Tony’s Chocolonely

Na een jarenlange explosieve groei is Tony’s Chocolonely inmiddels Nederlands grootste chocolademerk, maar belangrijker nog een impactorganisatie. Bij het opzetten van Tony’s Chocolonely’s Business Intelligence afdeling, heeft Data Science Lab. een datascan van de organisatie uitgevoerd om overzicht te creëren in al hun databronnen en de onderlinge relaties hiertussen.  Ook hebben we meegewerkt aan het maken van een extensieve vergelijking tussen drie BI-tools. In deze drie BI-tools heeft Data Science Lab. een dashboard opgesteld om de functionaliteiten en het werkgemak te kunnen vergelijken, zodat uiteindelijk de beste BI-tool geselecteerd kon worden. Daarnaast hebben we vanuit ons label Data for Good gewerkt aan een intern dashboard om een overzicht te geven van de actuele staat van Tony’s impact in de cacaobonenketen (oa. kinderarbeid).

BUSINESS INTELLIGENCE BIJ TONY’S.

Na een jarenlange organische, explosieve groei werd het voor Tony’s Chocolonely tijd voor een volgende optimalisatieslag in de bedrijfsvoering. Eén van de onderdelen hiervan was de opzet van een business intelligence afdeling. Bij de opbouw van zo een afdeling moeten veel belangrijke beslissingen worden genomen. 

Data Science Lab is gevraagd om te ondersteunen in het selecteren van een BI-softwarepakket, het creëren van overzicht in de al aanwezige datainfrastructuur bij Tony’s Chocolonely, en het identificeren van potentiële projecten die opgepakt kunnen worden binnen de BI-afdeling. Hiernaast zijn wij betrokken geweest als technisch partner gedurende de sollicitatieprocessen voor een vaste data engineer en business analyst. Wij hebben een tweetal cases opgesteld. Om zo snel mogelijk al concrete resultaten te kunnen tonen aan de rest van het bedrijf hebben we ook aangeboden om onder ons ‘Data For Good’ label een dashboard te maken over de impact die Tony’s Chocolonely maakt binnen de cacaobonenketen.

PROBLEEM

RESULTAAT

BI-pakketselectie

Al snel werd de pakketselectie uitgedund tot Power BI en Sisense. Wegens de grote focus op self-service en het ingebouwde data warehouse van Sisense leek het aanvankelijk het meest geschikte BI-pakket te zijn voor Tony’s Chocolonely. Het bleek echter dat het Sisense data warehouse niet geschikt was om het bestaande data warehouse van Tony’s te vervangen omdat het niet bedoeld is als opslagplaats voor bedrijfskritieke data. Uiteindelijk is er voor de meest voor de hand liggende (veilige) keuze in Power BI gekozen, omdat hiervoor de bestaande datainfrastructuur van Tony’s niet aangepast hoefde te worden.

 

Data quickscan

Aan de hand van het quickscandocument is er een visueel overzicht gemaakt van alle databronnen met informatie over hun inhoud, bij welke afdeling ze horen, wat voor een type databron het betreft en hoe de onderlinge relaties tussen de databronnen zijn. Nieuwe werknemers binnen de organisatie worden met dit overzicht meteen een stuk op weg geholpen in hun oriëntatie binnen de organisatie. 

Hiernaast is er een roadmap opgesteld waarin alle mogelijke BI-projecten staan beschreven en worden geprioriteerd aan de hand van hun urgentie en complexiteit. Uit deze roadmap zijn meteen enkele projecten geïdentificeerd om als eerste opgepakt te worden door het BI-team.

 

Sollicitatiecases

Mede door de cases die we voor Tony’s Chocolonely hebben opgesteld konden de technische- en presentatievaardigheden van de sollicitanten goed beoordeeld worden en zijn er uiteindelijk met groot vertrouwen een data engineer en data analyst aangenomen om zich bij het BI-team aan te sluiten.

 

Impact dashboard

De initiële versie van het dashboard werd gedurende de looptijd van het project verbeterd door feedback van de stakeholders te verwerken. Met de keuze voor Power BI werd het definitieve Impact dashboard ook in Power BI gebouwd. De eindversie van dit dashboard is overgedragen aan het interne BI-team van Tony’s Chocolonely, zodat zij het dashboard in productie konden zetten.

BI-pakketselectie

Door Tony’s ‘Head of BI’ zijn er drie kandidaatsoftwarepakketten geselecteerd om te vergelijken: de bekende namen Power BI en Tableau en de opkomende Sisense. De belangrijkste vergelijkingscriteria hierbij waren mogelijkheden tot self-service vanuit de business, geschiktheid binnen Tony’s aanwezige datainfrastructuur en het kostenaspect. Door middel van het bouwen van hetzelfde sales dashboard in alle drie de BI-pakketten kon het werkgemak worden vergeleken. De overige vergelijkingscriteria werden beoordeeld aan de hand van een online onderzoek naar de pakketten.

 

Data quickscan

Door middel van gesprekken met beheerders van databronnen is er een document opgesteld met daarin voor alle relevante databronnen informatie over hun inhoud, toegankelijkheid, kwaliteit, onderlinge relaties, etc. Uit deze gesprekken konden ook meteen potentiële BI-projecten worden geïdentificeerd.

 

Sollicitatiecases

Voor de sollicitanten voor de positie van data engineer hebben we een case ontwikkeld waarbij drie verschillende databronnen gecombineerd moesten worden tot één samenhangend data-warehouse. Hierop dienden vervolgens enkele SQL-queries geschreven te worden om bepaalde inzichten te verkrijgen. Ook werd gevraagd hoe zij met de gegeven databronnen een analytics platform zouden creëren op het cloud platform van hun eigen keuze. 

Voor de technische case voor de data analyst hebben we een fictieve Tony’s Chocolonely dataset gesimuleerd waaruit verschillende inzichten verkregen moesten worden. Denk hierbij aan wat voor gevolgen een zogenaamde mislukte cacao-oogst zou hebben voor de organisatie. Deze inzichten moesten worden gevisualiseerd in een dashboard en worden gepresenteerd. Tijdens de sollicitatiegesprekken waren consultants van Data Science Lab. aanwezig om de cases te beoordelen en vragen te stellen. 

 

Impact dashboard

Op basis van de input uit gesprekken met de uiteindelijke gebruikers van het dashboard (het Impact team) en het inspecteren van de beschikbare impact data werden er KPI’s gedefinieerd die in het dashboard gevisualiseerd moesten worden. Op basis hiervan werd hetzelfde dashboard gebouwd in Power BI en in Sisense, zodat er verder gewerkt kon worden met het dashboard 

AANPAK