MANAGEMENT- INFORMATIE MET BALANCED SCORECARDS EN DATA WAREHOUSING

Philip Koenders, Hans Borgman en Jo van Nunen

De data warehouse-markt is omvangrijk en sterk

MANAGEMENTINFORMATIE MET BALANCED SCORECARDS EN DATA WAREHOUSING

Data warehouses staan momenteel volop in de belangstelling, zowel wat de mogelijkheden en successen betreft alsook wat betreft de uitdagingen en problemen. Waar concepten als fastresponse management en de verkorting van doorlooptijden, TQM, één-op-één-marketing en globalisatie de noodzaak van data warehouses met de beloofde ‘information at your fingertips’ evident maken, worden we gelijktijdig in de pers geconfronteerd met mislukkingspercentages voor data warehouse-projecten tot maar

12

groeiende. Toch zijn niet alle data warehouseprojecten succesvol en is er zelfs sprake van regelrechte mislukkingen. Wat zijn de factoren die bepalend zijn voor het succes van een data warehouse-project? Hoe dient een data warehouseproject te worden opgezet?

liefst 50%. Wat is hier aan de hand? In dit artikel worden succes- en faalfactoren geanalyseerd en wordt beargumenteerd dat data warehouseprojecten dienen te worden opgezet vanuit een eenduidig managementconcept waarbij de gewenste output richtinggevend moet zijn voor de invulling. De voorgestelde aanpak wordt uitgewerkt en geïllustreerd aan de hand van een concrete case van een hypotheekverstrekker, gebaseerd op de balanced scorecard-benadering.

MANAGEMENT & INFORMATIE

D A T A

W A R E H O U S I N G

DATA WAREHOUSES: BELOFTE EN PRAKTIJK

ontsluitingstools (‘business intelligence tools’) rapporteren

Het beheren en gebruiken van data als ‘productiefactor’ voor een onderneming scoort al sinds het eind van de jaren tachtig consequent in de top-tien van managers wanneer het gaat om belangrijke aandachtsgebieden binnen de IT (Brancheau, Janz & Wetherbe, 1996). Slagvaardig ondernemerschap, sterk gericht op snelheid en massamaatwerk, noodzaakt ondernemingen de geïntegreerde gegevensopslag en -ontsluiting serieus ter hand te nemen. Data warehouses mogen zich als technische oplossing voor deze managementbehoefte de afgelopen jaren dan ook verheugen in een grote en sterk toenemende belangstelling. Maar wat is nu precies een data warehouse en wat is er nieuw aan? Data warehouses (ook wel gegevenspakhuizen genoemd) zijn in essentie grote, geïntegreerde en flexibel toegankelijke databases die qua inhoud en structuur specifiek zijn ingericht voor de ondersteuning van managementbeslissingen. Zij bevatten doorgaans gegevens uit meerdere operationele databases alsmede externe data, zoals marktonderzoekgegevens van AC Nielsen. Belangrijk is dat al deze gegevens zijn geïntegreerd, dat wil zeggen dat ze niet alleen zijn samengevoegd maar dat eenduidige definities worden gehanteerd waardoor verbanden kunnen worden gelegd. Daarnaast dienen de gegevens te zijn georganiseerd rond onderwerpen die voor managers van belang zijn (bijvoorbeeld orders of patiënten), en niet rond operationele processen (bijvoorbeeld voorraadadministratie of facturering) die vaak te weinig gegevens bevatten voor de beantwoording van managementvraagstukken. Tevens is van belang dat ook historische gegevens worden vastgehouden zodat het verloop over de tijd kan worden geanalyseerd, iets wat vaak bij operationele systemen onnodig is en dus achterwege blijft (Inmon & Hackathorn, 1996). Gegevens in een data warehouse worden dan ook niet geüpdatet, maar blijven bewaard en nieuwe gegevens worden toegevoegd waardoor een constante groei plaatsvindt. Zo bestaan er inmiddels terabyte data warehouses bij organisaties als Walmart en AT&T.


analyseren

voorspellen

schatgraven

data warehouse

RDBMS B C D data items A

E

extern

F

I G

H

J

bronbestanden (operationele systemen)

