Meten aan de inrichtingsaspecten van een BIomgeving

Transcriptie

1 Meten aan de inrichtingsaspecten van een BImgeving Een White Paper in de BI-Scan serie Dr Gerrit Versteeg Versie 1.0

2 Inhudspgave 1 METEN AAN EEN BI-OMGEVING 3 2 MIDDELEN INRICHTINGSAS 1. DATA INTEGRATION INRICHTINGSAS 2. DATA WAREHOUSE SETUP INRICHTINGSAS 3. BUSINESS INTELLIGENCE FUNCTIES INRICHTINGSAS 4. ANALYTIC APPLICATIONS. 9 3 PROFESSIONELE ORGANISATIE INRICHTINGSAS 5. BI-SUPPORT INRICHTINGSAS 6. BI-CHANGE: PROJECT & DEVELOPMENT INRICHTINGSAS 7. BI-BEHEER INRICHTINGSAS 8. BI-PROFESSIONALS 11 4 INTERESSANTE KENNIS DOCUMENTEN 13 2

3 Deze white paper is nderdeel van de BI-Scan serie, die gaat ver de verschillende aspecten die hren bij de diagnse van een BI-mgeving. De nderzeksvraag hierbij is: In welke mate vldet de BImgeving aan de ndersteuningsbehefte van de managers. In deze white paper gaan we de verschillende inrichtingsaspecten van een BI-mgeving nader telichten. De inrichtingsaspecten hebben we ndig m een BI-mgeving meetbaar te maken en m te kunnen aangeven welke aspecten eventueel in een BI-mgeving missen en tch ndig zijn in het licht van de behefte van de managers. 1 Meten aan een BI-mgeving De in de diagnse-vraagstelling gebruikte term BI-mgeving meten we meetbaar maken. Daarm gaan we kijken naar de inrichtingsaspecten van een BI-mgeving. Niet alleen naar de middelen, tls, maar zeker k naar de eigenschappen en kenmerken van de mgeving en natuurlijk naar rganisatrische aspecten. Een achttal aspectgebieden hebben we hierbij nderkend, vier ver middelen en vier ver rganisatie: Middelen: Data integratie, Data warehuse setup, BI-tling en Analytical Applicatins. Organisatrisch: Supprt, Beheer, Change en Prfessinals In deze white paper gaan we dieper in p de inrichtingsaspecten. 2 Middelen 2.1 Inrichtingsas 1. Data Integratin Vreger nemden we dit ETL (Extractie, Transfrmatie en Laden), maar nadat duidelijk werd dat de beschikbare ETL-tls in feite een breed stuk data lgistiek afdekken, zijn ze mgedpt naar Data Integratin tls. Data integratie mvat de basis ETL-functies zals het nttrekken van data uit brnnen (incl. real-time kppelingen), het pschnen, het transfrmeren, het cmbineren en het pslaan van data gecmbineerd met jb-scheduling mgelijkheden. Veel gehanteerde aanvullende functies zijn bijvrbeeld: - Kwaliteitscntrle, bedeld m (brn)data te cntrleren, prfilen, filteren, selecteren, valideren en z ndig aan te passen. - Metadata-management, functies m de data van beschrijvende data (meta-data) te vrzien en deze gestructureerd p te slaan in een zgenaamd Metadata mdel. Meta-data kan semantisch ndersteunend zijn (dat wil zeggen dat de betekenis, herkmst et cetera wrden vastgelegd), alsk prcesmatig zijn zdat de verwerking van de gegevens wrden geadministreerd en beheerd. De metadata geeft z betekenis en waarde aan de gegevens. - Data lineage behelst tracking en tracing functies, die vanuit een eindresultaat exact kunnen achterhalen uit welke data een gegeven is pgebuwd en wanneer dit heeft plaatsgevnden. 3

