Er zijn twee grote uitdagingen die steeds weer in de weg staan: data tussen onderling gescheiden teams en systemen, en een gebrek aan afstemming in data en de definities van KPI’s. Deze problemen blijven vaak onopgemerkt, maar hebben een grote invloed op het succes van elk dashboardinitiatief.

In dit artikel belichten we deze uitdagingen aan de hand van een praktijkvoorbeeld, waarbij we laten zien hoe versnipperde data inconsistente logica het grootste deel van de inspanningen in BI-projecten voor hun rekening nemen. We gaan in op het verborgen werk achter de schermen dat hiervoor nodig is, de obstakels die we tegenkwamen en de strategieën die we hebben toegepast om een schaalbare oplossing te realiseren voor een wereldwijde organisatie.

De belangrijkste uitdagingen: versnipperde data niet-op elkaar afgestemde logica

Twee van de grootste obstakels bij het bouwen van bedrijfsdashboards zijn niet van technologische, maar van structurele aard: versnipperde data en onderling niet op elkaar afgestemde bedrijfslogica.

Grote ondernemingen zijn vaak zo gestructureerd dat afdelingen, bedrijfsonderdelen of geografische markten zelfstandig opereren. Hoewel dit op lokaal niveau flexibiliteit biedt, levert het grote uitdagingen op bij het opzetten van een gecentraliseerde rapportage die de hele organisatie omvat.

Volgens het CDOIQ-onderzoek van Accenture en MIT uit 2021 noemde 37% van Data Chief Data een gefragmenteerde infrastructuur als de grootste uitdaging bij het realiseren van hun data (Accenture, 2021). Voordat er überhaupt rapportages kunnen worden gemaakt, moeten teams eerst vaststellen waar de data , wie de eigenaar is, hoe deze is gestructureerd en of deze betrouwbaar is. In veel gevallen kan alleen al het vinden van de juiste dataset wekenlang heen-en-weer-gepraat tussen afdelingen met zich meebrengen.

Zelfs als de data eenmaal veilig data , komen er vaak nog diepere afstemmingsproblemen aan het licht. Verschillende teams of regio’s hanteren vaak iets andere definities voor dezelfde KPI. Het ene team meet wekelijkse conversies misschien op basis van gebruikersacties, terwijl een ander team dit bijhoudt aan de hand van productbestellingen. Zonder afstemming over de definities wordt het moeilijk om dashboards te maken die het vertrouwen van de belanghebbenden genieten. Het gevolg is vaak een gebrek aan vertrouwen in de cijfers en een terughoudendheid om bij de besluitvorming op het dashboard te vertrouwen.

Door dit gefragmenteerde landschap is data al een hele klus, nog lang voordat er aan visualisatie wordt begonnen. Er gaat veel tijd zitten in het opschonen, samenvoegen, standaardiseren en omzetten data ruwe data een bruikbare vorm. Dit is niet alleen een technische taak. Vaak moeten meerdere teams het eens worden over de logica achter de statistieken en de definities waarmee ze werken. Zonder dit grondwerk kan geen enkel dashboard betrouwbare inzichten bieden. Maar als het goed wordt gedaan, maakt het schaalbare, betrouwbare rapportages mogelijk waarop meerdere teams met vertrouwen kunnen voortbouwen.

Casestudy – Dashboards implementeren: de weg naar implementatie

OVERZICHT:

Artefact van een wereldwijde autofabrikant de opdracht om gecentraliseerde dashboards te ontwikkelen om de rapportage tussen de verschillende regio’s te verbeteren. Hoewel het doel duidelijk leek – het stroomlijnen van analyses en het bieden van realtime inzichten – bleek de daadwerkelijke implementatie binnen een gedecentraliseerde organisatie al snel een grotere uitdaging dan aanvankelijk verwacht.

UITDAGING:

De bedrijfsactiviteiten organisatiewaren per regio gestructureerd en onderverdeeld in lokale markten, die elk met een hoge mate van autonomie opereerden. Dit leidde niet alleen tot inconsistenties in de gebruikte systemen, maar ook in de definities van belangrijke prestatie-indicatoren zelf. Een treffend voorbeeld: terwijl de ene markt een 'online verkoop' definieerde als het moment waarop een bestelling op de website werd geplaatst, beschouwde een aangrenzende markt het pas als een verkoop zodra de betaling was ontvangen. Deze subtiele verschillen zorgden voor grote hiaten in de rapportage, vooral wanneer het management geconsolideerde overzichten op regionaal niveau nodig had. Welke definitie was correct? Hoe konden de data samengevoegd zonder de prestaties verkeerd weer te geven?

