Heb jij weleens nagedacht over de overeenkomst tussen Lego en data? Ik wel. Mijn kinderen spelen graag met Lego. Ik struikel dan ook geregeld – letterlijk en figuurlijk – over de hoeveelheid Lego in ons huis. De boel gesorteerd en opgeruimd houden is een uitdaging en datzelfde geldt voor het doneren van Lego waarmee niet meer gespeeld wordt. “Want wat nu als ik er morgen tóch mee wil spelen?” Door Lego te ordenen en een teveel ervan weg te geven, creëer je echter overzicht en meer ruimte voor spel. Datzelfde geldt voor data, wat in mijn optiek bijna net zo leuk is als Lego. Een schat aan informatie voor de retailer. Een te grote database van je winkelvoorraad vertraagt je systeem echter en bemoeilijkt de analyses van de voorraad en verkopen. Hoe voorkom je dit? Lees verder!

Van data naar een betrouwbare forecast

Een grote database heeft een belangrijk voordeel. Op basis van die data kun je betrouwbare forecasts maken over de te verwachten verkopen in jouw winkel. En daar stem jij je winkelvoorraad op af, zodat jouw klant vindt wat hij zoekt. En volgende week weer terugkomt! Bedenk je echter wel of de complete verkoophistorie wel relevant is. Want in hoeverre heb je dat echt allemaal nodig?

Van data naar een traag systeem?

In principe kan een database niet te groot worden. Natuurlijk zijn er grenzen; die zul je echter niet snel meer bereiken. Maar door ál je data oneindig te bewaren, bewaar je ook data die je niet meer gebruikt. Dat brengt twee belangrijke nadelen met zich mee. Het vraagt allereerst veel denkvermogen van je applicaties. Overbodige data maken je systemen – en dus ook de analyses die je opvraagt – daarom trager. En als je bedenkt dat in de retailwereld elke kassatransactie data creëert, neemt de omvang van je complete database dagelijks enorm toe.

Ten tweede vereist het opvragen van de juiste analyse – als de mogelijkheden bijna eindeloos zijn – extra veel denkwerk van jou aan de voorkant. Want wat wil je precies onderzoeken? Welke filters wil je allemaal gebruiken? En tot hoever wil je teruggaan in je analyses? Je analyses worden al snel te complex! En dan hebben we het nog niet gehad over de kosten van het opslaan van data. Daar zijn immers datacenters voor nodig en… die moeten gebouwd, onderhouden en dus betaald worden.

Een teveel aan data voorkomen

Wordt de database van jouw winkelvoorraad of verkoophistorie te groot? Zorg dan dat je weet welke data jouw applicaties en algoritmes nodig hebben om goed te functioneren. Zo gebruikt repleniQ voor het bepalen van prognoses data tot twee jaar terug, waarbij de applicatie kijkt naar verkoopinformatie op weekniveau. Tot acht weken terug bekijkt repleniQ de meer gedetailleerde verkoopinformatie op dagniveau. Dat betekent dat alle verkoopdata ouder dan twee jaar weg mogen. Data ouder dan acht weken, mogen van dag- naar weekniveau worden geaggregeerd, wat erop neer komt dat je data compacter maakt. Dit aggregeren verzorgt repleniQ automatisch voor je.

Database opschonen

Zodra je weet welke data weg mogen, kun je je database opschonen. Je kunt dit handmatig, rechtstreeks in de database doen door gebruik te maken van de juiste beheerscripts. Maar soms ondersteunen applicaties, zoals repleniQ, je daarin en gebeurt dit automatisch op basis van je eigen voorkeuren. Wel zo handig!

Meer data bewaren in een datawarehouse

Het is soms best eng om dingen weg te doen. Daar komt die vraag namelijk weer om de hoek kijken: “Want wat nu als ik er morgen tóch mee wil spelen?”. Sommige data zijn voor jouw algoritme niet meer relevant, maar toch het bewaren waard voor de organisatie. In dat geval biedt een datawarehouse uitkomst. Dit is een verzamelplaats voor data. Ook voor data die niet meer nodig zijn voor dagelijkse analyses, maar wellicht wel voor bijvoorbeeld managementrapportages. Door die data uit je bronsystemen – zoals kassasystemen en repleniQ – te halen en in een datawarehouse te plaatsen, voorkom je dat deze vertragen zónder dat je data weggooit.

Kunnen we jou helpen je database op te schonen?

Mijn advies is simpel; maak van je database geen databasement, waar immers vooral rommel te vinden is. Als je goed kijkt naar wat je echt niet meer gebruikt, kun je een hoop opruimen. Kunnen we jou daarmee helpen? Ik maak thuis alvast een start met de Lego…

 

Martin Zantingh Dit blog is geschreven door Martin Zantingh, productmanager bij Axians. Martin vertaalt de wensen van klanten naar innovatieve oplossingen en helpt deze implementeren. Neem gerust contact met hem op! 👨‍💼 Martin Zantingh | 📧 martin.zantingh@axians.com | 📱 06 5135 4638