In onze vorige blog bespraken we 3 deliverymethodes. Dit zijn manieren waarop u data kunt aanleveren binnen de organisatie. Bij selfservice-BI is de business verantwoordelijk voor het creëren van rapporten, de medewerker heeft alle vrijheid op het gebied van databronnen. Managed selfservice-BI betekent dat de IT het datamodel maakt en vrijgeeft op basis van databronnen. De business maakt de rapportages. Wie kiest voor corporate BI, stelt IT verantwoordelijk voor het datamodel en de benodigde rapportages.

Aan iedere deliverymethode zijn bepaalde valkuilen verbonden. In deze blogserie over Power BI in Dynamics, zetten we de 7 belangrijkste op een rij in twee blogs!

1. Geen conceptueel model creëren

Wanneer u start met het creëren van een datamodel, dan wordt er vaak begonnen met een logisch diagram dat de namen van entiteiten bevat. Dit diagram implementeert u vervolgens in een fysiek model. De valkuil is het ontbreken van een conceptueel model. De business dient namelijk ook nog een goed conceptueel model te hebben, omdat dit veel toegankelijker is voor stakeholders uit de business. Het conceptuele model kan ook helpen bij de adaptatie van het rapport door de business, het scherp krijgen van definities en de datavalidatie.

Maakt u dit model niet, dan ontstaat het gevaar dat IT een eigen interpretatie geeft aan de definitie en het doel van het rapport. Met als gevolg dat conclusies worden getrokken op verkeerde data.

Maar in tegenstelling tot IT heeft de business niet de vaardigheden en kennis om een logisch diagram en fysiek model te creëren. Met deze tegenstelling heb je te maken wanneer je kiest voor selfservice-BI of corporate BI.

2. De business-requirements niet meenemen

Wilt u met een rapport aan de slag gaan, dan moet daar een reden voor zijn: een use case. Daarbij horen bepaalde requirements. Het vaststellen en definiëren hiervan kost vaak heel wat tijd. Bij corporate BI is de weg die de data aflegt meer vastomlijnd waardoor wijzingen achteraf meer werk zijn. En juist hier wordt weleens vergeten om op de requirements te focussen.

 

Lastig, want als u daar achteraf pas naar kijkt, bent u er nóg langer mee bezig. Let er dus op dat u de requirements vanaf het begin meeneemt. Wanneer selfservice-BI hiermee aan het werk gaat, is het overigens een stuk eenvoudiger om bijvoorbeeld Agile te werken. Het data-laadproces is hier namelijk niet zo complex als bij corporate BI. Klopt er iets niet, dan is een aanpassing snel gedaan.

Wilt u met een rapport aan de slag gaan, dan moet daar een reden voor zijn: een use case. Daarbij horen bepaalde requirements. Het vaststellen en definiëren hiervan kost behoorlijk wat tijd. Bij corporate BI is de weg die de data aflegt meer vastomlijnd waardoor wijzigingen achteraf meer werk zijn. En juist hier wordt weleens vergeten om op de requirements te focussen.

Lastig, want als u daar achteraf pas naar kijkt, bent u er nóg langer mee bezig. Let er dus op dat u de requirements vanaf het begin meeneemt. Wanneer selfservice-BI hiermee aan het werk gaat, is het overigens een stuk eenvoudiger om bijvoorbeeld Agile te werken. Het data-laadproces is hier namelijk niet zo complex als bij corporate BI. Klopt er iets niet, dan is een aanpassing snel gedaan.

3. Geen aandacht besteden aan de interpretatie van data

De interpretatie van data is cruciaal. Een medewerker die deze bekijkt, moet specifieke vaardigheden bezitten. Een beetje kennis van het ERP-systeem is bijvoorbeeld onmisbaar. Alleen daarmee begrijpt iemand waar hij of zij nu eigenlijk naar kijkt. Hierbij kan bijvoorbeeld deze workshops bij helpen. 

Bij het opstellen van een rapport is het belangrijk om deze op te stellen vanuit het perspectief van de gebruiker, dus hij of zij die het rapport uiteindelijk moeten bekijken en interpreteren. Bedenk dat niet alle data op een rapport voor iedereen interessant is. De juiste medewerker moet de juiste informatie krijgen. Zo kunnen betrokkenen makkelijker beslissingen nemen op basis van het rapport.

In het kader van het laatste is het overigens ook belangrijk om voor complete, kwalitatieve data te zorgen. U wilt immers niet dat er conclusies worden getrokken op basis van low-sample-size-data, incomplete data of data uit een te korte periode! Deze valkuil is met name voor corporate BI van belang, omdat het voor IT lastig is om de data goed te interpreteren, daar heeft het echt de business voor nodig.

Benieuwd naar de overige 4 valkuilen van datadelivery? Houd deel 2 van deze blogserie in de gaten.

Blogserie PowerBI