4 2.2 Inrichtingsas 2. Data Warehuse setup. Hierbij gaat het minder m functies, maar meer m de ndzakelijke kenmerken en eigenschappen. Denk hierbij aan bijvrbeeld: - de scpe van het Dwh, gaat het m pgeslagen data vanuit één afdeling/business unit, f is er sprake van een data uit de hele nderneming, multidisciplinair. - het aanwezig zijn van histrische gegevens, NB het gaat hier m histrie die vanuit peratineel perspectief niet ndig is en derhalve niet in de brnsystemen zelf wrdt bijgehuden. - de gelaagdheid en mdellering (relatineel, multidimensinaal, data-vault, anchr-mdeling et cet.) die is tegepast. Overwegingen zijn bijvrbeeld: het gebruik van een multidimensinale data laag betekent dat in het Dwh de brngegevens zijn gecmbineerd (het heikele punt bij Big Data) en qua datastructuur zijn mgezet naar een multidimensinaal mdel, met feiten en dimensies. Deze datastructuur is veel geschikter vr queries van analytische aard mdat minder vaak tabellen meten wrden gecmbineerd (de beruchte uter jins ). De structuur sluit k ged aan bij aggregatie van cijfers langs vr de manager f analist bekende invalsheken. Queries verlpen significant sneller en het is eenvudiger m rapprtages te ntwikkelen, k vral interessant vr self-service BI. het gebruik van een relatinele tussenlaag vóór het MD-deel van het Dwh. De relatinele laag is een belangrijke verbetering in de beheerbaarheid van het Dwh. De relatinele laag is bedeld m de data uit verschillende brnnen te cmbineren in een relatineel mdel gebruikmakend van de termen zals deze in het peratineel prces gebruikt wrden en die dus vr de brnnen herkenbaar zijn (we gaan dus geen discussie huden met de brndata-leveranciers in de management-termen die we gebruiken in het MD-mdel). Omdat het hier dus gaat m peratinele termen is de discussie rnd data-aanlevering en eventuele veranderingen daarbinnen, immers eenvudiger (minder semantisch verstrd). De discussies ver de data-aanlevering en betekenis van de data kunnen daarmee veel vruchtbaarder en sneller in deze laag wrden afgehandeld. Pas als alle peratinele brnnen zijn verwerkt, gevalideerd, gecmbineerd en succesvl geladen in de relatinele database, m.a.w. de discussie met de brnnen ver hun (peridieke aanlevering) is klaar en de data is gebrgd, wrdt de stap gemaakt m deze qua semantiek m te zetten naar management-taal en qua structuur m te zetten naar een beter bij analyses passende pzet in een MD-layer. - het wel f niet pre-emptive laden van gegevens. Als we pre-emptive laden bevat het Dwh alle bedrijfsdata, k al is er ng geen directe MI-behefte vr. Dit is een vrinvestering met een aantal frse vrdelen, waarver de besluitvrming ged ndersteund met wrden. Te adresseren vrdelen: 1) MI is zeer veranderlijk, bestaande rapprten veranderen snel, nieuwe rapprten zijn vaak snel ndig, het MI-antwrd p de ene vraag triggert nieuwe vragen. De BImgeving met hiervr een flinke mate van flexibiliteit kennen. Starheid en lange time-tmarket van veranderingen wrdt niet alleen verrzaakt dr mindere tling f datamdellering, maar veelal dr de lange weg m nieuwe brnnen bendigd vr die nieuwe rapprtage te 4

5 ntsluiten; 2) resulteert in een beter, stabieler en meer samenhangend geïntegreerd datamdel. Dit in tegenstelling tt het steeds uitdijend datamdel waar nieuwe entiteiten/bjecten meten wrden gekppeld aan het bestaande mdel en waar een eventueel bendigd re-design een te hge investering is vr het prject dat dat ene nieuwe rapprt maakt; 3) het vinden van de vraf te laden data dwingt tt nadere analyse van de peratinele prcessen m basisfeiten te ntdekken (een stap die vanuit het prces brnnen zeken bij één rapprt nit naar vren kmt). Deze analyse levert vaak een veel beter, simpeler en elementair juister datamdel p, dan het zich in de tijd evluerend datamdel. De discussie wrdt k