the way we do it BIM Datavirtualisatie Een nieuwe invulling van uw Business Intelligence-wensen

Transcriptie

1 BIM the way we do it Datavirtualisatie Een nieuwe invulling van uw Business Intelligence-wensen

2 De uitdaging: een datawarehouse bouwen kost tijd, maar je kunt niet langer wachten op goede analytics De hoeveelheid gestructureerde en ongestructureerde data in de moderne dynamische businessomgeving groeit exponentieel. Als organisaties beter geïnformeerde beslissingen willen nemen, dan is het zaak om goed van die data gebruik te maken. Gewoonlijk wordt ervoor gekozen die data via extract, transform & load onder te brengen in een Enterprise Data Warehouse (EDW). Zo n EDW moet een consistent en geïntegreerd beeld van de business nu en in het verleden opleveren. Helaas is het niet ongewoon dat de ontwikkeling van een nieuw EDW of de verbetering van een bestaand EDW 6 tot 24 maanden in beslag neemt. Het is een tijdrovend en arbeidsintensief proces. En totdat het af is, heeft de business geen mogelijkheden om inzicht te krijgen in de enterprisedata. Er zijn schaalbare benaderingen van EDW denkbaar (bijvoorbeeld door meer bronnen toe te voegen aan een bestaand EDW), maar het ontbreekt aan een eenduidige, robuuste en snelle methode. Die lange ontwikkelingstijd van een EDW baart veel organisaties zorgen. De business wil vandaag al betere beslissingen kunnen nemen en niet pas over twee jaar. En als het EDWtraject is ingezet, dan willen beslissers vaak meteen kunnen beschikken over dashboards en rapportages. Wachten totdat het EDW is voltooid, is dan geen optie. Om die vraag te kunnen beantwoorden, worden tijdelijke, vaak halfbakken oplossingen ingezet. De lange ontwikkeltijd heeft nog een nadeel: de onderliggende BI-requirements veranderen constant. Volgens Forrester wordt 66% van de requirements op zijn minst elke maand omgegooid. Het is dus waarschijnlijk dat het eenmaal voltooide EDW niet meer voldoet aan de businessrequirements. De oplossing: datavirtualisatie Om snel te kunnen rapporteren over data worden gewoonlijk twee methoden toegepast: downloaden naar Excel (met alle problemen van niet gecontroleerde data, omzettingsissues en calculatiefouten van dien), of vanuit de bronapplicaties rapportages bouwen. Beide methoden zijn gecompliceerd. De resultaten kunnen bovendien inconsistent of incompleet zijn, 2

3 BIM the way we do it als gevolg van het gebruik van verschillende informatiehiërarchieën uit verschillende bronnen. Daarnaast is het mogelijk dat de brondata is opgeslagen met een lagere granulariteit dan vereist door de rapportageapplicaties. DV, aan de andere kant, gebruikt data uit heterogene interne en externe bronnen en bouwt een virtuele laag op de brondata die deze begrijpelijk maakt voor doelapplicaties. Dit virtuele datamodel garandeert dat de data die in de doelapplicaties wordt gebruikt consistent is. Deze aanpak is sneller en minder arbeidsintensief; de data wordt immers niet echt gedestilleerd uit de bronapplicaties. Data hoeft niet fysiek geëxtraheerd, gemasseerd of gepersisteerd te worden. DV doet meer dan brondata in een uniform format toegankelijk maken. Het is ook inzetbaar bij functies die van doen hebben met datakwaliteit, datatransformatie en data-afscherming, door vanuit de DV-applicatie on the fly/realtime transformatieregels toe te passen. De logische laag van het DV-platform verbergt de complexiteiten van de downstream-applicaties en biedt naadloze datatoegang vanuit uiteenlopende systemen. Dit versnelt de ontwikkeling van analyse-applicaties, omdat het niet nodig is om eerst inzicht te krijgen in het ontwerp van de bronsystemen of extractiemethoden te bedenken. DV kan gefaseerd worden ingevoerd. Op die manier kunnen organisaties gestaag toewerken naar een enterprise datamodel. Hierbij moet wel worden opgemerkt dat DV het EDW niet kan vervangen, omdat het niet mogelijk is via het DV-platform data te persisteren maar ook is vaak historische informatie niet meer aanwezig in bronsystemen, en wel in het EDW. DV kan echter een goede aanvulling vormen, door een virtuele laag toe te voegen aan bronsystemen (inclusief het EDW zelf, mocht dat voorhanden zijn). Die laag maakt het mogelijk om snel rapportages te genereren, maar biedt ook een gedeelde, actuele, uniforme bron