intern

Figuur 1: Data warehouse-architectuur

In figuur 1 wordt de typische data warehouse-architectuur (er bestaan varianten) kort weergegeven. De onderste laag beslaat de huidige productiesystemen alsmede eventuele externe gegevensbronnen die voor het nemen van managementbeslissingen van belang zijn. Na selectie, bewerking en integratie wordt vervolgens periodiek het data warehouse aangevuld. In sommige gevallen kan worden besloten voor deelgebieden hieruit nog kleinere data marts te extraheren, in andere gevallen wordt rechtstreeks met ontsluitingstools gewerkt (tegenwoordig doorgaans ‘business intelligence tools’ genoemd). Hierbij worden de volgende typen ontsluitingstools onderscheiden: – Rapportagetools: voor het periodiek of ad hoc genereren van statische rapportages volgens vooraf gespecificeerde eisen. Veel zogenaamde ‘Executive Information Systems’ of ‘Management Information Systems’ vallen in deze categorie van relatief eenvoudige tools. – Analysetools (ook wel On-Line Analytical Processing of OLAP-tools genoemd): voor dynamische ad-hocrapportages. Een ‘gegevenskubus’ met bijvoorbeeld verkoopdata per regio per product per jaar kan daarbij steeds interactief op verschillende wijzen worden doorsneden om meer inzicht te krijgen in verbanden (‘slicing and dicing’). Samenvattingen en detailleringen kunnen daarbij eenvoudig worden afgewisseld (‘drilling up/down’). – DSS/modellering: deze categorie tools is primair gericht op het gebruiken van het data warehouse voor het uitvoeren van trendanaly-

13

ses en simulaties en het doen van voorspellingen. Krachtige wiskundige modelleringstechnieken liggen hierbij veelal aan de basis. – Data Mining: het zoeken naar onbekende verbanden tussen gegevens, bijvoorbeeld voor het genereren van klantprofielen uit grote verzamelingen transactiegegevens. Bedacht dient overigens te worden dat de meeste producten op de markt zich niet tot een enkele categorie beperken. De data warehousemarkt, en dan in het bijzonder in combinatie met de analyse- of OLAP-tools, is omvangrijk en sterk groeiende. De meeste grotere bedrijven werken momenteel aan pilots of hebben al kleinere ‘data marts’ of (zeer) grote data warehouses in gebruik. De METAgroup (1998) stelt dat de wereldwijde markt voor data warehouses (hardware, software, services) van $4,5 miljard in 1996 zal groeien tot $15 miljard in 2000. Grote spelers zijn momenteel bijvoorbeeld NCR, SAS, Oracle en gespecialiseerde ondernemingen als ArborSoft, Business Objects, Gentia en Cognos. Ook Microsoft zal dit jaar deze markt betreden. Maar niet alles is rozengeur en maneschijn. Naast hoge verwachtingen en succesverhalen zijn er ook teleurstellingen en regelrechte mislukkingen. Mislukkingspercentages van 50% (Harry Zimmer, NCR, geciteerd in Computable van 14 juni 1996) duiken met regelmaat op in de pers. De Britse OTR-groep onderzocht 1500 gebruikersorganisaties in West-Europa en rapporteerde dat doorlooptijden gemiddeld twee keer zo hoog uitkwamen als gepland en dat financiële baten tegenvielen. Twee onderzoeken van de Standish Group uit 1995 en 1996 rapporteerden een mislukkingspercentage van maar liefst 90%, waarbij dient te worden aangetekend dat bij een overschrijding van tijd en/of budget een project als ‘mislukking’ werd bestempeld. Echter, ook bij iets lossere definities was het resultaat weinig rooskleurig: zo werd 31% van de projecten vroegtijdig gestaakt. Overigens betroffen deze laatste rapporten niet uitsluitend data warehouse-projecten.

14

DATA WAREHOUSE-PROJECTEN OP DE SNIJTAFEL De hierboven gerapporteerde mislukkingspercentages vragen om een nadere analyse. Onze eigen praktijkervaringen, aangevuld met bevindingen uit bovenstaande rapporten en gegevens van het Amerikaanse Data Warehousing Institute (DW Institute, 1998), leiden tot de volgende lijst van risicofactoren: – Projectaansturing. Projecten die zijn ingebed en worden aangestuurd vanuit de gebruikerskant hebben een veel grotere succeskans dan projecten waarbij de IT-groep het primaat heeft. Zo waren de succesvolle projecten uit het eerder aangehaalde OTR-rapport allemaal aangestuurd vanuit de gebruikerskant. Op dit moment domineert IT de initiatief- en besluitvorming rond data warehouses (50% van de ondervraagde organisaties), gevolgd door lijnmanagement uit de gebruikerskant (18%), executives (12%) en staf (12%). – Verwachtingen managen. Bij nieuwe toepassingen die verkocht moeten worden binnen een organisatie (het initiatief ligt immers veelal niet bij de uiteindelijke gebruiker) ontstaat al snel het gevaar dat gekweekt enthousiasme doorslaat naar overspannen verwachtingen. Daar komt nog bij dat problemen als vervuilde, incomplete en inconsistente bronbestanden veelal pas in een laat stadium van het project aan het licht komen, waarbij ze vervolgens (onterecht) worden toegeschreven aan het data warehouseproject. Een te groots opgezet data warehouseproject zal deze problemen nog verergeren. – Managementconcept. De inhoud en structuur van het data warehouse dienen aan te sluiten bij de informatiebehoefte van het management, die weer gebaseerd dient te zijn op het besturingsmodel van de onderneming. Toch zien we veelal dat data warehouses bottom-up vanuit de beschikbare data worden gedefinieerd en gevuld. De achterliggende gedachte is dan dat managementvragen veranderen en dat dus het beste alle data beschikbaar dienen te zijn. Het resultaat is dat zowel inhoud als structuur niet aansluiten bij de werkelijke behoefte, dat de kans die het data warehouse de organisatie biedt om een besturingsconcept werkelijk inhoud en scherpte te geven niet wordt aangepakt, en dat