veel preciezer en essentiëler geverd. - de pslag van ngestructureerde data en van Big Data (event f prcesgegevens, sciale media gegevens). Nieuwe datatypes, k van ngestructureerde srt, zals pgewekt bij interactieve channels ( , gespreksverslag, sciale media) meten niet alleen drzekbaar pgeslagen wrden, maar k geschikt wrden gemaakt vr datamining, waarbij patrnen en relaties gezcht wrden die ng niet bekend waren en vr data-analyse p bijv. bepaalde kenwrden f sentimenten. Ok kunnen event-gegevens wrden pgeslagen (klantcntactevents, transacties, ESB-berichten, prces-data). - de granulariteit van de pgeslagen data. M.a.w. het Dwh bevat veel details (feiten met een hge granulariteit). Bij de zektcht naar gede feiten is het van essentieel belang m het meest elementaire feit te vinden. Deze zektcht kent twee extremen: 1) zek naar de feiten vr een specifieke MI-vraag. Hierbij wrdt het feit gezcht dat qua granulariteit aansluit bij de het diepste analyseniveau van dat rapprt en dat is meestal NIET het elementaire basisfeit. 2) Pre-emptive lading, hier wrdt niet naar feiten gezcht vr een specifieke MI-vraag, maar wrdt het peratinele prces bestudeerd m daarbinnen de meest diepe feiten te achterhalen, zdat alle MI-vragen uiteindelijk aggregaties langs gekzen invalsheken kunnen zijn. NB. De cmbinatie van (attributen van) feiten (bijv. ksten en mzet aan elkaar kppelen vr jb csting inzichten) is sterk gebaat dr granulair werken, dit maakt de kppeling makkelijker (meer mgelijke niveaus vr de kppeling) en vrkmt de vaak grte inspanning m de feiten binnen het MD-mdel in een later stadium een niveau dieper te brengen. Het hebben van een relatineel mdel brengt k veel licht in het feiten nderzek, vral dr de detectie van zgeheten relatie-entiteiten p het laagste niveau, mdat deze relatie-entiteiten vaak geen peratinele term hebben zijn ze slecht vindbaar, maar ze zijn wel essentieel vr bijv. het kppelen van gegevens uit verschillende peratinele systemen. CPM en Prcesmanagement zijn vaak sterk gebaat bij elementair, pre-emptive feitennderzek, mdat daar de laagste prcesevents aan de basis liggen vr prcesanalyse en ptimalisatie. 2.3 Inrichtingsas 3. Business Intelligence functies Het gaat hier m analytische functies beschikbaar vr de eindgebruiker, manieren m data ter beschikking te stellen aan eindgebruikers et cet. Dr de plurifrmiteit van het gebied gebruiken we een nadere indeling: - Using MI at the client. Functies die hierbij ingedeeld zijn bijvrbeeld: 5

6 het gebruik van Reprt viewers die de mgelijkheid geven m rapprten met een zekere mate van selectie en filtering te kunnen bekijken p de device van de eindgebruiker, Dashbard viewers met de mgelijkheid m dashbards met een rudimentaire vrm van selectie en filtering te kunnen bekijken p de device van de eindgebruiker, Interactive dashbarding met de mgelijkheid m interactief met de infrmatie p het dashbard m te kunnen gaan (selecties maken, details tnen, stukjes dashbard mwisselen) en On-demand data access, waarbij infrmatie niet alleen peridiek aangeleverd kan wrden, maar k p eigen initiatief en vraag. - SelfService BI-tls capabilities 1. Dit mhelst BI-functies die qua gebruiksvriendelijkheid en dr vr-gedefinieerde functies geschikt zijn vr eindgebruikers m zelfstandig te gebruiken znder (vrafgaande) hulp van ICT-experts f ntwikkelaars. Denk hierbij aan functies als: Autmdeling. Eindgebruikers zijn meestal geen ervaren