2 items tagged "Tableau"

  • Hoe zorg je voor een datacultuur in je organisatie?

    Hoe zorg je voor een datacultuur in je organisatie?

    Organisaties met een duidelijke datacultuur zijn winstgevender dan bedrijven die dat niet doen. Maar waar is een datacultuur? En als je dat wilt, waar dan te beginnen? Alleen software installeren is niet genoeg volgens Tableau, maker van software voor data-analytics en -visualisatie.

    Op reis spreken mensen over de cultuur van een land: de taal die de inwoners spreken, de omgangsvormen, de manier waarop mensen de dingen doen en de producten die ze maken. In een organisatie met een datacultuur spreken alle werknemers de taal van data. Zij werken datagedreven en data vormen de basis van wat ze doen en maken. In bedrijven met een datacultuur heeft iedereen toegang tot de gegevens die men nodig heeft om betere beslissingen te nemen in het werk. 'Om dat voor elkaar te krijgen vraagt om meer dan software installeren', zegt James Eiloart, SVP EMEA van Tableau. 'Steeds vaker worden wij gevraagd onze klanten te helpen met het creëren van een datacultuur in hun organisatie. Wat dat inhoudt is dat wij hen heel veel vragen stellen en dan met behulp van data een kaart schetsen van waar zij nu zijn, en de weg naar het punt waarop alle werknemers hun werk beter kunnen doen met behulp van data'.

    Eiloart gebruikt graag de frase 'driving insights', wat in deze context zoveel betekent als het vergroten van inzichten op basis van data. 'Het einddoel is een organisatie waarvan de werknemers met zelfvertrouwen data gebruiken om vragen te beantwoorden en inzichten te vergroten, zodat zij hun werk in de organisatie beter kunnen doen. Feit is dat de meeste organisaties daar nog heel ver van verwijderd zijn'.

    Visie

    Het bewerkstelligen van verandering begint, zoals zo vaak, met een visie. Op het visitekaartje van Simon Beaumont staat dat hij Global Director is van het BI Centre of Excellence van vastgoedbedrijf Jones Lang LaSalle (JLL). Op de Tableau Conference 2019 noemt hij zichzelf liever Tableau Zen Master, wat betekent dat hij een bepaalde vaardigheid heeft in het werken met de software en spreekt als ambassadeur. Hij legt uit dat JLL vastgoed verhuurt en beheert over de hele wereld. Zij gebruiken data niet alleen om te de waarde van vastgoed te bepalen voor hun klanten of dashboards te bouwen met responstijden voor onderhoud. JLL onderzoekt desgewenst ook in welke steden de meeste softwareontwikkelaars wonen, voor bedrijven die een nieuwe vestiging willen openen. Of hoe kamertemperatuur de productiviteit van de werknemers beïnvloedt. Of de relatie tussen de hoeveelheid parkeerruimte om het kantoorpand en het op tijd komen van mensen. Beaumont: 'Onze directeur Paul Chapman had een visie: hij wilde dat JLL data op een andere manier ging gebruiken dan gebruikelijk was in de vastgoedwereld. Die visie werd medegedeeld aan alle werknemers, vanaf de top. Daarna begon de zoektocht naar passende software'.

    Datavaardig

    In een datacultuur werkt iedereen in meer of mindere mate met data. Datavaardigheid is niet voorbehouden aan een handvol specialisten. Dat vraagt om een investering in mensen, om opleiding en training. Mark Jewett is VP Marketing bij Tableau: 'Data is een taal die iedereen kan leren, maar niet iedereen hoeft hem vloeiend te spreken. Niet iedereen hoeft een deskundige te worden, maar de basis van werken met data moet wel bekend zijn, zoals logica en het verschil tussen correlatie en causaal verband. Als er in analytics een verband is tussen twee getallen, betekent dat niet dat het ene getal het andere heeft veroorzaakt. Veel mensen vinden dat een lastig concept om te begrijpen, maar is wel belangrijk om hen dat bij te brengen. Geweldige data in de handen van mensen die ze niet begrijpen, leidt niet automatisch tot geweldige beslissingen'.

    Opleiden

    Werknemers hoeven niet gelijk jaren naar school, kies een opleidingsvorm die past bij het werk en de persoon. Korte e-modules, hackathons, workshops, de mogelijkheden zijn legio. Jewett: 'Maak mensen enthousiast voor data. Laat ze een onderwerp kiezen dat ze leuk vinden en ga grasduinen in openbare data'.

