers

“De gebruikers van BI-systemen tref je zowel aan op uitvoerend niveau als op leidinggevend niveau. Ze hebben echter als gemeenschappelijk karaktereigenschap dat ze in de regel kritisch, ongeduldig, veeleisend en soms gewoon lastig zijn. Ze willen altijd rapportages op maat. In hoeverre kunnen scrumteams uitkomst bieden om een BI-project aan te jagen? De gebruiker treedt dikwijls op in de rol van tester en heeft (terecht) een belangrijke stem bij de acceptatie van het BI-systeem. Toch heb ik geen zin om mijzelf in de rol te laten drukken van ‘u vraagt, wij draaien’. Ik doe dagelijks mijn uiterste best om het vaak technische BI-jargon te vertalen in jip-en-janneketaal voor alle stakeholders. Ik streef naar één versie van de waarheid en probeer een BI-trauma te voorkomen door gebruikers niet te overvoeren met data.

Desondanks is het lastig om BI binnen onze organisatie op de agenda van het management te krijgen én te houden. Ook het afnemend enthousiasme van de gebruikers baart mij zorgen. Ik vraag mij dan ook voortdurend af hoe ik het BI-systeem temidden van alle bronsystemen zo overzichtelijk mogelijk kan houden voor gebruikers. Bovendien probeer ik een wildgroei aan rapportages zoveel mogelijk te voorkomen. Tevens wil ik met onze BI-strategie meerdere doelgroepen tegelijkertijd bedienen, zowel afdelingsmanagers, operations, de raad van bestuur, externe kwaliteitsorganisaties, maar bijvoorbeeld ook de researchafdeling. Ook wil ik vanuit mijn functie meer toegevoegde waarde bieden.

Ondanks al deze goede bedoelingen en zware inspanningen ben ik als projectleider toch vaak ‘de gebeten hond’. Als het systeem er bijvoorbeeld onverwacht een paar uur uit ligt, dan vallen alle gebruikers over mij heen. Kortom: zou een selfservice BI-systeem niet iets voor ons zijn? Gebruikers van een dergelijke portal kunnen dan zelf aangeven welke informatie voor hen interessant is. Zij kunnen zichzelf desgewenst abonneren op nieuwe uitgaven en versies van rapporten.”

Pijnpunt 6: Gedeelde verantwoordelijkheid is geen verantwoordelijkheid

“Effectieve BI-teams kenmerken zich door het multidisciplinaire karakter ervan. Ze bestaan uit projectmanagers, BI-consultants, BI-architecten, technisch projectleiders, opdrachtgevers, sponsors, ETL-ontwikkelaars, business analisten, gebruikers, data scientists, databasadministrators en systeembeheerders. Er zijn basisrollen en additionele rollen. Trainers, metadatabeheerders, data stewards, testers en usability experts zijn voorbeelden van functies die ik additioneel kan inzetten. De basisrollen zijn nodig in alle BI-projecten, van klein tot groot. De additionele rollen zijn vooral relevant bij de grotere BI-projecten. Per rol worden de meest essentiële vaardigheden weergegeven die van belang zijn voor het succesvol uitvoeren van BI-projecten. Zo hebben we alle functies, taken en verantwoordelijkheden keurig in kaart gebracht met behulp van functieomschrijvingen en competentieprofielen.

Gedeelde verantwoordelijkheid is geen verantwoordelijkheid.

Maar papier is geduldig. In de praktijk blijkt het vaak lastig om de diverse rollen uit elkaar te houden. De vraag wie doet wat wanneer en waarom en vanuit welke rol?, is in dit verband een uiterst legitieme vraag. Ik weet het: gedeelde verantwoordelijkheid is geen verantwoordelijkheid, maar een echte oplossing heb ik nog niet gevonden. Ook de gedachtevorming omtrent de vraag welke positie BI zou moeten innemen binnen onze organisatie is nog niet uitgekristalliseerd.”

Pijnpunt 7: Datakwaliteit is een issue dat ons blijft achtervolgen

“Data is correct of fout, er bestaat geen compromis. Data kan niet half goed zijn. Betekenisvolle data dient uniek, integer, consistent, actueel, logisch en compleet te zijn. Dat weet iedere BI-manager. De realiteit is dat data vaak gefragmenteerd voorkomt in alle hoeken en gaten van de organisatie. Ik zou onjuiste data graag eerder willen signaleren en informatie sneller en overzichtelijker willen presenteren aan gebruikers. Daar komt bij dat data in een afzonderlijk bronsysteem op zichzelf correct kan lijken, maar wanneer die data wordt gecombineerd met andere bronnen, er toch grote lacunes de kop op kunnen steken.

Om een lang verhaal kort te maken: ik durf mijn hand niet in het vuur te steken voor de kwaliteit van data in onze organisatie. Steevast komt dan bij ons ook de vraag op tafel of het dan wel verstandig is om te starten met BI als de datakwaliteit zo slecht is. Terwijl deze discussie nog loopt, zoeken we naar manieren om de datakwaliteit te verhogen. Maar welke maatregelen kun je hiervoor nemen? Moeten we voor een traditioneel ingericht datawarehouse kiezen of voor een Data Vault dat geschikt is om te voldoen aan de eisen van de externe toezichthouders? En wat betekent deze keuze voor de kwaliteit van onze data, nu en in de toekomst, de complexiteit en de doorlooptijd van het project?

