Wie wil graven in Topdesk data, merkt dat meerdere factoren van belang kunnen zijn om te komen tot een goede analyse. We stellen ons goede vragen om alles boven water te krijgen. Vragen zoals: Met welke tickets is het meldpunt nu zo veel mee bezig in de drukke mei maand? Welke soort tickets zijn nu die hoogste prio-1 meldingen? Welke tickets stonden langer dan 6 maanden open? Specifieke vragen welke Topdesk allen het juiste antwoord kan tonen. Maar levert dit het gezochte inzicht op? Business Intelligence kan dit oplossen!
Het vinden van het antwoord op de voorbeelden hierboven, is doorgaans niet per se de uitdaging. Maar hoeveel kennis nodig is en de tijd dat het kost om deze antwoorden in een tabel- of grafiekvorm te vinden, dat is vaak de uitdaging! Daarnaast moeten we nog de vertaalslag maken naar een begrijpelijk antwoord dat het gevraagde inzicht geeft, wat opnieuw kennis en tijd kost. Antwoorden dient men in Topdesk doorgaans te zoeken door nieuwe specifieke selecties en rapporten in Topdesk te maken. Afhankelijk van rechten in het systeem kan men deze selecties en rapporten vaak opnieuw gebruiken. Het vervolgens moeten combineren van al deze data uit rapporten en selecties leidt doorgaans tot een gecompliceerde oplossing. Maar hoe kan dit visueel op een gebruiksvriendelijke manier opgelost worden?
Door Topdesk te raadplegen en iedere deelvraag te beantwoorden met steeds een andere tabel of grafiek, biedt niet altijd het meest bruikbare inzicht. De hoofdvraag vergt namelijk nog steeds het combineren van al het verkregen inzichten tot één geheel. Door de data in Power BI wél te combineren en vervolgens visueel te maken, maken we een groot verschil. Door ook gebruik te maken van Interacties, zorgt dit er voor dat we visuele waardes kunnen selecteren en het effect zien binnen andere Visuals.
Selecteren we bijvoorbeeld de hoogste prioriteit-tickets (P1) in de hiernaast getoonde Visual Prioriteiten, dan zien we in de Visual Afhandelingstijd direct wat de afhandelingsperiode was van de betreffende 131 tickets. Naast het effect op afhandelingstijd, kunnen we dit ook van invloed laten zijn op de Bing Map, Impact, Tickets per maand etc. etc.
Door gebruik van Story-Telling het verhaal makkelijk en gebruiksvriendelijk overbrengen met de juiste Visuals, laat gebruikers kinderlijk eenvoudig het inzicht verkrijgen dat ze nodig hebben. Business Intelligence zoals het hoort!
Hieronder zijn enkele fictieve voorbeelden hoe de Visuals direct meerdere antwoorden kunnen geven.
Drukke maand Mei:
Met slechts één muisklik op de maand Mei bij Aantal Tickets, zien we in één oogopslag wat voor soort ticket, afhandelingstijd, prioriteit en impact van toepassing waren in die drukke maand. Ook zien we direct waar de meeste meldingen zijn ontvangen binnen dit instellingsterrein en welke (sub)categorie dit betrof als we beetje doorgraven in de Uitgevouwen Structuur.
Welke Prio-1 meldingen:
Met slechts één muisklik op de 131 P1-meldingen bij Prioriteiten valt ons direct op waar deze meldingen het meeste voorkomen. Daarnaast valt ook op dat de afhandelingstijd voor deze hoogste prioriteit voor 32% van de gevallen langer dan een week duurt om af te handelen in de Afhandelingstijd. De meeste tickets betreffen de subcategorieën “deuren en ramen” en “e-installaties” (52%) nadat we beetje doorgraven in de Uitgevouwen Structuur.
Tal van andere voorbeelden te bedenken
Naast deze voorbeelden is het wellicht ook interessant om te zien waar de eigen Technische Dienst de meeste problemen oplost en welke problemen dit zijn. Het kan best bruikbaar zijn om te ontdekken waar de meeste ongediertebestrijding plaats vindt op het terrein. We kunnen inzoomen op een leverancier en direct zien wat de afhandelingstijd is geweest in combinatie met de aantallen tickets (per maand).
Meer artikels over hoe meerdere factoren en acties leiden tot Business Intelligence?
Die kun je eenvoudig vinden in het overzicht van mijn website: -hier-