Inzicht in de complete salesfunnel dankzij een datawarehouse met dbt
Verbeterde inzichten door gekoppelde data
- Klantcase
- Data Engineering
Onze consultants boeken de opdrachten die ze oppakken voor onze klanten in ons ERP AFAS. Als CRM gebruiken we HubSpot. Hierin zien we alle informatie die voorafgaand aan het tekenen van een samenwerkingsovereenkomst relevant is. Wanneer we een deal sluiten, gaat alle informatie uit HubSpot automatisch naar AFAS. HubSpot wordt dus vooral gebruikt voor het proces voordat we een samenwerking aangaan, AFAS juist voor de fase daarna. We wilden de inzet van onze mensen strakker plannen en onze financiële forecasts verbeteren. Daarom besloten we de data uit beide bronnen te koppelen en een datawarehouse op te zetten.
Aanpak
We stelden een multidisciplinair team samen, bestaande uit Data Engineers, Analytics Engineers en Data Analisten.
- De Data Engineers gingen aan de slag met de infrastructuur: het opzetten van de database en het inrichten van de processen om data te ontsluiten. De data werd uit verschillende bronnen ontsloten, in buckets opgeslagen en geladen in het datawarehouse. De Data Analisten gingen met de interne stakeholders in gesprek over hun wensen en behoeften: wat moet er inzichtelijk gemaakt en hoe moet dit gepresenteerd worden?
- Onze Analytics Engineers koppelden met behulp van de tool dbt de data uit de twee bronnen aan elkaar en zetten de tabellen klaar voor de visualisatie.Ze maakten per onderwerp een design om van de ruwe data tot de eindtabellen te komen. Het voordeel van het gebruik van dbt was dat we onze Data Engineers niet nodig hadden voor dit proces. De Analytics Engineers konden zelf de ruwe data transformeren in het datawarehouse.
- Toen de eerste versie van een eindtabel klaar was, startten de Data Analisten met de visualisatie van de data in een PowerBI dashboard. Ze koppelden problemen die ze hierbij tegenkwamen terug aan de Analytics Engineers. Die gingen ondertussen door met de volgende tabel en losten de problemen van de andere tabellen op.
- We documenteerden dit gehele, iteratieve proces in dbt Docs. Zo weten we per tabel wat de inhoud is, hoe hij is opgezet en welke bewerkingen erop zitten. Hierdoor is het werk een stuk beter over te dragen aanandere specialisten.
- We presenteerden het dashboard aan de stakeholders en blijven continu met hen in gesprek om het verder te optimaliseren op basis van hun feedback en ervaringen.
Resultaat
We hebben nu een datawarehouse waarin de databronnen gekoppeld zijn. Alle data is centraal opgeslagen in het datawarehouse, de bewerkingen zijn inzichtelijk via dbt en de resultaten gevisualiseerd in het PowerBI dashboard. Als er in de toekomst behoefte ontstaat aan andere inzichten, kunnen we eenvoudig nieuwe analyses op de data doen. Dit komt doordat de data al geprepareerd klaarstaat in het datawarehouse.
Dankzij de koppeling van AFAS en HubSpot kan ons salesteam precies zien welke consultant wanneer beschikbaar is. Ook is het voor iedereen duidelijk waar bepaalde consultants in de pipeline zitten voor een potentiële nieuwe opdracht. Er is beter inzicht in het aantal geboekte uren van consultants ten opzichte van het aantal verkochte uren. In plaats van een aantal weken, kunnen we nu meerdere maanden vooruitkijken.
Ook voor andere teams zijn de inzichten uit de gekoppelde data veel waard. Dankzij het verbeterde inzicht in de pipeline, kan finance bijvoorbeeld veel beter forecasten. Recruitment kan sneller schakelen en de juiste profielen aannemen om aan de klantvraag te blijven voldoen.
