<![CDATA[FocusFWD - Blog]]>Mon, 24 Sep 2018 05:03:22 +0200Weebly<![CDATA[hoe ga je van big data naar big profits: 3 lessen uit de praktijk (en 3 praktijkcases!)]]>Thu, 13 Sep 2018 07:30:00 GMThttp://focusfwd.nl/blog/hoe-ga-je-van-big-data-naar-big-profits-3-lessen-uit-de-praktijk-en-3-praktijkcases
​De trends in big data, AI en predictive intelligence zijn vaak beschreven. Dat wil helaas niet zeggen dat iedereen nu weet wat ze er mee kunnen bereiken. Hoe kun je als bedrijf, en specifiek als retailer profiteren van het gebruik van data? 
​Zonder analyse is data enkel data. Vaak teveel om te overzien, vaak vervuild, soms tegenstrijdig, en regelmatig in verschillende systemen. Het oude gezegde 'door de bomen het bos niet meer zien' is hier zeker van toepassing. Door analyse zet je een spotlight op de zaken die ertoe doen. Dat doe je niet alleen door een specifiek stukje informatie uit de data te halen, maar door het combineren van data en systemen, en het visualiseren en delen van de uitkomsten. Dan komen er nieuwe inzichten die waardevolle input zijn voor gesegmenteerde klantmailings, productaanbod, gepersonaliseerde website content, conversie optimalisatie, en nog vele andere marketing, sales en klant-toepassingen. 
​Denk aan het volgende voorbeeld: Jack is manager van de customer support en kijkt iedere dag naar het dashboard van de software die zij gebruiken. Daarin ziet hij de lengte van de belletjes, het aantal chats, misschien een wachtrij. Hij kan ook de verschillen per medewerker zien. Daarmee kan hij sturen op gesprekken die te lang duren, of niet succesvol worden afgerond. Dat is hele goede stuurinformatie om zijn mensen effectiever te maken. Maar wat hij niet weet is de impact van de gesprekken op de (herhaal)aankopen van deze klanten. Wat als een langer gesprek juist sneller een herhaalaankoop oplevert? Door de data van customer support te combineren met de data van het commerce of ERP platform, wordt duidelijk wat het effect van bepaalde handelingen is. Daarmee kan Jack zijn mensen aansturen op de customer journey: welke elementen van een gesprek zijn belangrijk om de klant te converteren. 
​Of kijk naar Elise, online marketing manager. Zij kan met Google Analytics zien waar het verkeer op de webshop vandaan komt, welke pagina's het meest populair zijn en heeft ook segmenten gedefinieerd om te ontdekken of er een verschil zit in het koopgedrag tussen een aantal van deze segmenten. Zij stuurt haar marketing campagnes aan op verkeer en conversie. Ook zij heeft geen volledig beeld van de (herhaal)aankopen. Definitieve bedragen, retourzendingen en customer life time bedragen ontbreken in Google Ads of Analytics. Door alle data van de aankopen te combineren met de web analytics data, ontstaat een volledig beeld van de herkomst en het gedrag van klanten. Uiteindelijk zal Elise haar marketing campagnes optimaliseren op basis van waarde van klanten en segmenten, en minder op volume in aantal clicks. 

    Wil je dit blogartikel rustig verder lezen in een PDF? Dan mail ik het je.


