Klargør dine data til business intelligence og forretningsanalyse med Master Data Management

Transkript

1 Klargør dine data til business intelligence og forretningsanalyse med Master Data Management Hvordan styring af masterdata reducerer risikoen i ethvert data warehouse-projekt

2 Få styr på dine data med Master Data Management (MDM) S. 4 Organiser dine Dynamics-data med et data warehouse S. 5 Dimensionel modellering og Kimball-metodikken S. 6 Gør din styring af data nemmere med Jet Data Manager S. 8 Business intelligence og risikoen for forkerte data Alfa og omega i business intelligence og forretningsanalyse (BI) er data: At få de rigtige oplysninger i det bedste format, der gør det muligt for en person at forstå dem og træffe vigtige beslutninger. Dette er især afgørende, når der bruges data fra flere kilder som f.eks. et ERP-, CRM-, lager- eller produktionssystem. Ved hjælp af værktøjer, teknologier og best practices hjælper BI-løsninger dig med at give mening til dine data, hvilket resulterer i meningsfuld information og synlighed til dine virksomhedsbrugere fra en kombination af flere kilder. Nøjagtige data er en afgørende faktor i enhver BI- eller rapporteringsindsats. Når en virksomhed installerer en BI-løsning, bør der ikke være uoverensstemmelser i de præsenterede data. Men oftest sker det, at virksomheden opbygger et dashboard for blot at opdage, at tallene er forkerte. Et af de mest almindelige eksempler er en salgsordre, der bogføres uden at blive tilskrevet enten en kunde eller en sælger og ikke sammenholdes med afkast eller kreditnotaer. Indtægterne vises ikke korrekt, og årsagen er manglende datakvalitet. Der findes mange former for virksomhedsdata i en organisation. Transaktionsdata repræsenterer forretningshændelser, der understøtter en organisations daglige drift. Analytiske data omfatter præstationsmålinger og andre målinger, der hjælper med beslutningstagning og rapportering. Masterdata er den lim, der repræsenterer de vigtigste forretningsenheder, der udfører transaktioner, og de dimensioner, hvorpå analysen udføres (mere om det senere). Kvaliteten af hver komponent, og hvordan det styres indenfor dit virksomhedssystem, hænger sammen med din succes med BI-projektimplementering. I modsat fald træffer du beslutninger baseret på forkerte data. Jet Global Data Technologies Forbered dine data til business intelligence og forretningsanalyse S. 2

3 Forkerte data er den største risiko ved opstart af et BI-projekt. Problemet er, du ikke nødvendigvis ved, at du bruger dårlige data, indtil det er for sent. Her er nogle af de største risici ved at bruge forkerte data i din BI-løsning: Flere versioner af sandheden At sætte spørgsmålstegn ved, om dine data er gyldige, fjerner hele formålet med at have en BI-løsning til at træffe kritiske forretningsbeslutninger hurtigt. Når du sidder med ens rapporter, der giver dig forskellige resultater eller indeholder uoverensstemmelser i tallene, hvad skal ledelsen så stole på? Risiko i forbindelse med overensstemmelse med lovgivningen Unøjagtigheder i regnskaberne er en af de største og mest omkostningstunge risici ved dårlige data. Indsendelse af unøjagtige data kan resultere i store bøder og alvorlige konsekvenser for en virksomhed. Tab af produktivitet og ineffektiv proces En gennemgang og analyse af, hvor fejlen i dataene opstod, kræver tid, indsats og tålmodighed fra én eller flere medarbejdere. Det resulterer også ofte i komplekse nød- og lappeløsninger for at få de tal frem, de har brug for. Lang vej til værdifuld tid Når du har brug for BI, har du som regel brug for det lige nu. De ressourcer, der bruges til at løse de problemer, der opstår som følge af dårlige data, sænker tilpasningsevnen og forhindrer virksomheder i at se værdien af BI. Manglende evne til at vokse og skalere uden eksponentielt ressourceforbrug Når du beskæftiger dig med rapportering med uregelmæssigheder samt komplekse løsninger og forsinkede godkendelser, bliver det ikke nemmere, når du føjer flere data og processer til. Du ender med at belaste dine ressourcer og skabe mere pres end før. Uden korrekt datakvalitet og masterdatastyring vil disse risici i sidste ende resultere i implementeringsfejl af BI. Virksomheder vil stå overfor den ene udfordring efter den anden med at finde værdi eller nytte i BI-platformen, som vil ende med at koste din produktivitet, evne til at betjene kunder og i sidste ende dine indtægter. Når det gøres korrekt, vil business intelligence med den rigtige datakvalitet og de rigtige administrationsprocesser for masterdata give dig et effektivt BI-miljø og en dataforvaltningsplan, som kan bruges som fundamentet for din analyse og beslutningstagning. Jet Global Data Technologies Forbered dine data til business intelligence og forretningsanalyse S. 3

