Ofta när man kommer till en ny kund så har de tydliga uppföljningsbehov. Det viktigaste för kunden är att bli av med analys i källsystemet/legala systemet samt automatisera laddning och distribution. Några vill också få helt nya insikter och ett tydligt beslutsstöd.
De har också ofta en hel del manuellt arbete som görs i Excel. Detta är problem som man också vill bli kvitt.
För att lösa problemet finns det några olika vägar att ta. Vilken väg man väljer beror ofta på utgångsläget, ambition, egen kompetens och vilken leverantör man har kontakt med.
Idag vill många köpa en färdig lösning att skruva in. Det innebär ofta att man tar och använder en lösning som är kopplad till det huvudsystem som man använder för ändamålet. Detta gör att man slipper ha någon egen kompetens eller att man behöver tänka igenom sina krav och önskemål.
Det nya systemet kan då vara en rapportgenerator ovanpå det befintliga systemet eller ett färdigt system med inmatning och analys. Ibland missar man här att detta begränsar användningsområdet framöver även om det löser problemet just nu.
En del tycker dock att det de gör är unikt vilket innebär att man behöver köpa in ett BI-verktyg. Innan man köper ett verktyg går man på några seminarier och skannar marknaden samt hör med sina vänner i branschen.
Man vet lite hur man vill ha sina KPI:er och rapporter och vill ha fram dem så fort som möjligt. Arbetar man med Qlik så kan man göra detta med SIB:ar Seeing is Beleiving som går ut på att visa upp datat på ett snyggt och smart sätt väldigt snabbt. Du kan se vad du har valt, inte valt, vad som hör ihop och massa annat. Superkul och superintressant vilket skapar ett engagemang för datat och presentationen.
Andra kategorier av kunder tänker först enterprise vilket innebär att man vill integrera ihop datat först med sina legala system på ett högkvalitativt sätt. Detta tar mer tid initialt men kan vara en mer hållbar lösning på sikt beroende på vad som händer framöver.
Ett datalager som man då ofta hamnar i och som man även kan bygga med Qlik innebär att man tar emot data och tar över datat, tvättar datat, integrerar datat, stämmer av datakvalitet och skapar en ny struktur av datat helt anpassat för analys. Åtkomsten till datalagret sker genom uppkopplingar från BI-verktyget eller för självbetjänad analys i exempelvis Tableau eller från köpt BI-produkt. Historiskt har datalager varit dyra och komplexa att bygga vilket inte stämmer idag.
Problemet med att avstå datalagret är att då blir BI-lösningen ofta programmerade rapporter vilka är svårare att underhålla och bygga om. Programmering kan alltid göras enkelt och snyggt men resulterar ofta i en väldigt skräddarsydd lösning.
Ett analyslager i datalagret är mer öppet och flexibelt och oberoende att använda för olika BI-produkter och analyslösningar framöver.
Idag har självbetjäning inom BI blivit superviktigt! För att kunna erbjuda riktigt bra självbetjäning så måste man erbjuda datat på ett lättförståeligt och strukturerat sätt. Här har helt klart dimensionsbaserade analyslager en stor fördel gentemot skräddarsydda programmerade/skriptbaserade analyser.
Jag tycker att rätt struktur och datakvalitet är superviktigt eftersom personal kan man byta ut men datat det består!
Trevlig sommar!
/Håkan
hakan.alsen@knowit.se