Hoe ziet dat er in de praktijk uit? Een paar gouden tips: 
'Zoveel data, waar moet ik beginnen?' Stephen Covey zei ooit 'Begin with the end in mind' en dat is wat je precies moet doen. Beginnen bij waar je het meeste impact verwacht. Het is wel handig dit goed af te kaderen, dus begin niet met 4 verschillende databronnen en vele complexe analyses die veel tijd kosten voordat ze af zijn. Je wilt impact door het snel te kunnen delen met je team of bedrijf!  
​'Het gaat hartstikke goed met onze shop, waarom hebben we dit nodig?' Aha, grote kans dat het goed gaat, maar dat je je klanten niet zo goed kent. Dat is de sleutel naar succes op lange termijn, wat essentieel is in deze markt. Als je niet investeert in kennis, kan een concurrent je morgen te slim af zijn. Bedenk dus goed wat je doelen en concurrentie voordelen zijn en ga er bovenop zitten om dit te volgen en te tracken met data. Wordt dit goed ontvangen bij je klanten? Wat gaat perfect, wat kan beter? Waar gaat het mis in de customer journey? Waak ervoor dat je niet een black-box-succes wordt! 
​'We hebben niet de kennis of tijd om data te analyseren.' Dat hoeft niet perse, zeker als je een MKB retailer of webshop bent. Dan kan het juist beter zijn om dit in te kopen en te leren gebruiken, dan de investering te doen in het leren bouwen en maken. Het eerste is sneller en efficienter, het tweede zal langer duren, ook omdat de mensen hiervoor moeilijk te vinden zijn. De technologie heeft niet stilgezeten waardoor het tegenwoordig met één klik te regelen is dat je verschillende systemen combineert en direct inzichten krijgt. Een ideaal vertrekpunt waarbij het gebruik door marketing en management in het middelpunt staat en de techniek onder de motorkap blijft.
​Alles leuk en aardig, hoor ik je denken, maar hoe gaat zich dat terugverdienen? Deze vraag krijg ik vaak en gelukkig heb ik voldoende cases om dit te onderbouwen. Bij elke samenwerking heb ik gezien dat er winst wordt behaald in tijd, proces en/of euro's. Dit wordt met name bereikt door twee mogelijke varianten. Eén is een verbeterde return-on-investment op marketing: iedere euro wordt beter besteed wat wil zeggen dat je er meer voor terugkrijgt. Je kunt betere marketing campagnes opstellen en uitsturen omdat je ze fact-based benadert. Twee is rendement uit je mensen. Ik zie veelvuldig dat mensen met een marketing- of commerciele rol iedere week uren kwijt zijn aan dataverwerking en opschoning. Dit weerhoudt ze om gefocust bezig te zijn met hun belangrijkste taken, om de klant zo goed mogelijk te bedienen en het bedrijf te laten groeien. Dit soort dataverwerking - vaak in Excel - is saai, repeterend en foutgevoelig. Door dit te automatiseren neem je het weg bij mensen die deze tijd kunnen besteden aan het werk waar ze een passie in hebben, dat zal beter renderen. Door automatisering van de dataverwerking zorg je er gelijk voor dat de kennis in een standaard proces wordt vastgelegd in plaats van bij één persoon in het hoofd zit - die ook met vakantie gaat of een keer vertrekt. Op deze manier wordt het gedeelde kennis en gaan meer mensen er gebruik van maken en wellicht het proces aanvullen of verbeteren. 
​'Proof is in the pudding', dus kom maar op met je cases! Ik licht een paar cases toe waarin dit soort winsten behaald zijn, in korte tijd.
De eerste case is een groot en toonaangevend fashion bedrijf. Ik werd gevraagd om te helpen vanuit twee ontwikkelingen die speelden: 1. er werd een nieuw ERP systeem geïmplementeerd (Microsoft Dynamix) en 2. er waren rapporten en dashboards maar die klopten niet volgens de business, de gebruikers gaven aan dat cijfers niet klopten met de broninformatie en dat er informatie ontbrak. Het was niet enkel een kwestie van het bouwen of corrigeren van dashboards, maar het van de grond af aan opnieuw inrichten van de informatievoorziening. Op dat moment konden allerlei afdelingen, van merchandise tot inkoop en logistiek, niet inzien hoe de verkoop precies verliep en wat de aanbevelingen voor de volgende seizoenen zouden moeten zijn. Door sessies met stakeholders hebben we de KPI's (key performance indicators) opgesteld en definities bedrijfsbreed afgestemd op elkaar. In sprints zijn we vervolgens de verschillende domeinen gaan bedienen met dashboards en ondersteuning bij het gebruik. Hiervoor was een nieuw proces van dataverwerking nodig, om het nieuwe ERP systeem en aanvullende bronnen te ontsluiten.  
​Welke impact is er behaald? Op het moment dat ik aan het project begon waren minstens 6 mensen 2 ochtenden per week bezig om rapporten te bekijken, te checken en uiteindelijk zelf analyses te gaan draaien en rondsturen. Eén afdeling had zelfs een full-time analyst benoemd om voor inzichten te zorgen zodat de afdeling daarop kon sturen(!). Dat is een enorme hoeveelheid tijd en dus geld die werd verspild aan taken die daar niet hoeven plaats te vinden. Dit hebben we stap voor stap weten terug te brengen naar enkel het gebruik van dashboards in plaats van data controle en het afzonderlijk maken van vergelijkbare analyses. Daarnaast hebben we méér aangeboden: naast dashboards is er self-service business intelligence uitgerold, waarmee gebruikers niet alleen dashboards krijgen maar ook zelf analyses kunnen maken met goedgekeurde brondata. 
Ander voorbeeld: een affiliate marketing bureau, met honderden miljoenen regels data per dag. De uitdaging was hier om de organisatie snel van informatie te voorzien, omdat het oude systeem simpelweg de hoeveelheid data niet meer aankon en gebruikers dus heel lang op hun informatie zaten te wachten. Dit vroeg om een implementatie van nieuwe software en een nieuwe manier van werken. Daarnaast waren er twee junior analisten die ik mocht coachen zodat zij alle kennis en kunde meteen konden toepassen en zich eigen maken. 

