Leerboek Business Intelligence

Voorwoord 11

1 Inleiding 15
1.1 Wat is Business Intelligence? 15
1.1.1 Definitie 15
1.1.2 Van wie is Business Intelligence? 17
1.1.3 Voor wie is Business Intelligence? 19
1.1.4 Self-service BI 21
1.1.5 Waarom Business Intelligence? 25
1.1.6 Conclusie 26
1.2 Andere terminologie en definities 26
1.2.1 Datawarehouse 27
1.2.2 Data Lake 27
1.2.3 Extract, Transform, Load 28
1.2.4 Staging, ODS 29
1.2.5 Kubussen, modellen 29
1.2.6 Datamining en machine learning 31
1.2.7 Big Data 33
1.3 Tot slot 34

2 Business Intelligence in de organisatie 37
2.1 Business Intelligence-volwassenheidsmodel 37
2.2 De Business Intelligence Life Cycle 42
2.2.1 De grote BI-cyclus 43
2.2.2 De kleine BI-cyclus 47
2.3 Business Intelligence-volwassenheidsmatrix 50
2.4 Business Intelligence implementeren 54
2.4.1 Business Intelligence scope 56
2.4.2 Business Intelligence-doelen 58
2.4.3 Informatiebehoeften 60
2.4.4 Meetwaarde en KPI’s 62
2.4.5 Bronnen, architectuur, organisatie 66
2.5 Business Intelligence-projecten 66
2.5.1 Geen gewoon IT-project 67
2.5.2 Informatieanalyse 73
2.5.3 Scrum 74
2.5.4 De Business Intelligence-consultant 77
2.6 Beveiliging 79
2.7 Tot slot 81

3 Waarom een datawarehouse? 83
3.1 Het datawarehouse 83
3.1.1 Waarom een datawarehouse? 84
3.2 Performance van rapporten 85
3.2.1 Normaliseren 86
3.2.2 Indexen 89
3.3 Schrijven van query’s 92
3.3.1 Wie maakt de rapporten? 93
3.4 Rapportage-impact op het primaire proces 94
3.4.1 Resource-gebruik 94
3.4.2 Concurrency 96
3.5 Kwaliteitsproblemen 97
3.5.1 Dubbele gegevens 98
3.5.2 Ontbrekende gegevens 99
3.5.3 Foutieve gegevens 101
3.5.4 Inconsistente gegevens 101
3.6 Verschillende operationele systemen 102
3.7 Historische gegevens 104
3.8 Tot slot 106

4 Datawarehouse design 109
4.1 Dimensioneel modelleren 109
4.1.1 Inleiding 109
4.1.2 Modelleren 111
4.1.3 Dimensies 117
4.1.4 Slowly Changing Dimensions (SCD) 127
4.1.5 Conformed dimensions en snowflakes 131
4.1.6 Overige dimensie-overwegingen 133
4.1.7 Feiten 135
4.1.8 Tot slot 139
4.2 Bill Inmon 139
4.2.1 Kritiek op Kimball 139
4.2.2 De Inmon-methodiek 141
4.2.3 Kritiek op Inmon 143
4.2.4 Samenvatting 144
4.3 Data Vault 145
4.3.1 Definitie 145
4.3.2 Hubs, Links and Satellites 146
4.3.3 Voordelen Data Vault 148
4.3.4 Samenvatting 149
4.4 Kimball, Inmon en Data Vault vergeleken 150
4.5 Tot slot 151

5 Big Data en Data Lakes 153
5.1 Big Data 153
5.1.1 Volume 154
5.1.2 Variety 155
5.1.3 Velocity 157
5.1.4 Variability 158
5.1.5 Andere kenmerken 158
5.1.6 Samenvatting 159
5.2 Data Lake 160
5.2.1 Gevolgen voor Business Intelligence 160
5.2.2 Wat is een Data Lake? 161
5.2.3 Architectuur met een Data Lake 163
5.2.4 Structuur van een Data Lake 165
5.3 Tot slot 166

6 Het fysieke datawarehouse 169
6.1 Inleiding 169
6.2 Technisch ontwerp 171
6.2.1 Aantal records 172
6.2.2 Gemiddelde recordlengte 173
6.2.3 Page size 175
6.2.4 Grootte van de database 177
6.2.5 Overige factoren 178
6.2.6 Cloud 179
6.2.7 Grootte van je oplossing 180
6.2.8 Data Lake 180
6.3 Hardware en software 181
6.3.1 CPU-capaciteit 182
6.3.2 Overige hardwarespecificaties 183
6.3.3 Appliances 184
6.3.4 Cloud-overwegingen 185
6.4 Performance features 186
6.5 Tot slot 186

7 ETL 189
7.1 Inleiding 189
7.2 Master Data Management 190
7.2.1 Verschillende soorten gegevens 191
7.2.2 Definities 193
7.2.3 Implementatie 195
7.2.4 Voorbeeld met Microsoft MDS 199
7.2.5 Tot slot 199
7.3 Implementeren van het ETL-proces 199
7.3.1 Resultaten van informatieanalyse 200
7.3.2 Architectuur 203
7.3.3 Documenteren 206
7.3.4 Tools en technieken 209
7.4 ETL, ELT en Big Data 210
7.4.1 Big Data-clusters 211
7.4.2 Big Data ETL-tools 212
7.5 Datakwaliteit 213
7.5.1 Slechte gegevens 213
7.5.2 Data Cleansing 214
7.5.3 Voorbeeld met Microsoft DQS 214
7.6 Scenario’s 214
7.7 Tot slot 215

8 Semantische modellen 217
8.1 Inleiding 217
8.1.1 Semantisch model 217
8.1.2 Performance 220
8.1.3 Query-performance en Big Data 222
8.1.4 OLAP query engine 223
8.1.5 Tot slot 224
8.2 OLAP-kubus 224
8.2.1 Wat is een kubus? 224
8.2.2 Waarom kubussen? 226
8.2.3 Aggregaties 229
8.2.4 Model of database? 232
8.2.5 Tot slot 234
8.3 Voorbeeld in-memorymodel 234
8.4 Tot slot 235

9 Het front-end 237
9.1 Inleiding 237
9.2 Analytics 238
9.2.1 Basic Analytics 239
9.2.2 Advanced Analytics 240
9.2.3 Top-down versus bottom-up 242
9.2.4 Tot slot 244
9.3 Machine learning en datamining 244
9.3.1 Definities 244
9.3.2 Machine learning-scenario’s 245
9.3.3 Tot slot 249
9.4 Big Data en ethiek 249
9.4.1 Hoe wenselijk is Big Data Analytics? 249
9.4.2 Wet- en regelgeving 250
9.4.3 Tot slot 252
9.5 Wie maakt en wie gebruikt rapporten? 253
9.5.1 Farmers 254
9.5.2 Tourists 255
9.5.3 Explorers 257
9.5.4 Miners 258
9.5.5 Tools en acceptatie 259
9.6 Rapporten, scorecards en dashboards 259
9.6.1 KPI 260
9.6.2 Scorecard 262
9.6.3 Dashboard 264
9.6.4 Rapporten 266
9.6.5 Security 268
9.7 Ontwerpen van (goede) rapporten 269
9.7.1 Inleiding rapportontwerp 269
9.7.2 Attentieve verwerking 270
9.7.3 Rapportrichtlijnen 275
9.7.4 Tabel versus grafiek 283
9.8 Tot slot 285

Register 287
Literatuurlijst 291
Illustratieverantwoording 293