data-mdelers, deze BI-functie suggereert autmatisch een ged aansluitend datamdel (sterschema) gebaseerd p brn data types en inhud. Sms is dit beperkt tt het identificeren van datatypes, zals getallen, tekst, datums, maar sms is deze functie uitgebreider en wrden autmatisch suggesties gedaan vr hele ster-schema s met bijbehrende feiten en dimensies, inclusief het autmatisch pbuwen van de hiërarchie van de dimensies. Ok zijn er sms mgelijkheden m autmatisch velden als pstcde, landen, steden e.d. te ge-cderen. Calculaties van meetwaarden. IT ntwikkelaars kunnen nmgelijk alle meetwaarden (measures and metrics) vrzien en vraf ntwikkelen in het data warehuse f de datamart. Het is dus erg handig als eindgebruikers zelf berekende meetwaarden kunnen tevegen. En wat zijn de calculatiemgelijkheden? Zijn ze beperkt tt wiskundige basis peratren zals +, -, *, /, f kunnen we k cnditinele if-then-else cnstructies gebruiken f misschien zelfs een cmplete scripting lgica? Zijn er ingebuwde algebraïsche, tekst, business, financiële en meer geavanceerde analytische functies beschikbaar? Cllabratie. Samenwerking in teams is k vr BI relevant. Dan hebben we het ver functies m gebruikers met gebruikers en gebruikers met ntwikkelaars te ndersteunen in hun samenwerking. En zijn er kppelingen aanwezig met algemene ppulaire cllabratieplatfrmen, zals Micrsft SharePint, IBM Cnnectins, en Nvell Teaming? Data virtualisatie / Drill Anywhere. Het is tegenwrdig, k in het licht van de tename van ngestructureerde data en Big Data initiatieven, vrijwel nmgelijk m alle data van de nderneming in één gestructureerde database te krijgen. De BI-functie m virtueel te linken met meerdere databrnnen en m veral naar te te kunnen drillen binnen die brnnen wrdt dus steeds belangrijker. Anders meten eindgebruikers sms weken tt maanden wachten p het integreren en laden van deze nieuwe data in het data warehuse. 1 Ontleend aan het nderzekswerk dr: The Frrester Wave : Self-Service Business Intelligence Platfrms, Q by Bris Evelsn, June 12,

7 Prmpt fr clumns. Een BI-functie waarbij de eindgebruiker de mgelijkheid heeft een klm uit de database in runtime te gebruiken in een standaard rapprt template waar placehlders vr extra klmmen zijn pgenmen. Klmmen kunnen bijvrbeeld zijn: periden, gegrafische regi s, rganisatrische indeling. Gecmbineerd met de drill anywhere -functie kan hiermee het aantal dr IT vraf klaargezette rapprten sterk wrden beperkt. Search-like GUI. Een GUI a la Ggle, als één van de mgelijke selfservice functies, kent een aantal belangrijke vrdelen. Eindgebruikers hebben vr het gebruik ervan vrijwel geen training f ervaring ndig. Ok sluit deze interface-methde beter aan bij eindgebruikers die niet precies weten wat ze zeken en dus meilijker met een pint-andclick GUI kunnen werken. Ok belangrijk is dat een search-like GUI het mgelijk maakt te navigeren p basis van facetten, een zekmethde waarbij je infrmatie vindt p basis van het selecteren van bij die infrmatie hrende facetten. Vral handig als de dimensies, als klassieke invalsheken, ngebalanceerd (met hiërarchie-paden van verschillende lengte) f ragged (d.w.z. dat minstens één lid van de dimensie een lgische parent heeft die niet p het eerst-hgere dimensie-niveau zit) zijn. BI-speeltuinen. Het hebben van een ged gesepareerde analyse mgeving, helpt m urgente en kritische managementbeheften te kunnen faciliteren, als IT hiervr te langzaam is. Een