Het zou zonde zijn om de goudmijn aan beschikbare data niet volledig te benutten, wetende dat men daarmee betere bedrijfsresultaten kan behalen. Self-service analytics biedt op dat vlak nieuwe mogelijkheden en komt daarom als een geschenk uit de hemel vallen. “De schat aan data wordt als het ware opengemaakt voor alle eindgebruikers binnen een organisatie, zodat zij betere beslissingen kunnen nemen en sneller tot actie overgaan. Zonder dat de IT-afdeling daarin hoeft te interveniëren, want met de juiste self-service analytics tools kan iedereen die toegang heeft -ook gebruikers met weinig technische kennis- meteen aan de slag.” Bloovi sprak met Philippe Nemery, Presales Manager - Platform Solutions Group bij SAP BeLux dat software aanbiedt waarmee het systeem van self-service analytics geïmplementeerd kan worden.
Analyse search via centraal platform
Er bestaan wel meerdere manieren om eindgebruikers -hetzij een pure business analist, hetzij iemand van sales, marketing of een ander departement- te ‘empoweren’. “Eén daarvan is de analyse letterlijk tot bij de gebruiker brengen”, weet Philippe Nemery. “Wat we vaak zien in bedrijven, is dat data-analyses door heel veel verschillende mensen worden gemaakt, bijvoorbeeld in Excel, die ze dan telkens op een lokale computer opslaan. Dat zorgt ervoor dat de kennisverspreiding binnen een organisatie niet verloopt zoals het hoort.”
“Vandaar mijn pleidooi om te evolueren van een persoonlijke ad hoc analyse naar een meer business-georiënteerde analyse waarbij alle bestaande rapporten beschikbaar worden gesteld op één centraal cloud platform. Zodanig dat mensen gewoon een soort van analyse search moeten doen, net zoals ze op Google een zoekopdracht uitvoeren.”
Andere mindset
Met behulp van self-service analytics tools kunnen business gebruikers heel makkelijk voorzien in de eigen informatiebehoefte, zonder dat een IT-collega hoeft tussen te komen. “Iedereen die toegang heeft, maakt op basis van de beschikbare data gewoon zelf z’n rapportages en analyses, waardoor er veel sneller kan worden geschakeld en betere beslissingen worden genomen”, aldus Nemery. “Er gaat geen kostbare tijd meer verloren nu marketing of sales niet meer hoeft te wachten op een of andere rapportage, bijvoorbeeld van een data scientist.”
Na het implementeren van self-service analytics, wat een vorm van business intelligence is, krijgen plots heel veel mensen in de organisatie op ieder moment toegang tot alle relevante data en kunnen zij die ook makkelijk analyseren en visualiseren.
"Iedereen die toegang heeft, maakt op basis van de beschikbare data gewoon zelf z’n rapportages en analyses, waardoor er veel sneller kan worden geschakeld en betere beslissingen worden genomen"
“De grootste uitdaging is dat je daardoor mensen in de organisatie een mind shift laat maken. Zoiets vraagt tijd, omdat het een zeer geleidelijk proces is: je kan immers niet verwachten dat iedereen van de ene dag op de andere zijn hele manier van denken zal veranderen.”
Actie na de analyse
De business gebruiker begint meestal met één vraag en zal van daaruit zijn startredenering verder opbouwen. Een analyse maken is eigenlijk een verhaal schrijven, zegt Nemery. “Men kijkt altijd naar het eerste plaatje -bijvoorbeeld de verkoopcijfers in een bepaalde regio- om van daaruit meerdere denkpistes te bewandelen. De uiteindelijke interpretaties dient de eindgebruiker nog altijd zelf te maken, om op basis daarvan een aantal beslissingen te nemen en waar nodig zijn bedrijfsprocessen aan te passen."
"Sowieso is de analyse altijd een eerste stap maar indien er daarna geen enkele actie volgt, haalt het helemaal niks uit en verdwijnt de toegevoegde waarde van de data analytics als sneeuw voor de zon."
Machine learning en machine discovery
Wanneer het systeem door middel van machine learning bepaalde patronen in de beschikbare data gaat herkennen of significante afwijkingen detecteert, zal het die automatisch visualiseren. Uiteraard wil je als gebruiker dan ook meteen weten wat de juiste oorzaak daarvan is: waarom haken klanten af? Waarom zijn de cijfers in een bepaalde regio zoveel beter? Of wat zijn de producten die vaak samen worden gekocht? “De gebruiker hoeft de data zelf niet meer te interpreteren, dat doet het systeem voor hem door automatisch verbanden te leggen”, zegt Nemery. “Om bepaalde fenomenen te verklaren, moet een gebruiker enkel nog naar de grafiek kijken en op basis van die conclusies de juiste actie ondernemen. Het systeem gaat ook proactief aanbevelingen doen, waardoor de gebruiker de kansen en bedreigingen voor het bedrijf beter kan inschatten en die informatie vervolgens kan meenemen in zijn rapport.”
"Om een bepaald fenomeen te verklaren, hoeft de gebruiker van self-service analytics zelf geen 100 plaatjes of 20 grafieken te maken. De bedoeling is dat het systeem op basis van zo'n eerste grafiek dit automatisch gaat verklaren met twee à drie extra grafiekjes. Dit is wat we ‘machine discovery’ noemen."
Samenwerkingsverbanden
De mate waarin iemand toegang krijgt tot de beschikbare data en bijbehorende business analytics wordt automatisch geüpdatet door het systeem, naargelang de bevoegdheden en autorisaties van elke individuele gebruiker. “Het is belangrijk dat iemand die bijvoorbeeld een sales rapport inkijkt ook inzage krijgt in rapportages die -weliswaar in een andere context- over eenzelfde topic handelen. Van zodra men een rapport opent, gaat het systeem dat automatisch linken aan andere relevante documenten waar die persoon zelf niet meteen aan zou denken. Dat is wat ik bedoel met: de analyse moet naar de eindgebruiker worden gebracht.”
“Wat sales, marketing of financiën doet, belangt ook anderen binnen de organisatie aan”, zegt Philippe Nemery. “Daarom is het belangrijk dat meerdere mensen van verschillende departementen -ik denk aan sales, marketing, financiën, enzovoort- de beschikbare data van het bedrijf kunnen gebruiken. Als verschillende mensen rond dezelfde data kunnen samenwerken, zonder al te veel hindernissen, werkt dat verrijkend. Omdat je dan tot heel uiteenlopende inzichten komt. Het besef dat men elkaar helpt, is een extra stimulans, zeker omdat men ziet wat de impact is binnen andere departementen.”