van informatie die toegankelijk is voor alle rapportagetools en -applicaties. Ander voordeel: de implementatie van zo n DV is een kwestie van weken, niet van maanden. DV is ook bruikbaar bij de opschoning van operationele data, omdat het gebruikers toegang biedt tot die data. Gebruikers kunnen een rapport of dashboard raadplegen, de data penetreren, fouten in de OLTP-data identificeren of een operationeel probleem vaststellen voordat de fout op het scherm van andere gebruikers verschijnt. Een en ander staat in schril contrast met de traditionele, eens per maand of kwartaal uitgevoerde data-opschoning. DV heeft vele andere voordelen. Bovendien faciliteert DV het gebruik van externe bronnen voor de ontwikkeling van applicaties die besluitvorming faciliteren, of voor de verbetering van bestaande OLTP-applicaties. Denk hierbij aan bronnen zoals internet of publieke cloud-based applicaties. DV biedt gebruikers ook mogelijkheden om hun eigen dataset toe te voegen en te gebruiken voor analyse van data die hun bedrijf heeft geleverd (bijvoorbeeld de toevoeging van een nieuwe persoonlijke categorie of groep). Datavirtualisatie in actie Om u wat meer inzicht te geven in de voordelen van DV gaan we hieronder dieper in op de praktische toepassingen. Eén versie van de waarheid creëren, nog voordat het EDW is voltooid DV biedt een snelle, flexibele manier om de business te voorzien van een organisatie brede informatie overzicht van het landschap waarbinnen zij opereert. Dit helpt beslissers bij het nemen van tijdige, juiste beslissingen. DV is in staat één versie van de actuele waarheid te creëren, waaraan geleidelijk specifieke logische lagen van specifieke onderwerpen kunnen worden toegevoegd. Een DV-initiatief kan tegelijkertijd leidend zijn bij de implementatie van een EDW-strategie. Dat kan op de volgende manieren: Op basis van de wensen van de business een logische toplaag toevoegen aan heterogene bronnen. Deze logische laag demonstreren aan de business. feedback van de business gebruiken om de EDW-strategie te verbeteren. De logische laag geleidelijk verbeteren door toevoeging van extra functionaliteit en uitbreiding van de business-scope. De EDW-strategie verder ontwikkelen in lijn met de verbeterde logische laag. Realtime datatoegang mogelijk maken, ter ondersteuning van besluitvorming Om goede besluitvorming mogelijk te maken moeten bedrijven data uit verschillende bronnen realtime kunnen integreren. EDW-technologie maakt dit in theorie mogelijk. Zoals we echter hebben gezien, gooit de lange ontwikkelingscyclus vaak roet in het eten. Bovendien is het proces van data vergaren niet gespeend van overhead: tegen de tijd dat de incrementele veranderingen zijn doorgevoerd, de datakwaliteitsregels zijn toegepast en de resultaten zijn ingeladen in het EDW, is de data misschien inmiddels verouderd. De bouw van een data store voor operationele rapportage is een andere optie, maar zelfs dan krijgen gebruikers niet echt toegang tot realtime resultaten; uitdagingen op het gebied van datakwaliteit en een veelvoud aan (niet) vergelijkbare definities, standaarden en notatiewijzen staan die snelheid in de weg. DV-technologie maakt echte realtime datatoegang mogelijk, vanzelfsprekend met behoud van alle security- en integriteitsregels. De data blijft aanwezig in de brondatabase, dus er is geen gevaar van veroudering tijdens het toegangsproces. 3

4 Data uit andere business units kan ook vaak in raw vorm worden benaderd, zonder dat daarvoor een formeel request & clarification-proces moet worden doorlopen. Ook deze data is dus realtime beschikbaar. Het resultaat: elk onderdeel van het bedrijf heeft direct toegang tot een actueel en eenduidig statusrapport van het gehele bedrijf. Met de DV-benadering kunnen snel rapportages gegenereerd worden. Deze hebben wellicht geen hoge mate van complexiteit, maar vormen toch een belangrijke ondersteuning voor besluitvorming. De reserveringsbalie van een hotel kan zo bijvoorbeeld de omzet per beschikbare kamer (REVPAR) voor een nieuwe klant opvragen, gebaseerd op een realtime klantprofiel, en deze informatie combineren met consumptiepatronen en analysedata van sociale media-respons. Een agile benadering van Business Intelligence (BI) DV-technologie maakt het mogelijk om binnen een paar weken een virtuele laag voor een kleine set aan informatie bronnen te bouwen. Daarmee kun je nieuwe rapportages creëren, buy in verkrijgen bij de business en langzaam maar zeker de virtuele mogelijkheden uitbouwen. Op die manier kan DV worden gebruikt om een nieuw enterprisemodel te bouwen. Deze agile aanpak zorgt voor snelle levering, flexibele architectuur en accurate resultaten. De korte ontwikkelingscyclus faciliteert quick wins. De business kan zich concentreren op de kernfunctionaliteit en hoeft geen tijd te verdoen aan het oplossen van complexe fouten in afgeleide data. Voldoen aan de noodzaak van een robuuste enterprise data bus Organisaties die gebruik maken van multi-applicatiescenario s waarin data regelmatig wordt verplaatst van de ene applicatie naar de andere, zetten vaak technologie als JNossMQ of TIBCO in om een enterprise data bus te bouwen. Er is nog een andere optie: een fysieke datalaag bouwen die data haalt uit verschillende bronnen en in een eenduidig formaat beschikbaar maakt voor downstream applicaties. Deze laag kan ook fungeren als enterprise data bus. Beide benaderingen verdienen een plek in systeemintegratie, maar DV biedt een bruikbaar alternatief in gevallen waar integratie voornamelijk is beperkt tot rapportage of leestoegang, of waar het niveau van applicatieproces-integratie niet voldoet aan de rapportage-eisen. DV kan een op SOA gebaseerde oplossing bieden waarin consumentenapplicaties de virtuele laag benaderen via op SOAP, REST of WSDL gebaseerde webservices. De DV-laag ligt bovenop de bronsysteemlaag en biedt een geïntegreerd overzicht voor gebruik in de doelsysteemlaag. De werking van datavirtualisatie De DV-technologie bestaat uit twee onderdelen: 1. Integrated Development Environment (IDE), een userinterface voor ontwikkeling en toegang; 2. DV Server Environment, de kernel van de DV-toolkit en de Management Environment, voor monitoring, beheer en foutherstel. De DV Server Environment vormt de kern van de DV-technologie en bevat de volgende elementen: Logische laag: deze laag wordt gevormd door de DV-applicatie te verbinden met uiteenlopende databases. De logische laag vertegenwoordigt een enterprise-datamodel en zorgt ervoor dat er één versie van de waarheid bestaat. Query: doelapplicaties kunnen via de DV-server een query afvuren op de bronsystemen. Cache: de eenmaal ontvangen resultaatset wordt opgeslagen in de cache database, waardoor de resultaten snel toegankelijk zijn en blijven. Als dezelfde query nog een keer wordt gedaan door de doelapplicatie, dan wordt deze vergeleken met de gecachte database om de brondatabases niet onnodig te belasten. Deze cache kan naar wens worden ververst, via een trigger of een timer. De DV-server kan de cache opslaan in standaard databases als Oracle, SQL2 of DB2, of in welke in het geheugen aanwezige database dan ook. Query engine: levert een gefedereerd overzicht van de data. Queries kunnen cost-based of rule-based worden geoptimaliseerd. Securitylaag: de securitylaag biedt, naast standaard autorisatie- en authenticatiemechanismen, mogelijkheden tot row level security. Objecten: de primaire objecten die in datavirtualisatie worden gecreëerd en gebruikt zijn overzichten en datadiensten. Deze objecten omvatten de logica die nodig is om brondata te benaderen, federeren, transformeren en abstraheren en realtime te schonen volgens de business rules, om ze vervolgens aan de gebruikers te kunnen leveren. Objectdefinities kunnen veranderen, al naar gelang van de scope en de requirements. Objecten zijn normaliter het gevolg van een vraag naar businessfunctionaliteit als supply chain, voorraad, leverancier et cetera. Connectors: maken verbindingen met uiteenlopende databronnen. Metadata-magazijn: hier worden verbindingsdetails, datastructuren, kwaliteitsregels, transformaties et cetera opgeslagen. DV-servers kunnen worden geclusterd om de cache-performance te optimaliseren. 4