    Wie bereid is zelf op te leiden kan bij het aannemen van mensen voor een team ook verder kijken dan de gedoodverfde kandidaten. In de Tweede Wereldoorlog had het Westen een enorm tekort aan codebrekers, omdat de jonge mannen aan het front waren. De militaire leiding besloot, heel innovatief, om vrouwen in te zetten. Wie weet welk talent er verscholen zit in 'de ander'? Voor wie huiverig is voor zoveel om- en bijscholing, citeert Eiloart een bekende cartoon: De CFO zegt tegen de CEO: ‘wat als die mensen, waarin we investeren, daarna vertrekken?’ Waarop de CEO antwoordt: ‘wat als we niet in hen investeren en ze blijven?’

    Directiesteun

    'Als de directie of raad van bestuur jouw datavisie deelt, helpt dat enorm', aldus Eiloart. 'Wij zien vaak meer wil en betrokkenheid bij gebruikers dan bij de directie'. Jewett vult aan dat in zijn ervaring het soort organisatie dat het beste presteert, datacultuur zien als onderdeel van de identiteit. 'Een klant van ons, een Europees automerk, heeft ‘driving excellence’ als zijn missie. De wil tot excelleren zit door de hele organisatie. Product-engineering was altijd al belangrijk, maar data-engineering komt daar nu bij. En wordt met diezelfde gedrevenheid uitgevoerd'.

    Begin nu

    Het is verleidelijk te wachten tot alle data op orde zijn, tot ze (bij wijze van spreken) keurig gerangschikt liggen te wachten in het eigen datawarehouse of datalake. 'Niet doen', adviseert Eiolart. 'Begin met de data die er zijn en kijk welke inzichten die opleveren. Iedere dag dat je wacht betekent een grotere achterstand op de concurrent. Begin de reis nu, anders begin je hem nooit. Natuurlijk moet er een mate van governance en control zijn, maar wacht niet op perfectie'. Jewett adviseert onderscheid te maken tussen soorten gegevens. 'Sommige data vereisen een grote mate van nauwkeurigheid, maar niet alle. Als ik snel wil controleren of iets klopt, is dat een andere vraag dan het onderbouwen van het financieel jaarverslag. Maak onderscheid tussen de verschillende eisen aan controle een privacy. Zorg dat de governance varieert waar nodig zodat mensen flexibeler kunnen werken'.

    Bron: Techzine

  • Self-service BI platformen: Domo of Tableau?

    Self-service BI platformen: Domo of Tableau?

    Business intelligence (BI) en analytische platforms zijn al lang een belangrijk onderdeel van het bedrijfsleven, maar dankzij de opkomst van self-service BI-tools is de verantwoordelijkheid voor analyse verschoven van IT naar businessanalisten, met ondersteuning van datawetenschappers en databasebeheerders.

    Als gevolg daarvan is BI veranderd van het genereren van maandelijkse rapportages uit het registratiesysteem, naar het interactief ontdekken en delen van trends, voorspellingen en antwoorden op bedrijfsvragen op basis van gegevens uit verschillende interne en externe bronnen. In plaats van maanden nodig te hebben om een beslissing te nemen, kunnen bedrijven die zelfbedienings-BI hebben geïmplementeerd in een paar dagen tijd een beslissing nemen over de te volgen koers.

    Maar het kan lastig zijn om uit te vinden welk self-service BI-platform geschikt is voor jouw organisatie. De beste pasvorm wordt zowel vanuit het oogpunt van de zakelijke gebruikers als vanuit het oogpunt van jouw IT-infrastructuur bepaald.

    Past het BI-platform bij de vaardigheden van de mensen die het zullen gebruiken? Kunnen jouw mensen het gemakkelijk leren en gebruiken? Maakt het de jobs van analisten gemakkelijker, of creëert het meer barrières dan dat het weghaalt?

    Is het in staat om al jouw interne en externe gegevensbronnen te lezen? Kan je jouw gegevens gemakkelijk opschonen en transformeren binnen het platform? Kan je jouw analyses delen met iedereen in het bedrijf, of alleen met gelicentieerde gebruikers?

    Domo en Tableau zijn twee van de zwaargewichten van self-service BI. Hier bekijken we hoe deze twee platformen zich tot elkaar verhouden, en welke factoren van belang kunnen zijn bij het bepalen welke uw organisatie moet kiezen.

