Steeds vaker spreekt men over Analytical Intelligence of Business Analytics in plaats van Business Intelligence. Oude wijn in nieuwe zakken?

Op regelmatige tijdstippen worden begrippen een andere betekenis toebedeeld. Soms krijgen bepaalde fenomenen ook gewoon een nieuwe naam. Denken we maar aan Business Intelligence of BI, het analyseren van bedrijfsdata om betere beslissingen te kunnen nemen. Dat heette ooit Management Information Systems (MIS), of Decision Support Systems (DSS), en ook nog Executive Information Systems (EIS). Telkens de hooggespannen verwachtingen niet ingelost werden, veranderde men gewoon van naam, zo lijkt het wel.

Iets gelijkaardigs zien we vandaag opnieuw gebeuren. Daar waar men het vroeger had over Business Intelligence, spreken sommige bronnen, zoals onderzoeksbureau Gartner en een resem leveranciers, vandaag over Business Analytics. Een nieuwe naam voor Business Intelligence, waarmee het een aantal nieuwe elementen en technieken, waaronder de statistische analyse, wil benadrukken.

Performance Management: het gouden kompas

De introductie van de term ‘Business Analytics’ veroorzaakt verwarring bij veel gebruikers. Zeker omdat vandaag ook meer en meer de term ‘Analytical Intelligence’ opduikt. Naast Business Intelligence en Analytical Intelligence, is er nog zoiets als Performance Management. Het zijn allemaal termen die uw bedrijf moeten helpen om betere beslissingen te nemen. Maar omdat verschillende vlaggen soms wel, soms in het geheel niet, dezelfde lading dekken, is een aanpak in termen van functionaliteiten misschien meer op zijn plaats.

 

Zo kan Performance Management worden gezien als het gouden kompas dat Strategic, Financial, Business en Analytical Intelligence bundelt. Deze vier vormen van intelligentie komen respectievelijk overeen met de toekomst (planning en budgettering), het heden (strategische monitoring via scorecards, operationele monitoring via dashboards) en het verleden (multidimensionele visualisatie en operationele rapporten via standaardrapportage). Als vierde tijdsnotatie en als brug tussen het verleden en de toekomst spreken we van ‘back to the future’ (descriptieve statistiek, voorspellende statistiek, data mining).

Naast Strategic, Financial, Business en Analytical Intelligence zijn er nog andere vormen zoals Customer Intelligence en Process Intelligence. Customer Intelligence is dan weer de toepassing van Analytical Intelligence op klantengegevens, omdat hier vooral gemodelleerd wordt: men wil klantengedrag gaan voorspellen. Process Intelligence is eerder de toepassing van Business Intelligence op procesgegevens, omdat hier vooral gevisualiseerd wordt en minder gemodelleerd.

BI: wie, wat, waar, wanneer?

Business Intelligence focust vooral op het procesmatige van de beleidsondersteuning. Het zal vooral antwoorden geven op vragen naar feiten. Hoeveel van product x heeft verkoper y verkocht in periode z? Hier worden vragen beantwoord waar multidimensionele visualisatie door middel van bijvoorbeeld OLAP volstaat. OLAP staat voor Online Analytical Processing en biedt als methode antwoord op complexe vragen uit een grote hoeveelheid gegevens. De techniek van OLAP is gebaseerd op zogenaamde cubes, een verzameling bewerkte (en vooral gefilterde) bedrijfsgegevens. In het beste geval worden hier ook schoorvoetend een aantal descriptieve, statistische visualisaties gebruikt, zoals histogrammen.

Voor operationele doelen volstaan rapporten meestal om de feiten te tonen. De redenen waarom bepaalde feiten zich voordoen, halen de gebruikers zelf uit de verschillende rapporten door verschillende maatstaven te gaan combineren en hercombineren. De gebruiker moet wel zelf aan de slag en dient over voldoende analytisch inzicht te beschikken om tot kennis en inzicht te komen door de verbanden bloot te leggen. Want niet iedereen kan zelfstandig via standaard rapporten deze onderliggende waarom-vragen beantwoorden.