mgelijkheid is m een aansluitend BI-tl p de PC van de eindgebruiker te laden, maar even z makkelijk, beter schaalbaar en meer tijdelijk is het gebruik van een BI sandbx in een clud waar de verwerking net z schaalbaar is als je budget. Write back. De bekende what-if scenari s gebaseerd p bestaande data kunnen de meeste BI en OLAP tls wel aan. Als je maar een rapprt kunt drsnijden met verscheidene dimensies, dan kun je meerdere rzaak en gevlg scenari s analyseren. Maar het pzetten van die scenari gebaseerd p nieuwe data (bijvrbeeld nieuwe budgetscenari s) kunnen pas als je write back mgelijkheden in real-time hebt fwel in de nderliggende database f OLAP-kubus. Het is belangrijk te weten f functies aanwezig zijn m geaggregeerde f individuele waarden te kunnen bijwerken, f geheel nieuwe transacties te kunnen genereren en terug te kunnen schrijven naar peratinele applicaties en heveel maatwerk prgrammering hierbij ndig is. Explratin and discvery. Rapprteren, analyseren, slicing and dicing van infrmatie gebaseerd p een bestaand datamdel is k een algemeen aanwezige BI-functie. Dit wrdt vaak prediscvery genemd, mdat deze mgelijkheden vraf bepaald en in het datamdel meten zijn gebuwd. Het analyseren van data met nieuwe hiërarchieën die niet in het datamdel zijn gebuwd f analyse gebaseerd p entiteiten en attributen waarvan de relaties ng niet zijn gedefinieerd in het datamdel zijn geavanceerder functies. Deze functies zijn vaak gebaseerd p nn-relatinal f nn-dimensinal datamdellen (zals een assciatieve index). Migratie naar prductie. Als we met al die functies leveren een prima BI-tepassing hebben gecreëerd, dan hebben we ng een BI-functie ndig m die tepassing te publiceren naar een gemeenschappelijke mgeving zdat al nze cllega s er k plezier van kunnen hebben. Deze self-service BI-tepassingen meten we klaar maken vr prductie middels 7

8 een zet in prductie wrkflw f minstens een autmatische ntificatie naar de juiste ITresurces. - Ontwikkeling en prductie. Query & Reprting authring, de mgelijkheid m als BI-ntwikkelaar rapprten en dasbards te ntwikkelen die beschikbaar kunnen wrden gesteld aan eindgebruikers. Visualisatie, de grafische mgelijkheden m infrmatie p verschillende manieren te kunnen visualiseren m de essentie erachter snel zichtbaar te maken. Rapprt- en versiebeheer, de mgelijkheid m ntwikkelde rapprten en dashbards te beheren in een biblitheek en van versies te kunnen vrzien. Deze functie beperkt tt p zekere hgte de wildgrei aan rapprten en verhgt de beheerbaarheid. - Advanced publishing Scheduled publishing, de mgelijkheid m rapprten autmatisch (in een lights-ut prductie-mgeving) te publiceren en te agenderen met een vraf-gedefinieerde regelmaat (kalender). Subscribing, de mgelijkheid vr eindgebruikers m zich te abnneren p een bepaald rapprt (publish and subscribe) Ntificatin / Alerts, de mgelijkheid m infrmatie terug te brengen tt een ntificatie f alert bij afwijkingen van de nrm (een vraf bepaalde grenswaarde) m deze snel bij de eindgebruikers nder de aandacht te brengen. (bijv. exceptin signaling) Multi-channel distributin, de mgelijkheid m management infrmatie cnsistent via uiteenlpende kanalen beschikbaar te maken vr eindgebruikers (pdf, papier, sms, , mbile devices, web-prtals, et cet.). - Advanced Analytics Analytical wrkbenches, vr bijv. statistische analyses en mdellen-ntwikkeltls. OLAP-analysis, de mgelijkheid m met OLAP-analysetechnieken