D A T A

het data warehouse verwordt tot een vergaarbak van gegevens. De eerste twee geïdentificeerde factoren (projectaansturing en het managen van verwachtingen) gelden overwegend ook voor meer reguliere IT-ontwikkelingsprojecten en zullen hier verder slechts zijdelings worden uitgediept. Wel moet worden bedacht dat deze beide factoren door het cross-functionele karakter van data warehouse-projecten en de onbekendheid van zowel ontwikkelaars, gebruikers als managers bij data warehouse-projecten doorgaans tot grotere problemen leiden en derhalve meer aandacht behoeven. De derde factor, het bestaan en de aansluiting van het data warehouse-project bij een helder managementconcept, wordt in de volgende paragraaf nader uitgewerkt. De integratie met de beide andere kritieke risicofactoren komt aan het eind van die paragraaf weer terug bij de uitwerking tot een concreet stappenplan.

NAAR EEN SUCCESVOL DATA WAREHOUSE AANSLUITEN BIJ MANAGEMENTCONCEPTEN

Het ontwerp van data warehouses dient te worden verankerd in managementconcepten. Onder een managementconcept wordt hier een samenhangend geheel van stuurvariabelen op een of meer gebieden van een organisatie verstaan, zoals marketing, logistiek, productie, financiën, etc. Voorbeelden van managementconcepten zijn Activity Based Costing, JIT en portfoliomanagement. Managementconcepten zijn bedoeld om greep te krijgen op de besturing van (een deel van) de activiteiten van de organisatie. De reden voor de verankering van het data warehouse-ontwerp in managementconcepten ligt voor de hand. Het voortbrengen van managementinformatie met een data warehouse is geen doel op zich; het data warehouse dient het management te helpen bij de besturing van de



organisatie en het bereiken van de doelen die managers nastreven. De bepaling van de inhoud en structuur van het data warehouse dient dan ook plaats te vinden tegen de achtergrond van de besturing van de organisatie en de doelen die zijn geformuleerd. Omdat het formuleren van organisatiedoelen plaatsvindt in het strategische proces, is het van belang het data warehouse-ontwerp te plaatsen in het verlengde van het strategische proces. De strategie zelf is veelal te weinig concreet om direct te gebruiken voor het data warehouseontwerp. Managementconcepten die veel worden gebruikt voor de uitwerking van de strategie, zijn daarvoor veel beter geschikt. Zij bieden een kader van doelen stuurvariabelen waarmee het management een aandachtsgebied kan besturen. Een goed managementconcept biedt de mogelijkheid concrete doelstellingen te formuleren voor de organisatie. Zo kan de doelstelling om het percentage nieuwe klanten van een bepaald product met 5% te verhogen een concrete verbeterdoelstelling zijn van het managementconcept portfoliomanagement.

GEBRUIK VAN DE BALANCED SCORECARD

De genoemde voorwaarden kunnen worden ingevuld door gebruik te maken van een speciaal type managementconcept, de ‘balanced scorecard’ (BSC). De methode is ontwikkeld door D. Norton en R. Kaplan en heeft als belangrijkste doel organisaties te helpen bij het implementeren van hun strategie. Voorwaarde voor de toepassing van de BSC is dat een organisatie beschikt over een strategie. Een organisatie kan met behulp van de methode haar doelen op ‘gebalanceerde’ wijze in kaart te brengen. Gebalanceerd betekent hier dat alle relevante aandachtsgebieden in samenhang en in het verlengde van de strategie de revue passeren. De methode onderscheidt vier perspectieven waarmee een organisatie doelen moet hebben geformuleerd: – Financieel perspectief. Hier staan financiële doelen centraal, zoals ROI en het genereren van cash flow. – Klantperspectief. In dit perspectief staat de klant centraal. Voorbeelden van doelen zijn het behoud van klanten en de werving van nieuwe klanten.

