Goed draaiende apps zijn de basis van een goede gebruikerservaring. Ben je verantwoordelijk voor het beheer van applicaties? Dan is het bewaken van performance voor jou dus een belangrijke uitdaging. Maar het vinden van de juiste tooling om dit te doen kan een hele toer zijn... In dit blog help ik je op weg.

Als je een complex IT-landschap beheert, probeer je steeds wendbaarheid en stabiliteit te combineren. Om risico's te beheersen en tegelijk te innoveren, heb je oplossingen en tools nodig die met je behoeften meegroeien zonder dat ze voortdurend onderhoud nodig hebben. Dit geldt ook voor je analytics-oplossingen.

One-stop shop?

Elke cloudstack heeft inmiddels een eigen analytics-oplossing. Is je primaire cloudprovider Microsoft of Amazon? Dan lijkt het een logische stap om te investeren in de analytics-oplossing die bij hun stack hoort. En deze aanbieders presenteren zich allemaal als one-stop shops die in al je behoeften voorzien. Maar het kan zijn dat hun tooling niet aan jouw behoeften voldoet. En dan heb ik het vooral over niet-functionele behoeften, want functioneel gezien zijn de verschillen tussen de toonaangevende tools voor performance analytics klein. Welke tool je ook kiest, functioneel zal het dus wel goed zitten. Het is veel belangrijker om na te gaan wie de tool gaat gebruiken en of hij past bij jouw manier van werken.

Andere eisen

Een andere factor om rekening mee te houden is dat performance analytics misschien niet de enige toepassing is die je hebt voor een BI- of analytics-tool. Marketing- en sales-afdelingen die zich richten op groei en conversies zullen hun eigen eisen stellen aan een oplossing. En vaak wil je al deze usecases onderbrengen in één tool. Bedenk ook dat data-infrastructuur twee doelen dient: managers helpen betere beslissingen te nemen (analytische usecases) én data-intelligentie verwerken in klantgerichte toepassingen, onder meer via machine learning (operationele usecases).

Implementatiesnelheid is de sleutel

Time-to-live en snelheid van implementatie zijn essentieel voor het succes van een analyse-instrument. Wil je als organisatie wendbaar zijn en op veranderingen inspelen, dan moet ook je analytics-tooling zich snel kunnen aanpassen. Nu de hele softwarewereld overgaat op no-code en low-code, verandert ook de manier waarop we softwaretools implementeren, adopteren en gebruiken volledig. Tegenwoordig is een tool geen app meer, maar een platform dat gebruikers in staat stelt de functionaliteit die ze nodig hebben te implementeren. Dit kan een echte gamechanger zijn voor je performance-analytics en business intelligence, want het stelt gebruikers in staat hun eigen dashboards, rapporten en visualisaties te bouwen.

Wie gaat je analytics-tool gebruiken?

Maar dat is misschien helemaal niet wat je wilt. De mate van configureerbaarheid die je nodig hebt hangt helemaal af van wie de oplossing uiteindelijk gaat gebruiken. Wil je businessgebruikers hun eigen gebruiksvriendelijke dashboards te laten bouwen? Of heb je technische gebruikers die zoveel mogelijk de ruwe data willen zien voor hun eigen analyses? Welke ondersteuning kun je je gebruikers geven? Heb je ontwikkelaars beschikbaar om nieuwe dashboards voor ze te bouwen als ze die nodig hebben? Dit zijn belangrijke vragen om te beantwoorden, voor je je vastlegt op een oplossing.

Waarvoor gaan ze het gebruiken?

'Analytics' is een breed begrip, dat alles omvat van real-time, AI-gestuurde besluitvorming tot ad-hoc, vraaggerichte analyse van historische gegevens. Welk soort analytics wil je ondersteunen en hoe voegt dit in jouw specifieke situatie waarde toe? Wil je waarde gaan halen uit de grote belofte van machine learning en predictive analytics? Heb je prescriptive analytics nodig die niet alleen data presenteren, maar gebruikers ook vertellen welke actie ze moeten ondernemen? Wil je real-time inzichten hebben, of alleen historische gegevens analyseren?

Operationele snapshots van data, embedded analytics of complexe, met de hand samengestelde gegevensanalyses zijn fundamenteel verschillende usecases. Ze vereisen andere processen, waar je andere tooling voor nodig hebt en waarschijnlijk ook andere modellen voor databeheer en software-onderhoud. Voor sommige gebruikssituaties is misschien een platform nodig dat met Python geprogrammeerd kan worden. Voor het bouwen van complexe BI en procesoptimalisatie-queries kan SQL-ondersteuning belangrijker zijn.

Vaststellen wat doel en scope van je datavisualisaties zijn, helpt je bepalen welke oplossingen het beste zullen werken. Om niet-technische gebruikers zelf te laten voorzien in hun dashboarding- en rapportagebehoeften, kun je bijvoorbeeld kijken naar no-code of low-code platforms.

Hoe ziet je IT-landschap eruit?