5 BIM the way we do it Business-scenario: een bedrijf in de hospitalitysector Een hospitalitybedrijf bezit een aantal casino s en luxe hotels. De casino s beschikken over zowel kaarttafels als gokkasten. De hotels bieden extra faciliteiten als sauna s, eten en drinken (food and beverage, F&B) en een reserveringscounter voor theatervoorstellingen. Dit bedrijf beschikt al over een EDW en verwante analyseapplicaties. De applicaties leveren de volgende analyses: Consumptiepatronen van bestaande klanten. Prestatie-analyse waarin kaarttafels worden vergeleken met gokmachines. Vergelijking tussen de prestaties van het huidige jaar en de voorgaande twee jaar. Verwachte omzet per casinotafel in de komende maanden. Optimalisering van kamerverhuur. Omzet per business unit (sauna s, F&B, kamers et cetera). Dergelijke analytics zijn natuurlijk heel bruikbaar, maar ze voorzien niet in wat het bedrijf het hardst nodig heeft: de mogelijkheid om beslissingen te baseren op realtime data. Die mogelijkheid kan DV bieden, door een laag te bouwen bovenop de bestaande bronapplicaties die realtime operationele data opvangen en vasthouden. De virtuele laag biedt een fundament voor realtime analytics die ondersteuning bieden aan besluitvormingsprocessen: Bedragen die op elk gegeven tijdstip op alle tafels worden vergaard. Aanbiedingen voor hotelklanten die de sauna binnenwandelen. Analyse van online aankopen van theatertickets. Die informatie kan worden gebruikt om direct nieuwe aanbiedingen te doen. Aanbiedingen en acties waarmee klanten die een tijdlang aan de gokkast hebben gezeten naar de kaarttafel kunnen worden gelokt. Instantacties om klanten die een bepaald bedrag hebben verloren over te halen om verder te spelen. Social media berichten van de klanten over de dienstverlening tijdens hun bezoek. Al dit soort informatie kan in principe ook met een EDW worden gegenereerd. Daar zitten echter haken en ogen aan: de ontwikkelingscyclus, batch latencies die in de weg staan van realtime verwerking en extra kosten die moeten gemaakt voor extra opslag en beheer. DV heeft al deze tekortkomingen niet en is daarmee voor de meeste doeleinden een betere oplossing. Figuur 1. How DV works Data Virtualization Layer DV Server Environment Clustering Oracle Metadata Repository Query Engine Administration DB2 Connector File CACHE Database IDMS DV Logical Layer Security Connector Integrated Development Environment Error Handling Management Environment Source System Layer BI Applications Downstream Applications Reports & Analytics Target System Layer 5

6 Datavirtualisatie: de succesfactoren Het success van virtualisatie in een organisatie hangt af van de volgende kenmerken van de bronsystemen: Stabiliteit: als de bronsystemen en applicaties niet stabiel zijn (dat wil zeggen als het bronsysteem elke nacht zes uur stil ligt voor onderhoud of als de functionaliteiten van het system vaak verandert), dan zal elke vorm van dataontsluiting (dus ook die van virtualisatie) onvoldoende resultaat leveren en downstream applicaties zullen minder goed werken. Complexiteit: hoe complexer het bronsysteem, hoe complexer de extractielogica. Er moeten dan ofwel complexe queries geschreven worden, of de datagranulariteit moet verhoogd worden om extractie te vereenvoudigen. Beide opties hebben mogelijk repercussies voor de doorvoer die de DV-laag weet te realiseren. Datakwaliteit: als de datakwaliteit in het bronsysteem onacceptabel is, dan kan deze door de DV-laag worden verbeterd. Dat is echter een zware taak die de prestaties van de DV-laag kan beperken. Bovendien is de verbetering die DV kan bereiken beperkt: de DV-laag kan validatie, standaardisatie en verrijking toevoegen op basis van vastgestelde automatische regels, maar eigenlijk is dit niet het juiste stadium voor een diepgaande kwaliteitsverbetering. Daarnaast zal dit bij elke benadering opnieuw plaatsvinden. De kwaliteit van de brondata kan dus negatieve gevolgen hebben voor het succes van DV. Granulariteit: het komt voor dat data uit twee verschillende bronnen wordt aangehouden tegen verschillende granulariteitsniveaus. De supply chain-applicatie van een bedrijf kan kooporders bijvoorbeeld opslaan met een dagelijkse granulariteit, terwijl de financiële applicatie betalingsdata opslaat met een maandelijkse granulariteit. Door dergelijke verschillen in granulariteit kan de data niet met behulp van de DV-laag geconsolideerd worden. In ons voorbeeld zou het lastig worden om te rapporteren welk bedrag een bepaalde leverancier betaald heeft gekregen voor een bepaalde bestelling. Om de kansen op een succesvol DV te vergroten zijn er nog een aantal andere