15

– Interne-processenperspectief. Dit perspectief bevat doelen voor de bedrijfsprocessen die een kritische bijdrage leveren aan het financieel en het klantperspectief. – Leren-en-groeiperspectief. Het leren-en-groeiperspectief omvat de doelen met betrekking tot de kennis en vaardigheden van medewerkers, de informatietechnologie en -systemen en organisatieprocedures en werkwijzen. Overigens is de keuze voor vier perspectieven subjectief. Het medewerkerperspectief wordt vaak als vijfde perspectief gekozen. Een belangrijk kenmerk van de methode is dat elke managementlaag van de organisatie een scorecard opstelt, te beginnen bij het topmanagement. Deze vertaalt de bestaande strategie in prestatie-indicatoren op de vier hoofdgebieden, normeert deze en wijst de managers aan die verantwoordelijk zijn voor de prestatie-indicatoren en de normen. De onderliggende managementlaag werkt de prestatie-indicatoren waarvoor het verantwoordelijk is gesteld verder uit. Deze managementlaag vertaalt de prestatieindicatoren in doelen die voorwaardelijk zijn om de prestatie te kunnen realiseren en vertaalt de doelen opnieuw in prestatie-indicatoren en normen. Elke managementlaag stelt zo zijn eigen scorecard op. Zo ontstaat een stelsel van samenhangende scorecards die zijn gebaseerd op de organisatiestrategie.

OUTPUTORIËNTATIE

Na het expliciteren van de strategische doelen en het overkoepelende managementconcept is het cruciaal dat bij de vervolgstappen de output centraal staat. Voorkomen dient te worden dat de beschikbare operationele gegevens de voornaamste leidraad gaan vormen bij het te bouwen data warehouse. De toegevoegde waarde van een data warehouse is een afgeleide van de output die het beschikbaar stelt aan het management. Alleen zinvolle output maakt een data warehouse waardevol. De vaststelling van de gewenste output moet dus de leidende interactiviteit zijn. Dit betekent dat tijdens de ontwerpfase van het data warehouse alle andere ontwerpactiviteiten gericht moeten zijn op het mogelijk

16

maken van de vastgestelde behoefte aan output. De invulling van de overige modellen in de ontwerpfase (zoals het gegevensmodel en het model van de gegevenskoppelingen) en de keuze van de technische hulpmiddelen dienen te worden uitgevoerd met als centraal doel het mogelijk maken van de vastgestelde output. Het vaststellen van de output begint met het opzetten van een rapportagemodel. De kern van het rapportagemodel geeft weer met welke frequentie de verschillende managers over onderwerpen worden gerapporteerd. De onderwerpen zijn via kritieke succesfactoren en key performance indicators inhoudelijk gekoppeld aan het managementconcept waarop de rapportage betrekking heeft. Nadat het rapportagemodel is vastgesteld, worden de individuele rapportages meer in detail uitgewerkt. Van een rapportage kunnen bijvoorbeeld de inhoudsopgave, de benodigde gegevens, de vorm waarin de gegevens worden gepresenteerd, de eventuele kwalitatieve onderdelen en de rapportagedrager worden bepaald. In de praktijk blijken dummyrapportages de communicatie met het management zeer goed te ondersteunen. Zij nodigen niet alleen uit tot meedenken, maar men vormt zich ook een duidelijk beeld van het eindresultaat. Het is verder van belang stil te staan bij de mogelijkheden voor het genereren van nieuwe output in de toekomst. In sommige gevallen is duidelijk dat gegevens met een grote waarschijnlijkheid in de toekomst benodigd zullen zijn, terwijl ze niet expliciet in de output zijn opgenomen. In die situatie is het verstandig ook die gegevens in het data warehouse vast te leggen. Door de outputoriëntatie wordt een brug geslagen tussen de visie van het management op de besturing van een (deel van een) organisatie en de informatiesystemen die ondersteuning moeten bieden bij de besturing. Een outputoriëntatie maakt het mogelijk strategieontwikkeling, ontwikkeling van managementconcepten en systeemontwikkeling in elkaars verlengde (zie figuur 2) te zien. Output vormt de verbindende schakel in de overgang van de ontwikkeling van het managementconcept en het data warehouse-ontwikkeltraject. Data warehouses kunnen zo een belangrijke rol krijgen


D A T A

bij het op koers houden van de organisatie wanneer de strategie is uitgezet. Op de langere termijn zal een data warehouse aan verandering onderhevig zijn. De in figuur 2 geschetste samenhang betekent verder dat veranderingen op elk niveau veranderingen op de onderliggende niveaus betekenen en dus veranderingen in het data warehouse inhouden. Zo zullen delen van een data warehouse meegroeien met een nieuwe strategie en andere delen van het data warehouse afsterven naar aanleiding van een nieuwe strategie.


