Deel 9 – Tien feiten over Iceberg reporting 

 Weet jij wat Iceberg reporting is? Nee? Toch werk jij dagelijks mee aan de instandhouding van dit fenomeen. Tijd om er wat meer aandacht aan te besteden. De feiten van Iceberg Reporting op een rijtje en waarom Iceberg reporting in de loop van jaren het enige redmiddel is. 

Het wordt teveel! Het menselijk brein is fantastisch en als je erover nadenkt het belangrijkste kapitaal van de mens. Maar er komt een moment dat het allemaal teveel wordt. Wanneer dat is, weet niemand. Een mens kan niet alles meer bevatten ook al wil zij de volledige controle houden. Wanneer komt het moment dat de mens durft te erkennen dat het allemaal teveel is en technieken als Bi en Ai niet meer voldoende soelaas bieden en je tot de conclusie wordt dat je beter een data analist kunt worden of een data analist kunt inhuren. 

1. Wat is Iceberg reporting ?

Om snel aan het einde van een periode inzicht te krijgen ten behoeve van de stakeholders wordt het topje van de data ijsberg, Iceberg genoemd, bewerkt en getoond aan de stakeholders. 

De vergelijking met de ijsberg is snel gemaakt. Boven de waterspiegel wordt gecomprimeerd gerapporteerd en onder de waterspiegel bevindt zich de enorme datamassa. Voor deze vergelijking wordt de term Iceberg reporting gebruikt. Enkele typische voorbeelden van Iceberg reporting zijn dashboards met dagelijks bijgewerkte KPI’s en de summiere einde maand managementrapportages “op één A-viertje”  

Iceberg reporting kan je zien als een combinatie van management accounting en management by exception. Het is meer en tegelijk minder. Door Iceberg reporting kan je sneller, efficiënter en effectiever rapporteren. Je moet helaas wel het vertrouwen hebben dat de gepresenteerde gegevens kwalitatief goed(genoeg) zijn. Is vertrouwen goed genoeg als basis voor beslissingen? 

2. Mag Iceberg reporting gebruikt worden voor managementbeslissingen? 

Nee, om een goede beslissing te kunnen nemen is de informatie op Iceberg niveau te vluchtig en te beperkt.  

Ja, Er zijn organisaties die nu bezig zijn om daily close te onderzoeken en te implementeren. In het geval dat daily close wordt gerealiseerd, is in feite de data dagelijks bijgewerkt waardoor dit een kwaliteitsverbetering van de in de KPI’s gepresenteerde data kan geven, onder de voorwaarde dat data en KPI synchroon lopen. 

. In dat geval zal je zeker op basis van deze informatie kunnen overwegen om bepaalde managementbeslissingen te nemen. Er is immers sprake van een continue informatiestroom die regelmatig getoetst wordt door gedetailleerdere data te onderzoeken.je ziet als het ware de data omvang dagelijks groeien. 

3. De oorzaak van datagroei  

Datagroei wordt door Gartner geschat op 50 % per jaar . De jaarlijkse datagroei wordt veroorzaakt door de autonome groei van de omzet van de bestaande klanten = bij gelijke omzet verdubbeling van de variabele mutaties aangevuld met de data van omzetten per nieuwe klant plus de aanmaak van stamgegevens van nieuwe klanten en de informatie die ieder jaar worden aangevuld. Dat is dus een groei over vijf jaar 250%  

4. Hoe beheers je deze enorme groei?

Dat kun je doen door Metadata en andere technieken te gebruiken om data uniek te maken en te verwerken en andere invalshoeken om effecten van data inzichtelijk te maken. In feite moet je dus breken met het verleden om op een andere wijze naar je informatie te kijken. 

5. Ai 

Ai staat voor Artificial intelligence ofwel kunstmatige intelligentie. Door middel van deep learning technieken worden suggesties voor de metadata van nieuwe ontvangen gegevens gedaan op basis van terugkerende patronen in de verzamelde data. Deze kunnen dan door computers of mensen worden overgenomen of afgewezen. Hoewel het nog geen volgroeide techniek is maken veel bedrijven er al gebruik van.  