vuistregels: Houd u aan wetgeving: het gebruik van data is vastgelegd in wetgeving. Dat geldt ook voor gevirtualiseerde data. Bijvoorbeeld: als bepaalde data alleen in Europa gebruikt mag worden en andere alleen in de Verenigde Staten, dan moet u zich daar aan houden, ook bij gebruik van DV. Zorg voor consistentie: als data uit verschillende systemen geïntegreerd moet worden, dan is het essentieel dat metadata wordt gedeeld. Alleen dan kunt u consistentie garanderen. Metadata-management kan de oplossing zijn en kan worden toegepast op klantniveau, organisatieniveau, itemniveau en geografisch niveau. Vermijd realtime updates: de DV-laag moet niet worden gebruikt om bronsystemen realtime te updaten. Elke applicatie hanteert zijn eigen update-framework. Omzeiling van dat framework middels de DV-laag kan resulteren in onvoorspelbare en inconsistente resultaten. Wees realistisch in uw integratiedoelstellingen: DV is een goede oplossing voor realtime, live data. DV moet echter niet worden gebruikt voor historische of point in time rapportageapplicaties die grootschalige integratie vereisen in de vorm van business-rules of transformaties van granulaire data. De reden: data kan niet worden gepersisteerd in de DV-laag en de toepassing van data quality-regels op historische data is een complexe en in potentie zeer arbeidsintensieve taak. Zorg voor een goede (en snelle) infrastructuur. Wees bewust dat decentrale informatiebronnen niet altijd beschikbaar zijn, zeker bij globale georienteerde organisaties. En dat niet altijd de benodigde netwerk capabiteit beschikbaar is. Overweeg in dit geval replicaties van omgevingen met data capturing naar een lokaal platform. Conclusie De organisatie moet elk mogelijk gebruik van DV tegen het licht van deze succesfactoren houden. Als het gevolg van zo n onderzoek uitwijst dat het niet mogelijk is om volledig uit te gaan van een gevirtualiseerde laag, dan kan het een optie zijn om een hybride aanpak te kiezen. Daarin wordt een gevirtualiseerde laag gecombineerd met een fysieke laag (EDW). Als er bijvoorbeeld al een EDW aanwezig is die niet in staat is realtime data te leveren, dan kan die doelstelling worden ingevuld met een DV-laag. Het is dan dus niet nodig het bestaande EDW te verbeteren of opnieuw te ontwikkelen. De pure rapportage en analytics blijven dan het domein van de bestaande BI-laag en het EDW. Performance-optimalisatie Veel gebruikers zijn bang dat een nieuwe DV-laag zal zorgen voor performanceproblemen, omdat zware queries de OLTPbronsystemen zouden verstoppen. Aanbieders van DV gaan dit probleem met een verhoogd niveau van verfijning te lijf. De brondata wordt door de meeste virtualisatietools gecacht in traditionele databases of platte bestanden. Als ze een trage query aantreffen, dan wordt de semantische laag opnieuw geconfigureerd. Veel aanbieders van tools zijn bezig hun producten op dit gebied te verbeteren. De nieuwe generatie tools is in staat bij de databasecaching gebruik te maken van in het (solid drive) geheugen aanwezige databases. Het is zelfs mogelijk om een in het geheugen aanwezige of uit kolommen bestaande database als cache te gebruiken. DV-oplossingen die op deze manier een database embedden, kunnen zelfs worden geconfigureerd om de brondatabase volledig te reproduceren 6

7 BIM the way we do it (mirroring). Toepassing van mechanismen als Change Data Capture zorgt er hierbij voor dat de synchronisatie-workload en de actualiteit van de data worden geoptimaliseerd. Als de data eenmaal is gerepliceerd in de cache, dan zullen DV-queries de prestaties van de bronsystemen niet langer beïnvloeden. Deze aanpak biedt ook geoptimaliseerde uitvoering van queries, vooral van queries die besluitvorming moeten ondersteunen. Zulke queries moeten meteen beantwoord worden. Daarvoor is volledige data-indexering nodig. Nu resistente applicaties steeds betaalbaarder worden, kan een dergelijke aanpak een efficiënte en niet-ingrijpende manier bieden om snelle rapportagemogelijkheden te realiseren op legacy-systemen. Daarnaast kunt u, om onverwachte prestatieproblemen in uw bronsystemen te voorkomen, ervoor kiezen om een dataquotum in te stellen. De meeste moderne databases maken het mogelijk een quotum in te stellen, waardoor de DV-queries slechts een vastgesteld