Strategieontwikkeling

Ontwikkeling managementconcepten

Outputontwerp

Data warehouse-ontwerp

Figuur 2: Output als verbindende schakel MANAGEMENT VAN VERWACHTINGEN IN HET ONTWIKKELTRAJECT

De inrichting van het ontwikkeltraject is een van de belangrijkste instrumenten om de verwachtingen met betrekking tot het systeem te managen. Een eerste voorwaarde om de verwachtingen te kunnen managen is inzicht in de mate waarin kritieke succesfactoren voor het ontwikkeltraject zijn ingevuld. Indien veel van deze factoren nog moeten worden ingevuld, is de kans op succes gering en zal dat zo snel mogelijk moeten worden gecommuniceerd naar het management. Een quick scan is een veelgebruikte manier om te onderzoeken in hoeverre de kritieke succesfactoren zijn ingevuld. In de quick scan zal onder meer aan de orde komen of de gewenste managementconcepten in voldoende mate beschikbaar zijn. Indien deze ontbreken, is de kans op succes gering. Het ontwikkelen van een managementconcept houdt immers in veel gevallen een cultuurverandering in en vraagt derhalve veel tijd. Een tweede belangrijke succesfactor is de beschikbaarheid en kwaliteit van gegevens. Indien gegevens door andere systemen moeten worden aangeleverd, is het van groot belang te bekijken welke consequenties de leverantie voor die systemen heeft. Indien de kwaliteit van gegevens ter discussie staat, zal moeten worden bepaald welke inspanning nodig is om die situatie aan te passen. Andere succesfactoren zijn onder meer het draagvlak bij betrokken afdelingen, het beschik-


bare kennisniveau in de organisatie en de budgettaire speelruimte. Een manier om verwachtingen te managen is het ontwikkeltraject zo in te richten dat er snel resultaten kunnen worden opgeleverd. Indien dit niet gebeurt, is het risico aanwezig dat het management zijn interesse zal verliezen en maatregelen neemt die een succesvol traject onmogelijk maken. Om snel met resultaten te kunnen komen is een opdeling van het systeem in onderdelen noodzakelijk. Die onderdelen kunnen achtereenvolgens worden gerealiseerd en het management wordt telkens gevoed met nieuwe resultaten. Het managen van verwachtingen vraagt dus om een iteratieve aanpak en een modulaire opzet van het systeem. De eerste module die wordt opgeleverd wordt vaak in de vorm van een prototype gerealiseerd. Elke module komt tot stand in de fasen ontwerp, realisatie, testen en implementatie. Er zijn verschillende invalshoeken om het systeem in onderdelen te splitsen. In praktijk zal een data warehouse vaak meer dan één managementconcept ondersteunen. Als dit het geval is, kan met het management worden bekeken welke concepten de hoogste prioriteit hebben. Die kunnen vervolgens als eerste worden gerealiseerd. Een andere splitsingsmogelijkheid ligt in de situatie waarin voor onderdelen van de strategie nog geen uitgewerkt managementconcept beschikbaar is. Het is natuurlijk niet verstandig om daarmee te beginnen. Een derde mogelijkheid om de verwachtingen te managen is een duidelijk plan op te stel-

17

len waarin de volgorde van ontwikkeling is opgenomen. Hiermee kan de verwachting van het management worden gestuurd. De quick scan dient de basisgegevens op te leveren die nodig zijn voor het opstellen van het plan. Figuur 3 geeft de drie wijzen van verwachtingsmanagement in samenhang weer.

voorbereid in het geval dat een beslissing van de stuurgroep wordt gevraagd. In de uitvoering dient de gebruikersinvalshoek centraal te staan. Dit kan bijvoorbeeld door een ervaren gebruiker de leiding te geven over ontwikkelteams waarin gebruikers en ontwikkelaars samenwerken.

ORGANISATIE VAN HET ONTWIKKELTRAJECT

De organisatie en aansturing van een data warehouse-ontwikkeltraject is een onderwerp waaraan voldoende aandacht moet worden besteed. Verankering van het ontwikkeltraject in de gebruikersorganisatie is een belangrijke randvoorwaarde voor succes. Dit geldt zowel voor de besluitvorming als voor de uitvoering. De organisatie van de besluitvorming kan worden ingevuld door het instellen van een stuurgroep onder leiding van de gebruikersorganisatie. De managers die gebruik gaan maken van het data warehouse nemen zitting in de stuurgroep. Het is verstandig de stuurgroep aan te vullen met de programmamanager om de koppeling tussen besluitvorming en uitvoering te verzekeren. De taak van de stuurgroep is het nemen van beslissingen in het ontwikkeltraject, bijvoorbeeld naar aanleiding van de quick scan of over de te gebruiken hulpmiddelen. Deze invulling vraagt van de programmaorganisatie dat heldere beslissingsdocumenten worden

