Brugerne af informationen fra BI-løsninger bør have en forståelse for, hvordan systemet er opbygget, og hvilke datakilder der trækkes på.
Det er med til at skabe klarhed om systemet og tillid til BI-løsningens informationer.
Ledelsen bør have mulighed for at se, hvilke systemer, der leverer data til BI-løsningen og hvilke transformationer, der foregår i systemet.
"En vigtig dimension i BI-løsninger er sporbarheden eller transparens i den måde, man har sammenbragt data. Hvor synligt er det, hvad man har gjort ved data?
Det er vigtigt, at man meget tydeligt kan dokumentere og klarlægge data og model for, hvordan man er kommet frem til tallene i en rapport," mener Jesper Schleimann fra SAS Institute.
Transparens skaber troværdighed
Hvis der eksempelvis opstår tvivl om, hvorvidt tallene er rigtige, er en god forståelse for systemets opbygning vigtig.
"Du vil selvfølgelig gerne være sikker på tallene. Det er noget af den udfordring vi ser i markedet i dag. Dokumentationen for hvordan tallene er fremkommet er simpelthen ikke god nok," siger Jesper Schleimann og fortsætter:
"Rigtig mange møder starter med, at der er forskellige tal indenfor det samme område. Eksempelvis salgstal for en given region. En lokal salgschef har et sæt tal for hvor meget hans afdeling har solgt i en region, men ledelsen sidder med nogle andre tal fra BI-løsningen, der viser noget andet.
Hvis du har haft et godt master data management-projekt, så kommer man forhåbentlig ikke ud i den slags situationer, men stemmer tallene ikke overens, så er der behov for at vide, hvordan man er kommet frem til tallene.
Hvis folk ikke stoler på tallene, skal det være muligt at give information om, hvordan man er kommet frem til dem," påpeger Jesper Schleimann.
Mere komplekse systemer øger behovet for transparens
Efterhånden som BI-løsningerne bliver mere komplekse er der risiko for, at ledelsens forståelse for hvordan BI-systemet er opbygget bliver mindre.
"Nogle af de tunge projekter står og falder med transparens. I nogle af vores komplekse risikostyringsprojekter foregår der rigtig mange beregninger baseret på matematiske modeller. Der er det meget vigtigt at vide hvad der er sket. Hvad, hvornår og hvorfor har vi gjort noget ved tallene," fremhæver Jesper Schleimann og fortsætter:
"Dataintegration består dels af at indsamle data, men også i at gøre data til information. Ved modellering vil man gerne have en semantisk model af verden. Data skal indsamles, beregnes og transformeres så de passer ind i modellen."
Lerdelsen skal have mulighed for at se, hvordan systemet eksempelvis er kommet frem til det tal, der indikerer en risikoværdi.
"Ledelsen skal selvfølgelig ikke ned og se på selve koden. Der er behov for en metamodel; en visualisering af den bagvedliggende model, der viser, hvordan løsningen er opbygget. Det kan være ved hjælp af et flowdiagram, der viser hvor data i den pågældende rapport kommer fra. På diagrammet kan man se, at data kommer fra et mellemdatalager, der får data fra et mellemdatawarehouse, som er opbygget af data fra det store datawarehouse, der fødes af de her datakider. Man kan så dobbeltklikke og se hvad der sker inden i hver enkelt kasse," siger Jesper Schleimann.