Resultaat: Een van de directeuren kwam naar me toe en zei: zo snel heb ik onze (jonge) mensen zich nog nooit zien ontwikkelen, door jouw ervaring en coaching zijn ze in twee maanden veel wijzer en hebben veel meer impact in de organisatie, bedankt! Gevraagd naar een schatting op hoeveel tijd dit normaal zou kosten antwoordde hij 'circa twee jaar'. Behaalde winst: 22 maanden keer twee analisten. De Business Intelligence manager was met name tevreden over de snelheid waarmee ze nieuwe informatie en complexere analyses konden opleveren, op een gebruiksvriendelijke en efficiente manier. Dit hebben we onder andere met alerts opgelost: alleen gebruikers informeren wanneer het nodig is.  
​Laatste case: een telecom webshop. Zij wilden hulp bij het kick-starten van marketing intelligence en tegelijkertijd het samenstellen, opleiden en coachen van een BI team. Dit was een super leuk en interessant project. Ze waren niet gewend om met externe consultants te werken, maar dit wende erg snel door de snelheid en goed geplande samenwerking die we vanaf het begin hebben ingezet. Op deze manier hebben we verkoopdata geladen en getransformeerd (mbv SQL) naar bruikbare datasets en dit realtime gevisualiseerd. Nog belangrijker, we zijn de webdata gaan gebruiken van de vele webshops die er zijn. Deze hebben we gecombineerd met de verkoopdata om de marketing en online specialisten in staat te stellen hun campagnes en keuzes te optimaliseren. Van een organisatie die 'blind' stuurde op gevoel, naar een 'data-driven' organisatie met gespecialiseerde kennis over hun klanten, realtime informatie en voorspellingen in sales en volume. Bijkomend resultaat: het ging zo goed, dat het project sneller klaar was dan iedereen had gedacht. Jammer om zo snel afscheid te nemen, maar trots op dit resultaat! 
​Ik begon deze blog met de stelling dat data niet veel waard is zonder analyse. Op basis van deze cases kan ik daar aan toevoegen, dat het net zo belangrijk is om de resultaten te delen en gaan gebruiken. Dan zullen de opbrengsten zich gaan maximaliseren. Ook al is de data overweldigend, complex, of foutgevoelig; er is altijd een manier om het om te zetten in een betere klantbeleving en dus beter bedrijfsresultaat. Begin vandaag nog aan de eerste stappen van big data naar big profit! 
]]>
<![CDATA[E-commerce diner: thema Business intelligence; na e-commerce live 2018]]>Mon, 04 Jun 2018 11:35:53 GMThttp://focusfwd.nl/blog/e-commerce-diner-thema-business-intelligence-na-e-commerce-live-2018
Op 30 mei was e-Commerce Live! in de Beurs van Berlage. Een zeer geslaagde dag vol presentaties, interessante Q&A's en met veel merchants en partners. Na afloop was er door MediaCT, Buckaroo en Robin een e-commerce diner georganiseerd, in het naastgelegen Meet Berlage. Het diner stond in het teken van Business Intelligence. Ik mocht de avond aftrappen met een Q&A over BI en e-commerce analytics, samen met Leah Ard van Magento BI. 

