Infoweaver – det smarta datalagret
Ladda ner och läs i PDF-format här |
Ett väldesignat datalager är viktigt för robusta och effektiva BI-lösningar. Men de flesta datalager som byggs används bara för en sak – att tillhandahålla data till rapporter och BI-verktyg. Varför inte gå ett steg längre och utnyttja datalagret till mer – underhåll av data och strukturer, budget och prognos eller övriga applikationer såsom koncernkonsolidering eller projektapplikationer?
Men vi börjar från början – varför behövs ett datalager överhuvudtaget? En sak som har gjort frågan extra aktuell på senare tid är Self-Service BI. De senaste åren har detta begrepp, varit på mångas läppar. Genom Self-Service BI utlovas användarna möjligheter att snabbt och enkelt kunna ta fram visuella rapporter, dashboards och analystillämpningar. Och detta utan att blanda in IT-avdelningen. Användarna ska själva kunna koppla visualiseringsverktyg som QlikView, Tableau, Spotfire och Power BI, direkt till organisationens egna källsystem, men även till externa källor som SCB, Wikipedia och Excel-dokument.
Utan rätt datalager riskeras BI-anarki
De nya visualiseringsverktygen är fantastiska, men om de används utan ett väldesignat datalager (data warehouse) riskerar de att stjälpa istället för att hjälpa.
Några av anledningarna är dessa:
- Nödvändiga beräkningar och justeringar byggs ofta in direkt i de enskilda analystillämpningarna. Efter ett antal år finns flera varianter av dessa beräkningar/justeringar, men de stämmer inte överens.
- Begrepp som är centrala för verksamheten, som produkter, organisationsstrukturer, butiker, etc. riskerar att få olika betydelser, egenskaper och till och med namn i de olika lösningarna. I många fall behöver nya begrepp, t.ex. nya produkter, kopplas till analysdimensioner. Med flera analysapplikationer utan stöd för begreppsunderhåll krävs manuell hantering.
- Data från källsystemen är komplex eftersom dessa inte är anpassade för att kunna användas direkt från ett analysverktyg utan är optimerade för den operativa funktionen de stödjer. Risken att data feltolkas är dessutom stor.
- Det är svårt att visa korrekt data över tid, eftersom det är väldigt komplicerat att hantera historiska förändringar genom att direkt koppla sig till källsystemen.
- Med flera analystillämpningar ökar antalet punkter som skulle behöva stämmas av. Detta blir en tidsödande och ineffektiv process. Alternativt blir avstämningarna eftersatt, med bristande datakvalitet som följd.
Sammantaget finns det en stor risk att de olika rapporterna och analyserna visar fel data, och att användarna kan inte kan lita på resultatet. Det här problemet har uppmärksammats av allt fler, och många varnar för risken med ”BI-anarki”, där användarna själva bygger sina rapporter, dashboards, etc. utan kontroll eller stöd från IT.
Det vanliga datalagret – en lösning med begränsningar
Många föreslår ett centralt datalager som lösningen på problemet. Här importeras, valideras och konsolideras data från de relevanta datakällorna på ett kontrollerat sätt och enligt etablerade principer. Komplexa delar, som beräkningar, historikhantering och justeringar sker centralt i datalagret. Här sker även avstämningar och kontroller istället för ute i de individuella analystillämpningarna. Dessutom exponeras informationen på ett sätt som gör det enkelt att använda de visuella analysverktygen. Verktygen som nämnts tidigare tillhandahåller visst stöd för att kunna bygga datalager, exempelvis Qlik genom sitt skriptspråk och Power BI genom Power Query.
Det här låter ju enkelt och bra i praktiken. Men även det centrala datalagret bjuder på stora utmaningar.
Problem 1 — Möjligheten till underhåll av data är begränsad
Även om ett datalager i stort sett ska betraktas som en ”svart låda” – något som importerar, validerar och konsoliderar data från utvalda datakällor, finns det ofta behov av att manuellt underhålla viss data. Exempel på detta är rättning av felaktigt importerat data, underhåll av mappningar och strukturer, konfiguration av behörigheter etc. Användarna bör själva kunna göra detta (förutsatt att de har rätt behörighet), utan att blanda in IT. Denna funktionalitet tillhandahålls ofta inte av leverantörernas lösningar, istället krävs egenutvecklade tillämpningar för detta underhåll.
Problem 2 – Begränsat stöd för inmatning av budgetvärden
Det är ofta först när data från flera källor har kombinerats till ett underlag, som en budget kan baseras på all relevant fakta som finns tillgänglig i källsystemen. Med hjälp av de nya visualiseringsverktygen kan samband mellan olika fakta analyseras effektivt.
Dock finns det inget eller väldigt begränsat stöd för själva inmatningen av budgetvärden i dessa verktyg. För att lösa detta finns ett antal alternativ:
- Olika partners erbjuder lösningar som integreras med visualiseringsverktygen.
- Dedikerade budgeteringslösningar som används tillsammans med visualiseringsverktygen.
- Budgetinmatning direkt i affärssystemen.
Problem 3 – Höga kostnader och svåranvända lösningar
Eftersom ett datalager innehåller verifierad information från både affärsdata och centrala begrepp, kan dessa data ligga till grund för fler användningsområden än bara rapportering, analys och budget/prognos.
Exempel på användningsområden för datalager:
- Koncernkonsolidering.
- Finansiell projektuppföljning.
- Simuleringar och what-if-analyser.
- Export till system som CRM eller återkoppling till källsystemen.
Byggs dessa tillämpningar som individuella lösningar blir både licens- och underhållskostnader höga, eftersom det blir en lösning per tillämpning. Dessutom riskerar lösningarna att bli svårare att använda, eftersom användarna måste skifta mellan flera olika användargränssnitt för att lösa sina uppgifter.
Vår lösning – en flexibel plattform
Med hjälp av vår plattform bygger vi lösningar som inte bara möjliggör rapportering och analys, utan även erbjuder funktioner för dataunderhåll, manuell inmatning av information, hantering av master data och konfiguration av behörigheter. Lösningarna utökas sedan med en eller flera verksamhetsapplikationer som inte är separata lösningar, utan integrerade med datalagret. Budget och prognos, projekthantering, koncernkonsolidering och simuleringar är bara några exempel.
Det är detta vi menar med en flexibel plattform – en lösning som inte bara tillhandahåller en grund för rapporter och analys, utan även en plattform att växa och bygga vidare på.
Vill du veta mer?
Kontakta oss gärna för ett samtal om hur vi snabbt och kostnadseffektivt kan utforma en lösning som är optimerad efter just era behov. Vilka data ni vill samla in är upp till er – vår flexibla plattform har inga begränsningar.