Quick scan Opstellen ontwikkelplan Module 1 Ontwerp

Module 2 Ontwerp

Module N Ontwerp

Realisatie Realisatie

Realisatie

Test Test

Test

Implementatie Implementatie

Implementatie

Figuur 3: Ontwikkeltraject data warehouse

18

VOORBEELD: DE HYPOTHEEKVERSTREKKER Een hypotheekverstrekker wordt geconfronteerd met een veranderende klantbehoefte. Steeds meer klanten vragen hypotheekvormen die kunnen worden aangepast aan hun gewijzigde financiële situatie. Daarnaast willen klanten binnen hun hypotheek gebruikmaken van financiële constructies met een potentieel hoger rendement. Klanten willen verder optimaal gebruikmaken van fiscale mogelijkheden. De stijgende huizenprijzen en het toegenomen besteedbaar inkomen zijn belangrijke oorzaken waardoor klanten nieuwe behoeften hebben en meer risico durven te nemen. Ook de lage rentestand maakt het minder aantrekkelijk aan traditionele hypotheekvormen vast te houden. Verder stellen klanten hogere eisen aan de bereikbaarheid van de dienstverlening. Een aantal concurrenten van de hypotheekverstrekker heeft op deze situatie ingespeeld door nieuwe hypotheekvormen aan te bieden. Ook nieuwe aanbieders vanuit de verzekeringsbranche bieden de hypotheekvormen aan. Deze partijen maken gebruik van moderne computertechnologie voor de communicatie met klanten en de bijkomende administratieve werkzaamheden. Wanneer de groei in de omzetten stagneert en bestaande klanten overstappen naar andere hypotheekverstrekkers, besluit het managementteam van de hypotheekverstrekker zijn strategie te wijzigen. Kostenleiderschap blijft het langetermijnuitgangspunt. Het grote aantal klanten en de bijbehorende schaalvoordelen zijn een belangrijke basis om die strategie te realiseren. Op de middellange termijn kiest men voor een meer hybride benadering waarbij de nadruk


D A T A

ligt op differentiatie. In de invulling staan twee pijlers centraal: – modernisering van het productenpakket; – modernisering van de distributiekanalen. In de uitwerking kiest men voor een aantal nieuwe hypotheekproducten; zo worden verschillende effectenhypotheken ontwikkeld. Om de bereikbaarheid van de dienstverlening te verhogen worden de bestaande distributiekanalen uitgebreid met een call center en Internet. Daarnaast wordt een kwaliteitsconcept ontwikkeld voor alle distributiekanalen. Het doel is de hoge kwaliteit van de dienstverlening herkenbaar te maken voor klanten door standaardgedragsregels te verbinden aan de uitvoering van de dienstverlening. Het management besluit voor de implementatie van de strategie het balanced scorecard-concept te gebruiken en een informatiesysteem te ontwikkelen op basis van het data warehouseconcept. Zo kunnen de effecten van de genomen maatregelen worden gevolgd en kan de verdere besturing worden ondersteund. Een programmamanager uit de lijnorganisatie gaat de ontwikkeling van de scorecards en het data warehouse aansturen. In een aantal sessies stelt het managementteam de eerste scorecard op. Daarin zijn prestatie-indicatoren en normen opgenomen vanuit vier perspectieven (financiën, klanten, interne processen en leren en groei). Een belangrijke stap is de opstelling van een oorzaak-gevolgmodel. In figuur 4 is het deel van het model voor bestaande klanten opgenomen. Het oorzaak-gevolgmodel wordt van onder naar boven gelezen en maakt duidelijk welke doelen moeten worden gerealiseerd om uiteindelijk het overkoepelende doel (in dit geval rendementsverbetering) te bereiken. Het model dient ook om de samenhang en volledigheid van de strategische doelen te toetsen en te vervolmaken. De strategische doelen worden vertaald in variabelen en genormeerd (zie figuur 5). Vervolgens worden managers verantwoordelijk gemaakt voor de realisatie. Voor de afzetkanalen spreekt men bijvoorbeeld af dat bestaande klanten in alle gevallen binnen 24 uur een offerte krijgen toegezonden, potentiële klanten zoveel



