Twee grote uitdagingen staan dit altijd in de weg: data tussen teams en systemen in silo's en het niet op elkaar afstemmen van data en KPI-definities. Deze problemen zijn vaak onzichtbaar, maar hebben een grote invloed op het succes van elk dashboarding initiatief.

In dit artikel gaan we in op deze uitdagingen aan de hand van een praktijkcase, waarin we laten zien hoe gefragmenteerde data en inconsistente logica het grootste deel van de inspanningen in BI-projecten bepalen. We verkennen het verborgen backend-werk dat nodig is, de wegversperringen die we tegenkwamen en de strategieën die we gebruikten om een schaalbare oplossing te leveren voor een wereldwijde organisatie.

De belangrijkste uitdagingen: Gefragmenteerde data en verkeerd afgestemde logica

Twee van de grootste obstakels bij het bouwen van bedrijfsdashboards zijn niet technologisch, maar structureel: gefragmenteerde data en verkeerd afgestemde bedrijfslogica.

Grote bedrijven zijn vaak gestructureerd op een manier die onafhankelijk opereren tussen afdelingen, business units of geografische markten aanmoedigt. Hoewel dit flexibiliteit kan bieden op lokaal niveau, zorgt het voor grote uitdagingen als je gecentraliseerde rapportage probeert op te zetten die de hele organisatie omspant.

Volgens het CDOIQ-onderzoek van Accenture en MIT uit 2021 noemt 37% van de Chief Data Officers een silo-infrastructuur als de grootste uitdaging bij het realiseren van hun data (Accenture, 2021). Voordat er kan worden gerapporteerd, moeten teams eerst bepalen waar de data zich bevinden, wie de eigenaar is, hoe ze zijn gestructureerd en of ze betrouwbaar zijn. In veel gevallen kan alleen al het vinden van de juiste dataset weken van heen-en-weer gepraat tussen afdelingen met zich meebrengen.

Zelfs als de data eenmaal veilig zijn gesteld, komen er vaak diepere afstemmingsproblemen naar voren. Verschillende teams of regio's gebruiken vaak iets andere definities voor dezelfde KPI. Het ene team meet bijvoorbeeld wekelijkse conversies op basis van gebruikersacties, terwijl een ander team dit doet aan de hand van productbestellingen. Zonder overeenstemming over de definities wordt het moeilijk om dashboards te maken die stakeholders vertrouwen. Het resultaat is vaak een gebrek aan vertrouwen in de cijfers en een terughoudendheid om op het dashboard te vertrouwen voor het nemen van beslissingen.

Dit gefragmenteerde landschap maakt ook de voorbereiding van data tot een zware taak, lang voordat de visualisatie begint. Er gaat een aanzienlijke hoeveelheid tijd zitten in het opschonen, samenvoegen, standaardiseren en transformeren van ruwe data naar een bruikbare staat. 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 basiswerk 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.

Casestudie - Dashboards leveren: de weg naar implementatie

OVERZICHT:

Voor een wereldwijde autofabrikant kreeg Artefact de opdracht om gecentraliseerde dashboards te bouwen om de rapportage in de verschillende regio's te verbeteren. Hoewel het doel duidelijk leek, namelijk het stroomlijnen van analyses en het bieden van realtime inzichten, bleek de realiteit van het implementeren ervan in een gedecentraliseerde organisatie al snel een grotere uitdaging dan aanvankelijk verwacht.

UITDAGING:

De organisatiewas georganiseerd per regio 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 meetgegevens. Een treffend voorbeeld: terwijl de ene markt een "online verkoop" definieerde als het moment waarop een bestelling werd geplaatst op de website, beschouwde een naburige markt het pas als een verkoop wanneer de betaling was ontvangen. Deze subtiele verschillen veroorzaakten grote hiaten in de rapportage, vooral wanneer het leiderschap een geconsolideerde weergave op regionaal niveau vereiste. Welke definitie was juist? Hoe konden de data worden samengevoegd zonder de prestaties verkeerd weer te geven?

