Business Intelligence maakt de zaak er niet altijd helderder op

_Maar over die juiste gereedschappen bestaat onzekerheid. Dat blijkt uit het jongste rapport van Brits/Belgische onderzoeksbureau OTR (Organisation and Technology Research). Een rondvraag onder meer dan 500 bedrijven - gebruikers en leveranciers - leert dat er veel verwarring bestaat over wat Business Intelligence behelst en onder welke voorwaarden je er iets zinnigs mee kunt doen. De beoogde gebruikers - marketeers, directeuren en hun adviseurs - gooien Business Intelligence nogal eens op een hoop met andere strategieën die eveneens het opkrikken van de bedrijfsprestaties beogen. Zo’n dertig procent van de ondervraagde consultants had bijvoorbeeld het verschil tussen BI en Knowledge Management (consolidatie van kennis in een onderneming) niet scherp op het netvlies. En 85 procent van de niet-specialisten maakt geen onderscheid tussen BI (het analyseren van de eigen bedrijfspositie) en Competetive Analysis (het analyseren van de positie van de concurrentie). Vage definities Als belangrijkste oorzaak van de verwarring rond BI noemt OTR de verscheidenheid aan etiketten die marktonderzoekers gebruiken om de inhoud van de zaak te labelen. OTR stelde vast dat 44 procent van z’n branchegenoten definities hanteert die als enig gezamenlijk kenmerk hebben dat ze volstrekt vaag zijn. De grootste consensusgroep (groep die een eensluidende definitie hanteert) omspant slechts 30 procent van de partijen. Een aparte veeg uit de pan krijgt de Gartner Group, die de term ‘Business Intelligence’ in 1989 introduceerde om een aantal reeds langer bestaande technologieën onder één noemer te brengen. Het gevolg was dat leveranciers van deze technologieën hun producten met het nieuwe, weidsere label gingen tooien. Maar toen Gartner in 2002 het begrip ‘Performance Management’ introduceerde, was BI daarvan duidelijk een subcategorie, met als resultaat dat leveranciers opnieuw hun producten van het nieuwe en nòg generiekere label voorzagen. Zoals Cognons dat er ‘Corporate Performance Management’ van maakte. Of Hyperion dat voor ‘Business Performance Management’ koos, niet gehinderd door de omstandigheid dat de afkorting BPM tot dan toe gebruikelijk was voor Business Process Management. Iets heel anders dus. Het enige lichtpuntje in de conceptuele duisternis rond BI is dat de meeste betrokken van zichzelf weten dat ze het niet helemaal begrijpen. De helft van ondervraagden gaf toe het maar gedeeltelijk te begrijpen. Een kwart zei er geen flauw benul van te hebben. Afpalen OTR zelf waagt zich in het rapport niet aan een nieuwe poging tot definitie, maar paalt het werkterrein af door het te herleiden tot de toepassing van vijf ‘data engineering-technieken’, die elk op zich aan een nader onderzoek zijn onderworpen. Het gaat om Olap, neurale netwerken, beslisbomen, clusteranalyse en text mining. Elk van deze technieken heeft een eigen toepassingskarakteristiek. Olap bijvoorbeeld blijkt een geschikt gereedschap om reeds duidelijk gestructureerde verzamelingen van gegevens te ordenen en op verschillende aggregatieniveaus te analyseren, via ‘rotatie’ en ‘drill down/up’. Neurale netwerken bewijzen hun nut vooral bij het herkennen van patronen of verbanden (die vastliggen in regels die) moeilijk expliciet zijn te maken. Voor het analyseren van gegevens waar grote aantallen variabelen (‘velden’) een rol spelen, zijn beslisbomen het meest geëigend. Cluster-analyse kan helpen bij het opdelen van grote heterogene verzamelingen in min of meer homogene deelverzamelingen. Text mining tenslotte lijkt een oplossing voor het selecteren en sorteren van tekstuele informatie. Alle andere als BI aangeprezen technologieën zijn, volgens OTR, eigenlijk niet meer dan zoek- en rapportagehulpmiddelen. Behalve van de verwarring rond de aard van BI en de verwatering van de kracht van het concept door aanbod van softwaregereedschappen die het predikaat BI (of ‘data engineering’) niet verdienen, signaleert OTR nog een derde moeilijkheid. De genoemde gereedschappen verhelderen weliswaar de structuur van gegevensverzamelingen en bieden daarmee aanknopingspunten voor tactische ingrepen op de bedrijfsvoering, maar het gebruik ervan vergt specialistische kennis. Daarmee verschuift voor de doelorganisatie het probleem: BI is een manier om aan gegevens informatie te ontfutselen zonder dat men die gegevens hoeft te begrijpen, maar men moet wel de BI-technologieën begrijpen. En daar blijkt de schoen nogal eens te wringen. Bijna tweederde van de ondervraagde bedrijven vindt Olap te moeilijk. Slechts 5 procent van de bedrijven die worstelen met problemen waarop neurale netwerken een mogelijk een antwoord zijn, is zich van dat laatste bewust. Slechts een op de vijf ondervraagde organisaties begrijpt wat je met beslisbomen kunt doen. Niet meer dan een kwart van de bedrijven die er met beslisbomen niet uitkomen, beproeft clusteranalyse. En niet meer dan een op de tien organisaties heeft text mining uitgeprobeerd. Toch leveren de betreffende technieken, mits met deskundigheid ingezet, doorgaans wel een positieve ‘return’ op. Beslisbomen leveren in 80 procent van de gevallen een positieve ROI op. Voor clusteranalyse ligt dat percentage op 75 procent. Neurale netwerken betalen zich, onder genoemde voorwaarden, zelfs bijna altijd terug. Text mining en Olap zijn met ‘positieve ROI’-percentages van respectievelijk 50 en 49 procent hekkensluiters.