Er is goed nieuws voor het MKB want Business Intelligence is
tegenwoordig allang niet meer weggelegd voor alleen multinationals! De meeste
consultancybedrijven richten zich op de top 500 organisaties van Nederland
omdat daar veel geld te halen valt. Ik spreek uit ervaring als ik zeg dat
simpele pragmatische oplossingen veelal door die clubs worden weggelachen omdat
die niet secuur genoeg zouden zijn. Een ondernemer zou zijn/haar bedrijf toch niet op “halve waarheden” kunnen sturen?
Juist dit inspelen op angst heeft er jaren voor gezorgd dat
deze clubs tonnen per jaar konden verdienen aan hardwerkende ondernemers die
het geld wel hadden maar er feitelijk gebakken lucht mee kochten. Waarom
gebakken lucht? Omdat een datawarehouse nóóit helemaal gereed komt en de
business er daarom nooit volledig gebruik van kan maken. Telkens als het einde
in zicht lijkt te komen sluipt er weer een inconsistentie in of wordt er ergens
een nieuwe applicatie gelanceerd waarvan de data ook nog moet worden toegevoegd
omdat misschien, heel misschien iemand die data ooit nodig zal hebben. O en
wacht… die nieuwe applicatie blijkt bij nader inzien toch niet zo
gebruiksvriendelijk dus moeten we data gaan migreren naar weer een nieuwe
applicatie en je raad het al, ook die data moet het datawarehouse in als je de
ingehuurde consultants om advies vraagt. Je komt als ondernemer dus niet los
van die dure consultants of moet er zelf een paar in dienst nemen. Zelf in dienst
nemen klinkt goed maar niemand wil graag overbodig lijken dus wat doen deze “eigen
BI-specialisten”? Juist, die gaan vrolijk verder met van alles en nog wat toevoegen
aan het datawarehouse totdat alles een berg spaghetti wordt, de persoon die alles
snapte vertrekt en de nieuwkomer adviseert om helemaal opnieuw te gaan bouwen
omdat alles van ellende kraakt en piept. De gemiddelde levensduur van een
datawarehouse is 8 jaar en dan begint alles weer van voren af aan en wordt er
wederom geïnvesteerd in nieuwe tooling en erg veel manuren.
Dergelijke investeringen zijn te begrijpen voor multinationals die met een 100% garantie willen kunnen sturen op hun cijfers omdat een foutmarge van 5% ze miljoenen kan kosten. Een paar ton per jaar investeren in een robuuste oplossing kan dan wel uit maar voor het MKB is dat een heel ander verhaal. Als ondernemer in het MKB is alles nog behapbaar en hoeft niet alles met BI te worden bepaald en aangestuurd. Rapportages kunnen daarom veel eenvoudiger maar waarom vertellen die consultancybedrijven dat niet? Waarom moet alles altijd robuust worden aangepakt zoals bij multinationals? Is het erg dat er in een pragmatische oplossing een iets grotere foutmarge kan zitten? Wat mij betreft hoeft BI niet altijd 4 cijfers achter de komma te kloppen en kunnen we KPI’s bij benadering beoordelen. Als de marge op een product via een pragmatische methode -2% blijkt en via de robuuste methode -1,8002% zal dit voor de ondernemer niet veel uitmaken en in beide gevallen hetzelfde worden beoordeeld. Een andere reden waarom datawarehouses zo kostbaar zijn is het automatiseren van allerlei processen. Ik heb zelf ooit een koppeling moeten maken met de API van een CRM pakket dat in cloud draaide. Erg tof natuurlijk dat de data elke dag automatisch klaar stond en dashboards de forecast per vertegenwoordiger toonden maar het bouwen van dat koppelvlak was erg veel werk en had wellicht niet gehoeven als de verkoper (mijn toenmalige collega) de optie had gegeven om het eventueel veel goedkoper te kunnen doen via een dagelijkse standaard export naar excel en daarmee de dashboards te voeden met verse data. Het genereren van die excels was een standaard optie in die CRM tool dus dagelijks met 1 druk op de knop alles verversen (gratis) tegenover compleet automatisch alles verversen. Op die knop drukken kan iedereen maar omdat deze optie niet werd gemeld betaalde de klant duizenden euro’s voor de API-koppeling.
Met dit blogartikel wil ik ondernemers graag scherp houden om de adviezen van hun BI consultancybedrijf te challengen en door te vragen of er goedkopere pragmatische methoden zijn die bij benadering hetzelfde resultaat opleveren. Altijd voor een tien willen gaan lijkt nobel maar brengt veel opoffering met zich mee die vooral voor het MKB veelal overbodig blijkt. Wil je graag een second opinion voor een bestaand datavraagstuk? Schoom dan niet en neem contact op.
