Business Intelligence: waar zijn de lessons learned?

Business Intelligence: Where are the lessons learned?

Bijgewerkt 28 mei  2018

Eigenlijk hoort Business Intelligence de informatie te leveren om de juiste beslissingen te kunnen nemen. Maar hoe kan je als directeur, manager of professional de juiste beslissingen nemen, als door het huidige Business Intelligence cruciale informatie voor het nemen van beslissingen onzichtbaar wordt?

Waar zijn de 'lessons learned'?

Op dit moment is Business Intelligence (BI), met slagwoorden zoals big data, analytics en data warehouses, een van de grote trends. Geen grotere organisatie die zich kan veroorloven deze trend te missen, lijkt het. Maar BI bestaat al lang. Wat jaren geleden Decision Support Systems waren, heeft zich verder ontwikkeld en heet nu Business Intelligence. Echter, iets is verloren gegaan.

Toen ik vragen over de lessons learned begon te stellen en vooral hoe bepaalde valkuilen worden voorkomen, bleven de antwoorden uit. En dat is ronduit zorgwekkend. De toekomst van bedrijven hangt er immers van af! Laten wij dat van dichterbij bekijken.

Als wiskundige heb ik BI in de jaren ’80 en ’90 veelvoudig en met veel plezier toegepast. SAS was toen al een krachtig BI-tool. Het leverde uitstekende resultaten, tot en met een wereldwijde lead op het gebied van dataopslag efficiency. Dat wil zeggen mits aan de volgende voorwaarden werd voldaan:

  1. De data staat ter beschikking of is relatief makkelijk te creëren.
  2. De data is eenduidig te definiëren.
  3. De data is met wiskundige formules te bewerken.
  4. De onderhoudsaspecten zijn beheersbaar en de kosten te accepteren. 

Met diverse discussies en BI-presentaties achter de rug kom ik tot de conclusie dat, op enkele uitzonderingen na, het huidige BI daarover gaat, wat aan voorwaarden 1 tot en met 3 voldoet. Daar zal het werken. Hoewel, bij punt 2 bestaan er belangrijke lessons learned. Wat punt 4 betreft, die lijkt ergens verloren gegaan te zijn. Prijzige lessons learned zullen opnieuw worden geleerd.

De afgelopen jaren is er iets bijgekomen: op de wiskunde gebaseerde kunstmatige intelligentie (KI) voor BI. Wij hebben indrukwekkende resultaten gezien. Toch zullen, ook met meer computer power en meer wiskundige formules de boven aangegeven voorwaarden blijven bestaan. Sterker nog, er bestaat een omslagpunt. Voor zolang KI voor het omslagpunt wordt toegepast zullen de indrukwekkende resultaten blijven komen. Voorbij het omslagpunt is het een ander verhaal.  

Laten wij die business intelligence, die onder de boven aangegeven voorwaarden werkt BI-data noemen. Helaas, in de complexe wereld van vandaag zijn deze vier voorwaarden vaak niet gegeven. Dit betekent dat alle business intelligence die van data, informatie, ervaringen en knowhow komt die niet onder de boven aangegeven voorwaarden valt, geen onderdeel van Business Intelligence is. Dat is nogal opmerkelijk! Bijkomend verschijnsel is dat er momenteel geen trend of geaccepteerde best practice te verkennen is, die de business intelligence voor het ontbrekende deel levert. Hiermee is te voorspellen, dat dit deel geen prioriteit en budget krijgt. Laat er wat bezuinigingsdruk bijkomen en dat wat voor het ontbrekende deel nog in productie is, wordt verder afgebouwd. Hiermee zijn wij bij het in de vorige post geïntroduceerde dilemma van de onzichtbare oorzaken aangekomen.

Het dilemma van de onzichtbare oorzaken bij Business Intelligence

Informatie die niet aan de voorwaarden van BI-data voldoet wordt onzichtbaar omdat de kernoorzaak van onvoldoende informatie buiten die deelgebieden valt, die de prioriteit en middelen krijgen. Het tragische hiervan is dit: vroeg of laat wordt duidelijk dat verkeerde beslissingen werden genomen. Schuldigen worden aangewezen en raken hun baan kwijt terwijl ze dachten de juiste beslissingen te hebben genomen. Hier blijft het niet bij. Hun opvolgers vallen in dezelfde valkuil. Het zal ook geen verrassing zijn, als productieve medewerkers hun baan kwijtraken. 

In de jaren ’80 en ’90 was dat bij mijn werkgever anders. Toen was het vanzelfsprekend data, definities en de wiskunde los te laten wanneer niet aan de boven aangegeven voorwaarden werd voldaan. In deze situaties gingen wij op zoek naar lessons learned, kennis en ervaring. Een overvloed aan patronen brachten wij terug naar richtinggevende patronen. Laten wij dit BI-kennis noemen. Vaak gebruikten wij een combinatie van BI-data en BI-kennis. Dit leverde een stroom aan oplossingen en diensten, die hun tijd vooruit waren. De klanten waren zeer tevreden. Terwijl anderen nog probeerden medewerkers zo ver te krijgen, dat ze zich aan de meest saaie definities en bureaucratische standaards hielden, hadden wij de betere oplossingen al in productie.

Hiermee is het tijd voor richtinggevende vragen.

Richtinggevende vragen voor Business Intelligence

Het begint met een algemene vraag: 

Waar is die aanpak die dat levert wat directeuren, managers en professionals nodig hebben om de best mogelijke beslissingen te kunnen nemen? Concreet:

  1. Waar zijn het training en coaching van BI-professionals in lessons learned en bijbehorende oplossingen van de afgelopen 25 jaar?

  2. Waar zijn de professionals die erop sturen, dat BI altijd onder het omslagpunt blijft waar de kwaliteit van de data voldoende blijft en het exponentieel stijgen van de kosten wordt voorkomen?

  3. Waar is de prioriteit voor beide, BI-data en BI-kennis in de besluitvorming?

  4. Waar is de oplossing voor het leveren van BI-kennis?

Meer over en mogelijke oplossing voor BI-kennis in Agile op bedrijfsniveauniveau: harde eisen.