Is uw BI-architectuur klaar voor de wensen van morgen?

Het gebruik en de verzameling van data is drastisch aan het veranderen en aan het toenemen. Data wordt nu breder en intensiever gebruikt en steeds meer personen willen er toegang toe hebben. Dit alles zet druk op de architectuur en roept vragen op over hoe lang bestaande constructies overeind zullen blijven.

De toenemende behoefte vanuit de business om met data aan de slag te gaan zorgt ervoor dat afdelingen verschillende ‘data delivery systems’ gaan implementeren. Denk hierbij aan het datawarehouse zoals we het kennen maar ook aan data lakes, data marketplaces, data services en data streaming. Al deze systemen verzamelen en behandelen data uit bronsystemen op een andere manier en dat terwijl zij allemaal te maken krijgen met gedeelde specificaties en vaak ook gedeelde gebruikers. Denk hierbij aan het ETL (Extract, Transform, Load) proces en het vaststellen van definities. Hierdoor ontstaat het risico van data-eilandjes met inconsistente resultaten. Het is ideaal is daarom om een universele architectuur te creëren vanwaar alle wensen voldaan kunnen worden. Op deze manier beschik je over consistente data en voorkom je dat werk dubbel uitgevoerd hoeft te worden. Maar hoe maak je dit ideale beeld een realiteit?

Creëer één centrale Data Hub
Eén universele architectuur is te zien als een soort hub van waar je business logica kunt beheren om vervolgens de juiste gebruikers op de juiste plek toegang te kunnen geven. Gebruikers hebben namelijk verschillende behoeftes. Een data scientist zou dichter op de bron willen zitten terwijl management toegang wil tot berekende gegevens en key KPI’s. Om deze gebruikers toegang te geven op verschillende niveau’s zonder consistentie te verliezen is een architectuur nodig die mee kan groeien en waarin eenvoudig meerdere bronnen te verbinden zijn. Dit is precies wat de Discovery Hub van TimeXtender doet. Hiermee kun je meerdere datavisualisatie tools eenvoudig laten draaien op dezelfde berekeningen en definities die gemaakt worden in de semantic layer. Zo is zeker dat de hele organisatie met dezelfde gegevens werkt én dat zij toegang krijgt op het benodigde niveau. Data scientists kunnen met de Discovery Hub bijvoorbeeld data halen uit de operational data exchange of hiervanuit bewerken met statische of voorspellende tools zoals R of Python.

Totaaloverzicht
Majken Sander, Solution Architect bij TimeXtender, beschreef de case van Nedap tijdens haar presentatie op de Data Warehousing & Business Intelligence Summit die plaats vond op 20 en 21 maart 2018 in Utrecht. Nedap, een multinationale organisatie gericht op identificatie- en security-oplossingen, beschikte over verschillende bronsystemen en meerdere datavisualisatie-tools (front-ends). Nedap werkte hierdoor met verschillende datatransformaties en berekeningen in de landen waar zij actief zijn en visualiseerde deze data met verschillende analyse tools. Sommige van deze tools waren direct op de databronnen aangesloten terwijl andere werkten met data-extracties.

Deze architectuur werkte op zich prima voor specifieke landen, maar maakte het creëren van een totaaloverzicht voor de organisatie heel tijdrovend en moeilijk. Daarnaast bestond de kans dat data verouderd was, doordat data uit het ERP-systeem geëxporteerd moest worden naar een CSV-bestand, voordat het in een datavisualisatietool geladen kon worden. Bovendien was het toevoegen of veranderen van databronnen erg lastig. Door de implementatie van de Discovery Hub beschikt Nedap sneller over accurate data die zij eenvoudig in diverse data-analyse tools kunnen visualiseren en analyseren. Data is in de hub altijd up-to-date en juist en geeft Nedap hierdoor de vrijheid om met verschillende front-end tools te kunnen werken. Veranderingen in bronsystemen worden nu opgevangen in de Hub.