Financieel

Rendement verbeteren Omzet vergroten bij bestaande klanten

Klanten

Verhogen afnemerstrouw Verbeteren aansluiting assortiment op behoefte

Verhogen bereikbaarheid assortiment

Interne processen Nieuwe producten ontwikkelen

Verhogen inzicht in behoefte

Vergroten bekendheid kanalen

Optimaliseren bestaande kanalen

Nieuwe kanalen ontwikkelen

Ontwikkelen informatiesystemen

Ontwikkelen verkooporganisatie

Leren en groei Versterken marketingorganisatie

Figuur 4: Oorzaak-gevolgmodel bestaande klanten

mogelijk, en dat iedere bestaande klant die een offerte heeft gekregen, wordt gebeld. Men bepaalt verder dat 99% van de servicecontacten foutloos dient te verlopen en dat bij fouten de klant wordt gebeld. De managers van de afzetkanalen worden verantwoordelijk gesteld voor het behalen van de normen voor hun kanaal. Vervolgens worden scorecardrapportages uitgewerkt. De rapportages vormen de output van het informatiesysteem waarmee het managementteam de strategie-implementatie gaat besturen. Het managementteam kiest voor een tweewekelijkse rapportage over de voortgang van de strategie-implementatie. Alleen wanneer een prestatie-indicator afwijkt van een gestelde norm, wordt meer in detail gerapporteerd. Er wordt dan een analyse toegevoegd door de verantwoordelijke manager en een advies omtrent de benodigde (extra) maatregelen. Een indicator die de eerste keer niet aan de norm voldoet, wordt met oranje aangeduid. Prestatie-indicatoren die meer periodes niet aan de norm voldoen, worden met rood aangeduid. Na het managementteam werkt het volgende management de aan hem toegewezen prestatie-indicatoren uit in een scorecard. De managers van de afzetkanalen werken samen met hun teamleiders de toegewezen prestatie-indicatoren uit. Een van de groepen vertaalt bijvoorbeeld de 24-uursnorm voor offertes naar een productienorm voor de aanmaak van offertes. Op basis van hun ervaring weten de teamleiders dat om de 24-uursnorm te kunnen halen het

19

Strategische metingen Verschilindicatoren Financieel

Klanten

Interne processen

Leren en groei

Resultaatindicatoren

rendement op investeringen

ROI

groei aandeel bestaande klanten

groei aandeel bestaande klanten

assortiment verbreden

behoefte dekkingsratio

bereikbaarheid verhogen

distributiemix, leveringstijd

inzicht in behoefte creëren

klanttevredenheidsratio

nabelratio

nieuwe producten ontwikkelen

behoefte onderzoek

productontwikkeling (vs. planning)

nieuwe kanalen ontwikkelen

nieuwe kanalenmix

bestaande kanalen optimaliseren

omzetmix per kanaal

bekendheid kanalen vergroten

kanaalbekendheid

ontwikkelen informatiesystemen

functiedekkingsmatrix

beschikbaarheid technologie (vs. planning)

ontwikkelen marketingorganisatie

ontwikkeling staf (vs. planning)

ontwikkelen verkooporganisatie

ontwikkeling staf (vs. planning)

Figuur 5: Strategische doelen en variabelen

aanmaken van een offerte binnen drie uur begonnen moet zijn. Verder moeten de offertegegevens foutloos worden aangeleverd. De verschillende teamleiders worden verantwoordelijk gesteld voor de prestatie-indicatoren. De manager van het call center bepaalt dat 85% van de telefoongesprekken binnen 15% dient te zijn opgenomen. Om de effectiviteit van de telefonische verkoop te verhogen wordt besloten alleen bestaande klanten te helpen met hypotheekverhogingen en tweede hypotheken. Nieuwe klanten worden doorverwezen naar het kantorennet. Het aantal bestaande klanten als deel van het totale aantal gesprekken wordt in beeld gebracht, evenals het aantal klanten dat wordt doorverwezen. Ook de managers van de afzetkanalen stellen de door hen gewenste rapportages vast. Veel managers van de afzetkanalen kiezen voor een wekelijkse rapportage waarin de prestaties van hun afzetkanaal staan weergegeven. Voor wat betreft de weergave wordt voor dezelfde opzet gekozen als de rapportage van het managementteam. Enkele managers onderkennen het

20

belang van communicatie van de prestaties naar de medewerkers. Zij plaatsen een bord in de hal van het gebouw waarop de prestatie-indicatoren staan weergegeven. Daarnaast wordt de weekrapportage ter inzage voor de medewerkers bij de teamleiders neergelegd. Wanneer de scorecards en de scorecardrapportages zijn gedefinieerd, wordt de programmaorganisatie aangepast zodat het data warehouse kan worden ontwikkeld. De leiding van het programma blijft in handen van de lijn, maar de programmamanager krijgt in deze fase de nodige ondersteuning van de IT-organisatie. Verder wordt een stuurgroep ingesteld die de ontwerpbeslissingen fiatteert. De stuurgroep bevat een afvaardiging van de klanten van het data warehouse, te weten het managementteam en het tweede echelon. Daarnaast maken de manager van de afdeling IT en de programmamanager deel uit van de stuurgroep. De programmaorganisatie kiest voor een data warehouse omdat gegevens uit diverse systemen nodig zijn voor de scorecardrapportages. Er zijn gegevens nodig uit onder meer de