    Domo

    Domo is een online BI-tool die een groot assortiment aan dataverbindingen, een ETL-systeem, een uniforme dataopslag, een grote selectie aan visualisaties, geïntegreerde sociale media en rapportages combineert. Domo beweert meer te zijn dan een BI-tool omdat zijn social media-tool kan leiden tot 'actionable insights', maar in de praktijk leidt elke BI-tool ofwel tot (menselijke) acties die het bedrijf ten goede komen ofwel op de vuilnisbelt belandt.

    Domo is een zeer goed en capabel BI-systeem. Het onderscheidt zich door de ondersteuning van veel databronnen en veel grafiektypes, en de geïntegreerde social media functie is mooi. Domo is echter moeilijker te leren en te gebruiken dan Tableau en andere self-service BI-rivalen. Met bijna $2.000 per gebruiker per jaar voor de Professional Edition ($2.280 voor Enterprise) is het ook duurder dan Tableau.

    Afhankelijk van jouw behoeften is Tableau waarschijnlijk een betere keuze dan Domo.

    Tableau

    Tableau beschrijft zijn producten als het aanbieden van 'analyses die werken zoals u denkt' en zegt dat deze tools gebruik maken van 'het natuurlijke vermogen van mensen om snel visuele patronen te herkennen, waardoor zowel alledaagse mogelijkheden als eureka-momenten worden onthuld'. Daar zit een zekere mate van waarheid in, hoewel je bijna hetzelfde zou kunnen zeggen over veel andere BI-tools.

    De visuele ontdekkingsfase van de analyseworkflow is het sexy gedeelte, maar het is niet waar de meeste mensen het grootste deel van hun tijd doorbrengen. Mijn ervaring is dat het importeren en conditioneren van de gegevens gemakkelijk 80% van de tijd die je met een BI-product doorbrengt kan kosten.

    Nu Tableau cross-database verbindingen kan maken, ben je waarschijnlijk van plan om meerdere gegevensbronnen te importeren en te verbinden, hoewel je misschien de meeste van hen ondergebracht hebt in een datawarehouse, als jouw bedrijf groot (of rijk) genoeg is om er een te hebben.

    Dan zal je jouw gegevens willen filteren en conditioneren op een rij-voor-rij-basis. Tot slot zal je op het punt komen dat je daadwerkelijk kunt beginnen met het maken van visualisaties, hoewel het niet ongebruikelijk is om extra datatransformaties te moeten uitvoeren terwijl je probeert jouw verkenningstocht te doen. Maar dataconditionering en -transformatie zijn in Tableau gemakkelijk te realiseren, zeker net zo gemakkelijk als in Excel. Het is niet nodig om terug te gaan naar de importfase om berekende velden toe te voegen of de gegevens te filteren.

    Visuele ontdekking in Tableau is krachtig en Tableau heeft de lat hoog gelegd voor de eenvoudig te gebruiken implementatie en fijne controle van de grafiekweergave. Je bouwt een Tableau visualisatie op door te klikken op de afmetingen (meestal discrete categorieën of kenmerken) en maatregelen (numerieke waarden) die van belang zijn, en je kiest zelf een markering (het type weergave, zoals balken, lijnen en punten), of met behulp van de automatische markeringsselectie, of met behulp van de 'toon mij' methode voor het selecteren van de visualisatie.

    Voor meer controle kan je afmetingen en maten slepen op specifieke markeringseigenschappen of 'shelves'. Als je begrijpt wat er in jouw analyse gebeurt, kan je dashboards en verhalen met anderen delen. Dat kan eenvoudig worden gedaan door te publiceren naar Tableau Server of Tableau Online, of je nu in Tableau Desktop hebt gewerkt en moet uploaden, of dat je jouw data analyse al online aan het doen was.

    De prijs van Tableau is iets vriendelijker dan Domo en biedt drie verschillende gebruikerslicenties aan op basis van hoe zwaar het gebruik ervan naar verwachting van elke gebruiker zal zijn. Tableau Server: $70 (Creator), $35 (Explorer), $12 (Viewer) per gebruiker per maand; Tableau Online: $70 (Creator), $42 (Explorer), $15 (Viewer) per gebruiker per maand.

    Auteur: Martin Heller

    Bron: CIO

EasyTagCloud v2.8