OPLOSSING:
Om dit op te lossen, implementeerden we een gecentraliseerd data dat ervoor zorgde dat alle markten en regio's op één lijn zaten wat betreft gedeelde definities en data . Hiervoor moest elke KPI worden getraceerd naar de oorspronkelijke data en moest worden samengewerkt 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 met haar data omging en deze vertrouwde, waardoor schaalbare, nauwkeurige rapportages voor alle teams en regio's mogelijk werden.

Belangrijkste succesfactoren en geleerde lessen

Door de uitdagingen kwamen verschillende belangrijke succesfactoren naar voren die hielpen om het project tot een goed einde te brengen:

  • Automatisering van data : Geen handmatige inspanningen meer die voorheen werden besteed aan het verwerken van Excel-bestanden en draaitabellen, waardoor data in realtime beschikbaar zijn.
  • Gecentraliseerde analyses: Geconsolideerde data in één enkel dashboard, voor naadloze cross-functionele inzichten.
  • Versnelde rapportagemogelijkheden: De tijd voor het genereren van rapporten is teruggebracht van een dag naar een uur.

Geleerde lessen:

  • Afstemming tussen backend en frontend is cruciaal: De technische vereisten evolueerden vaak tijdens het project, wat de noodzaak onderstreept voor vroegtijdige coördinatie tussen data en dashboardontwerp.
  • Beperkingen van tools kunnen uw oplossing vormgeven: Het BI-platform van derden had aanpassingsbeperkingen, waardoor creatieve oplossingen en het managen van de verwachtingen van belanghebbenden nodig waren.
  • Veranderingsmanagement hoort bij het werk: Veel werknemers waren huiverig om van Excel af te stappen, wat de behoefte aan proactieve training, ondersteuning en duidelijke communicatie onderstreept om de overstap te stimuleren.

De rol van Artefactbij het oplossen van deze uitdagingen

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

  • Standaardiseren van KPI-definities: We hebben discussies tussen teams gefaciliteerd om een universeel geaccepteerde set prestatie-indicatoren te creëren.
  • Data uniformeren: Onze experts hebben data in verschillende regio's gestroomlijnd en inconsistenties geëlimineerd die voorheen de analyse belemmerden.
  • Silo's doorbreken: Door data te integreren in een gecentraliseerd platform, hebben we realtime inzichten en transparantie voor alle teams mogelijk gemaakt.
  • Een schaalbare oplossing leveren: We bouwden een single source of truth platform met meer dan 20 dynamische dashboards, die belanghebbenden voorzien van intuïtieve, real-time rapportagetools.
  • Overname en training: Zodra de rapportagemogelijkheden waren ingesteld, organiseerden we een reeks trainingen om ervoor te zorgen dat de tools werden overgenomen en opgenomen in de dagelijkse activiteiten van de belanghebbenden.

Door gebruik te maken van de expertise van Artefacthebben we de benadering van data door de organisatiegetransformeerd en hen geholpen om van gefragmenteerde rapportage over te stappen op een echt geïntegreerd analytics ecosysteem.

Laatste gedachten: Het bouwen van Analytics & Reporting mogelijkheden begint met het bouwen van de juiste data foundation

In grote organisaties zijn de grootste obstakels voor effectieve dashboards zelden visueel of technisch, maar structureel. Gefragmenteerde systemen, inconsistente KPI-definities en silo teams creëren een niveau van complexiteit dat geen enkele front-end tool alleen kan oplossen.

Zoals dit project liet zien, vereist het oplossen van deze uitdagingen meer dan alleen tooling. Het vereist afstemming tussen afdelingen, een gedeeld begrip van data en een toewijding aan het bouwen van een sterke data voordat er ook maar één grafiek wordt gebouwd. Het grootste deel van de inspanning ligt in de backend, maar die inspanning betaalt zich uit omdat het schaalbare dashboards mogelijk maakt die teams vertrouwen, accepteren en gebruiken om echte beslissingen te nemen.

Voor bedrijven die hun analysemogelijkheden willen ontwikkelen, is de boodschap duidelijk: investeer in het harde werk van het samenbrengen en voorbereiden van uw data. Als dat eenmaal gedaan is, worden de dashboards het makkelijke deel.