D A T A

offerte-, de contracten- en de financiële administratie. Daarnaast zijn diverse gegevens over telefoongesprekken uit de telefooncentrale benodigd. Andere belangrijke ontwerpbeslissingen zijn: – De scorecardrapportages worden gebruikt om de output te definiëren die het data warehouse moet gaan opleveren. Om de applicaties te kunnen vervaardigen worden outputmodellen opgesteld. Deze bevatten een nauwkeurige weergave van de gewenste rapportages en worden getoetst bij het management. – Alle onderdelen van het data warehouse worden met pakketten ontwikkeld: de koppelingen tussen het data warehouse en bestaande systemen, het data warehouse zelf en de applicaties waarmee de rapportages worden gemaakt. – De gegevensstructuur van het data warehouse bevat niet alleen de prestatie-indicatoren maar ook gegevens die nodig zijn om de prestatie-indicator te berekenen. Door ook deze gegevens op te nemen wordt ingespeeld op de concrete behoefte van het management volgend uit de opgestelde scorecard en wordt tegelijkertijd ingespeeld op een mogelijk te verwachten behoefte. – De gewenste gegevens worden door een geautomatiseerde koppeling aangeleverd aan het data warehouse uit de bestaande systemen. Nadat het ontwerp van het data warehouse is gerealiseerd, wordt het ontwikkeld. Om de verbeteringen binnen de organisatie te bespoedigen wordt besloten eerst de rapportages voor de managers van het tweede echelon te realiseren en vervolgens de rapportage voor het managementteam.


gevens over de afhandelingsprocessen binnen een organisatie zelf kunnen worden omgezet in relevante managementinformatie en het management helpen de uitgezette strategie waar te maken. Dat gaat echter niet van de ene op de andere dag. Eer het zover is, moet nog een zorgvuldig opgezet ontwikkeltraject worden doorlopen. Hierbij is het essentieel een goed evenwicht te vinden tussen de ontsluiting van en de selectie uit de enorme massa van elektronisch beschikbare gegevens en de voor het management relevante informatie. Het voorbeeld van de hypotheekverstrekker toont aan dat managementconcepten kunnen helpen bij het vinden van dit evenwicht aangezien zij een basis bieden om organisatiedoelen te vertalen naar de gegevens die voor de besturing nodig zijn. De balanced scorecard, het specifieke managementconcept uit het voorbeeld, biedt de mogelijkheid de vertaalslagen te maken van de strategische taakstellingen naar de gegevens die nodig zijn voor de besturing van een strategieimplementatie op elk managementniveau van de organisatie. Bovendien ordent de balanced scorecard deze gegevens over de organisatieactiviteiten naar vier relevante perspectieven, namelijk financiën, klanten, interne processen en leren en groei. Het data warehouse-model is geschikt om de gegevens vervolgens te herleiden tot de interne of externe bronsystemen waarin zij zijn opgeslagen. Zo wordt duidelijk dat de succesvolle toepassing van data warehouses sterk kan worden vergroot door in het ontwikkeltraject de mogelijkheden van managementconcepten en data warehouses in hun samenhang te gebruiken.

Referenties Bemelmans, T.M.A., Bestuurlijke informatiesystemen en automatisering, Stenfert Kroese, Leiden/Antwerpen, 1987. Brancheau, J.C., B.D. Janz & J.C. Wetherbe, Key Issues in Information Systems Management: A Shift Toward Technology

CONCLUSIES

Infrastructure, MIS Quarterly (20), 2, 1996, p. 225-242. Bulte, J., J. Dijksma & R. van der Wal, Management accounting, Wolters-Noordhoff, Groningen, 1993.

De potentie van data warehouses voor organisaties is, zoals blijkt uit de succesvolle toepassingen, zeer groot. De elektronisch beschikbare transactiegegevens van klanten en de detailge-


Data Warehousing Institute, 10 mistakes to avoid, http://www.data-warehousing.com, opgeroepen op 1 juni 1998. Devlin, Barry, Data Warehouse: from Architecture to Implementation, Addison-Wesley, Reading, Mass., 1997.

21

Inmon, W.H. & R.D. Hackathorn, Using the Data Warehouse, Wiley, New York, 1994. Jain, S.C., Marketing planning and strategy, South-Western Publishing Co, Cincinnati, 1985. Johnson, G. & K. Scholes, Exploring corporate strategy, Prentice Hall International Ltd, New York, 1993. Kaplan, R.S. & D.P. Norton, The balanced scorecard, Harvard Business School Press, Boston, 1996. Kimball, Ralph, The Data Warehouse Toolkit. Wiley, New York, 1996. Nielen, G.C., Van informatie tot informatiebeleid, Samsom Bedrijfsinformatie, Alphen aan den Rijn/Zaventem, 1993. Poe, Vidette, Building a Data Warehouse, Prentice Hall, New Jersey, 1996. The Standish Group, Chaos, 1995. The Standish Group, Unfinished Voyages, 1996. Turner, W.S. e.a., System Development Methodology, Pandata B.V., 1989. Vonk, R., Prototyping van informatiesystemen, Academic Service, Den Haag, 1987.

22


MANAGEMENT- INFORMATIE MET BALANCED SCORECARDS EN DATA WAREHOUSING

Recommend Documents