data te kunnen nderzeken (vaak geasscieerd met het werken met kubussen; drill dwn, rtate, exclude, include et cet.) Data mining, de mgelijkheden m data (vaak veel en ngestructureerd) te kunnen nderzeken p nverwachte verbanden en patrnen. Data analysis, de mgelijkheid m data te analyseren naar uiteenlpende invalsheken en met diverse analysemethden denk aan cluster-analyses, event-crrelatin analyses, tplgische relatie analyse, statische patrn analyses en tekstpatrn analyses. - Cnnecting BI Datamart-DBMS, het gebrgd en regulier ter beschikking stellen van discipline geriënteerde datamarts aan eindgebruikers. Vaak in cmbinatie met een speeltuin/sandbx-aanpak waardr de eindgebruikers met hun eigen tls een deel van 8

9 de ttale management infrmatie zelf kunnen analyseren en eventueel verrijken met eigen data. Embedded BI, De mgelijkheid m de BI-functies in te kunnen bedden in tegepaste management applicaties, die direct infrmatie uit het Dwh f een dedicated Datamart trekken m de BI-functie in de management applicatie te kunnen uitveren. SOA-enabled BI-requestr functies, de mate waarin het tl (als requestr) gebruik kan maken van infrmatie-services van een daarvr geschikte SOA-enabled BI-server via een ESB. SOA-enabled BI-server functies, de mate waarin het tl (als server) infrmatie-services aan BI-clients kan leveren via een ESB. 2.4 Inrichtingsas 4. Analytic Applicatins. De mate waarin management-prces ndersteunende applicaties (bijv. t.b.v. HRM, CRM, Mkt, Fin) beschikbaar zijn als discipline-specifieke extensies p de nrmale generieke discipline-nafhankelijke BI-functies. Denk bijvrbeeld aan: - EMM Tls: Enterprise Marketing Management tls (zals Unica, Epiphany, SAS) waarbij bijvrbeeld cntactevents via het Dwh direct leiden tt een aanpassing van de Next Best Actin vr een klant. - EFM Tls: Enterprise Financial Management / Risk Management tls (bijv. SAS), waarbij bijvrbeeld real-time credit-scring gebaseerd p data in het Dwh. - EHRM Tls: Enterprise HR Management tls - DSS Tls: Decisin supprt tls, ter ndersteuning van strategische besluitvrming.b.v. bijvrbeeld ecnmische mdellen f balanced screcards met directe inhud vanuit het Dwh). - EPM/CPM Tls: Enterprise Prcess Management, Crprate Perfrmance Management waarbij peratinele prcesbesturingstepassingen (a la TIBCO) direct wrden gekppeld aan tactische en strategische prcesbesturing gebruikmakend van het data warehuse. 3 Prfessinele rganisatie 3.1 Inrichtingsas 5. BI-Supprt De meetlat waarver we het effectief ndersteunen van de eindgebruikers-ppulatie gaan bekijken. - Helpdesk, het aanwezig, efficiënt en effectief zijn van een gebruikersndersteunende BIhelpdesk. - BI-Training, de mgelijkheid m regulier f ad-hc zelfstandig BI-trainingen te kunnen verzrgen vr eindgebruikers en kenniswerkers. 9

10 - BICC, BI-Cmpetence Center, de centralisatie van BI-kennis, expertise en ervaring in de vrm van BI-prfessinals, methden en technieken, prcedures et cet. in een centrale afdeling, van waaruit expertise kan wrden geleverd ter ndersteuning van eindgebruikers. - BI-Gvernance, het hebben van een centrale BI-gvernance f een bredere datamanagementgvernance discipline (sms bij een centraal BICC belegd, maar niet per definitie). 