Succesvol met BIG DATA in Integrated Business Planning

Wat mij betreft is Big Data relatief. Data zijn alleen ‘Big’ als ze zo groot en complex worden dat ze moeilijk te verwerken zijn met de huidige technologie.  Als zodanig hebben financiële afdelingen eigenlijk altijd al met Big Data te maken gehad.

 Het verwerken en doorzoeken van grootboeken en databases duurde zo lang, dat de toegang van de financiële afdeling tot data altijd tot geconsolideerd niveau beperkt is gebleven; voor wat de diepste details betreft, tastte men in het duister.

Laat ik een voorbeeld geven. Vijfentwintig jaar geleden werkte ik bij een transportbedrijf. Het aanmaken van kwartaalrapporten over de winstgevendheid van producten, klanten en routes nam dagen in beslag. Daarvoor kreeg ik een metershoge stapel paper met uitgedraaide gegevens bij mijn bureau aangeleverd.  Ik hoef vast niet uit te leggen dat het maanden duurde om te analyseren voor welke individuele accounts nieuwe onderhandelingen nodig waren. En dat  met constante onderbrekingen door een overijverige conciërge die bleef waarschuwen dat die stapels papier brandgevaarlijk waren.

Big Data en budgettering vandaag de dag

Tegenwoordig kunnen zakelijke gebruikers met hedendaagse technologie in mum van tijd dergelijke analyses maken en staat de financiële afdeling voor nieuwe uitdagingen met Big Data. 

De toenemende commerciële druk dwingt de finance functie voortdurend tot een beter beheer van hun financiële prestaties. Bedrijven gaan bijvoorbeeld op een steeds gedetailleerder niveau budgetteren om de accuraatheid van hun prognoses te verbeteren. Dat kan bestaande systemen op de proef stellen. In sommige situaties, zoals in China, waar overheidsbedrijven vele duizenden regelitems moeten budgetteren, zijn sommige ERP- en budgetteringsoplossingen die in het Westen toonaangevend zijn, nauwelijks toereikend. 

Tegelijkertijd geldt dat bedrijven die verder keken dan de traditionele consolidatie op regelniveau en experimenteerden met een op drivers gebaseerde aanpak of het daaraan verwante IBP (Integrated Business Planning),  zich al snel in het domein van ‘Big Data’ bevonden. 

Helaas is de a architectuur en rekenkracht van traditionele budgetteringstools niet geschikt voor de hoeveelheden en complexiteit van Big Data. Analyses en berekeningen van resultaten stelden je geduld op de proef en konden uren duren.

Dit heeft veel ondernemingen afgeschrikt om überhaupt aan een dergelijke holistische benadering te beginnen. Velen werken op een minder gedetailleerd niveau dan ze eigenlijk zouden willen of splitsen het proces over onsamenhangende modellen op — waarbij de werkelijke waarde van IBP wordt ondermijnd.

Rekenkracht en architectuur: de twee essentiële factoren voor succes met Big Data

In-memory computing’ is duidelijk één aspect van de oplossing van problemen met ‘Big Data’ waarmee vele financiële functies tegenwoordig worstelen.  Maar denk niet dat het daarbij blijft. Traditionele datastructuren, die zeer geschikt zijn voor analyse- en rapportagedoeleinden, zijn niet geschikt voor de dynamische modellering die nodig is voor op drivers gebaseerde budgettering, IBP en scenario-analyse.  Nieuwe technologie toepassen op oude ideeën is niet de manier om tot een oplossing te komen; er komt een punt waarop alles aan de kant moet worden gezet en een nieuwe start nodig is, iets waar megaleveranciers mee worstelen.

Anaplan had die ballast niet en kon met een alternatief voor het traditionele datamodel komen – de gepatenteerde HyperBlock™- architectuur, een hybride aanpak waarin de beste aspecten van drie architecturen zijn gecombineerd:

• Zeer multidimensionale cubes die grote hoeveelheden data in zeer compacte vorm kunnen bevatten.
• De opslag van data in kolommen in plaats van rijen, wat het eenvoudiger maakt om om te gaan met grote hoeveelheden transactiegegevens, deze gegevens in te voegen en te verwijderen.
• De tracering van afhankelijkheden van individuele datapunten op celniveau, zoals in spreadsheets, wat ervoor zorgt dat de in-memory engine bij wijzigingen in een model alleen afhankelijke waarden opnieuw berekent op basis van de kortste rekensequentie met een responstijd op query’s van milliseconden.

De Hyperblock™ technologie maakt optimaal gebruik van in-memory berekeningen met parallelle verwerking in meerdere threads voor kortere responstijden met een factor 10 of meer. Als zodanig is de Hyperblock™ technologie ontworpen met het oog op modellering in plaats van simpelweg analyse. Organisaties krijgen daardoor de mogelijkheid om massieve modellen online of via mobiele apparaten opnieuw te berekenen en er query’s op uit te voeren met responstijden zoals die bij spreadsheets gelden. Deze combinatie van geavanceerde technologie en een unieke architectuur die daar optimaal van profiteert, zorgt ervoor dat Anaplan zulke opmerkelijke prestaties levert voor de ‘Big Data’ waarmee financiële afdelingen tegenwoordig te maken hebben.

Wilt u meer weten? Download hier een exemplaar van de bijbehorende whitepaper ‘Succesvol met Big Data in Integrated Business Planning’ of neem contact op met Anaplan als u door een van onze medewerkers te woord wilt worden gestaan.

Over de auteur:

Richard Barrett is een expert op het gebied van financiële software. De ene helft van zijn loopbaan heeft hij met en naast ondernemers gewerkt om de waarde van hun bedrijf te maximaliseren, en de andere helft in commerciële functies bij de multinationals die hen vervolgens overnamen. Zijn ervaring omvat zowel grote als kleine bedrijven in sportkleding, express-pakketten, verzekeringen en, in de afgelopen twintig jaar, financiële software. Hij raakte voor het eerst betrokken bij kostenbeheersing en op drivers gebaseerde planning aan het einde van de jaren tachtig, heeft daarin gedoceerd en erover geschreven voor het Britse Chartered Institute of Management Accounting en eindigde zijn loopbaan met de marketing ervan bij ALG Software, BusinessObjects en SAP.

Dit artikel is gefaciliteerd door Anaplan