Wij bespreken met u de belangrijkste Kritische Succes Factoren (KPI’s) in de whiteboardsessie. Op die manier maakt u de rode draad van de bedrijfsstrategie duidelijk. Na de whiteboard sessie is ook duidelijk wat de invalshoeken zijn van het management. In één oogopslag moet de voorpagina van het dashboard de kernpunten van uw organisatie en daarmee uw strategie weergeven. Deze stap is daarom zeer belangrijk.
Het is niet nodig om alle data mee te nemen naar de analyses. Wij ontwikkelen de modellen ‘lean and mean’, zodat de dashboards snel en goed blijven werken. Per eindgebruikersgroep nemen wij interviews af om de informatiebehoefte in kaart te brengen. Uit deze interviews blijkt welke data nodig is voor de analyses, maar ook welke datamodellen daarvoor nodig zijn. In het geval van veel verschillende gebruikersgroepen met een compleet andere informatiebehoefte, kan het beter zijn om datamarts te ontwikkelen in plaats van direct uit een data warehouse de data te halen.
Analyseren gebeurt in verschillende fasen. Het is dan ook aan te raden om de analyses in een logische volgorde te implementeren, om de organisatie op die manier klaar te stomen voor (meer) data gedreven sturing. Wanneer u de analyses in een hoog tempo implementeert, bestaat een (grotere) kans dat de werknemers de nieuwe analyses niet adopteren. De werknemers parkeren de analyses en maken er geen gebruik van, omdat ze niet weten hoe ze de acties toepassen. De analyses moeten een verbindende factor zijn tussen de bedrijfsstrategie en de daadwerkelijke uitvoering.
Dit proces creëert beter inzicht in een bedrijf door het te ontleden met behulp van historische gegevens. Met deze gegevens krijgen besluitvormers een holistisch beeld van de prestaties en trends waarop zij hun bedrijfsstrategie baseren. Dit zijn de basis analyses en laten bijvoorbeeld zien wat de ontwikkeling is van omzet en kosten over een bepaalde periode. Deze vorm van analyseren weergeeft alleen de data zoals het uit de databronnen komt.
Diagnostische analyse is het proces waarbij gegevens worden gebruikt om de oorzaken van trends en correlaties tussen variabelen te bepalen. Dit is de logische volgende stap na het gebruik van beschrijvende analyses. Het is bedoeld om trends te identificeren. Wanneer de verkoopprijzen stijgen en daarmee de omzet ook, kan het interessant zijn om te analyseren welk deel van de omzetstijging komt door de stijgende verkoopprijzen en welk deel door de stijgende/dalende afzet. Het geeft inzicht in wat de reden achter de omzetstijging is.
Bij een voorspellende analyse, gebruikt het model actuele- en historische data om een voorspelling te doen voor de toekomst.
Als een datakwaliteit issue zich voordoet, is het niet mogelijk deze analyses te implementeren Indien er fouten zitten in de data en het model aan de hand van deze foute data (met behulp van regressie algoritmes) een voorspelling doet, dan zullen de fouten worden geëxtrapoleerd. Zo ontstaan er fouten op fouten en zijn de voorspellingen incorrect en onnauwkeurig.
Prescriptieve analyse is een analyse waarbij technologie wordt gebruikt om ondernemingen te helpen betere beslissingen te nemen door onbewerkte gegevens te analyseren. Prescriptieve analyses houden rekening met informatie over mogelijke situaties of scenario's, beschikbare middelen, eerdere prestaties en huidige prestaties om een actie of strategie aan te bevelen. Deze vorm van analyseren is dus het tegenovergestelde van de beschrijvende analyse. De beschrijvende analyse gebruikt historische data dat al heeft plaatsgevonden en prescriptieve analyses gebruiken historische data en voorspellende data om de juiste beslissingen te nemen in de toekomst.
