Del 2
I del 1 påbörjade vi vårt mycket ambitiösa projekt med att definiera BI. Vi bestämde oss för att se BI som uppföljningen av en verksamhets affärsprocesser.
I detta andra inlägg ska vi påbörja arbetet med att skapa en modell som definiera de funktionella komponenter som bygger en värdeskapande enterprise BI miljö. En enterprise BI miljö syftar på en miljö som stöder en gemensam uppföljning av en verksamhets samtliga affärsprocesser, a single point of truth. BI´s heliga Graal. Modellen kommer att vara en komponent stack, där varje komponent placeras in efter sitt beroende förhållande till övriga komponenter.
Källsystem
Exekveringsprocessen matar uppföljningsprocessen med data. Utan exekvering ingen uppföljning. Därför placerar vi exekvering som grunden i vår komponent stack. Vi fortsätter vår trend av förenkling och definierar exekveringsprocessens funktionella komponenter som källsystem.
Data förberedelse
Affärsdata finns utspritt över en mängd olika källsystem runt om i verksamheten. Ofta finns det flera olika system som stöder samma del-affärsprocess. För att skapa en samlad bild av verksamheten måste affärs data samlas in och göras enhetlig. Denna process kallar vi för data förberedelse (data preparation, ibland även kallat data management). Ansvaret för dataförberedelse delas mellan exekveringsprocessen och uppföljningsprocessen. Desto tidigare i exekveringsprocessen ett affärsobjekt anpassas till gemensamma definitioner desto enklare blir det att följa upp.
Vi delar in data förberedelse i fyra komponenter.
Data integration
Ansvarar för integrationen mellan exekvering och uppföljning. Oftast behöver en IT process två integrationskomponenter. En för integration mellan olika exekverings komponenter. Denna är meddelande orienterad och hanterar en transaktion eller ett affärsobjekt åt gången. Den andra integrationskomponenten stöder integrationen mellan exekvering och uppföljning. Denna är batch orienterad och hanterar stora mängder transaktioner eller affärsobjekt åt gången. Vår komponent syftar på den batch orienterade.
Data kvalité
Dålig data kvalité i källsystemen är oftast den största utmaningen i ett BI projekt. Dålig kvalité leder till att stora mängder affärsdata blir oanvändbar och att värdet av verksamhetens data historik minskar. Denna komponent ansvarar för att all affärsdata lever upp till de kvalitéts krav som ställs för en meningsfull uppföljning.
Master data management (MDM)
Samma affärsobjekt används ofta i en mängd olika källsystem. Oftast har dessa system lite olika definitioner på affärsobjekten. Ett klassiskt exempel är kund. Det är sällan som det finns en rådande definition av vad en kund är i alla källsystem. MDM komponenten har som uppgift att implementera en rådande definition av varje affärsobjekt och se till att all källdata anpassas till denna definition. I uppföljningssammanhang accepteras denna definition som den enda sanningen.
Datawarehouse
Modellerar data till att passa för de specifika krav som ställs på uppföljning. Modeller som är anpassade för analysera stora mängder data. I icke enterprise miljöer är ofta de underliggande komponenterna (Data integration, Data kvalité, Master Data Management) naturligt integrerade delar av ett datawarehouse. I icke enterprise miljöer existerar ofta flera datawarehouse som var för sig täcker olika delar av verksamhetens affärsdata.
BI stacken
Om vi placerar in ovan definierade komponenter i en och samma modell ser den ut som nedan. Vi kallar modellen för BI stacken.
I nästa inlägg…
Definierar vi de översta nivåerna i BI stacken, komponenter för data användning. Samt tittar på några andra, mindre omfattande men vanligt förekommande, definitioner av BI och vilka implikationer dessa varianter har på en verksamhets IT mognad.