4 Stol på dine data med Master Data Management (MDM) Nøjagtige data kommer ikke ud af det blå. Data skal styres mod sandhed og pålidelighed. Hos Jet Global behandler vi BI som et datastyringsprojekt. Det er vigtigt at forstå, hvordan du styrer dine data og sikrer konsekvent og præcis datakvalitet for at undgå risikoen for eventuelle dårlige data, og for at dit BI-projekt skal lykkedes. Du skal kunne stole på dine data, dine folk skal kunne stå bag deres arbejde, og dine processer bør være ensartet. Dit Dynamics ERP-system gør et godt stykke arbejde med hensyn til at indsamle værdifulde data. Som følge deraf har du masser af data men ingen retningslinjer for at overvåge dets nøjagtighed og struktur. Der findes to best practices-metoder til datastyring, som vi altid deler med vores kunder, inden vi kommer ind på emnet: masterdatastyring (MDM) og dataforvaltning. Harmonisering og synkronisering af flere dataposter er yderst vigtigt for at skabe en enkelt version af sandheden, som er det, du ønsker, at din BI-løsning er baseret på. Dine masterdata er det specifikke sæt af identifikationer og egenskaber, der beskriver kerneenheder i din virksomhed, herunder kunder, udsigter, leverandører, kontooversigter mv. MDM er en strategi, der anvender kritiske enheder til at etablere en ensartet, beskyttet visning på tværs af organisationen. Alle datakilder, applikationer og virksomhedsprocesser leveres typisk via en hubinfrastruktur og kortlægges til dine masterdata for at sikre ensartethed, nøjagtighed og ansvarlighed. Dataforvaltning er et sæt processer, der sikrer, at vigtige dataaktiver styres korrekt på tværs af hele virksomheden. De omfatter datakvalitet, datastyring, datapolitik, virksomhedsprocesstyring og risikostyring og er alle sammen i forbindelse med virksomhedens informationsregistre. Gennem dataforvaltning prøver organisationer i virkeligheden at besvare de dybere systemiske spørgsmål vedrørende mennesker, processer og metoder. Med disse svar er de i stand til at udøve en positiv kontrol over de processer og metoder, de bruger til at håndtere deres data. 4 sikre skridt til implementering af dataforvaltning LÆS DETTE WHITEPAPER Brug af både MDM og en klar dataforvaltningsstrategi sikrer, at dine vigtige dataaktiver er organiseret, styret og kontrolleret korrekt på tværs af hele virksomheden med regler, bestemmelser og overholdelse af disse. Jet Global Data Technologies Forbered dine data til business intelligence og forretningsanalyse S. 4

