Klantdata integreren en analyseren: Waarom u aan de slag zou moeten met een datawarehouse

Bijna elk bedrijf heeft wel een aantal verschillende oplossingen draaien, zoals voor enterprise resource planning (ERP), customer relationship management (CRM), financieel management en product lifecycle management (PLM). Al deze systemen hebben data in zich, ook markt- en klantdata. Zelfs als we ons tot dit soort gegevens beperken kan de hoeveelheid hiervan de spuigaten uitlopen. Peter Dieleman en Michiel Brunt van BI-adviesbureau Inergy vertellen over één van hun retail-klanten die de gegevens opslaat die op de kassabonnetjes staan. Hieruit volgen drie miljard regeltjes die de afgelopen jaren zijn opgeslagen. Sommige bedrijven kiezen ervoor om deze gegevens te bewaren in hun operationele systemen. Dat brengt echter enkele nadelen met zich mee, waarvoor een datawarehouse een uitkomst zou kunnen bieden:

Ten eerste zitten in de verschillende oplossingen allerlei data die samen een zogenaamd 360 graden view van de klant zouden kunnen geven. Om dit beeld vanuit losstaande applicaties te creëren is een vrijwel onmogelijke taak. In een datawarehouse kunnen gegevens worden samengevoegd. Integratie is dan ook een groot voordeel van een datawarehouse. "Belangrijk bij het inrichten van een datawarehouse is hoe je de database vult en de gegevens definieert", vertelt Edgar Vader, BI-consultant bij Capgemini. Zoals de afdelingen binnen bedrijf nog vaak als zuilen fungeren, draaien de oplossingen binnen een bedrijf ook vaak als silo's. Elke afdeling heeft zijn eigen manier om de oplossing in te vullen, vertelt Edgar Vader. Daarom is het belangrijk dat je bijvoorbeeld de klant en productinformatie kan koppelen op basis van een unieke factor, zoals een klantnummer. Op die manier kan de informatie samengebracht worden. Tijdens het integreren van data uit operationele systemen naar een datawarehouse kunnen regels worden gemaakt om de informatie op te schonen, zoals ontdubbelen van klantnamen. Op basis van het nummer of een straatnaam kunnen de heer Janssen en Jansen als dezelfde worden aangemerkt. Dit is belangrijk voor het op orde houden van uw datakwaliteit. Een bijkomend voordeel is de mogelijkheid om de gegevens na het plaatsen in een datawarehouse te verrijken met externe bronnen, zoals bijvoorbeeld het toevoegen van marktgegevens. "Een onderzoeksbureau kan bijvoorbeeld onderzoek hebben gedaan naar de verkoop van een product dat jij ook verkoopt in een bepaalde regio. Door die gegevens toe te voegen kun je bepalen hoe groot jouw marktaandeel is", vertelt Michiel Brunt.

Historische gegeven opslaan

Ten tweede worden in operationele systemen zoals een CRM-systeem geen historische gegevens opgeslagen. Als u naar aanleiding van een verhuizing van een klant zijn woonplaats verandert, dan staat in uw CRM-oplossing niet waar mevrouw of meneer eerst heeft gewoond. De verhuizing kan echter wel invloed hebben op de omzet in een bepaalde regio. Als u deze historische gegevens niet vastlegt dan kunt u nooit achterhalen waar dit nou aan zou kunnen liggen. Een datawarehouse is bij uitstek geschikt voor het opslaan van oudere gegevens, waardoor u de verschillen in woonplaats wel kunt waarnemen. Maar ook om trends te ontdekken is het kunnen analyseren van historische gegevens van cruciaal belang. Op basis van gegevens van een aantal maanden kunt u bijvoorbeeld niet bepalen of uw verkoop beïnvloed wordt door het weer of het seizoen, terwijl dit misschien wel het geval is en u hierop zou kunnen inspelen.

De belangrijkste reden om na te denken over een datawarehouse is wat je met de verzamelde gegevens kunt gaan doen: analyses, rapportages, doelgroepsegmentaties en voldoen aan eisen voor wet- en regelgeving zijn volgens Dieleman de belangrijkste zaken die je met de data uit het warehouse kunt doen. Edgar Vader legt uit dat simpele managementrapportages wel te fabriceren zijn uit een operationeel systeem, maar dat de vragen van leidinggevenden steeds complexer worden en marketeers veel ingewikkeldere klantsegmentaties willen, zodat het steeds moeilijker wordt om die uit een bronsysteem te halen. "Er moet dan zoveel data verwerkt worden dat dit invloed heeft op de prestatie van bijvoorbeeld je CRM-systeem. De gebruiker van zo'n oplossing zit vervolgens duimen te draaien totdat hij weer aan de slag kan." En dat is nog afgezien van de eerder besproken obstakels. "Je wilt dat de verkoop gewoon doorgaat en dat analyses geen invloed hebben op het operationele systeem", beaamt Michiel Brunt. "Analyseren zonder dat het licht uitgaat", voegt Dieleman toe.