We hebben in een leuke setting besproken wat de do's and don'ts zijn in Business Intelligence en welke mogelijkheden er zijn. 
Ik hoor regelmatig dat het nog moeilijk wordt gevonden om te starten met het gebruik van data of door te ontwikkelen op wat er al aanwezig is. Dit onderwerp werd door avondvoorzitter Gijs Nillessen meteen aangesneden. Het is best practice om stap voor stap, in bijvoorbeeld sprints, je data strategie te ontwikkelen en uit te voeren. Dit betekent starten met de juiste vragen. Op de vraag naar mogelijke valkuilen kwam dit aan bod. Het werkt niet goed om veel rapportages te gaan bouwen om 'alles te weten'. De beste aanpak is een brandende vraag of business case die het verschil kan maken zodra deze is beantwoord. 

Tussen de gangen door was er voldoende gelegenheid om met elkaar te praten over uitdagingen en het stellen van nadere vragen. Ik vond het een aangename en leerzame avond, met vele boeiende gesprekken met partners, webshop eigenaren en marketeers! 

Lees een volledig verslag van de avond hier (link).
Dank aan de organisatie en partners MediaCT, Magento, Buckaroo & ROBIN voor de avond.
]]>
<![CDATA[Nieuw: standaard pakketten e-commerce bi solutions]]>Tue, 09 Jan 2018 15:49:21 GMThttp://focusfwd.nl/blog/nieuw-standaard-pakketten-e-commerce-bi-solutionsNieuw aanbod reporting & analytics solutions voor e-commerce!

Op basis van een rijke ervaring in BI en de wensen van e-commerce winkeliers, hebben we zojuist 3 nieuwe standaard pakketten gelanceerd waarmee je gemakkelijk en stapsgewijs een data-driven shop en marketing afdeling kan organiseren. 

Check de 3 standaard pakketten hier.
Geïnteresseerd? ​Vraag een demo of kennismaking rechtstreeks bij mij aan.
Magento Business Intelligence screenshot
Een voorbeeld dashboard uit Magento Business Intelligence.
]]>
<![CDATA[HR analytics boek is uit!]]>Wed, 03 Jan 2018 23:00:00 GMThttp://focusfwd.nl/blog/hr-analytics-boek-is-uitLang naar uitgekeken en nu verschenen: ‘HR Analytics, een 7e zintuig voor de moderne HR-professional’.

