Skab værdi med
self-service BI 
og data analytics

 

Den datadrevne organisation bruger et moderne self-service business intelligence-værktøj til at visualisere data på en let forståelig måde, så budskabet går rent ind hos modtageren.

Hent guide med 4 trin til sikkert valg af front-end-tool.

Download gratis guide

background-half-anders-kamilla2

Før du vælger 
BI-værktøj

Den datadrevne organisation bruger et moderne self-service business intelligence-værktøj til at visualisere data på en let forståelig måde, så budskabet går rent ind hos modtageren. Med self-service BI får brugerne intuitive dashboards, så de selv kan dykke ned i data og finde svar på spørgsmål, i stedet for at skulle efterspørge en ny rapport og måske vente flere dage på at komme videre med sin opgave. Sidst, men ikke mindst, giver de rette BI-værktøjer brugerne mulighed for at lave avancerede analyser helt uden at kode.

Tænk over din organisations behov

Derfor er det vigtigt at finde det BI-værktøj, som passer til din organisations brugere og behov.
Og dét valg anbefaler vi, at du træffer sammen med en erfaren samarbejdspartner, så du er sikker på at indfri dine datadrevne ambitioner og at få det maksimale ud af din investering.

Brug tiden på værdiskabende analysearbejde

Et moderne business intelligence-værktøj gør business intelligence og data operationelt, fordi nøgletal og forretningsmål bliver synlige for modtagerne i hverdagen. Den datadrevne organisation arbejder med datavisualisering som disciplin og tilpasser indholdet af dashboards til for eksempel salgsafdelingen, produktionen eller ledelsen, så det enkelte dashboard understøtter de forretningsmæssige mål. Samtidig får organisationens analytikere mulighed for at arbejde med avancerede analyser uden at klargøring af data og formlerne i Excel tager alt tiden eller endnu værre - forhindrer analysearbejdet. For at kunne træffe det rette valg må du derfor forstå og kortlægge de forretningsmæssige udfordringer samt nuværende og fremtidige behov, som BI-værktøjet skal bidrage til at løse.

Tag dig tid til at sammenligne

Vi anbefaler dig altid at undersøge mindst to BI-værktøjer, så du træffer det mest kvalificerede valg. Og vi står altid klar med professionel rådgivning, så du er sikker på at vælge rigtigt.

 

Få hjælp til 
evaluering af front-end

At vælge den rigtige front-end til et business intelligence-projekt handler om grundig forberedelse. Gennem en struktureret proces guider vi vores kunder og sikrer, at deres investering passer sammen med det nuværende og formodede fremtidige behov.

Til det formål har vi udviklet Inspari Front-End Evaluering, så vi kan finde frem til netop det BI-værktøj, som matcher jeres organisation. Når vi har anbefalet et bestemt værktøj, foretager vi en dybdegående evaluering, hvor vi afprøver produktet på rigtige data. Vi Evalurerer og scorer løbende BI-værktøjerne og deres funktioner ud fra følgende overordnede kategorier:

  • Dashboards
  • Analysemuligheder
  • Ikke-funktionelle krav
  • Kundespecifikke krav
  • Udvikling af udtræk og datamodeller
  • BI-infrastruktur
  • OLAP
  • Rapportering
  • Ad Hoc query

 

Forstå de 3 brugertyper
af dit BI-tool

Hvad enten du skal i gang med at bygge en ny BI-løsning, en ny dataplatform eller lave en ny rapport, så tænk altid først på dine modtagere. Hvad har de behov for at vide? Hvad har de behov for at kunne gøre selv? Og hvad har de kompetencerne til? Her får du et let overblik over de tre grundlæggende brugertyper, som du skal tænke ind i din BI-løsning.

Information consumer
Forretningsbrugeren har adgang til dashboads og rapporter, der allerede er klargjort til formålet i et front-end-tool, fx Power BI, Tableau eller Qlik. Det kunne fx være salgschefen, som kan få indsigter i salgstal og forecasts, og som kan omsætte sin nye viden til handlinger.

Insight creator
Udvikleren – eller BI-medarbejdere - har direkte adgang til den moderne dataplatform med det formål at gøre data til indsigt for resten af forretningen. Udvikleren laver altså de dashboards og rapporter, som resten af virksomhedens brugere efterspørger og bruger, og udvikleren forstår at bruge værktøjer til at klargøre data.