Het navigeren en combineren van informatie is bovendien vrij tijdsintensief, met het risico dat cruciale observaties gemist worden. Voor echte, praktische problemen zijn standaardrapporten ideaal. Maar voor het daadwerkelijk ontdekken van relaties en onderliggende processen die iets veroorzaken, volstaan ze meestal niet. Want het is niet omdat de antwoorden ergens in een systeem aanwezig zijn, dat een gebruiker die antwoorden daadwerkelijk zelfstandig kan ontdekken.

Analytical Intelligence: waarom?

Analytical Intelligence focust vooral op relaties tussen de feiten. In tijden van maatschappelijk verantwoord ondernemen dienen we immers te beschikken over metings- en sturingsmechanismen die de veelal niet-lineaire interacties met de markt, de verschillende afdelingen en de verschillende medewerkers vorm kunnen geven per afzonderlijk niveau en over de verschillende lagen heen.

Al dan niet oorzakelijke verbanden kunnen ontdekt worden door systematische patronen. Deze relaties kunnen vastgelegd worden onder de vorm van modellen of formules waarmee een te verwachten score wordt berekend. De aldus bekomen verbanden zijn ook onderling vergelijkbaar, waardoor prioriteiten makkelijk te bepalen zijn. De parameters die er het meest toe doen, met de grootste impact dus, kunnen eerst worden aangepakt met het oog op maximaal rendement voor de geleverde inspanningen. 

Het bepalen van zinvolle relaties tussen maatstaven en het aanmaken van bruikbare modellen is een stiel apart. Het vergt andere vaardigheden dan het efficiënt ter beschikking stellen en visualiseren van feitelijke informatie. Business Intelligence simpelweg hernoemen naar Business Analytics doet dan ook onrecht aan beide disciplines. In die zin is Analytical Intelligence iets helemaal anders dan Business Analytics, als nieuwe naam voor BI.

Wie is je BI-gebruiker?

Hoe kunnen Business Intelligence en Analytical Intelligence elkaar nu gaan aanvullen en versterken? Betere Business Intelligence kan ontstaan door de toepassing van Analytical Intelligence in een bepaald vakdomein. Je hoeft niet te wachten tot het BI-systeem klaar is om aan Analytical Intelligence te beginnen. Een goede BI-infrastructuur zal de gepaste ondersteuning en visualisatie aanbieden aan de gepaste gebruiker.

Een duidelijke herkenning van de verschillende soorten BI-gebruikers is een eerste stap naar een aangepaste dienstverlening. Via clusteranalyse bijvoorbeeld kunnen verschillende gebruikersgroepen onderscheiden worden op basis van hun historisch rapportgebruik, gemeten als het totaal aantal consultaties, het aantal verschillende geraadpleegde rapporten, de complexiteit van de geraadpleegde rapporten, het aantal geraadpleegde maatstaven, dimensies, filters … Deze karakteristieken laten toe om gebruikers automatisch te herkennen en te classificeren.

Het bekijken van het soort rapportgebruikers kan aangewend worden om de effectiviteit van de rapporteringsomgeving te valideren. Komen de gevonden profielen ook daadwerkelijk overeen met de verwachte profielen op basis van hun functie of hiërarchische positie binnen de organisatie? Kortom, beantwoord ons rapporteringssysteem aan de verwachtingen van de gebruikers?

Hoe efficiënt is jouw BI-systeem?

Medewerkers die verantwoordelijk zijn of waren voor een BI-systeem, botsten ongetwijfeld al tegen de grenzen van het systeem, om het daarna uit te breiden tot ze opnieuw tegen de grenzen aanlopen. Capaciteiten van de BI-infrastructuur worden nogal eens met de grove borstel aangepakt en zijn meestal ingericht om de piekvolumes aan te kunnen. Heel wat capaciteit wordt dan ook niet ten volle benut. Veel intelligenter zou zijn om de te verwachten pieken te gaan modelleren, te voorspellen en zo de pieken uit te spreiden in de tijd. Vergelijk het met wachtbekkens die overstromingen kunnen vermijden.