3.2 Inrichtingsas 6. BI-Change: Prject & Develpment Die het vermgen van rganisatie m frmele prjectmatige veranderingen aan te kunnen brengen in hun BI-mgeving, meet. - Prjectmatig werken, het hebben van een rganisatie die überhaupt prjectmatig kan veranderen, in het licht van de gehele rganisatie, k de staande. - Ingerichte algemene prjectrganisatie, een brede change-rganisatie die beschikt ver de ingerichte prjectmanagementmethden en -technieken m prjecten succesvl tt een ged eind te brengen. - Specifieke BI-veranderrganisatie, het beschikken ver een frmele, vakbekwame BIveranderrganisatie (met dedicated resurces) naast de BI-beheerrganisatie en als nderdeel van de brede change-rganisatie. - Versining Tls, het beschikken ver ntwikkel-tls die rekening huden met sftwareversies, inclusief de mgelijkheid m terug te vallen naar eerdere versies indien ndzakelijk. - Cnfiguratin Management, het beschikken ver methden, technieken en tls m BI- Cnfiguratin Items te kunnen beheren. - Datamdellering methden, het beschikken ver methden en tls m multidimensinaal, relatineel en eventueel data-vault en anchr-mdels te kunnen mdelleren. - Separate BI-OTAP straat, het beschikken ver een aparte BI-ntwikkelmgeving, een aparte testmgeving, acceptatie-mgeving en prductie-mgeving. Waardr veranderingen ged beheerst kunnen wrden drgeverd in prductie en verstringen in ntwikkeling f test geen invled hebben p prductie. - BI-Architectuur discipline, het beschikken ver een ingerichte architectuur-discipline vr BI, die een gewenste situatie kan ntwerpen en die prjecten inhudelijk kan sturen naar die gewenste t-be situatie. - Service Oriented Develpment, het beschikken ver methden, technieken en tls m services te definiëren en te ntwikkelen. - End-user enabling, het beschikken ver een BI-ntwikkelmgeving die het de gebruikende afdelingen in staat stelt m zelf hun BI-ntwikkeling ter hand te nemen. 10

11 3.3 Inrichtingsas 7. BI-Beheer De meetlat waarmee we meten in heverre een rganisatie in staat is m een BI-mgeving effectief en efficiënt te kunnen beheren. Vrbeelden van disciplines/afdelingen zijn: - Functineel beheer, het hebben van een ingericht FB vr de BI-mgeving. - Applicatie Beheer, het hebben van een ingericht AB vr de BI-mgeving. - Technisch Beheer / Operatins, het hebben van een ingericht TB en een gedwerkende Operatins discipline vr het BI-platfrm. - Central Management (SLM) MI-Custmers, het beschikken ver een adequaat service level management richting afnemers (managers, disciplines), gede cntracten, een service level manager. - Central Management (SLM) Surce data suppliers, het beschikken ver een ingericht service level management aangaande de kppelingen met de suppliers van BI-brndata. - Service Oriented Deplyment, het beschikken ver methden, technieken, tls m services te kunnen beheren en nderhuden. - End-user enabling, het beschikken ver een beheermgeving die effectief en efficiënt kan mgaan met een gedistribueerde services-geriënteerde ntwikkelmgeving. 3.4 Inrichtingsas 8. BI-Prfessinals De meetlat waarmee we de beschikbaarheid van BI-prfessinals binnen de BI-mgeving meten. Denk bijvrbeeld aan rllen als: - BI Super user, die eindgebruiker die inmiddels zveel van het BI-tl weet dat hij er mee kan lezen en schrijven en andere eindgebruikers helpt m hun eigen rapprtage en analyses te kunnen den. - BI-develper. De getrainde en ervaren IT-ntwikkelaar van rapprtages, dashbards et cet. - ETL-develper. De ged pgeleide, ervaren IT-ntwikkelaar van ETL- en Data Integratie rutines m de nvermijdelijke datalgistiek binnen een BI-mgeving te verzrgen. - Data-mdeler. Onmisbare