Ilse d’Hooghe
Data Driven Business - HU
College 1 Data
BI en BA transforming data into business insights. Data die beschikbaar is waarde uit creëren. Bijv
een concurrentievoordeel creëren.
BI (Business Intellegence), beschrijvend de discipline waarin we in de achteruitkijkspiegel kijken,
wat is er in het verleden van de organisatie gebeurd. Gisteren is ook verleden. Bijv
omzetontwikkeling en verzuim (hoe heeft dit bijv invloed op elkaar). Daarmee kunnen we zeggen dat
de wereld is zoals ie zich in de data voordoet, wat het is geweest dus we weten wat er gebeurd is
BA (Business Analytics), voorspellend en voorschrijvend is voorspellend, we proberen een
voorspelling te doen obv data uit het verleden. Hoe gaat de wereld zich in de toekomst te
ontwikkelen. Obv die voorspelling proberen we ons gedrag te optimaliseren. En zo ook weer
concurrentievoordeel, kostenreductie etc.
Verschil in voorspellend en voorschrijving obv voorspelling gedrag aanpassen, voorschrijvend wil
zeggen ‘wat je moet gaan doen’.
Relatie Business en BI
Raakvlak bedrijf en IT, vertrekpunt voor BI is bedrijfsstrategie. Obv bedrijfsdoelstellingen wordt
balanced scorecard opgezet (KPI’s, in hoeverre is organisatie bezig met bereiken van doelstellingen).
Doelstellingen kwantificeer je en definieer je in KPI en obv van data kun je de KPI’s in de gaten
houden (vaak in vorm van stoplicht, dashboard). Dashboard is een manier om in een keer te zien hoe
organisatie ervoor staat. Wederom altijd gekoppeld aan strategie, want anders voegt het niks toe!
Volgende taak van BI analyseren waarom een KPI niet op pijl is (rood)? Je probeert data aan elkaar te
relateren om een verklaring te vinden voor waarom zaken gaan zoals ze gaan of niet gaan.
Data Warehouse
Data Warehouse Het centrale punt waar
de data in een organisatie die gebruikt
wordt voor organisatie. Is een enorm grote
database van verschillende bronnen van
een organisatie.
We zorgen dat alle data gelinkt is (sale data,
boekhoud data, marketing data etc). Data is
actueel maar kan ook 10 jaar oud zijn.
Vooral historische data is van belang om
patronen te kunnen herkennen. In sommige
branches gaan de ontwikkelingen hier te snel voor. Houd daar rekening mee. In ziekenhuizen is data
historisch gezien langer houdbaar dan in wereld van online retailing.
Data warehouse is dus een centrale bak met data die is opgehaald uit verschillende bronsystemen uit
een organisatie.
Elke KPI wordt strak gedefinieerd in data warehouse (zo krijg je geen discussies over cijfers, denk aan
excel-hell)
, Ilse d’Hooghe
Data Driven Business - HU
Geschiedenis van BI
90 – 00 OLAP/Cube databases eenvoudiger om met data te werken
Ontwikkeling hardware ging enorm hard, meer opslag, alles ging sneller. Eerste
stappen naar virtualisatie (cloud, je kunt nu altijd bij je spullen).
2000-10s internet explosie dus data explosie. Dat is de aanjager geweest van big data en data
science (ligt in verlengde van hardware ontwikkelingen, want je hebt de middelen nodig).
- Realtime analytics realtime voorspellingen (bijv aandelenbeurs/gasdistributie/en veel
andere plekken)
- Self-service BI toegang tot tooling zodat ze zelf analyses kunnen maken (nadeel: veel zelf
analyses is excel hell terugbrengen (dus meer discussies)). Maar maakt wel dat organisaties
slagvaardiger worden
- Cloud is een grote enabler, we krijgen beschikking over een enorm veel rekenkracht en
opslag mogelijkheden en we kunnen deze aanzetten, gebruiken en weer uitzetten. Geen
grote investeringen.