​Geen theorie boek, maar learnings uit de praktijk die je vandaag kan gebruiken. Ik ben trots op mijn eigen bijdrage in dit boek, op basis van de arbeidsmarkt-tooling die ik heb ontwikkeld. Lees mijn stappenplan: data management, standaardisatie, visualisatie en structurele toepassing. Leesvoer voor HR professionals, te bestellen via https://buff.ly/2iScj4S

​Met dank aan redacteuren Luc Dorenbosch en Tony Brugman voor de volharding en met bijdragen van Dagmar Beudeker, Esther Bongenaar, Karina van de Voorde, Paul van der Laken, Raymond Welmers, Sandjai Bhulai, Sjoerd van den Heuvel, Volken Timmerman.
]]>
<![CDATA[podcast commerce Analytics 1]]>Thu, 28 Dec 2017 23:00:00 GMThttp://focusfwd.nl/blog/podcast-commerce-analytics-1Om meer bekendheid te geven aan analytics en Business Intelligence binnen (e)commerce, ben ik een podcast gestart. Het doel is om te laten zien (horen) hoe je met data om kan gaan en welke voordelen je eruit kan halen. 

De eerste aflevering is online. Luister en laat me weten wat je ervan vond en/of welke vragen jij hebt?
]]>
<![CDATA[CVDW #47: data bevrijden uit systemen als een rest api]]>Sat, 25 Nov 2017 15:00:00 GMThttp://focusfwd.nl/blog/cvdw-47-data-bevrijden-uit-systemen-als-een-rest-api​Deze week wil ik het graag hebben over het ontsluiten van informatie uit systemen waar een gemiddelde gebruiker moeilijk bijkomt, zoals een REST API. Eerst wil ik zo'n typische situatie schetsen. Het is dus een iets langere blog geworden dan je normaal van mij gewend bent. Je mag natuurlijk ook meteen door naar de oplossing: klik dan op Lees Meer.

Je kent het wel, er worden meerdere systemen in een bedrijf gebruikt. Je ziet door de bomen het bos niet meer welke informatie je van welk systeem kan gebruiken en hoe je dat kan helpen in je bedrijfsdoelstellingen. Laat staan dat er een overzicht is hoe die verschillende systemen samen te brengen zijn zodat je de informatie uit de ene kan combineren met de info van de andere. Nogal een uitdaging. Een veelvoorkomende reactie is dat gebruik blijft hangen bij makkelijk toegankelijke systemenen en bronnen (Excel-bestanden!). Iedere tool of systeem heeft ook wel een scherm met standaard rapportage van cijfers. Stel dat je het bedrijf meer wilt gaan sturen op data. Dan heb je met losse, een-dimensionale, platte cijfers niet voldoende inzichten en mogelijkheden om te werken aan je sales, marketing, operatie of klantretentie.
Een van de mogelijke issues is dat de data 'opgesloten' zit in een REST API. Je kunt dan in de frontend van het systeem wat losse gegevens opzoeken en een ontwikkelaar kan queries draaien op de data in de REST API. Maar het opschalen naar inzichten delen met een grotere groep gebruikers (collega's) is een uitdaging.

Zo'n dergelijke case kom ik vaker tegen en ik merk dat hier de vraaggestuurde en iteratieve aanpak zeer goed werkt. Hoe kun je dus snel en betrouwbaar inzichten halen uit een tool of systeem met een REST API?
Doel: de data uit de REST API benutten om de organisatie slimmer te maken in het maken van keuzes, bedienen van klanten, het plannen van sales, budget forecasting, etc. Uiteindelijk ook het combineren met andere data bronnen om geavanceerde analyses zoals segment analyses te maken en data science toe te passen, door het data platform met meer data te voeden.
Foto
de wdc aan het werk, in de terminal
Oplossing:
De oplossing is de data oppakken uit de API die je nodig hebt. Deze data kan ontsloten worden in een dashboard, waar je standaard de KPI's ziet die relevant voor jou en je klanten zijn. Daarnaast kun je ook verder inzoomen en analyseren naar mogelijke oorzaken en achtergronden en trends in die cijfers.
Met Tableau is het bijvoorbeeld mogelijk een Web Data Connector te gebruiken om de data uit de REST API op te halen. Hiermee programmeer je welke data je op welke manier te zien krijgt. Bepaal welke informatie je als eerste wilt gaan gebruiken om impact te hebben op de organisatie. Haal dit op uit de API en test de data kwaliteit. Laat vervolgens de eerste resultaten zien, hiermee bereik je impact maar ook meteen feedback over de volgende iteraties die nodig zijn. Wellicht neemt dat een andere koers dan je zelf had bedacht, interessant!

