Inzicht verkrijgen uit de waarheid bij Heuver

Het probleem: Relevante data verspreid over meerdere bronsystemen

Net als veel andere organisaties was relevante data bij Heuver verspreid over meerdere bronsystemen. Deze systemen zijn allemaal nodig en noodzakelijk, maar het probleem is wel dat de gegevens uit de systemen niet eenvoudig gecombineerd kunnen worden in het beschikbare datawarehouse. Mede hierdoor ging er ontzettend veel tijd zitten in het handmatig verwerken van gegevens waarmee allerlei rapportages opgesteld konden worden.

Bij een van de rapporten kostte het een medewerker ongeveer 2 weken om een maandelijks rapport op te stellen, bij een ander waren er zelfs 2 medewerkers 2 weken mee bezig. Hierdoor bleef er te weinig tijd over om de data ook te analyseren, terwijl je daar juist de winst maakt.

De opdracht: Het proces verbeteren met een dataplatform

Heuver wilde door middel van een Proof of Concept (POC) ontdekken of zo’n proces verbeterd kon worden met een dataplatform, en of ze innovatiever met hun data om konden gaan en het slimmer in konden zetten. Met die opdracht kwamen ze bij ons, waarbij de concrete vraag was of we een nieuw intern meetinstrument eenvoudig konden vullen met de benodigde data uit verschillende bronsystemen. Uit de POC kwam al snel naar voren dat de investering de moeite waard is.

We kwamen er ook al snel achter dat er op veel meer plekken in de organisatie handmatige aanpassingen aan de data werden gedaan. Daarom adviseerden we om terug de organisatie in te gaan, om het probleem bij de bron aan te pakken, en niet aan de achterkant te beginnen. Heuver zag de snelheid waarmee we vanuit Get There konden ontwikkelen om de gestelde vraag te kunnen realiseren in een werkbare POC voor Heuver.

Vanuit dat oogpunt zag Heuver bovendien mogelijkheden om ook een aantal andere rapportages, waar ook veel handwerk aan te pas kwam, te automatiseren met behulp van het dataplatform. Zo wilden ze tot meer analyses en inzichten komen in plaats van het handmatig samenstellen van deze rapportages.

Heuver zag de toegevoegde waarde en breidde de opdracht een stuk verder uit. Waar de POC eigenlijk een puntje van de taart was, hadden we nu ineens een opdracht ter grootte van 2 taarten.

Onze oplossing: Een dataplatform met Databricks, dbt en PowerBI

Tijdens het uitvoeren van de POC zagen we al dat een dataplatform een hoop kan verbeteren bij Heuver. Daarom hebben we direct al bepaalde keuzes gemaakt die voorsorteren op het opschalen van het platform. Het technisch en functioneel ontwerp en de data-architectuur gaven ons de ruimte om uit te breiden.

Een belangrijke stap was inzichtelijk krijgen welke databronnen er gebruikt worden en welke gegevens belangrijk zijn voor verschillende rapportages. Samen met de juiste mensen uit de organisatie hebben we de juiste definities vastgelegd, zodat er niet langer vanuit verschillende waarheden gehandeld wordt.

De basis is een dataplatform dat we hebben neergezet met Databricks, dbt voor het opstellen van datamodellen en PowerBI voor de rapportages. Vervolgens hebben we op verschillende manieren databronnen aangehaakt. We hebben voor zowel de API-calls als de meer traditionele databases gewerkt met Azure Datafactory. De uitdaging zat ‘m niet in de bronnen, maar in de complexiteit van de verschillende onderliggende formules uit diverse bronnen, waar bovendien ook nog veel handmatige nabewerking gebeurde. Hierdoor was er veel inconsistentie in de weer te geven resultaten, wat met name opgelost is door terug de organisatie in te gaan en de handmatige nabewerkingen te elimineren.

Uiteindelijk moest alles van verkoop tot inkoop en van materiaal tot voorraad en facilitaire zaken inzichtelijk worden, om daarmee onder andere sales-statistieken, management-statistieken en managementletters te kunnen tonen.

Met het dataplatform hebben we een single source of truth gecreëerd. Lees in onze whitepaper meer over zo’n SSOT en de voordelen ervan voor je bedrijf.

Resultaat: Tijdbesparing met volledig geautomatiseerde rapportages

Kijken we naar het resultaat, dan spreekt een voorbeeld boekdelen. De managementletter, waar voorheen elke maand 2 mensen zo’n 2 weken mee bezig waren, wordt nu volledig geautomatiseerd samengesteld. De tijd die hiermee gewonnen wordt, wordt nu niet meer gebruikt om het rapport vorm te geven, maar de cijfers in het rapport te analyseren om er inzichten uit te halen.

Ook vele andere handmatige processen verlopen nu een stuk gestroomlijnder via automatische processen, omdat we de uitdaging bij de bron hebben aangepakt. Hierdoor heeft Heuver nu de mogelijkheid om stabiel terug in de tijd te kijken, en op termijn voorspellingen te doen voor de toekomst.

Tijdens dit project draaide 1 van de IT’ers van Heuver volledig met Get There mee, zodat het beheer nu ook geborgd is binnen de organisatie zelf. Tijdens het project is er bovendien een projectgroep vanuit Heuver aangesteld, die naast de IT’er bestaat uit een projectleider en 2 kennishouders vanuit de business. Tot slot is er inmiddels een datateam opgericht met leden uit alle lagen en afdelingen, waarmee ze toekomstige verzoeken gaan oplossen. Heuver kan data nu dus nóg meer op waarde schatten!

• Heuver was elke maand weer veel tijd kwijt aan het opstellen van rapportages. Hierdoor bleef er weinig tijd om de data te analyseren.
• Get There heeft een dataplatform gebouwd met Databricks, dbt voor datamodellen en PowerBI voor de rapportages.
• Het dataplatform van Databricks bewijst direct z’n nut, onder andere door data voor managementrapportages. Er wordt veel tijd gewonnen die nu gebruikt kan worden voor het analyseren van de rapportages en er inzichten uit te halen.