gedeelte van de capaciteit van de bronsystemen in beslag kunnen nemen. De impact van DV wordt daardoor voorspelbaar. Checklist: kan DV uw organisatie helpen? Bestaat er druk vanuit de business om snelle, kosteneffectieve rapportage-oplossingen te leveren? Bestaat er een brandend verlangen naar realtime rapportage, analytics en selfservice BI? Zorgt regelgeving ervoor dat u geen data mag repliceren, zodat u het moet benaderen in de bron? Heeft u de neiging om afdelingsbeleid dat u belemmert bij het delen van cruciale informatie te omzeilen? Heeft u een enterprise data bus nodig om data uit te wisselen tussen applicaties? Wilt u externe bronnen (sociale netwerken, online-bronnen, Dun&Bradstreet-data et cetera) integreren met uw interne applicaties en BI? Wilt u verschillende datatypes combineren, zoals gestructureerde en ongestructureerde data uit een publieke cloudapplicatie met interne gestructureerde data? Gebruikt uw organisatie verschillende BI-tools, elk met een verschillende presentatielaag? Worden meerdere definities van uw informatie door elkaar gebruikt? Conclusie Datavirtualisatie is een goede manier om een interimoplossing te bieden die één versie van de waarheid destilleert uit verschillende databases, zolang het EDW nog niet af is. DV biedt een zeer efficiënte manier om data uit operationele systemen beschikbaar te maken voor realtime doeleinden en realtime één definitie toepassen en data van de hoogst mogelijke kwaliteit beschikbaar stellen. Bovendien kan het oudere data uit BI-databases toegankelijk maken. Het resultaat is dat BI-tools in het vervolg toegang bieden tot alle -huidige en historischebedrijfsinformatie die in de organisatie aanwezig is, en dat op een uniforme manier. En dat is niet het enige. DV maakt het mogelijk dat verschillende applicaties data op dezelfde manier kunnen benaderen en ontsluiten, gebruikmakend van hetzelfde businessjargon en dezelfde KPI-aggregatieregels. De organisatie kan zich ervan verzekeren dat iedereen dezelfde data gebruikt, maar wel nog steeds kan kiezen voor een eigen mix van tools (of dat nu voor rapportage, dashboarding of voorspelling is) die past bij verschillende wensen, locaties en regels. Het gevolg van implementatie van DV: er bestaat geen direct verband en daarmee geen technische afhankelijkheid tussen databases en BI-tools. Het wordt makkelijker om een database of BI-tool te upgraden, migreren, veranderen of uitfaseren. Een opsomming van de voornaamste voordelen van DV: Eén enkele view op uw actuele gegevens. Veel kortere time-to-market: een virtueel datawarehouse kan sneller worden geïmplementeerd dan welke andere oplossing dan ook. De mogelijkheid om gecontroleerd informatie te leveren, gebruikmakend van combinaties van historische en realtime data. Terugdringen van afhankelijkheid van aanbieders en technologie, doordat een neutrale laag wordt ingevoegd tussen databases en doelapplicaties. Elke organisatie die snel werk wil maken van BI zou DV in overweging moeten nemen. DV kan zelfs voor organisaties die een EDW in ontwikkeling hebben een uitkomst zijn. DV kan de ontwikkeling faciliteren en aanvullen en biedt mogelijkheden om de requirements vast te stellen en te borgen dat de requirements voldoen aan de wensen van de business. Toepassing van DV kan de ontwikkeling van EDW daarmee flink versnellen. Als het antwoord op een van deze vragen ja is, dan is DV de moeite van het onderzoeken waard. 7

8 BIM the way we do it Over Capgemini Met meer dan mensen in 44 landen is Capgemini wereldwijd een van de meest vooraanstaande aanbieders van consulting-, technology- en outsourcingdiensten. In 2012 rapporteerde Capgemini Group een omzet van 10,3 miljard euro. Samen met zijn klanten creëert en realiseert Capgemini resultaatgerichte business- en technology-oplossingen, toegesneden op de klantbehoefte. Als een cultureel diverse organisatie heeft Capgemini zijn eigen onderscheidende manier van werken, de Collaborative Business Experience TM. Hierbij maakt Capgemini gebruik van het wereldwijde leveringsmodel Rightshore. Meer informatie via Learn more about us at Capgemini Nederland B.V. Postbus GN Utrecht Tel The information contained in this document is proprietary Capgemini. All rights reserved. Rightshore is a trademark belonging to Capgemini.