Zo bouw je aan goede inzichten die moeten bijdragen aan een beter bedrijfsresultaat, in welk opzicht en vanuit welke invalshoek dan ook (klant, marketing, voorraad, forecasting, etc.). Vergeet niet om collega's in staat te stellen om zelf met de data aan de slag te gaan. Dit kan het begin zijn van een self-service data-driven organisatie. Succes!
]]>
<![CDATA[Online kopers vertaalt naar online bedrag]]>Fri, 24 Nov 2017 15:36:02 GMThttp://focusfwd.nl/blog/online-kopers-vertaalt-naar-online-bedragTwee recente onderzoeken naar online shopping laten iets anders zien: het CBS heeft gevraagd of je iets online hebt gekocht in deze categorie de laatste 12 maanden. De Thuiswinkel Monitor vraagt hoeveel van het besteedde bedrag in de categorie je online besteed hebt.

Door deze twee onderzoeken naast elkaar te zetten krijg je interessante inzichten. Als veel mensen online kopen, betekent dit automatisch een grote online omzet? 
Verken de infographic om de resultaten van beide onderzoeken naast elkaar te zien. Het antwoord is vooral: nee. Behalve voor electronica en telecom. Daar is het aandeel in bedrag hoger dan het aantal online kopers! 

NB: De categorieën zijn zo goed mogelijk naast elkaar gezet en vergeleken, de verschillende onderzoeken gebruiken namelijk verschillende indelingen.
Bewerking: Focus Forward Analytics
Bronnen: CBS online winkelen en Thuiswinkel Markt Monitor HY1 2017


]]>
<![CDATA[CVDW #44: Management Overzicht (KPI's) maken uit veel verschillende bronnen]]>Thu, 02 Nov 2017 23:00:00 GMThttp://focusfwd.nl/blog/cvdw-44-management-overzicht-kpis-maken-uit-veel-verschillende-bronnenCase van de Week Focus Forward Analytics
Stel, je hebt veel verschillende bronnen, die niet allemaal met elkaar te verbinden zijn. Bijvoorbeeld door afwijkende of ontbrekende datum velden, of regionale uitsplitsingen. Toch zou je een management overview met de belangrijkste cijfers en KPI's (Key Performance Indicators) willen maken. Net zoals ik voor een klant heb gedaan, op basis van open data over de economie en de arbeidsmarkt. Dit waren meer dan 12 verschillende bronnen bij elkaar. 

Excel to the rescue! Als eerste wil je een overzicht maken met de meest recente cijfers, uit de gewenste bronnen. Maak kolommen met het kenmerk tijdsomschrijving (was het kwartaal 3 van 2017, of het maandcijfer voor oktober 2017, etc) het cijfer, de groei ten opzichte van de vorige periode, en tenslotte een kolom met tijdsperiode waarbij je de huidige laatste cijfers een 1 geeft. 

Stap voor stap: gebruik de databronnen om een tabel te maken van de data die je nodig hebt en exporteer dit naar Excel. Plak de tabellen onder elkaar, en zorg er in ieder geval voor dat je de kolommen met datum en de nummering van deze tijdsperiode (1 in het voorbeeld hierboven). Later kun je dan meerdere periodes gaan toevoegen, zowel meer recentere als eventueel oudere data. 
Voeg deze Excel sheet toe als bron aan je rapportage of dashboard in de BI software. Bouw een mooi overzicht met de KPI's, bijvoorbeeld in een matrix met twee assen. Op de ene as kun je het huidige cijfer zetten en op de andere as een langjarige trend. Als inspiratie verwijs ik je graag naar de conjunctuurklok van het CBS of het voorbeeld dat ik heb gemaakt, zie beiden hieronder. Filter uiteindelijk op datumperiode of speel meerdere datumperiodes af als een 'film'. 

