‘Set based analyse’ maakt informatie dynamisch

Hoe is het gesteld met het debiteurengedrag? Betalen klanten goed, redelijk of slecht? Heb jij veranderingen in het gedrag op tijd door?

We kunnen op een specifiek moment de foto van het debiteurengedrag wel maken. We weten in welke categorie elke debiteur zit. Het vergelijken van de foto’s is al een stuk lastiger. Met ‘set based analyse’ kun je de foto’s opslaan en met elkaar vergelijken. Je ziet dan welke debiteuren van ‘goed betalend’ naar ‘redelijk betalend’ of zelfs ‘slecht betalend’ zijn gegaan. Vervolgens kan je onderzoeken wat hier aan de hand is. Loopt je organisatie risico?

Naast inzicht in het debiteurengedrag, kan je 'set based analyse' ook toepassen voor:

• In- en uitstroom van medewerkers uit je personeelsbestand
• Cohortanalyse bij een onderwijsinstelling
• De paasomzet van dit jaar vergelijken met vorig jaar

Waar vind je ‘set based analyse’?

Set based analyse kon je eerder vinden in Business Objects onder de naam ‘set analyzer’. Bij de overgang naar SAP Business Objects 4.0 is deze functionaliteit niet meegegaan. Vanaf SAP Business Objects 4.2 SP03 is het gebruik van 'set based analyse' opgenomen in de 'informatie Design Tool’ (IDT).

Wat is een set?

Een set is een verzameling unieke sleutels met één of meer gezamenlijke kenmerken. Denk bijvoorbeeld aan alle debiteuren die geen posten langer dan 30 dagen hebben openstaan en een opstaand saldo hebben lager dan € 250.000,-. De debiteurnummers van deze debiteuren slaan we op in de database als set. We noemen deze set dubieuze debiteuren.

Van foto naar film

Als we iedere maand een foto maken van de dubieuze debiteuren, krijgen we een film van deze set. Door de foto's in deze film met elkaar te vergelijken, kun je al snel een aantal zaken zien. Zijn er dubieuze debiteuren bijgekomen? Of zijn er debiteuren die de set verlaten hebben?

Je kunt nu allerlei analyses doen. In het voorbeeld hebben we een éénvoudige analyse. Je kunt deze set echter ook combineren met andere sets. Een voorbeeld van een andere set kan zijn 'redelijke betalend' of 'goed betalend'. Door deze sets erbij te betrekken, kun je zien waar de nieuwe dubieuze debiteur vandaan komt, namelijk uit ‘goed betalend’ of 'redelijk betalend’. Kortom, je krijgt beter inzicht in het betalingsgedrag van je debiteuren.

De stappen in de SAP Business Objects

Universes zorgen voor een koppeling tussen rapportages en de database, nodig voor ‘set based analyses’. Hiervoor heeft SAP een nieuwe tool ontwikkeld. Deze Information Design Tool (IDT) van SAP heeft meer mogelijkheden dan de oude Universe Design Tool (UDT). De universes gemaakt met de IDT hebben daarnaast een ander formaat dan de universes van de UDT. Geen nood als je nu de UDT in gebruik hebt, in de IDT zit een conversie tool.

In drie stappen kom je in IDT tot een goede ‘set based analyse’.

Stap 1: set container

Je begint met het maken van de set container. Deze container bevat algemene gegevens van de sets. Zoals:

• Welke onderwerpen (unieke sleutels) zijn beschikbaar?
• Welke kalenders zijn er nodig om de data te vermeerderen?
• Wat is de locatie?
• Wat zijn de database- en tabelnamen?

Stap 2: definieer sets

Nu gaat we de sets maken. Er zijn twee soorten sets.

1. Statical - Met dit type set maak je één fotodatabase. Je hebt wel de mogelijkheid om deze set opnieuw te genereren.

2. Temporal - Bij een temporal set maak je meerdere foto's. De kalenders in de ‘set container’ bepalen de frequentie en het tijdsbereik (bijvoorbeeld jaar of maand), waarmee je de foto's maakt. De eerste actie in deze set is het koppelen van een kalender uit de ‘set container’ aan een referentiedatum (bijvoorbeeld factuurdatum of indienstdatum).

Zowel de ‘statical set’ als de ‘temporal set’ kan uit meerdere stappen bestaan:

• Visual data
  Selecteer de gegevens met behulp van een universe object.
• Set on set
  Combineer meerdere sets.
• Universe query
  Gebruik het query panel om de gegevens te selecteren.

Elke stap levert een verzameling 'primary keys' aan, zoals bijvoorbeeld factuurnummers. Bij elke stap stel je in hoe je deze met de vorige stap combineert. Je kunt het resultaat van de stap verenigen met het resultaat van de vorige stap. Je neemt dan de doorsnede van beide stappen. Ook kan je kiezen voor het verschil. Je wilt dan weten wat de gegevens die alleen voorkomen in deze stap, maar niet in de vorige stap.

Nu nog het genereren van de data en het publiceren van de set. De set is vervolgens gereed voor gebruik in de rapportage.

Stap 3: gebruik de filters in Webintelligence.

De sets zijn als filters toegevoegd aan de universe. De statical set is een predefined filter. Je voeg deze toe aan het Queryfilter. Alleen de inhoud van deze set is onderdeel van het resultaat. De temporal set werkt ongeveer hetzelfde.

Alleen na het toevoegen van aan de queryfilters heb je nog een aantal keuzes.

• Huidige leden
  Alleen gegevens voor de laatste periode die geladen is doen mee.
• Leden voor periode
  Hetzelfde als huidige periode, maar dan voor een zelf gekozen periode.
• Gekoppelde leden
  Alleen leden die nieuw zijn in de set komen in het rapport.
• Ontkoppelde leden
  Alleen leden die de set verlaten hebben, komen in het rapport

Kortom, met 'set based' analyse kun je nieuwe dimensie toevoegen aan je rapportages. Ga jij ermee aan de slag? Succes! En bij vragen weet je ons te vinden.