De Business Case

Welke bedrijven dan wel en welke dan niet naar een datawarehouse moeten kijken? Volgens Edgar Vader is dat lastig om te zeggen. Eigenlijk zou elk bedrijf erover na moeten denken en zichzelf de vraag moeten stellen: wat kan ik eruit halen? "Een datawarehouse in gebruik nemen om het warehouse is niet de juiste reden en kost ook veel geld", vertelt Edgar Vader, "Maar als je de marketing effectiever kunt laten werken door zo'n platform, dan kun je gemakkelijker een business case maken." Heel concreet zegt Brunt dat het te maken heeft met drie punten. Ten eerste moet er de behoefte zijn om meerdere gegevensbronnen samen te brengen voor het totaalplaatje. Volgens Dieleman kom je al snel op dat punt, omdat zelfs bedrijven die in eerste instantie denken hun informatie in één systeem te hebben al vaak ontdekken dat er nog andere plekken in het bedrijf zijn waar gegevens zijn opgeslagen. Ten tweede moet het passen in de visie van een bedrijf. Het management moet zich willen laten leiden door cijfers in plaats van door buikgevoel. Als laatste is de aanschaf van een datawarehouseplatform afhankelijk van het feit of er wel geld voor is. Vader zegt hierover: "Een datawarehouse kan duur zijn, maar als het vanaf één gebied neergezet wordt en als een olievlek wordt uitgerold naar andere onderdelen van een bedrijf, dan kan de initiële investering beperkt blijven."

De keuze voor een specifiek platform moet voor de business eigenlijk niet uitmaken, net als met elke oplossing eigenlijk geldt. Er is daarbij wel een verschil tussen een database en een datawarehouse in de onderliggende techniek, de opslag en indexering van gegevens. De grootste leveranciers van flexibele datawarehouse oplossingen zijn Teradata, Netezza en Sybase. Softwareleveranciers zoals HP en Oracle zijn ook bezig met het ontwikkelen van dit soort platforms. Een andere oplossing, zeker voor bedrijven die de kennis niet in huis hebben of willen halen, is er een datawarehouse als een service. Inergy biedt als één van de eerste deze service aan, die een stuk verder gaat dan andere saas oplossingen, aldus Dieleman. "Het is maatwerk, want de invulling van een datawarehouse en het definiëren van de verschillende verbanden is per bedrijf verschillend. We bieden dus echt een service, waarbij sommige bedrijven alleen gebruik maken van het datawarehouse dat ze via internet kunnen bereiken en voor de rest zelf de modellen en de analyses erop uitvoeren. Andere organisaties kiezen ervoor om ook de rapportages en segmentaties bij ons neer te leggen."

Brug tussen Business en IT

Een groot struikelblok voor veel bedrijven is de brug die geslagen moet worden tussen de business en de IT. Een datawarehouse, het definiëren en het integreren van gegevens zijn technische onderwerpen, maar deze moeten vanuit de business worden aangestuurd. Een datawarehouse op zich heeft weinig nut; het gaat om de business behoeften die erachter liggen. Het is dus belangrijk dat voor zo'n project goed gecommuniceerd wordt tussen de onderdelen van een bedrijf. Dat blijkt in de realiteit vaak lastig. "Steeds minder bedrijven beginnen zo'n project vanuit de IT; dat is een goede zaak, want die zijn gedoemd te mislukken. De business moet op een goede manier aangehaakt worden aan zo'n project en moet duidelijk maken wat de aanleiding en de voordelen zijn", vertelt Edgar Vader, "Eigenlijk zou een directielid zijn stempel moeten drukken op een datawarehouse. Iemand anders moet verantwoordelijk zijn voor het definiëren van de data en de kenmerken van klant, zodat er een controle-orgaan is." De eindgebruiker zit overigens bijna nooit direct met een datawarehouse. Die gaat aan de slag met de analytische oplossing die gekoppeld kan worden aan het platform, maar dat is een vakgebied op zich.

Valkuilen bij datawarehouse-project:

• Beginnen bij de techniek. De belangrijkste valkuil is dat het project wordt geïnitieerd vanuit de IT. De business behoeften moeten leidend zijn bij datawarehousing. Zij moeten de technische afdeling uitleggen wat er uiteindelijk gedaan moet worden met de data en welke verbanden, koppelingen en integraties er gelegd moeten worden.
• Te complexe techniek. Ondanks dat de business leidend moet zijn is een datawarehouse een technische oplossing. Hierbij moet het belangrijk zijn dat de IT begrijpt dat de oplossing flexibel moet zijn en makkelijk aangepast moet kunnen worden, aangezien de vraag vanuit de business niet altijd hetzelfde zal blijven.
• Te snel van start willen gaan. Net als bij de meeste software-projecten kan het zijn dat er te snel een goed werkende toepassing verwacht wordt. De business moet begrijpen dat het bouwen van een systeem en het onderhouden niet van de ene op de andere dag voltooid zal zijn. Stap voor stap moet er gekeken naar de bronsystemen voor de datawarehouse, integraties, het definiëren van data en leggen van verbanden, het daadwerkelijke vullen van het platform en de koppelingen die worden gelegd met analytische oplossingen.