Neem contact op

Een datafundament is onmisbaar als je tools gebruikt zoals Power BI, Tableau of Qlik

Een datafundament is onmisbaar als je tools gebruikt zoals Power BI, Tableau of Qlik

Managers laten zich vaak adviseren door specialisten uit de organisatie, zoals salesmanagers, business developers en marketingspecialisten. Deze specialisten adviseren het management aan de hand van relevante informatie uit hun domein. Hiervoor maken ze steeds vaker gebruik van data self-service tools, zoals Tableau, Power BI of Qlik. En hier schuilt een gevaar, want deze tools worden vaak gebruikt zonder gedegen datafundament. Het gevolg? Gebrekkige rapportages, onjuiste conclusies en verkeerde beslissingen.

Door: Hans Geurtsen, Data Architect bij Info Support

Populaire data self-service tools zijn onder andere Tableau, Power BI en Qlik. Specialisten met weinig IT-kennis gebruiken ze vaak voor het maken van data-modellen en het samenstellen van rapportages. Het voordeel hiervan is dat een organisatie veel minder op de IT-afdeling leunt voor het verkrijgen van bedrijfsinzichten en dat maakt een organisatie een stuk wendbaarder. Centrale IT-afdelingen hebben het namelijk vaak druk, waardoor er lange wachttijden zijn voor nieuwe aanvragen. Afdelingen willen en kunnen niet altijd zo lang wachten.

A fool with a tool

In de praktijk zie je echter dat medewerkers datatools gebruiken zonder goed datafundament. Dat komt mede door de marketingstrategie achter deze tools: je zou er direct mee aan de slag kunnen. Dit soort USP’s suggereren dat een gedegen voorbereiding overbodig is. In IT-land zeggen we vaak:

A fool with a tool is still a fool

Je kunt niet zomaar blind op een datatool vertrouwen zonder dat je je vooraf hebt beziggehouden met de data. Voordat je belangrijke beslissingen neemt op basis van data, moet je de governance voor het gebruik van die data goed inrichten. Wat is de kwaliteit van de data, waar komt deze vandaan en ook belangrijk: wat betekent de data?

Als je bijvoorbeeld wilt weten hoeveel klanten je de laatste zes maanden erbij hebt gekregen, dan moet je eerst definiëren wanneer er sprake is van een nieuwe klant. Is dat bijvoorbeeld op het moment dat er een nieuw klantnummer ontstaat? En hoe actief moet die klant dan zijn? Stel, een klant koopt zeven jaar niets en dan opeens wel; is het dan een oude of een nieuwe klant? Dit soort afbakeningen zijn cruciaal als je inzichten gaat verzamelen. Je moet dit ergens beschrijven zodat het herleidbaar is. Zo voorkom je dat medewerkers gaan voortborduren op bestaande rapportages terwijl ze andere definities hanteren dan in de oorspronkelijke rapportage.

Het schuurtje

Als je vroeger een rapportage nodig had, dan ging je naar de IT- of BI-afdeling. Daar zitten de vaklui, het duurde vaak even, maar je wist zeker dat je de juiste data mee kreeg. Die robuustheid is ook wat waard. Ik vergelijk het vaak met een schuurtje bouwen. Vroeger belden we een timmerman en die bouwde je schuurtje. Nu gaan we op Youtube kijken hoe het moet en proberen we het zelf, met soms alle gevolgen van dien. Daarom is mijn advies om pas te starten met data self-service tools als het datafundament in je organisatie staat, oftewel: zorg voor een gedegen data governance en borg dit in een modern dataplatform. Maak medewerkers bewust van de risico’s van dit soort datatools en laat weten wie ze kunnen inschakelen voor hulp op dit vlak. Heb je geen medewerkers die weten hoe je data governance opzet en implementeert? Huur deze kennis dan in of doe aan bijscholing. Als je eenmaal een goed datafundament hebt, kun je zowat alle data self-service tools op een verantwoorde manier inzetten en de voordelen ervan optimaal benutten.