IT-prfessinals die de datamdel-technieken beheersen, zals relatineel mdelleren f multidimensinaal mdelleren en datavault f anchr-mdeling technieken kent. - Infrmatie analist. De IT-er die alle data en infrmatie in het data warehuse kent en veranderingen en nieuwe data gedegen kan laten aansluiten en integreren met bestaande data. - Business analist. De prfessinal die ged p de hgte is van de eindgebruikers-rganisaties f management-disciplines en hun beheften. Eerder een bedrijfs/prcessen-man, dan een IT-er. - BI-prgram/prtfli-manager. De verantwrdelijke vr (een deel van) de ttale BI-change prtfli. - BI-prjectleider. De verantwrdelijke manager vr individuele BI-veranderprjecten. 11

12 - BI-Tester. Een ervaren IT-prfessinal die getraind is het uitveren en begeleiden van veelal integratie, perfrmance en acceptatietesten (denk aan functinele acceptatietest, gebruikers acceptatietest, prductie acceptatietest, perfrmance tests, systeemintegratietest) - BI-DBA. Een ervaren database administratr gewend aan het werken met en ptimaliseren van databases vr gebruik vr data warehuses f specifieke DBMS vr Dwh s. - BI-Functineel beheerder. Ged functineel beheerders zijn ver het algemeen schaars en ndergewaardeerd. Ze zijn vaak de directe kppeling met de eindgebruikers en de brnleveranciers, rnd prblemen, afwijkingen, specificeren van veranderingen, requirements, plssen van verstringen en incidenten, plssen van verkeerde data-aanleveringen, enzvrts. Hebben een sterk plssend vermgen en tussen business en IT intermediërende aanpak. - BI-Applicatiebeheerder. Ervaren IT-beheerders van de BI-applicaties/tling, zij zijn verantwrdelijk vr het ged lpen van de BI-applicaties zwel aan de vr- als achterkant. - BI-Technisch beheerder/operatr. De IT-beheerder die de fysieke platfrmen en netwerken beheerd en data lgistieke jbs laat draaien. - BI-afdelingsmanager. De laatste verantwrdelijke vr een specifieke BI-afdeling/BImgeving. - Data Steward, beheerd de definitie en levenslp van elke data element in de BI-mgeving in een metadata repsitry. Is het semantisch en syntactisch geweten van de BI-mgeving. - Data Scientist. De wetenschapper die nderlegd en ervaren is in de vaak statistische data/tekstanalyse technieken. - BI-Architect. De IT-architect die de BI-mgeving inhudelijk vrmt geeft en inhudelijke sturing geeft aan veranderingen binnen de BI-mgeving. - BI-Service level manager. De verantwrdelijke vr infrmatie-leverafspraken met eindgebruikers en data-leveringsafspraken met databrn-leveranciers. - BI-Service develper. De IT-ntwikkelaar die vrm kan geven aan BI-services en deze kan buwen in een service-riented BI-mgeving. 12

13 4 Interessante kennis dcumenten Ten sltte bevelen we je graag diverse interessante artikelen aan, gerelateerd aan het nderwerp van deze whitepaper: White paper "Archetypes: Architectuur vr een BI-mgeving" Artikel "Managementinfrmatie: vldet juw BI-mgeving ng?" Shaaban, E., Helmy, Y., Khedr, A., Nasr, M.: Business Intelligence Maturity Mdels: Tward New Integrated Mdel (2011) Lahrmann, G., Marx, F., Winter, R., Wrtmann, F.: Business intelligence maturity mdels: an verview. St. Gallen, HICSS (2011) Rajteric, I.H..: Overview f Business Intelligence Maturity Mdels, Lipanj. Management, Jurnal f Cntemprary Management Issues Vl 15, N.1 (2010) Hamel, S., Web Analytics Maturity Mdel, A strategic apprach based n business maturity and critical success factrs (2009) 13