5 Organiser dine Dynamics-data med et data warehouse Det grundlæggende mål med en BI-løsning er at tilvejebringe en metode til at hente konsoliderede data med henblik på at besvare forretningsmæssige spørgsmål fra dine brugere. Når du har din dataforvaltnings- og MDM-plan på plads, har du brug for opbevaring på et centraliseret data warehouse, der giver dig mulighed for at migrere data og integrere dem fra flere kilder for at give dig den eneste version af sandheden. Med en ensartet visning af dine data er du i stand til at udarbejde nøjagtige rapporter, hvorpå du kan træffe vigtige og informerede forretningsbeslutninger. For at opbygge et solidt fundament for din BI-løsning, har du brug for tre databasetyper: 1. Online Transaction Processes (OLTP) Database det er denne, som brancher til dagligt arbejder indenfor, og som understøtter virksomhedens aktiviteter, herunder oprettelse af ordrer, fakturaer og sporing af beholdning. Fx: Dynamics NAV database 2. Dimensionel database denne opbygges efter praksissen dimensionelt modelleringsdesign og oprettes for hurtigt og nemt at hente data fra en database. Fx: Data warehouse 3. Online Analytics Processing (OLAP) eller Tabular Model Database optimeret til at analysere store mængder data på en rettidig og fleksibel måde ved hjælp af foranstaltninger og dimensioner. Det er vigtigt at forstå, at hver af disse databaser bruger sit eget sæt standarder, og det kan være meget vanskeligt at konvertere fra én type til en anden. Ligesom Dynamics NAV er en OLTP-database stærkt normaliseret i sin struktur, hvor data spredes over mange tabeller. De fleste moderne ERP-systemer er struktureret på denne måde, fordi det tillader data at blive tilskrevet og opdateret på en måde, der minimerer indvirkningen på andre tabeller i databasen. Ved opbygning af en BI-løsning er det mest effektivt at denormalisere dataene i en OLTP-database. Dette gøres ved at kombinere information fra flere tabeller i den normaliserede database til et sæt mindre, konsoliderede antal tabeller, der deler et fælles emne. Dette kaldes en dimensionel database eller et data warehouse, som skal bruges til at organisere dine backenddata. Den giver dig mulighed for hurtigt at hente dine data, producere nøjagtige oplysninger fra den og at opnå det første formål med BI at besvare dine forretningsspørgsmål. Selvom dit ERP-system bruges til at indsamle data, fungerer et data warehouse som en enkelt rapporteringsmaskine til at indhente organiserede, logiske og forvaltede data fra dine systemer og præsentere dem i et mere håndgribeligt format for forretningsbrugere. Før du springer ud i et BI-projekt, er det vigtigt at forstå, hvorfor og hvordan et data warehouse virker. Dette vil hjælpe dig med at undgå eventuelle scenarier med dårlige data og sikre, at du har får vellykket BIimplementerings- og adoptionshastighed. Undgå 3 almindelige fejl som kuldsejler business intelligence-projekter HENT VORES WHITEPAPER Jet Global Data Technologies Forbered dine data til business intelligence og forretningsanalyse S. 5

6 Dimensionel modellering og Kimball-metodikken Det hele begynder med dimensionel modellering processen med omstrukturering af data, der både fremmer præstation og brugervenlighed ved rapportering og analyse. ERP-systemer er relationelle databaser, hvilket betyder, at de fokuserer på to typer data: fakta og dimensioner. Disse to typer data eksisterer sammen i dit ERP-systems tabeller, men for at gøre det nemmere at rapportere, skal der tages stilling til, hvordan disse poster vedrører hinanden. Generelt er data af enhver type i en BI-løsning opdelt i fakta- og dimensionstabeller. Selvom der er et par tankeretninger indenfor dimensionel modellering, er Kimball-metodikken én af de mest populære og videst accepterede tilgange til data warehouse-design. Kernen i denne metodik er behovet for at samle virksomhedskrav fra de mennesker, der vil bruge systemet til analyse og rapportering. Uden at forstå din målgruppes behov, er det ikke muligt at levere en BI-platform, der opfylder deres forventninger. Desuden vil brugerne ikke benytte det, hvis de ikke finder BI-platformen nyttig eller værdifuld, og dit BI-projekt vil mislykkes på grund af manglende optagelse i organisationen. Ethvert BI-engagement, der følger Kimball-metodikken, begynder med at holde møder med vigtige brugere for at afdække deres behov, definere nøgletal og diskutere eksisterende rapporteringsproblemer. Når brugernes behov er blevet identificeret, er der fire grundlæggende trin i den dimensionelle designproces: 1. Vælg en forretningsproces Enhver hændelse, der genererer værdifuld forretningsinformation, identificeres tydeligt. Dette omfatter aktiviteter fra udsending af faktura eller indtastning af lønoplysninger til at modtage en forsendelse fra en leverandør eller effektuere en betaling af en faktura. Disse hændelser eller aktiviteter vil blive brugt til at levere præstationsmålinger i en faktatabel. 2. Bestem filtrering Filtreringen i en forretningsproces bruges til at afgøre relevante dimensioner og fakta. En faktatabels filtrering fastslår, hvad hver post eller række i faktatabellen repræsenterer. Atomic Grain Level anbefales kraftigt i de fleste tilfælde, fordi det sikrer, at alle detaljer i forretningsprocessen er til rådighed for brugerne uden at omdefinere filtreringen. 3. Identificer dimensioner Dimensioner er hvem, hvad, hvor og hvornår, analysen omgiver forretningsprocesser. De repræsenterer typisk tekstoplysninger og er struktureret i form af et eller flere nøglefelter samt som beskrivende egenskaber om nøglen. Et eksempel ville være baseret på tabellen [Kunde], hvor nøglefeltet er [Nr.] og dimensionens egenskaber er [Stat/Region], [Landekode] og [Sælgerkode]. BEMÆRK: Dimensionstabeller vil kun kontakte de masterdata, der giver faktaene en detaljeret kontekst. 4. Identificer fakta Fakta er de kvantitative oplysninger, der genereres af en forretningsproces. Fakta er af natur numeriske og ekstremt vigtige for virksomhedens brugere, da de udgør målestokken for præstationsmålinger. For eksempel bestemmes der på et møde med en gruppe af virksomhedens brugere, at de har brug for øget synlighed i salget. Én af de forretningsprocesser, der vælges, er processen med kundefakturering. Når denne specifikke proces er valgt, giver det gruppen mulighed for at fokusere på det detaljeniveau, som de ønsker at analysere data fra (filter), de forskellige sammenhænge eller måder, de gerne vil analysere data (dimensioner), og hvilke målinger og værdier, der genereres under kundefakturering, der er vigtige for dem (fakta). Jet Global Data Technologies Forbered dine data til business intelligence og forretningsanalyse S. 6

