Prima di cominciare, permettetemi di fare un riassunto di alcuni dei problemi legati alla BI tradizionale che stiamo cercando di risolvere. La BI tradizionale è caratterizzata dalla necessità di processare e memorizzare dati in datastore intermedi (per esempio data warehouses o data marts) in una forma adatta all'analisi (per esempio, cubi OLAP On-Line Analytical Processing). Il consolidamento e la trasformazione di tutti questi dati di origine in un singolo repository comporta un'analisi dettagliata dei requisiti, competenze specialistiche, costi addizionali di infrastruttura e tempi lunghi di sviluppo, con il risultato d un sistema lento, poco flessibile, caro e troppo IT-centrico.
La BI self-service punta a mettere gli utenti business in condizione di accedere a dati aziendali rilevanti, di svolgere le loro proprie analisi e di collaborare con altri, ogni qual volta abbiano bisogno di risultati, senza essere dipendenti dall'IT o possedere competenze specialistiche.
Per contrappeso, dovrei anche ammettere di essere un fan del data warehousing e che questo svolge una serie di funzioni importanti non disponibili nella BI self-service. Può aggiungere dei metadati per conformare diverse sorgenti dati in assenza di un sistema di gestione dei master data; protegge i database operazionali dall'accesso diretto che potrebbe compromettere la sicurezza o la performance, dà maggiore sicurezza sulla completezza e accuratezza dei dati; può garantire performance migliori quando si analizzano grandi volumi di dati.
Il fatto è che la BI self-service e quella tradizionale rispondono a esigenze diverse e ciascuna ha i propri punti di forza e di debolezza. Si può ottenere il meglio da entrambe, cercando di comprendere quando una è più appropriata dell'altra e impostando una strategia di BI self-service sulla piattaforma BI pre-esistente, invece di cercare di creare sistemi paralleli.
In questa serie di post esplorerò nel dettaglio gli obiettivi e i vantaggi di una BI self-service, toccando i seguenti punti: