Starre datawarehouses ontnemen het zicht

De digitale transformatie zet bestaande businessmodellen onder druk. Bekende voorbeelden zijn diensten als Airbnb en Booking.com die de reisbranche op zijn kop hebben gezet. “Vijf jaar geleden was het nog gebruikelijk om voor het boeken van een reis een reisbureau binnen te wandelen. Die bestaan nu bijna niet meer”, aldus Andreas Krause, bij SAP Vice President Business Intelligence voor EMEA.

Hetzelfde gebeurt volgens Krause in de retail. Zo boorde het Britse Tesco in Zuid-Korea een compleet nieuwe markt aan door in te spelen op de levensstijl van de Zuid-Koreanen. Die wordt gekenmerkt door lange werkdagen en weinig vrije tijd. De wereldwijd opererende retailorganisatie heeft onder andere in de metrostations van Seoul foto’s van levensmiddelen opgehangen. Tijdens het wachten kunnen reizigers de producten bestellen door de QR-code in te scannen, waarna de aankopen thuis worden bezorgd.

Meer data, betere inzichten
Door een goed inzicht in data – bijvoorbeeld over de levensstijl van klanten wereldwijd – komen nieuwe businessmodellen bovendrijven. Daarbij hebben innovatieve bedrijven steeds meer data tot hun beschikking die nog meer inzichten bieden. “Denk aan data afkomstig van het Internet of Things en social media”, licht Krause toe. “Door data van bijvoorbeeld Facebook en Twitter te analyseren, krijg je een beter beeld van hoe klanten jouw merk waarderen. Dat zijn zeer waardevolle inzichten.”

Toch is het nog maar de vraag hoe succesvol bedrijven zijn in het interpreteren van die bergen data. Volgens Ronald Konijnenburg, Chief Innovation Officer bij SAP-partner Interdobs, is het antwoord op die vraag teleurstellend. “Slechts 1 procent van de businessmodellen is gewijzigd als gevolg van data-analytics. Eén procent! Dat moet echt beter.”

Datawarehouses stellen teleur
Volgens Konijnenburg heeft die teleurstellende score onder andere te maken met de manier waarop bedrijven data bij elkaar brengen en de verkregen informatie visualiseren. “Veel traditionele datawarehouses zijn eigenlijk nooit echt succesvol geweest”, vindt hij. “Dit blijkt ook uit de rapporten van de toonaangevende analisten.”

Voor de teleurstellende prestaties van traditionele datawarehouses zijn meerdere oorzaken aan te wijzen. “Op de eerste plaats gebruiken veel organisaties datawarehouses vooral als ‘stagingplatform’ voor data die al bekend zijn, zoals ERP-data”, zegt Krause. “Er wordt vaak niet aan gedacht om ook big data of IoT-data in de analyses te betrekken. En als ze dat wel doen, dan weten ze vaak niet wat die data betekenen voor bijvoorbeeld de omzet en winstgevendheid van de organisatie. Ze zien de onderlinge afhankelijkheden niet.”

“In de ‘oude wereld’ van datawarehousing is het ook lastig om de onderliggende architectuur te wijzigen. Als een gebruiker bijvoorbeeld IoT-data wil analyseren, dan duurt het vaak weken voordat IT dat mogelijk heeft gemaakt”, vult Konijnenburg aan. Het gevolg is dat gebruikers zelf de data uit de bronsystemen halen, mixen, aanpassen en in eigen schaduwsystemen stoppen voor analyse.

Begrijpelijk, vindt de Chief Innovation Officer van Interdobs. “Gebruikers willen snel toegang hebben tot informatie, maar creëren op die manier wel ‘datahubs’ en brengen de kwaliteit van de data in gevaar.” Krause: “Zonder een duidelijke governance over de data ontstaan er ook meerdere versies van de waarheid. Dan kan het gebeuren dat er tijdens een overleg met de directie meerdere calculaties van de omzet boven tafel komen. Door het gebruik van oude tooling ontbreekt het vaak ook aan een goede visualisatie van de informatie, terwijl een beeld veel krachtiger is dan een tabel met getallen.”

Onderliggende architectuur aanpassen
“Als we succesvoller willen zijn met data-analytics moeten we de onderliggende architectuur ‘agile’ maken”, zo is de overtuiging van Konijnenburg. “We hebben een open architectuur nodig die eenvoudig is aan te passen aan nieuwe scenario’s, zodat je geen argumenten meer hebt om het datawarehouse niet te gebruiken.” Krause is het daarmee eens. “We moeten ophouden met alle data dupliceren en van a naar b verplaatsen, want dat is de oude aanpak die in het huidige big-datatijdperk niet meer werkt.”

“We moeten de data die we willen analyseren, laten staan waar ze zijn opgeslagen”, legt Krause uit. “Vervolgens verbinden we die data virtueel met elkaar, zodat ze waarde krijgen en op ieder gewenst moment eenvoudig toegankelijk zijn voor de gebruiker. Dat is de moderne manier om datawarehouses in te richten. Door de data niet over te halen naar een ander systeem maar ze met elkaar te integreren, voorkom je ook dat er meerdere versies van de waarheid ontstaan.”

Een nieuw datawarehouse
Het ‘nieuwe datawarehouse’ zoals Krause en Konijnenburg dat voor ogen zien, bestaat uit meerdere componenten. Het eerste component is een in-memory database die de benodigde data razendsnel aan de gebruiker beschikbaar stelt voor analyses. De andere componenten die zorgen voor een ‘connectiviteit tussen de databronnen’ zijn een datawarehouse-applicatie bovenop de in-memory database, een big-dataplatform zoals een Hadoop-systeem en ETL-tooling om data uit de verschillende bronnen op te halen en samen te brengen.

In de SAP-wereld van Krause en Konijnenburg zijn dat bijvoorbeeld de in-memory database HANA, de datawarehouse-applicatie BW/4HANA en Vora, met extensie om met Hadoop-systemen te verbinden. Met de mogelijkheid om BW/4HANA als een cloudoplossing te implementeren, komt SAP tegemoet aan de vraag naar open en zeer schaalbare IT-systemen.

“Hiermee heb je een basis waarop je heel snel nieuwe datafeeds kunt aansluiten en veranderingen kunt doorvoeren”, aldus Konijnenburg. “Maar je wordt nog niet agile door meer software te kopen. Daarvoor is ook een heldere business- en governancestructuur nodig. En heldere visualisaties.”

Eén versie van de waarheid
Het ‘datawarehouse nieuwe stijl’ heeft volgens Krause en Konijnenburg zijn kracht in de praktijk al bewezen. “Organisaties komen tot wel vijf keer sneller bij de juiste informatie dan in de ‘oude wereld’”, zegt Krause. Konijnenburg: “Ik heb in de praktijk gezien dat er voor het modelleren van een simpele salesflow soms wel duizend tot vijftienhonderd dataobjecten nodig waren. In de nieuwe wereld laad je een legacy systeem, bestand of virtuele tabel, en het datawarehouse genereert het model voor je. Met als resultaat dat je slechts één versie van de waarheid hebt.”