7 Et data warehouse er afgørende for at få det komplette billede af dine data. Det udgør ikke kun kilden til nøjagtig rapportering, overholdelse af regler og beslutningstagning, det giver dig også mulighed for nemt at overføre data fra oprindelige kilder, så du ikke mister historiske data under overgangen. BI-implementeringsprojekter er ofte en øvelse i at bestemme prioriteter. Når det drejer sig om at udvikle et data warehouse, beslutter nogle virksomheder at springe dette trin over, fordi de mener, at de vil spare tid på det omfattende analyse-, design-, kodnings-, testnings- og dokumentationsarbejde, der kræves. Der er mange tilfælde, hvor valget af en ren frontend-bi-løsning, som Tableau eller Power BI, kan opfylde dine behov. Men efterhånden som mængden, mangfoldigheden og kompleksiteten af dine data vokser, stiger omkostningerne og ressourcerne til at konsolidere disse datakilder også, og du risikerer i høj grad at stå med dårlige data. Ulemperne ved udelukkende at stole på frontend BI-værktøjer til forretningsanalyser kan i sidste ende koges ned til fire udfordringer: 1. Hastighed 2. Præstationsproblemer 3. Dataintegritet 4. Levetid Den tid, det tager at planlægge, opsætte og hente de rigtige data fra flere datakilder, er omfattende og meget ineffektiv. Påvirkningen ved at køre forespørgsler mod centrale driftssystemer fører til præstationsproblemer for både ERP- og BI-brugere. Risikoen for fejl, beskadigelse af data og manglende evne til at identificere årsagen til fejlen kompromitterer integriteten af de data og analyser, du producerer. Endeligt kan eventuelle ændringer eller opgraderinger i ét af dine kildesystemer eller BI-applikationer have en katastrofal effekt på dine medarbejdere, processer og analyser. Et veldesignet data warehouse vil resultere i lettilgængelige data, mere værdifulde rapporter, pålidelige og ensartede data, forbedret sikkerhed og præstationsforbedringer. At vælge IKKE at udvikle et data warehouse til din BI-løsning er ikke en reel mulighed, når du opvejer fordelene og ulemperne. Den gode nyhed er, at der er flere muligheder, når det gælder opbygningen af et data warehouse. Du kan vælge at planlægge, designe og bygge det internt, eller du kan købe en tredjepartsløsning, hvor al den tidskrævende programmering og udvikling allerede er gjort for dig. Microsoft Dynamics Business Intelligence Køb eller egen udvikling? LÆS BLOGINDLÆG Jet Global Data Technologies Forbered dine data til business intelligence og forretningsanalyse S. 7

