En snabbare väg till framgång Ett agilt angreppssätt för BI Johan Petersson

Transkript

1 En snabbare väg till framgång Ett agilt angreppssätt för BI Johan Petersson Acando

2 Johan Petersson Visit me at LinkedIn: se.linkedin.com/in/johpet 2 Acando

3 Acando - översikt Enterprise Consulting & Solutions Management Consulting IT Management Consulting Digital Consulting & Solutions Acando Sverige Acando övriga länder Koncernbolag Kontor Totalt Anställda Omsättning MSEK Acando

4 Analytics på Acando Unik kompetensbredd inom verksamhetsstyrning, analys- och beslutsstöd Ett drygt 100-tal Analytics-konsulter i Sverige Störst på Microsoft BI i Västra Sverige. Ceritifierad Guld-Partner på Microsoft BI Auktoriserad Solution Provider för QlikView 4 Acando

5 Vem vinner? 5 Acando

6 Digital Lanthandel 6 Acando

7 Den uppkopplade näringskedjan Uppkopplade kunder Det uppkopplade företaget Uppkopplade produkter Uppkopplat Samhälle Uppkopplade Industriella nätverk Dataproducerande tjänster Acando

8 Agile Analytics 8

9 Vad är ditt problem!!! 9

10 Hur exakta är era projektplaner? 10

11 Värde Vattenfallsprojekt Tid 11

12 Risk Vattenfallsprojekt Tid 12

13 Verkligt scenario 13

14 Vi har problem med lönsamheten och behöver identifiera vilka kunder som inte är lönsamma och vilka kostnader som driver detta 14

15 Ledtid Vi har problem med lönsamheten och behöver identifiera vilka kunder som inte är lönsamma och vilka kostnader som driver detta I ett traditionellt Bi-projekt hade vi gjort följande: - Planeringsfas - Analysfas - Skapa specifikation - Källsystemsanalys - Profilera data - Modellering - Integration och tvätt av data - Analysmodeller - Utvecklar rapporter och analyser - Test - Dokumentation - och sist UAT (User Acceptans Test) 15

16 Vi har problem med lönsamheten och behöver identifiera vilka kunder som inte är lönsamma och vilka kostnader som driver detta Hur skulle man då gjort detta med ett agilt angreppssätt? - Börja analysera ett begränsat antal parametrar som bygger upp lönsamhetsanalysen. Tex. vilka kunder har den högsta fraktkostnaderna i förhållande till intäkt? - I nära samarbete med mottagaren så itererar vi fram en analys genom att addera på parametrar som tillslut möjliggör en lönsamhetsanalys ner till bruttomarginal. - Acceptans, test och dokumentation sker vid varje iteration. - Värde levereras konstant och processen hanterar förändringar av kraven. - Vi kan konstant validera att vi är på rätt väg! 16

17 Värde Vattenfallsprojekt Tid 17

18 Värde Agilt projekt Tid 18

19 Risk Vattenfallsprojekt Tid 19

20 Risk Agilt projekt Tid 20

21 Traditionellt Agilt Beständigt Omfattning Kostnad Plan Estimat Kostnad Plan Omfattning 21

22 22

23 Reglerad Adaptiv Metoder Reglerad jämfört med adaptiv XLPM RUP XP Scrum Kanban Ad-Hoc gör-vad-du-vill! 23 Acando

24 Lösning Reglerad jämfört med adaptiv Reglerad EDW Agile BI Self- Service Adaptiv 24 Acando

25 Scrum 25

26 26

27 Målgrupp! Mätvärde! Som servicechef vill jag kunna analysera reklamationer per artikel, kund och månad för att öka kvalitén på våra produkter och öka kundnöjdheten Dimensioner! Verksamhetsnytta! 27

28 Fundament för Agile Analytics Agil Metodik Arkitektur/ Ramverk Informationsmodellering Dokumentation Test 28 Acando

29 Utveckla ETL för att ladda data till Stage Lägg till försäljningstrans. till data modell Lägg till fakta och mätvärde i DW Som säljare behöver jag se försäljning per dag och kund för att bearbeta kunder med låg omsättning. Source data Just In Time Design och Utveckling Stage Integration Warehouse OLAP and Analytics BI Apps Testa ETL moduler Testa OLAP och BI App 29

30 Som säljare behöver jag se försäljning per dag och kund för att bearbeta kunder med låg omsättning. Source data Backfill Data Warehouse Stage Integration Warehouse OLAP and Analytics BI Apps 30

31 Var lägger vi tid på i utvecklingsprojekt för BI? 80% 20% Source data Stage Integration Warehouse OLAP and Analytics BI Apps Värde 31

32 Automatiserade utvecklingsprocesser Source data Metadata Stage Integration Warehouse 32

33 Metadata Source data Data Warehouse 33

34 Darwin Ramverk för metadatadriven utveckling 34

35 Metadata Darwin Affärslogik Source data Agil arkitektur för ett riktigt datalager Mycket effektivt reducerar utvecklingstiden med ca 70% Mycket hög kvalitet på resultatet Data Warehouse Samla in intressant data från källor utan att i förväg ha bestämt exakt vad den skall användas till I efterhand definierar man hur man bygger fakta och dimensioner från den insamlade datan Bygger ett Kimball-datalager med en persistent staging area Vedertagen teknik som bygger på BIML, SQL och Microsoft-teknologi 35

36 36