Een ding is zeker, ons managementteam zal niet alleen op KPI’s moeten gaan sturen, maar ook op datakwaliteit. ‘Garbage in, garbage out’ houdt immers in dat software en regelsystemen alleen maar zinnige informatie kunnen leveren wanneer zij met juiste informatie worden gevoed. Een computersysteem kan nog zo ‘intelligent’ zijn, wanneer het met onjuiste gegevens wordt gevoed, zal het met zekerheid een onzinnig resultaat genereren.”

Pijnpunt 8: De datakloof wordt steeds groter

“De beschikbare tijd die wij als organisatie hebben om goed onderbouwde beslissingen te nemen, daalt sterk. Dit terwijl de complexiteit van de besluitvorming alleen maar toeneemt. Bovendien groeit de hoeveelheid data die nodig is om goede beslissingen te nemen exponentieel. Er is eenvoudigweg veel meer data vanuit verschillende meerdere invalshoeken nodig. De grilligheid van markten en consumenten vereist immers meer precisiebesluiten en ook grotere hoeveelheden data. De twee variabelen, beslissingstijd en hoeveelheid data, zijn elkaars tegenpolen. Er ontstaat een BI-kloof die weergeeft dat de twee tegenpolen steeds verder van elkaar verwijderd raken als we als organisatie niets zouden doen.

Als gevolg van de steeds smallere foutenmarges en kortere tijdsintervallen hebben we steeds fijnere en gevoeligere precisie-instrumenten nodig om deze BI-kloof te overbruggen. Op de werkvloer worstelen we ondertussen met aan verouderde architecturen en een grote diversiteit aan bronsystemen. Deze legacy aan systemen belemmert ons om daadwerkelijk met BI aan de slag te gaan. Hoe kunnen we er bijvoorbeeld voor zorgen dat de informatie vanuit de verschillende legacy-systemen beschikbaar blijft voor de afdelingen BI en Research? Wat is de juiste aanvliegroute?”

Pijnpunt 9: Data governance speelt ons parten

“Data governance is een buzzword waarop wij maar weinig vat krijgen. Data governance gaat niet puur over data. Dat hebben we inmiddels wel begrepen. Het concept vereist een combinatie van mensen, regels en procedures en ondersteunende technologieën om succesvol te zijn. En juist dat samenspel luistert heel nauw. Er bestaat helaas geen eenduidige, werkbare definitie van data governance, waarmee wij goed uit de voeten kunnen. The Data Governance Institute doet een goede poging door data governance te definiëren als “een systeem van beslissingsrechten en verantwoordelijkheden voor informatie-gerelateerde processen, uitgevoerd volgens afgesproken modellen die beschrijven wie welke acties kan ondernemen met welke informatie, onder welke omstandigheden, met welke methoden.”

Maar hiermee is voor ons de kous nog niet af. De definitie is wat ons betreft te algemeen en te breed. We zijn vooral op zoek naar praktische handvatten en handige tips om data governance, maar ook begrippen als “data lineage” en dataclassificatie, op de werkvloer daadwerkelijk handen en voeten te geven. Ik worstel vooral met de vraag hoe we aantoonbaar in-control kunnen blijven op het gebied van data.”

Pijnpunt 10: Hoe kunnen we de vele spreadsheets uitroeien?

“Iedereen weet inmiddels dat Excel een bijzonder handige maar niet de slimste tool is. Het is ook bekend dat het erg arbeidsintensief is om uit allerlei databronnen de juiste inzichten tevoorschijn te toveren. Intuïtief weten wij ook wel dat Excel daarvoor niet de slimste oplossing is, want spreadsheets zijn erg foutgevoelig. In 95 procent van de spreadsheets zitten een of meerdere fouten. Desondanks lukt het ons maar niet om de spreadsheets definitief uit te roeien.”
Volg onze Business Intelligence training Afbeelding van Volg onze Business Intelligence trainingVind de praktische Business Intelligence kaders met Daan van Beek MSc, auteur van de bestseller 'De intelligente, datagedreven organisatie'. De inhoud van deze unieke BI-training is met zorg samengesteld op basis van de jarenlange ervaring van onze docenten en consultants. De inhoud: KPI's, analytics, BI-projectmanagement, Big Data, verandermanagement, algoritmes, datavisualisatie en de succesfactoren van BI, Analytics & Data Science.bekijk de opleiding Business Intelligence

“Bij het samenstellen van managementinformatie stuiten we telkens weer op dezelfde vragen. Hoe kom je nu tot een beperkte verzameling veelzeggende indicatoren en echt relevante inzichten? Hoe komen we van Excel af en welke betaalbare alternatieven zijn er beschikbaar? Hoe gaan we de informatie consequent gebruiken voor analyse, actie en procesverbetering? Hoe gaan we de cijfers borgen in de planning- en controlcyclus? En, hoe regelen we feedback in? Hoe kunnen we het proces van managementinformatie zo effectief en efficiënt mogelijk automatiseren?

