Wij gebruiken cookies om jou de best mogelijke ervaring te leveren. Gebruik onderstaande opties om aan te geven welk type cookies jij wilt gebruiken tijdens het navigeren door onze website.

  • Unleash the potential of your data

Tableau for JD Edwards

Cadran Consultancy is meer dan twintig jaar werkzaam met Oracle’s JD Edwards en herbergt meer dan 60 consultants. Ze hebben dus ervaring met dit ERP-systeem en hoe data het best erin gestopt kan worden. Minstens zo belangrijk is de vraag: Hoe haal je die eruit? Het antwoord daarop is Tableau en daar kan Cadran Analytics u bij helpen.

Een set dashboards geeft een goed startpunt voor de ontwikkeling van uw Business Intelligence op JD Edwards. De meest gebruikte modules van Finance, Logistics, Manufacturing en Service Management alsmede de door ons ontwikkelde module CTRM voor de termijnhandel zijn ontsloten. Daarnaast is voor de afdeling ICT een aantal dashboards ontwikkeld op taken die meer aan het systeembeheer van JD Edwards te relateren zijn. Voor elke onderdeel is een enkel krachtig dashboard gebouwd, met daarop de belangrijkste meetwaardes en kerncijfers visueel weergegeven, dat de essentie van elke module vangt.

Finance

Inzicht in openstaande posten, betaalgedrag, balans, verlies en winst en vaste activa, maar ook in huidige en toekomstige cashflow. Wat is de terugverdientijd van investeringen?

Logistics

Inzicht in omzet, afzet, voorraad, maar ook voorspellingen over het gedrag van uw klanten. Welke artikelen presteren goed? Welke minder? Hoe presteren uw leveranciers?

Systeembeheer

Inzicht in de prestaties van JD Edwards als applicatie. Waar zitten de pieken in lopende batchprocessen? Welke gebruikers zijn wanneer hoe lang in het systeem bezig? Hoe is de status van OMW-projecten en hoe lang is de doorlooptijd daarvan?

ETL

De data worden uit de JD Edwards database getrokken en in Tableau geladen. Dit wordt het ETL-proces genoemd, hetgeen staat voor Extract, Transform & Load. De frequentie waarmee dit gebeurt is per dataset in te regelen. Daarmee belast Tableau de operationele database niet direct en dit levert goede performance voor de gebruikers. Tableau-gebruikers zijn lang niet altijd JD Edwards-gebruikers (zoals directie en vertegenwoordigers), dus ook de gebruikerspopulatie en de beveiliging is apart geregeld.

In elke dataset wordt tevens een datum/tijd van laden meegegeven, zodat snel te zien is, wanneer de data voor het laatst zijn ververst. Het laden van de data kan zowel volledig als incrementeel (alleen de wijzigingen ten opzichte van de vorige keer).

Security

Het is technisch mogelijk om de security die al in JD Edwards is ingericht te hergebruiken binnen Tableau. Toch hebben we in onze oplossing hier niet voor gekozen om een aantal redenen. Allereerst is een Tableau-gebruiker lang niet altijd een backoffice-medewerker. Denk hierbij aan de directieleden en aan vertegenwoordigers. Daarnaast is de administratieve functiescheiding, die noodzakelijk is in een ERP-systeem lang niet altijd van toepassing op een BI-oplossing. Denk hierbij aan het scheiden van het invoeren van een inkoopfactuur versus het uitvoeren van de betaling ervan. In JD Edwards zijn deze functies waarschijnlijk gescheiden. In Tableau mogen beide functies zowel de openstaande facturen als het betaalgedrag inzien, wat in Tableau heel eenvoudig in te richten is. Het is daarnaast ook heel goed mogelijk te regelen dat een bepaalde vertegenwoordiger alleen maar de data van zijn eigen klanten ziet.

Data Dictionary

Zo krijg ik ook regelmatig de vraag of de data dictionary van JD Edwards gebruikt wordt. Ook hierop is het antwoord nee. Conversie van getallen met de juiste hoeveelheid decimalen gebeurt in de ETL-laag. Bedragen en prijzen hebben doorgaans vaste decimalen van respectievelijk twee en vier. Hoeveelheden is een ander verhaal. De ene JD Edwards implementatie gebruikt daar drie decimalen, terwijl een andere er geen gebruikt. Alle hoeveelheden in de ETL-laag worden daarom met een variabele parameter gedeeld, die dus per JD Edwards omgeving eenmalig goed te zetten valt en alle hoeveelheden komen goed door. Hergebruik van omschrijvingen van bijvoorbeeld categoriecodes wordt eveneens ontweken. Dit simpelweg omdat klanten in een BI-oplossing soms echt andere veldomschrijvingen willen hanteren, dan getoond worden op een scherm in JD Edwards.

Maatwerk

Met het bovenstaande is een krachtige basis gelegd, waarmee de standaardmodules van JD Edwards in Tableau zijn ontsloten. Is er in uw systeem echter ook maatwerk aanwezig, dan is dat door dit fundament relatief snel en eenvoudig aan uw Business Intelligence toe te voegen.

Het ontsluiten van andere databronnen in uw organisatie en combineren daarvan met data uit JD Edwards is eveneens heel goed realiseerbaar.

Auteur