Drie totaal verschillende bedrijven in één analyse-omgeving

 

Eén van de meest opvallende opdrachten van de afgelopen jaren is voor mij deze geweest. Een groot bedrijf belt met de vraag of ik iets kan betekenen in hun specifieke situatie. Er vind op dat moment een samenvoeging plaats van drie bedrijven tot één bedrijf. Om het bedrijf te kunnen blijven sturen wil men één analyse omgeving opzetten.

Zes verschillende systemen

Binnen het nieuwe bedrijf zijn er in totaal zes verschillende systemen in gebruik waar data uit opgehaald moet worden. Tweemaal een AX-omgeving, een productiesysteem, een financieel systeem, een crm-systeem en een tekenapplicatie. Het is een zeer divers landschap waarbij data uit verschillende databases komt. Belangrijk uitgangspunt bij dit project is dat de bronsystemen niet aangepast kunnen of mogen worden. Ontbreekt er dus informatie in één van de systemen dan dient dat op een andere manier opgelost te worden.

modelleren van verschillende database systemen

Eén financieel overzicht uit drie verschillende systemen

De snelste slag kon geslagen worden door de drie financiele systemen aan elkaar te koppelen en zo dus een geconsolideerd inzicht te geven. Om dit mogelijk te maken is het grootboekschema vastgelegd in MDS (Master data services). Controllers met toegang kunnen hier zelf de opzet bepalen van het grootboekschema.kubus voor financials

Naast het grootboek, zijn ook de openstaande posten debiteuren en crediteuren samengevoegd. Klanten die bij meerdere entiteiten openstaande posten hebben, zijn hiermee in één overzicht beschikbaar. Erg handig in een sector met vrij lange betalingstermijnen. Bewaking op openstaande posten heeft dan een extra hoge prioriteit.

Klanten

Omdat de drie bedrijven actief zijn in dezelfde gebieden, komen de klanten grotendeels overeen. De klant had zelf al gekozen om de klanten te gaan koppelen op een speciaal KVK-nummer. Dit nummer was al aanwezig in de systemen. Desondanks was de overige informatie niet in alle systemen gelijk. In het datawarehouse is hier gekozen om een naam uit één van de systemen leidend te maken. Ook het groeperen van klanten wordt in het datawarehouse verfijnt en geoptimaliseerd. Dit bleek de beste plek te zijn.

Master Data Services

Zoals al aangegeven was een belangrijk uitgangspunt dat de bronsystemen niet aangepast mogen worden. Om toch data toe te kunnen voegen is MDS ingezet. Over MDS heb ik hier meer geschreven, waar het nu om gaat is dat MDS dit bedrijf enorm geholpen heeft om de analyses te kunnen maken die anders niet of pas na grote aanpassingen mogelijk waren geweest.

Consistentie

MDS is ingezet om tussen de bedrijven consistentie te realiseren. U kunt zich voorstellen dat alle gebruikte systemen wel ergens een veld hebben met bijvoorbeeld een klantgroep. In het ene systeem wordt dit klantgroep A, B, C in een ander systeem weer X,Y,Z. Terwijl in werkelijkheid bijvoorbeeld A gelijk is aan X en B gelijk is aan Y enzovoort. Het meest wenselijk is dus om deze onder één noemer te kunnen plaatsen. Stel A en X staan eigenlijk voor ‘grote klant’. Dan is het met MDS heel makkelijk om te zorgen dat A en X gegroepeerd worden als ‘grote klant’.

Mooiere analyses en rapporten

In de rapportage kan nu gefilterd worden op ‘grote klant’. Zo hebben we een groot aantal velden kunnen groeperen, zonder dit hard te programmeren in code of een SSIS-package bijvoorbeeld. U kunt zich voorstellen dat dit de leesbaarheid van rapporten aanzienlijk verbetert. Ook voor een bedrijf met zoveel veranderingen is het fijn als data in ieder geval duidelijk is voor alle medewerkers.

Zelf doen en toch gemanaged

Bovendien worden nieuwe statussen automatisch toegevoegd aan MDS en kunnen de gebruikers zelf de indelig verzorgen zonder hiervoor de helpdesk of consultant in te schakelen. MDS zorgt ervoor dat ingevoerde gegevens gecontroleerd worden door middel van bedrijfsregels. Deze bedrijfsregels zorgen ervoor dat er geen data in MDS terecht komt die incorrect is. Hiermee wordt data beheersbaar en blijven rapportages en analyses getoond zoals bedoeld.

sales dashboard power bi

Offerte naar levering

In onderstaande afbeelding is de flow zichtbaar van offerte naar levering. Onder offerte verstaan we ook het gedeelte acquisitie, die in deze branche redelijk goed bekend is. De buitendienst is verdeeld over een aantal regio’s en baseren zich voornamelijk op de informatie uit het datawarehouse.

Proces met datawarehouse in beeld

De gehele flow is zichtbaar gemaakt via het datawarehouse en kan met Excel bekeken worden. Er is veel aandacht besteed aan duidelijke naamgevingen zodat voor iedereen helder is wat er bedoeld wordt. En mocht er toch nog onduidelijkheid zijn dan is de documentatie direct opvraagbaar via een internetpagina. Op deze pagina is de actuele documentatie beschikbaar en doorzoekbaar.

Fotoboek

Door op gezette tijden van de flow een foto te maken, de data van dat moment vastleggen is het mogelijk om veranderingen waar te nemen tussen verschillende periodes. Voorheen werd dit ook gedaan, maar dan handmatig door op een vast tijdstip de data vast te leggen in een Excel bestand. Dat hoeft nu niet meer en bovendien kan de foto nu op meerdere momenten in de week gemaakt worden zonder een medewerker extra te belasten.

Self-service BI

De klant beschikt over een datawarehouse die benaderd kan worden met Excel of Power BI. En heeft zodoende de beschikking over een managed self-service BI omgeving. Er wordt veel gebruik van gemaakt door alle afdelingen binnen het bedrijf. Er is onderling voldoende kennis over het gebruik van Excel en de BI-omgeving. Mocht er hulp nodig zijn dan staan wij natuurlijk klaar.

Vaak komen er nieuwe wensen boven tafel die met onze aanpak snel ingevuld kunnen worden. Het datawarehouse is gebaseerd op de geautomatiseerde aanpak en daarom zeer dynamisch en verandert eenvoudig mee met de behoefte.