Via tijdreeksanalyse kunnen de seizoenen, de dag van de week, het tijdstip of andere gemodelleerd worden, zodat ‘voorspeld’ kan worden wanneer het systeem in welke mate belast zal zijn. Handig om dit vroeg genoeg te weten, zodat de capaciteit beter benut of subtieler aangepast kan worden. Veeleisende en veelgevraagde rapporten zouden dan prioriteit krijgen of ingepland kunnen worden. Deze voorspelling hoeft overigens niet perfect te zijn. Want als we ongeveer weten wanneer de ‘tsunami’ eraan komt, is dit al ruim voldoende.

Hoe verbeteren?

Elk BI-systeem is door zijn gebruikers op de knieën te krijgen. Zo kunnen we heel gedetailleerde rapporten opvragen over zeer lange periodes. We kunnen bijvoorbeeld heel complexe rapporten opvragen, waarvan de onderliggende dataopslag niet optimaal in elkaar zit. We kunnen deze complexe rapporten consulteren op momenten dat iedereen dit doet. Kortom, het is zeer eenvoudig een cocktail van interventies uit te dokteren die er voor zal zorgen dat een systeem overkop gaat. Tot overmaat van ramp hebben gebruikers bovendien de neiging om de consultatie van een rapport af te breken en een nieuwe consultatie op te starten als het niet vooruit gaat.

Ook hier kan Analytical Intelligence een oplossing bieden door de duur van de consultatie per rapport te gaan voorspellen. De complexiteit van het rapport (aantal maatstaven, aantal dimensies, aggregatieniveau, keuze van de zogenaamde prompts, de onderliggende gegevensbronnen, de bezettingsgraad van het systeem), ze spelen allemaal mee en kunnen in modellen worden ingebouwd op basis van historische gegevens.

Als we weten hoe lang de opvraging van een rapport zal duren, dan kunnen we dit aan de gebruiker voorleggen en zien of het rapport dan nog wel zo noodzakelijk is. Via historisch gebruik van de rapporten kunnen we daarenboven een kostprijs per consultatie per rapport gaan bepalen en de gebruiker waarschuwen dat zijn of haar rapport zoveel tijd en geld zal kosten.

Minder rapporten & mobile BI

Heel veel bedrijven kampen met een bonte verzameling rapporten waarin de waarheid zich ergens schuilhoudt. Nogal wat rapportenbouwers doen exact wat van hen gevraagd wordt en leveren een stukje van de puzzel. Door verschillende rapporten te combineren en eventueel aan te vullen met zogenaamde drill-down-functionaliteiten, pogen gebruikers een verhaal samen te stellen. Zou het niet geweldig zijn om automatisch te kunnen vaststellen waar de informatie zit die nu verspreid staat over verschillende rapporten. ‘Gebruikers van dit rapport gebruiken ook volgende rapporten’ (naar analogie met het kopen van bijvoorbeeld een boek op een e-shop als Amazon.com) zou al een eerste stap zijn.

Toch kan Analytical Intelligence hier ook meer bieden. Het zou bijvoorbeeld nog beter zijn om automatisch de verbanden tussen de signalen van de diverse rapporten in kaart te brengen via technieken als correlaties en specifieke analyse- en visualisatietechnieken. Dit zou de veelal complexe drill-downs overbodig kunnen maken en die ‘actiewaarde’ van uw rapporten en BI-systeem verhogen.

Zo springen de cruciale signalen meteen in het oog, met effectievere rapporten als gevolg. Anders gezegd: meer inzichten met minder rapporten. Dit in combinatie met nieuwe visualisatiemogelijkheden, via bijvoorbeeld het fors aan populariteit winnende mobile BI, op iPads of smartphones, moet een doorbraak toelaten in de ondersteuning om juiste keuzes te maken.

Rapport onder de loep

Als organisaties bekijken welke gebruikers daadwerkelijk rapporten gebruiken, dan zien we dat operationele rapporten het best scoren. Niet verwonderlijk, die zijn meestal op maat gesneden van pragmatische medewerkers die er direct mee aan de slag gaan. Zou het dan ook niet logisch zijn dat we de operationele rapporten een drastische facelift geven en hen echt het verschil laten maken. Prioriteitenlijsten kunnen per gebruiker aan rapporten of operationele dashboards worden toegevoegd.

Er bestaan diverse technieken die in kaart brengen hoeveel iets bijdraagt tot het algemeen succes van de organisatie. Van deze indicatoren weten we dat ze initiatieven weerspiegelen die met de kleinste inspanning de meeste waarde toevoegen aan de realisatie van de strategie. Indicatoren die goed scoren en weinig impact hebben, hoeven we niet te veel aandacht te schenken. Indicatoren die goed scoren en veel impact hebben, moeten we daarentegen koesteren.

Iedere gebruiker krijgt een andere lijst te zien van prioritaire acties waarvan we op voorhand al weten dat ze maximaal rendement zullen opleveren. Analytical Intelligence is dus noodzakelijk om in de doos van Pandora met alle antwoorden - het BI-systeem – de relevante automatisch naar boven te halen.

BI versus Analytical Intelligence

We moeten besluiten dat Business Intelligence en Analytical Intelligence twee verschillende, complementaire benaderingen zijn, die mekaar perfect (moeten) aanvullen. Dat het twee aparte werelden zijn, is duidelijk te merken aan het feit dat er zeer weinig profielen zijn, die erin slagen de brug tussen beide disciplines te slaan. Simpelweg Business Intelligence hernoemen naar Business Analytics is geen goed idee, zonder dat we echt weten wat bedoeld wordt.

Vanuit Analytical Intelligence kunnen automatisch cijferverbanden worden blootgelegd die ons toelaten om de rapporten ook intelligenter te maken, zodat de gebruiker de pap in de mond krijgt. Drill-downs, die toch niemand gebruikt, kunnen best verwijderd worden. Meer relevante inzichten dienen gebundeld binnen slechts één rapport zodat prioriteiten makkelijker kunnen worden bepaald.

Een doorlichting van het gebruik van de huidige BI-infrastructuur kan ook veel aan het licht brengen. Gebruikers kunnen na classificatie volgens hun eisen beter bediend worden. Rapporten kunnen gesaneerd worden, en overlappingen geschrapt. Hoelang de consultatie van een rapport duurt, kan ook voorspeld worden. Hierdoor wordt de gebruiker minder in het ongewisse gelaten en zal hij het systeem niet extra belasten door extra consultaties uit te voeren.

Resultaten van Analytical Intelligence, dat meestal ad hoc wordt bedreven, dienen daarenboven in de toekomst teruggekoppeld te worden naar de BI-omgeving om het juiste signaal tot bij de juiste persoon te brengen. Daar is Business Intelligence dan weer uniek in. BI beschouwen we dus eerder als de specialist in efficiënte gegevensoverdacht, terwijl Analytical Intelligence zich vooral focust in de effectiviteit van de beleidsondersteuning. Maar allebei kunnen ze je organisatie zeker vooruit helpen. 

 

Dries Van Nieuwenhuyse is zelfstandig consultant in het domein van Performance Management, BI-strategie en implementatie. Hij is onderzoeker aan het BICC Lessius Mechelen en Fellow van het Hogenheuvelcollege. Daarnaast is hij verantwoordelijk voor de programmacyclus Corporate Performance Management aan de EHSAL Management School (Hogeschool – Universiteit Brussel), waar hij ook gastdocent is. Hij publiceerde drie boeken over Performance Management (www.hetperformancemanagementboek.be).