Wat was de omzet van onze Gucci producten bij vestiging Amsterdam in 2017 en in 2018?
Zijn er meer mannen of vrouwen die tijdens werkuren bestellingen doen van meer dan 100 euro?
Wat is het gemiddeld aantal dienstjaren van onze inside sales medewerkers in Londen en in Amsterdam?
Vragen stellen in gewone mensentaal in je BI & Analytics-omgeving zorgt voor een intensiever gebruik en acceptatie. De waarde van zo’n oplossing is dan ineens onbetaalbaar!
Overal lees je dat bedrijven die veel meer uit hun data halen, het beter doen dan hun concurrenten. Deze focus op ‘data-driven’ zorgt voor inzicht en maakt juiste beslissingen mogelijk ten behoeve van een hogere omzet of lagere kosten. Data vastleggen en analyseren vinden we allemaal belangrijk en lijkt vanzelfsprekend. Maar kijk eens eerlijk naar je eigen organisatie; heb je niet het gevoel dat er veel belangrijke informatie wordt gemist?
Eén van de redenen hiervoor is mijns inziens dat de gebruikers van de data bijna nooit data-expert zijn. Ik noem hen dan maar oneerbiedig ‘databeet’. Vaak zijn zij managers of medewerkers die op diverse functionele afdelingen werken. Salesmanagers, HR-managers, controllers, marketeers of inkopers bijvoorbeeld. Als je hen op de man af vraag welk inzicht ze nodig hebben, weten ze dat wel op hoofdniveau maar niet op detailniveau. Ze weten namelijk niet wat de data hen te bieden heeft.
Een ‘bak’ met data bestaat uit tabellen met velden en rijen. Dit kunnen er enorm veel zijn en uit diverse bronsystemen. Ze hebben vaak cryptische namen of afkortingen en helaas ook vaak dezelfde namen. Neem een ERP of CRM systeem: het veld ‘owner’, ‘amount’, ‘source’, ‘account’ of ‘revenue’ komt heel veel voor in diverse tabellen. Hoe weet je nu of je de juiste velden uit de juiste tabellen gebruikt en combineert? Alleen een ‘datafiel’ weet zijn weg hierin; een data-expert die de vraag van de eindgebruiker vertaalt naar (soms zeer complexe) ‘queries’ met achterliggende logica.
Dat een gebruiker niet zelf aan de BI-knoppen zit omdat dit te veel kennis en ervaring vergt, zorgt ervoor dat er niet optimaal geprofiteerd wordt van de beschikbare data. Een eindgebruiker moet zelf kunnen spelen met de data, hier een gevoel bij krijgen en lol scheppen in het steeds dieper duiken in de data. Pas dan gaat hij of zij de data goed doorgronden, kunnen er interessante relaties worden gelegd, conclusies worden getrokken en kan er ingezoomd worden op bijvoorbeeld afwijkingen.
Gelukkig is de techniek van het omzetten van ‘natural language’ naar eenduidige taal die de software begrijpt inmiddels beschikbaar. En dat is een feest voor de gebruiker: we worden allemaal een datafiel!
Een goed voorbeeld van het gebruik van gewone mensentaal is de nieuwe functie ‘Ask Data’ van self service BI & Analytics-oplossing Tableau. Lees hier meer inclusief een korte demo of download een free trial van Tableau
Jolanda is Marketing Manager bij Cadran