OPLOSSING:
Om dit op te lossen, hebben we eengecentraliseerd data geïmplementeerd dat ervoor zorgde dat alle markten en regio’s op één lijn kwamen wat betreft gedeelde definities en data . Hiervoor moesten we elke KPI terugvoeren naar de oorspronkelijke data en samenwerken met lokale teams om de methodologieën te harmoniseren. Het resultaat was niet alleen een dashboard, maar een fundamentele verschuiving in de manier waarop de organisatie haar data organisatie en erop vertrouwde, waardoor schaalbare, nauwkeurige rapportage tussen teams en regio’s mogelijk werd.

Belangrijke succesfactoren en geleerde lessen

Uit deze uitdagingen kwamen verschillende belangrijke succesfactoren naar voren die ertoe hebben bijgedragen dat het project tot een goed einde werd gebracht:

  • Automatisering van data : het handmatige werk dat voorheen nodig was voor het bewerken van Excel-bestanden en draaitabellen is verdwenen, waardoor data in realtime data .
  • Gecentraliseerde analyse: data worden samengevoegd data één dashboard, waardoor naadloos functieoverschrijdend inzicht mogelijk wordt.
  • Verbeterde rapportagemogelijkheden: de tijd die nodig was om rapporten te genereren, is teruggebracht van één dag naar één uur.

Geleerde lessen:

  • Afstemming tussen backend en frontend is van cruciaal belang: technische vereisten veranderden vaak in de loop van het project, wat de noodzaak van vroegtijdige afstemming tussen data en dashboardontwerp onderstreept.
  • De beperkingen van een tool kunnen bepalend zijn voor uw oplossing: het BI-platform van een derde partij kende beperkingen op het gebied van maatwerk, waardoor creatieve oplossingen nodig waren en de verwachtingen van de belanghebbenden moesten worden bijgesteld.
  • Verandermanagement hoort bij het werk: veel medewerkers waren terughoudend om Excel achter zich te laten, wat aantoont dat proactieve training, ondersteuning en duidelijke communicatie essentieel zijn om de acceptatie te bevorderen.

De rol Artefactbij het oplossen van deze uitdagingen

Bij Artefact zijn we gespecialiseerd in het overwinnen van deze uitdagingen door samenwerking te bevorderen, data te waarborgen en effectieve BI-oplossingen te leveren. In dit project heeft ons team verschillende afdelingen succesvol op één lijn gebracht om:

  • KPI-definities standaardiseren: We hebben de dialoog tussen de teams gestimuleerd om tot een algemeen aanvaarde reeks prestatie-indicatoren te komen.
  • Data harmoniseren: Onze experts hebben data in verschillende regio’s gestroomlijnd, waardoor inconsistenties die de analyse eerder belemmerden, zijn weggenomen.
  • Silo’s doorbreken: door data te integreren in één centraal platform hebben we gezorgd voor realtime inzichten en transparantie tussen alle teams.
  • Een schaalbare oplossing bieden: we hebben een platform ontwikkeld dat als enige bron van waarheid fungeert en meer dan 20 dynamische dashboards bevat, waardoor belanghebbenden beschikken over intuïtieve rapportagetools die realtime gegevens weergeven.
  • Implementatie en training: Nadat de rapportagemogelijkheden waren ingesteld, hebben we een reeks trainingen georganiseerd om ervoor te zorgen dat de tools door de betrokkenen werden omarmd en in hun dagelijkse werkzaamheden werden geïntegreerd.

Door gebruik te maken van de expertise Artefacthebben we de manier organisatiemet data omgaat ingrijpend veranderd, waardoor ze de stap hebben kunnen zetten van versnipperde rapportage naar een echt geïntegreerd analyse-ecosysteem.

Tot slot: het opzetten van analyse- en rapportagemogelijkheden begint met het leggen van de juiste data

In grote organisaties zijn de grootste belemmeringen voor effectieve dashboards zelden van visuele of technische aard, maar veeleer structureel. Versnipperde systemen, inconsistente KPI-definities en in silo’s werkende teams zorgen voor een mate van complexiteit die geen enkele front-endtool in zijn eentje kan oplossen.

Zoals dit project heeft aangetoond, is er meer nodig dan alleen de juiste tools om deze uitdagingen het hoofd te bieden. Het vereist afstemming tussen afdelingen, een gezamenlijk begrip van data en de vastberadenheid om data solide data te leggen nog voordat er ook maar één grafiek wordt gemaakt. Het grootste deel van de inspanningen ligt aan de backend, maar die inspanningen werpen hun vruchten af, omdat ze schaalbare dashboards mogelijk maken die teams vertrouwen, omarmen en gebruiken om daadwerkelijke beslissingen te nemen.

Voor bedrijven die hun analytische capaciteiten willen uitbreiden, is de boodschap duidelijk: investeer in het harde werk dat komt kijken bij het samenbrengen en opschonen van uw data. Als dat eenmaal is gebeurd, is het opzetten van de dashboards een fluitje van een cent.