Data warehouse: architectuur: Operational systemen
(genormaliseerde vorm: elk stukje info staat maar één
keer in de database): dagelijkse gebruikte systemen in
organisatie (boekhouding, crm, etc). integraal beeld
creëren van de organisatie vanuit bronsystemen
dagelijks verwerken staging area data uit
verschillende systemen koppelen en verbeteren
wegschrijven in data warehouse (DW), bak met data en
aan elkaar gelinkt. Dit kan erg groot worden per
afdeling een data mart BI tool, tools waarmee we
data kunnen visualiseren (dus waarmee we
daadwerkelijk analyses uitvoeren).
, Ilse d’Hooghe
Data Driven Business - HU
ETL = Extract Transform en Load (ETL is process)
Dus extraheren en laden in een bestemming.
Transfrom data terwijl we het uit de bron halen
en laden in de bestemming transformeren). Bij de
tweede ETL veel Transform, eerste is alleen
kopiëren.
Verrijken bijv CBS, die kun je gebruiken om
analyses te verrijken. Met data die je zelf nog niet
had.
Metadata altijd kunnen herleiden waar de data
vandaan komt (data governance, we moeten
weten wat ermee gedaan is)
Privacy AVG alle dat die privacy gevoelig is
encrypten of wegfilteren. In de gaten houden dat je juridisch houdbare reden hebt om die data in
datawarehouse te hebben.
Er zit dus een heel proces achter was de visualisatie, storytelling etc mogelijk maakt. Je moet je data
dus op orde hebben, je data warehouse. Dit is dus deel van BI
Staging area: gebeurd niet heel veel, dit is een opslagplaats. Ruwe data wordt opgeslagen tot dat het
verder verwerkt wordt. Alleen in de ETL processen vind iets plaats. In de blauwe bussen is de data in
rust.
Mart sub set van data die specifiek is voor bepaalde afdeling
Data Driven Business - HU
College 1 Data
BI en BA transforming data into business insights. Data die beschikbaar is waarde uit creëren. Bijv
een concurrentievoordeel creëren.
BI (Business Intellegence), beschrijvend de discipline waarin we in de achteruitkijkspiegel kijken,
wat is er in het verleden van de organisatie gebeurd. Gisteren is ook verleden. Bijv
omzetontwikkeling en verzuim (hoe heeft dit bijv invloed op elkaar). Daarmee kunnen we zeggen dat
de wereld is zoals ie zich in de data voordoet, wat het is geweest dus we weten wat er gebeurd is
BA (Business Analytics), voorspellend en voorschrijvend is voorspellend, we proberen een
voorspelling te doen obv data uit het verleden. Hoe gaat de wereld zich in de toekomst te
ontwikkelen. Obv die voorspelling proberen we ons gedrag te optimaliseren. En zo ook weer
concurrentievoordeel, kostenreductie etc.
Verschil in voorspellend en voorschrijving obv voorspelling gedrag aanpassen, voorschrijvend wil
zeggen ‘wat je moet gaan doen’.
Relatie Business en BI
Raakvlak bedrijf en IT, vertrekpunt voor BI is bedrijfsstrategie. Obv bedrijfsdoelstellingen wordt
balanced scorecard opgezet (KPI’s, in hoeverre is organisatie bezig met bereiken van doelstellingen).
Doelstellingen kwantificeer je en definieer je in KPI en obv van data kun je de KPI’s in de gaten
houden (vaak in vorm van stoplicht, dashboard). Dashboard is een manier om in een keer te zien hoe
organisatie ervoor staat. Wederom altijd gekoppeld aan strategie, want anders voegt het niks toe!
Volgende taak van BI analyseren waarom een KPI niet op pijl is (rood)? Je probeert data aan elkaar te
relateren om een verklaring te vinden voor waarom zaken gaan zoals ze gaan of niet gaan.