Data scientist
Nogle organisationer har en data scientist, mens andre køber sig til dette i form af ekstern hjælp. En data scientist arbejder med både strukturerede og ustrukturerede data og har adgang til de mest avancerede tools – og selvfølgelig dataplatformen. Derudover ejer en data scientist datamodellen og tilføjer nye datakilder osv. efter behov. Hvad enten du skal i gang med at bygge en ny BI-løsning, en ny dataplatform eller lave en ny rapport, så tænk altid først på dine modtagere. Hvad har de behov for at vide? Hvad har de behov for at kunne gøre selv? Og hvad har de kompetencerne til? Her får du et let overblik over de tre grundlæggende brugertyper, som du skal tænke ind i din BI-løsning.

Information consumer
Forretningsbrugeren har adgang til dashboads og rapporter, der allerede er klargjort til formålet i et front-end-tool, fx Power BI, Tableau eller Qlik. Det kunne fx være salgschefen, som kan få indsigter i salgstal og forecasts, og som kan omsætte sin nye viden til handlinger.

Insight creator
Udvikleren – eller BI-medarbejdere - har direkte adgang til den moderne dataplatform med det formål at gøre data til indsigt for resten af forretningen. Udvikleren laver altså de dashboards og rapporter, som resten af virksomhedens brugere efterspørger og bruger, og udvikleren forstår at bruge værktøjer til at klargøre data.

Data scientist
Nogle organisationer har en data scientist, mens andre køber sig til dette i form af ekstern hjælp. En data scientist arbejder med både strukturerede og ustrukturerede data og har adgang til de mest avancerede tools – og selvfølgelig dataplatformen. Derudover ejer en data scientist datamodellen og tilføjer nye datakilder osv. efter behov.

 

Hent webinar 
om power BI

Se eller gense vores Power BI webinar on-demand og bliv 
endnu bedre til at kommunikere gennem data.

Glæd dig til at høre om:

  • De vigtige bookmarks
  • Storytelling i Power BI
  • Guidede dashboards
  • Synkroniserede slicers på tværs af din rapport

Hent Power BI Webinar

Datavisualisering med 
de bedste BI-værktøjer 

Vi samarbejder med de tre markedsledende software-leverandører. Derfor kan vi rådgive frit. Processen omkring valg af BI front-end-værktøj kan både foretages i forbindelse med et nyt BI-projekt, men vi oplever også ofte et behov ved eksisterende BI-løsninger. Det kan være løsninger, der ikke er blevet udbredt tilstrækkeligt i organisationen, og i organisationer, som nu har behov for et mere brugervenligt værktøj.

Herunder finder du de business intelligence- og data analytics-værktøjer, som både vi og Gartner Group anbefaler til den datadrevne organisation.

Tableau er best-practice datavisualisering i et intuitivt self-service tool. Softwaren giver analytikeren og forretningsbrugeren nem adgang til alle datakilder og mulighed for at lave adhoc analyser, dashboards og effektfulde visualiseringer.

Læs mere om Tableau

Microsoft Power BI er en del af Microsofts cloud-teknologi i Office 365. Softwaren tilbyder visuelle dashboards og analyser i det kendte Microsoft-miljø, der giver brugeren let adgang til dataanalyse på forskellige datakilder og services. Med Power BI er brugeren sikret et self-service tool til stærk datavisualisering. 

Læs mere om Power BI

QlikView er et visualiseringstool, der skaber et corporate univers med nem adgang til forretningsdata. Brugeren kan søge viden i data, følge op på foruddefinerede KPI’er og frit navigere inden for fast definerede rammer, der er målrettet den enkelte brugergruppe i forhold til data og design.

Qlik Sense er et browser-baseret og responsivt tool til brugeren, der selv vil lave analyser på tværs af datakilder og præsentere dem visuelt fængende – uden at være erfaren ud i visualiseringstools. Qlik Sense understøtter god governance i relation til self-service og corporate rapportering.

Læs mere om Qlik Sense


Alteryx er skabt til analytikere med behov for at analysere ustrukturerede data. Spring over den manuelle proces med at klargøre data og lad Alteryx gøre ETL-arbejdet. Jo hurtigere dine data er klar, desto hurtigere kan du lave for eksempel geospartiale og statistiske analyser kombineret med data fra internettet.