Toekomst
De komende tijd gaan we meer databronnen toevoegen. Door bijvoorbeeld Google Analytics 4 data te ontsluiten, krijgen we een nóg completer beeld van de klantreis. Ook willen we het recruitmentproces beter inzichtelijk gaan maken. Nu de basis met dbt is gelegd, kunnen we continu stappen zetten om niet alleen onze klanten, maar ook onze eigen organisatie meer datagedreven te maken.
Meer weten?
Business Manager Joachim gaat graag met je in gesprek over wat we als datapartner voor jou en je organisatie kunnen betekenen.
Business Manager020 308 43 9006 23 59 83 71joachim.vanbiemen@digital-power.com
1 x per maand data insights, praktijkcases en een kijkje achter de schermen ontvangen?
Meld je aan voor onze maillijst en blijf 'up to data':
Misschien vind je dit ook interessant:
Het all-round profiel van de moderne data engineer
Sinds de opkomst van big data zijn veel elementen van de moderne datastack de verantwoordelijkheid geworden van data engineers. Wat zijn deze elementen en hoe moet je je datateam samenstellen?
Centrale dataopslag met een nieuwe data-infrastructuur
Dedimo is een samenwerking van vijf zorginitiatieven in de geestelijke gezondheidszorg. Om de kwaliteit van hun zorg continu te verbeteren, richten ze interne processen efficiënter in. Hiervoor gebruiken ze inzichten uit de data die intern beschikbaar is. Voorheen haalden ze deze data zelf uit verschillende bronsystemen met ad hoc scriptjes. Om dit proces robuuster en efficiënter te maken en verder te professionaliseren, schakelden ze onze hulp in. Ze vroegen ons de centrale opslag van hun data in een cloud data warehouse te faciliteren. Omdat ze al gewend waren te werken met Google Cloud Platform (GCP), was de wens de data-infrastructuur binnen deze omgeving op te zetten.
Een dataplatform implementeren
Deze blog is bedoeld om onze kennis en ervaring over te dragen aan de gemeenschap door richtlijnen te beschrijven voor de implementatie van een dataplatform in een organisatie, gebaseerd op onze knowhow. We weten dat de specifieke behoeften van elke organisatie anders zijn, dat ze een impact zullen hebben op de gebruikte technologieën en dat één enkele architectuur die aan al deze behoeften voldoet, niet realistisch is. Daarom houden we het in deze blog zo algemeen mogelijk.
Een schaalbaar machine learning-platform voor het voorspellen van billboard-impressies
The Neuron biedt een programmatisch biedingsplatform om digitale Out-Of-Home-advertenties in realtime te plannen, kopen en beheren. Ze vroegen ons het aantal verwachte impressies voor digitale advertenties op billboards op een schaalbare en efficiënte manier te voorspellen.
Een loopbaan als Data Engineer? Geef je eigen opleiding vorm
In juni 2020 werd Sander onderdeel van ons team. Hoewel hij midden in coronatijd startte, merkte hij al snel dat hij flink gestimuleerd werd om contact te maken met zijn nieuwe collega’s. Dit ging grotendeels vanzelf als onderdeel van ons onboarding programma: “Dit sloot perfect aan bij mijn behoeftes: ik ben namelijk zelf veel collega’s gaan opbellen om kennis te maken!” Lees hoe Sander zijn eigen opleiding tot Data Engineer vormgeeft.
5 vragen voor Data Engineer Oskar
In deze video ontdek je hoe een baan als Data Engineer eruit ziet! Hoe ziet een werkweek eruit, voor welke klanten werken onze Data Engineers en wat maakt het werken zo leuk? Oskar vertelt je er graag meer over!
Verbeterde datakwaliteit dankzij een nieuwe data pipeline
Royal HaskoningDHV ziet het aantal aanvragen van klanten met Data Engineering vraagstukken toenemen. De nieuwe afdeling die ze hiervoor op hebben gericht, is nog groeiende. Ze vroegen ons daarom hun Data Engineering team tijdelijk extra capaciteit te bieden. Één van de vraagstukken waar wij hulp bij boden, was die van Waterschap Aa en Maas.