Voorbeelden 

Denk hierbij aan software bedrijven zoals Microsoft, Amazon, maar ook kleinere snelgroeiende bedrijven als CoolBlue en Exact gebruiken Ai om efficiënt met de door hen en anderen gegenereerde data om te gaan. Bij Exact online kun je bijvoorbeeld aan de automatisch ontvangen banktransacties denken. Deze worden automatisch voorzien vaan een voorkeurs rekening nummer en als je in het verleden een soortgelijke transactie anders hebt gewerkt worden deze codering als alternatief getoond. Als je de kans hebt om Pieter Zwart van Cool Blue te horen spreken, moet je die kans niet aan je voorbij laten gaan. Hij kan heel goed vertellen wat Ai voor Cool blue betekent en hoe de inzet van data analyses helpt om de omzetgroei te realiseren. 

6. Metadata 

Zonder metadata zijn gegevens 🱒n dimensionaal en kunnen daarmee niet geanalyseerd worden.De genoemde metadata is essentieel om de snelgroeiende data ijsberg te kunnen beheersen. Niet om in control te houden, want dat is menselijk gezien onmogelijk. Metadata is in de kern niets anders dan labels toevoegen aan een bestaand object. Een object kan een ding of een mens zijn. 

7. Bi, van “onformatie” naar informatie 

Om data, “onformatie”, om te zetten naar informatie kun je gebruik maken van zoals Power Bi en andere Bi Tools Deze tools zijn er om data met behulp van diezelfde metadata inzichtelijk te maken en alleen het topje van de ijsberg te tonen. Voor diegenen die meer willen weten, kunnen dan doorklikken voor meer informatie. 

8. Bi en Ai  

De kwaliteit van de data kan verbeteren door toepassing van Ai, maar menselijke interventie kan beperkt nodig zijn. De met en zonder Ai gegenereerde datastromen kunnen gecontroleerd en geautomatiseerd in de Bi tools stromen. Met de Bi-tools kunnen vervolgens de Iceberg reports worden gedefinieerd en verdeeld. 

9. KPI’s 

Om dagelijks inzicht te krijgen in de ter beschikking staande data, worden KPI’s gebruikt. Deze worden., op dashboards aan de gebruiker aangeboden. Er zijn organisaties die te veel KPI’s gebruiken er zijn andere die er te weinig van gebruiken. Het is de kunst om KPI’s die wel werken te benoemen. Zie hiervoor het boek van Peter Geelen. 

10. Volledige controle, een bestaand begrip met een andere inhoud 

Menselijkerwijs kan ons brein niet meer dan het topje van de Data Iceberg zien. Het adagium dat we volledig in control moeten zijn, heeft een andere invulling gekregen, of moet een andere invulling krijgen. We zullen moeten zorgen dat we meer te weten komen over de samenstelling van de data Iceberg. Of door onszelf te scholen op het gebied van data analyse of door data analisten in te huren. 

“Volledige controle bestaat niet meer, efficiënt inzicht in data creëren wel..” 

Dit was deel 9 in het kader van : Als het efficiënter kan, moet je het efficiënter doen. Dit is één van de basis voorwaarden om Slow Close om te zetten in Fast Close.  

Dit waren de vorige afleveringen: 

https://andresalomons.nl/moetenweweltijdschrijven/

https://andresalomons.nl/deel2-vijf-vragen-voor-jou/

https://andresalomons.nl/deel-3-zes-nadelen-van-sneller-werken/

https://andresalomons.nl/deel-4-elf-voordelen-van-sneller-werken/

https://andresalomons.nl/deel-5-verslaafd-aan-inefficiency/

https://andresalomons.nl/deel-6-nieuw-is-niet-altijd-beter/

https://andresalomons.nl/deel-7-verborgen-kosten/

https://andresalomons.nl/deel-8-waarommoeilijkdoen-kiss/

André Salomons is altijd enthousiast over efficiency verbeteringen in processen. Iedere stroomlijning van processen draagt bij aan het realiseren van Fast Close. Hij is auteur van het boek Van Slow Close naar Fast Close, docent Fast Close bij Nive Opleidingen en IFBD , is softwaremaker voor Financia suite® en enthousiast blogger.met een eigen blog site AndreSalomons.nl met meer dan 140 blogs. Hij blogt over Fast Close, SharePoint, reizen en alles wat zijn enthousiasme heeft gewekt.