8 Gør din datastyring nemmere med Jet Data Manager Konceptet bag Jet Global er at få information frem til det sted, hvor en person kan gøre det meningsfuldt. Siden 2002 har vi leveret de bedste rapporterings- og analyseløsninger til tusindvis af Microsoft Dynamics-brugere. Vores tilgang til datamigrering og -styring er enkel og ukompliceret. Vi anvender de bedste datastyrings- og designprincipper for at sikre vores kunder bedre adgang og kontrol over deres data, og vi bruger de rigtige værktøjer til hurtigere installation og værdi. Vi tilbyder en SQL-baseret BI-løsning, kaldet Jet Analytics, som er en komplet data warehouse-automatisering og BI-tilpasningsplatform, der er 10 gange hurtigere end manuel kodning hvis du nu påtænker at opbygge din egen BIløsning. Jet Analytics bruger Jet Data Manager som et backend-værktøj til at oprette data warehouses og kuber. Dette ETL-automatiseringsværktøj bruges til at udpakke, transformere, indlæse og rapportere data til en endelig placering. Her er en simpel visualisering af et grundlæggende BI-projekt indenfor Jet Data Manager: Indledende Data warehouse Vælg/forandr Indlæs Kuber Rapportering Oversigtsdiagrammer, Jet-rapporter, KPI Datakilder NAV OLTP dbase [Figur: Dataflow gennem Jet Analytics] ETL-modellen er grundlaget for dataflow i mange datasystemer. I Jet-modellen er datakilden en database, hvorfra data vælges og udtrækkes. I den indledende database bliver dataene transformeret. Og data warehouses og kuber er stedet hvor det transformerede og aggregerede indlæses. Jet Global Data Technologies Forbered dine data til business intelligence og forretningsanalyse S. 8

9 Jet Data Manager er en hurtig og effektiv måde at organisere og konsolidere dine datakilder på grund af vores tilgang til MDM. Under en implementering af Jet Analytics vælger en klient sit mastersystem (dvs. Dynamics NAV), og alle andre datakilder, herunder data warehouse og kuber, kortlægges til masteren. Dine masterdata bliver grundlæggende set rapporteringsreglerne. Selvom ikke alle data i en organisation vil blive brugt i dit BI-miljø, kan der stadig være mange steder, du kan trække data fra. Jet Data Manager kan oprette forbindelse til en lang række datakilder for at gøre denne proces struktureret og let. Denne tilgang til at opbygge et solidt BI-miljø er designet til hurtig og præcis dataadgang og optimal beslutningstagning. Her er nogle af de væsentlige fordele, som vores nuværende Jet Analytics-kunder har oplevet: Data warehouse og kuber er allerede foruddefinerede ingen kodning eller kubeudvikling kræves. Hurtig installation og hurtig værdi Lave ejerskabsomkostninger Producerer forvaltede data, som virksomheden kan stole på Ikke afhængig af en lille gruppe specialiserede ressourcer, der sætter hele projektet i fare Opretter et centralt lager for nøjagtig rapportering Udviklet til Microsoft Dynamics ERP-struktur Bygget på Microsoft Stack Technologies Jet Analytics er en komplet BI-løsning, der er udviklet til Microsoft Dynamics, som indeholder et foruddefineret data warehouse, OLAP-kuber eller tabulæropbyggede modeller og dashboards, så du kan begynde at bruge det (og se værdien af det) indenfor blot et par timer. Derudover byder Jet Analytics på et komplet indbygget rapporteringsmiljø i realtid, så du kan konsolidere dine opgaver til en enkelt, gennemprøvet platform, der benyttes af over Dynamicsbrugere. Dette giver dig også den enestående fordel at kunne rapportere direkte fra enten produktionsdatabasen eller det optimerede data warehouse-miljø, hvilket giver dig en anden dimension af fleksibilitet i rapportering, mens du stadig nyder godt af komplette analyser, dashboards og BI. Du kan finde yderligere oplysninger ved at gå ind på vores hjemmeside eller kontakte vores team. Jet Global Data Technologies Forbered dine data til business intelligence og forretningsanalyse S. 9

10 Om Jet Global Jet Global leverer komplet dataadgang og styring fra Microsoft Dynamics, så bestyrelsesmedlemmer, ledere og økonomimedarbejdere kan træffe beslutninger i trit med udviklingen uden forsinkelser fra flaskehalse i form af tekniske ressourcer eller datakompetence. Gennem fleksibel rapportering, hurtige analyser og styrede budgetteringsløsninger, der udnytter Excel og Power BI, giver Jet Global brugere mulighed for øjeblikkeligt at blive succesfulde og produktive i et miljø, der er både brugervenligt, velkendt og sikkert. Jets løsninger fokuserer på at reducere den allestedsnærværende spænding mellem IT og interessenter ved at befri de konsekvent overbebyrdede tekniske ressourcer, så de kan fokusere på at forny og drive virksomhedens strategiske aspekter. Besøg og se, hvorfor virksomheder benytter sig af Jet Global til deres forretningsindsigt hver dag. Besøg og se, hvorfor virksomheder sætter deres lid til Jet Global til deres forretningsindsigt hver dag Jet Global Data Technologies Inc. Alle rettigheder forbeholdes.