Welke software je ook kiest, het moet kunnen integreren met je databases, API's en andere databronnen zoals webhooks, web analytics of IoT-apparaten. Waarschijnlijk heb je ook meer dan één enkele cloud-oplossing in gebruik, dus heb je flexibele analysetools nodig die het hele landschap kunnen bestrijken. Denk bijvoorbeeld aan het Israëlische SiSense, dat gespecialiseerd is in embedded analytics en functionaliteit biedt waarmee gebruikers gemakkelijk gegevenswidgets aan hun bestaande apps kunnen toevoegen. Dit maakt het integreren van data, het opzetten van analyses en het koppelen met alle onderdelen van je IT-landschap heel makkelijk en laat elke gebruiker een eigen, aangepaste analyseomgeving bouwen.

Heb je specifieke eisen op het gebied van beveiliging en privacy?

En dan is er nog de kwestie van security en privacy. Wil of mag je bijvoorbeeld wel data opslaan in de VS of in andere landen buiten de EU? Het kan met cloud-tools een uitdaging zijn om erachter te komen waar data wordt opgeslagen en welke wetten van toepassing zijn. Binnen de EU bepaalt de fysieke opslaglocatie welke privacyregels van toepassing zijn. In andere rechtsgebieden kunnen andere regels gelden. Data kan ook, zonder dat jij het weet, van de ene naar de andere plaats worden overgebracht of op meerdere plaatsen tegelijk opgeslagen zijn... Dit maakt het erg moeilijk om je datastromen in de gaten te houden.

Ga dus sowieso met je cloudproviders om de tafel zitten en stel samen een overeenkomst op maat op, die zorgt dat jij afspraken met jouw klanten en werknemers kunt nakomen. Maximale controle over je data krijg je door een oplossing aan te schaffen die je op je eigen systemen kunt installeren. Dit soort tools kun je vaak ook makkelijker in je landschap integreren.

Vergeet validatie niet!

Valideren van data is een aspect van analytics dat soms vergeten wordt. Maar datakwaliteit is juist heel belangrijk voor effectieve analytics. Een dashboard, rapport of analyse is waardeloos als de onderliggende data niet kloppen. En in elk stadium van je dataproces kunnen fouten optreden. Of het nou je transformatielaag, je data warehouse of je integratie-oplossing is... Soms worden gegevens die uit applicaties of hardware komen gewoon verkeerd of helemaal niet doorgegeven door verkeerde configuratie.

Datavalidatie implementeer je niet door een tool te kopen en aan te zetten. Het vraagt een diep inzicht in je datapijplijn én in je organisatie. Het opzetten van een proces voor datavalidatie en -governance moet daarom een integraal deel zijn van het uitrollen van performance analytics. Microsoft snapt dit en kwam met Azure Purview, een oplossing voor datamanagement die data uit alle cloud en on-premise omgevingen kan verzamelen. Purview weet altijd wat de oorsprong van de data is en houdt metadata automatisch bij. Zo bewaakt het pakket de integriteit van je gegevens.

Samenwerken voor begeleiding en kennis

Om een tool te kunnen kiezen voor performance analytics, moet je dus veel vragen beantwoorden. Een vraag die je, terwijl je je weg probeert te vinden in de jungle van analyticstools, makkelijk over het hoofd kunt zien is: wil je alleen het gereedschap, of wil je ook advies en begeleiding over hoe je het moet inzetten, adopteren en gebruiken? Samenwerken met een goed geïnformeerde partner kan je echt helpen het maximale uit je software-investering te halen en zal de time-to-value van je prachtige nieuwe analyticstool sterk verkorten. We helpen veel organisaties bij het op de rails krijgen van hun performance analytics en we merken dat onze specifieke ervaring en kennis ze snel op gang kan helpen en zorgt dat ze snel waarde uit hun data halen.

Een analytics-app op maat

Hier bij Triple durven we best te zeggen dat we behoorlijk goed zijn in het ontwikkelen van apps, websites en cross-platform omgevingen. Onze specialiteit is het bieden van fantastische ervaringen, afgestemd op individuele gebruikers. Voor jou betekent dat, dat je geen genoegen hoeft te nemen met de analytics-tooling die toevallig op de markt is. Als je hele specifieke behoeften hebt, kan het gemakkelijker zijn om iets op maat te bouwen dat al je gebruikers bedient met precies de functionaliteit die ze nodig hebben. Dat klinkt misschien als een hele klus, maar dat hoeft het niet te zijn. Integendeel. De meeste datatools hebben tegenwoordig zo veel functionaliteit, dat een groot deel van je implementatie-inspanning opgaat aan het beslissen wat je niet wilt gebruiken. En hoe je ervan afkomt. Werken met een ingewikkelde tool zorgt dat gebruikers en ontwikkelaars hun hersenkracht besteden aan dingen die ze niet nodig hebben en helemaal niet willen hebben. Een maatwerkoplossing heeft alleen wat jij nodig hebt. Inclusief de functies die nergens te koop zijn. Kostentechnisch kan je initiële investering natuurlijk groter zijn, maar daarna heb je geen licentiekosten. En je weet zeker dat je gebruikers snel tooling hebben die doet wat ze willen en naadloos integreert met je IT-landschap, werkprocessen, gebruikersbeheer, look and feel en branding.

Klaar om samen te gaan nadenken over performance analytics? We staan voor je klaar.