Kortom: het overstappen van ad-hoc Excel-rapportages naar realtime BI-software zal nog heel wat voeten in de aarde hebben. Ondertussen regeert de waan van de dag en buig ik mij over de vraag: hoe we BI duidelijker over de bühne kunnen krijgen bij de disciplines Marketing en Sales. Finance is assertief genoeg en focust van oudsher op fast closing van de financiële cijfers en rapportages en eist garanties ten aanzien van de tijdigheid van de informatie.”

Pijnpunt 11: Wij hebben geen datagedreven bedrijfscultuur

“De meeste van mijn collega’s sturen nog niet volledig op feiten en data, maar gaan ook af op hun onderbuikgevoel. Datagedreven werken met behulp van BI-instrumenten en toepassingen heeft echter gevolgen voor onze medewerkers, teams en waarschijnlijk ook voor onze andere stakeholders. Betekent dit dat we iedereen allemaal opnieuw moeten gaan trainen? Hebben we daar wel genoeg opleidingsbudget voor? Wat voor vlees hebben we eigenlijk in de kuip? Ik vind het bijvoorbeeld lastig om in te schatten hoe het staat met de “datageletterdheid” in onze organisatie. Is onze bedrijfscultuur wel geschikt voor BI? “Datageletterdheid” is een fenomeen dat steeds meer aandacht krijgt in de media, maar ik constateer dat wij hiervoor geen beleid hebben ontwikkeld.

Is onze bedrijfscultuur wel geschikt voor BI?

Kan iedereen wel omgaan met BI-software? Is iedereen in staat om grafieken te lezen en passende conclusies te trekken? Niet iedereen kan een goede hypothese opstellen en deze toetsen met data. Niet iedere medewerker is in staat om in te schatten hoe betrouwbaar data is? Concreet worstel ik met vragen als: met hoeveel data-analfabeten hebben we eigenlijk te maken in onze organisatie? In hoeverre kun je mensen (laten) testen op dit aspect en op basis van hun scores indelen in bepaalde niveaus van volwassenheid? Ik zou mijn collega’s op basis van deze inzichten veel gerichter willen helpen om meer uit onze data te halen en de datageletterdheid toe te laten nemen. Niemand wil echter worden weggezet als een computeranalfabeet of data-analfabeet. Ik wil iedereen in zijn waarde laten, maar ook stappen zetten met BI en quick wins laten zien.”

Pijnpunt 12: Hoe houd ik iedereen bij de les?

“Mijn grootste uitdaging is om iedereen bij de les te houden. Hoe creëer ik commitment bij de (interne) klanten aan wie we de BI-tool en rapportagefunctionaliteiten straks ter beschikking gaan stellen? Daarnaast moet ik de aandacht van het management voor dit thema zien vast te houden. Hoe krijg je het management van een bedrijf zo ver dat ze een volledige commitment afgeven en betrokken blijven? Ik voel mij een simultaanschaker.

Tegelijkertijd realiseer ik mij dat het gaat om gevoelige zaken. Moet ik hiervoor een apart proces inrichten en een communicatieplan opstellen? Hoe pak ik de implementatie projectmatig aan, welk pad moet ik hiervoor uitstippelen? Wanneer betrek ik de verschillende stakeholders bij het project? Hoe beheers ik de potentiële risico’s? Kortom: ik weet niet waar ik moet beginnen en hoe het totale traject er uit ziet. Sowieso ben ik ook razend benieuwd hoe wij scoren ten opzichte van vergelijkbare organisaties. Welk volwassenheidsniveau van BI hebben we al bereikt en welke mijlpalen liggen er nog in het verschiet? Hoe stel je een BI-missie, visie en roadmap op? Daar zoek ik praktische handvatten voor.”

Conclusie

Intelligente, datagedreven organisaties denken na over de vraag hoe zij een hoger volwassenheidsniveau van BI kunnen bereiken. Zij realiseren zich echter dat, net als in het echte leven, opgroeien niet vanzelf, maar met vallen en opstaan gepaard gaat. Uit onderzoek blijkt dat er meer kans op succes is wanneer een organisatie doelbewust telkens een hoger volwassenheidsniveau van Business Intelligence nastreeft en dat ook in de praktijk waarmaakt. Het heeft immers weinig zin om BI alleen toe te passen om de organisatie beter te begrijpen en te coördineren. Slimme BI-managers hebben veel hogere ambities. Zij willen continu verbeteren en succesvol innoveren op basis van waardevolle inzichten, KPI’s, analytische modellen en materiedeskundigheid. Dit betekent dat de inzet op de lange termijn gericht moet zijn. Dat is de enige garantie om rendement te behalen op jouw BI-investeringen.

Bekijk het PDCA-handboek 'Datacratisch werken'

Productafbeelding van het PDCA-handboek 'Datacratisch werken'