Data Warehouse
Data Warehouse Het centrale punt waar
de data in een organisatie die gebruikt
wordt voor organisatie. Is een enorm grote
database van verschillende bronnen van
een organisatie.
We zorgen dat alle data gelinkt is (sale data,
boekhoud data, marketing data etc). Data is
actueel maar kan ook 10 jaar oud zijn.
Vooral historische data is van belang om
patronen te kunnen herkennen. In sommige
branches gaan de ontwikkelingen hier te snel voor. Houd daar rekening mee. In ziekenhuizen is data
historisch gezien langer houdbaar dan in wereld van online retailing.
Data warehouse is dus een centrale bak met data die is opgehaald uit verschillende bronsystemen uit
een organisatie.
Elke KPI wordt strak gedefinieerd in data warehouse (zo krijg je geen discussies over cijfers, denk aan
excel-hell)
, Ilse d’Hooghe
Data Driven Business - HU
Geschiedenis van BI
90 – 00 OLAP/Cube databases eenvoudiger om met data te werken
Ontwikkeling hardware ging enorm hard, meer opslag, alles ging sneller. Eerste
stappen naar virtualisatie (cloud, je kunt nu altijd bij je spullen).
2000-10s internet explosie dus data explosie. Dat is de aanjager geweest van big data en data
science (ligt in verlengde van hardware ontwikkelingen, want je hebt de middelen nodig).
- Realtime analytics realtime voorspellingen (bijv aandelenbeurs/gasdistributie/en veel
andere plekken)
- Self-service BI toegang tot tooling zodat ze zelf analyses kunnen maken (nadeel: veel zelf
analyses is excel hell terugbrengen (dus meer discussies)). Maar maakt wel dat organisaties
slagvaardiger worden
- Cloud is een grote enabler, we krijgen beschikking over een enorm veel rekenkracht en
opslag mogelijkheden en we kunnen deze aanzetten, gebruiken en weer uitzetten. Geen
grote investeringen.
Data warehouse: architectuur: Operational systemen
(genormaliseerde vorm: elk stukje info staat maar één
keer in de database): dagelijkse gebruikte systemen in
organisatie (boekhouding, crm, etc). integraal beeld
creëren van de organisatie vanuit bronsystemen
dagelijks verwerken staging area data uit
verschillende systemen koppelen en verbeteren
wegschrijven in data warehouse (DW), bak met data en
aan elkaar gelinkt. Dit kan erg groot worden per
afdeling een data mart BI tool, tools waarmee we
data kunnen visualiseren (dus waarmee we
daadwerkelijk analyses uitvoeren).
, Ilse d’Hooghe
Data Driven Business - HU
ETL = Extract Transform en Load (ETL is process)
Dus extraheren en laden in een bestemming.
Transfrom data terwijl we het uit de bron halen
en laden in de bestemming transformeren). Bij de
tweede ETL veel Transform, eerste is alleen
kopiëren.
Verrijken bijv CBS, die kun je gebruiken om
analyses te verrijken. Met data die je zelf nog niet
had.
Metadata altijd kunnen herleiden waar de data
vandaan komt (data governance, we moeten
weten wat ermee gedaan is)
Privacy AVG alle dat die privacy gevoelig is
encrypten of wegfilteren. In de gaten houden dat je juridisch houdbare reden hebt om die data in
datawarehouse te hebben.
Er zit dus een heel proces achter was de visualisatie, storytelling etc mogelijk maakt. Je moet je data
dus op orde hebben, je data warehouse. Dit is dus deel van BI
Staging area: gebeurd niet heel veel, dit is een opslagplaats. Ruwe data wordt opgeslagen tot dat het
verder verwerkt wordt. Alleen in de ETL processen vind iets plaats. In de blauwe bussen is de data in
rust.
Mart sub set van data die specifiek is voor bepaalde afdeling