Foto
Conjunctuurklok CBS
Foto
Management overzicht Focus Forward Analytics
Heb je nog vragen hierover? Andere oplossing bedacht? Laat het vooral weten!
]]>
<![CDATA[cvdW #43: data alerts]]>Thu, 26 Oct 2017 22:00:00 GMThttp://focusfwd.nl/blog/cvdw-43-data-alertsFoto
Deze week kreeg ik een uitdagende business case van een klant: 
Kunnen account en business development managers notificaties krijgen als een van hun klanten boven een bepaald niveau in omzet komt of in het geval van leveranciers voor kosten?

Dit vroeg om een iteratieve brainstorm sessie, waarin de verschillende kanten van de business logica uitgezocht werden. Allereerst wil je notificaties in de vorm van e-mail alerts krijgen. Deze klant werkt met Tableau Software en daar zit deze functionaliteit standaard in. Ten tweede zullen de grenzen ('thresholds' in de software) niet vast komen te staan, maar mag iedere collega deze zelf bepalen. En als laatste, een notificatie hoeft maar één keer per klant (of leverancier) gestuurd te worden, op de dag dat deze door de grens heen gaat. In dit geval wil je de dagen erna geen waarschuwing meer. Eventueel kun je daar nog een bepaalde sales periode aan vast knopen, bijvoorbeeld iedere maand opnieuw. 

De oplossing: Maak een calculatie (in Tableau) met de omzet van gisteren en vergelijk deze met de grens ('threshold') én met de omzet van de dag ervoor. Als je data ververst wordt gedurende de dag, dan pas je dit aan naar de vergelijking tussen vandaag en gisteren. Stel dit als filter in, en je ziet de klanten/leveranciers die aan de voorwaarde voldoen. Het kan zijn dat de sheet dus leeg blijft, als de grens nog niet bereikt is door een partij! Laat collega's hun eigen grenzen aangeven door een parameter aan te bieden die je vervolgens als grens gebruikt in de calculatie. In combinatie met gebruikersrechten kun je een persoonlijke tool inrichten met alleen maar relevante content op het moment dat het ertoe doet. Voilá!  

Picture
Dit lijkt wel een leeg dashboard... Het werkt als een notificatie, er is alleen iets te zien en je krijgt een alert als een klant door jouw ingestelde grens gaat. Geen onnodige e-mails en dashboards bekijken of er iets gebeurd is!
]]>
<![CDATA[cvdw #42: performance tableau hyper data engine]]>Thu, 19 Oct 2017 22:00:00 GMThttp://focusfwd.nl/blog/cvdw-42-performance-tableau-hyper-data-engineFoto
Performance is belangrijk, zeker ook voor de user experience van insights in dashboards. Onlangs had ik een case waar de performance tegenviel, door de enorme complexiteit van data, algoritmes en dashboards. Gelukkig komt Tableau Hyper eraan in versie 10.5 en ik was erg blij om dit te testen met deze case! Hoe ziet de toekomst eruit met Tableau Hyper? Bekijk de resultaten hieronder. 

Tableau 10.5 Test met de nieuwe Hyper data engine: meer dan 8 x sneller in dit voorbeeld! Hyper gaat ook anders om met bijvoorbeeld verborgen sheets, wauw wat een verbetering! Een snelle en visueel duidelijke manier om big data te analyseren en interpreteren. 

De 'oude' manier van extracting met TDE staat links, de nieuwe manier met Hyper rechts. 
TDE doet er in dit voorbeeld 10,6 seconden over en Hyper in totaal 1,3 sec. Een veelbelovende verbeteringvoor de performance!

Bij interesse geef ik je graag een demo wat er mogelijk is.
]]>