Embedded analytics betekent dat rapportages, dashboards en andere data-inzichten rechtstreeks worden opgenomen in een bestaande applicatie, website of klantportaal. Gebruikers hoeven daardoor niet naar een afzonderlijk BI-platform te gaan om informatie te bekijken die bij hun werkzaamheden hoort, maar zien die inzichten direct in de omgeving waarin ze al werken.
Voor softwarebedrijven, organisaties met eigen applicaties en teams die klant- of partnerportalen ontwikkelen, is dat relevant omdat gebruikers minder tussen systemen schakelen en data beter onderdeel wordt van dagelijkse processen voor medewerkers, klanten en partners. Een verzekeringsadviseur kan bijvoorbeeld actuele portefeuille-informatie bekijken in het administratiepakket waarin hij al werkt. Een klant ziet in een online portaal direct het eigen verbruik, de voortgang of financiële resultaten.
In dit artikel lees je wat embedded analytics is, hoe het werkt, waarin het verschilt van losse BI-dashboards en welke keuzes rond toepassingen, beveiliging, techniek, organisatie, AI en veelgestelde vragen daarbij komen kijken. De analyse vormt zo een onderdeel van de applicatie, in plaats van een losstaande omgeving ernaast.
- Wat is embedded analytics?
- Hoe werkt embedded analytics?
- Wat is het verschil met een los BI-dashboard?
- Wanneer is embedded analytics relevant?
- Welke gegevens mogen gebruikers zien?
- Welke technische en organisatorische keuzes zijn nodig?
- Architectuur
- Databeveiliging
- Prestaties, real time analyse en schaalbaarheid
- Vormgeving en gebruiksgemak
- Licenties en kosten
- Beheer en eigenaarschap
- Welke rol kan AI spelen?
- Veelgestelde vragen over embedded analytics
- Conclusie
- Disclaimer
Wat is embedded analytics?
Embedded analytics is het integreren van data-analyses, rapportages en dashboards in een bestaande applicatie of gebruikersomgeving.
De geïntegreerde analyse kan bestaan uit:
- grafieken en dashboards;
- tabellen en rapportages;
- filters en selectiemogelijkheden;
- signaleringen en voorspellingen;
- benchmarkinformatie;
- interactieve analyses;
- vragen en antwoorden in gewone taal.
Gebruikers werken vanuit dezelfde omgeving, met bij voorkeur dezelfde inlog, navigatie en huisstijl. De data en analysetechniek kunnen afkomstig zijn uit een BI-platform, maar dat hoeft voor de gebruiker niet zichtbaar te zijn.
Embedded analytics is daarmee geen afzonderlijke analysemethode. Het gaat vooral om de manier waarop analyses beschikbaar worden gesteld.
Hoe werkt embedded analytics?
Bij embedded analytics wordt een analysecomponent van een BI-platform gekoppeld aan een andere applicatie. Die applicatie wordt ook wel de hostapplicatie genoemd.
Een gebruiker logt in op de hostapplicatie. De applicatie stelt vervolgens vast wie de gebruiker is, welke rol deze heeft en welke gegevens toegankelijk zijn. Daarna wordt het bijbehorende dashboard of analyseonderdeel binnen dezelfde gebruikersomgeving getoond.
Daarvoor zijn verschillende vormen van integratie mogelijk.
Interactieve dashboards insluiten met een iframe
Een iframe toont een bestaande webpagina of dashboard binnen een andere webpagina. Dit is doorgaans een relatief eenvoudige manier om een dashboard in een portaal of applicatie op te nemen.
Een iframe kan voldoende zijn voor een beperkte toepassing, maar biedt niet altijd de gewenste controle over navigatie, interactie, vormgeving en authenticatie. De mogelijkheden hangen sterk af van het gebruikte BI-platform en de beveiligingsinstellingen.
Integreren met een SDK
Een Software Development Kit, of SDK, bevat technische onderdelen waarmee ontwikkelaars analyses in een applicatie kunnen verwerken. Grafieken, filters en selecties kunnen daardoor nauwer aansluiten op de werking en vormgeving van de hostapplicatie, zodat gebruikers data daar ook direct kunnen visualiseren.
Deze aanpak geeft doorgaans meer vrijheid, maar vraagt ook meer ontwikkel- en beheercapaciteit. Met een SDK kunnen teams bovendien gerichter maatwerk ontwikkelen.
Integreren via API’s
Via API’s kan een applicatie gegevens, berekeningen of analysefuncties opvragen en verwerken in een eigen gebruikersinterface, en functionaliteit uit verschillende bronnen ontsluiten. De organisatie bepaalt dan grotendeels zelf hoe de resultaten worden gepresenteerd.
Een API-integratie biedt veel flexibiliteit, maar de verantwoordelijkheid voor ontwikkeling, beveiliging, foutafhandeling en onderhoud ligt voor een groter deel bij de organisatie of softwareleverancier, terwijl API’s ook helpen om technische integratievraagstukken op te lossen. In veel teams is extra kennis nodig om API’s effectief en veilig te gebruiken.
Wat is het verschil met een los BI-dashboard?
Een los BI-dashboard bevindt zich in een afzonderlijke analyseomgeving. Gebruikers moeten daar meestal apart naartoe, mogelijk opnieuw inloggen en leren werken met een andere navigatie, terwijl ze bij embedded analytics niet hoeven te schakelen tussen aparte tools.
Bij embedded analytics bevindt het inzicht zich in de applicatie waarin de gebruiker de informatie nodig heeft. Dat kan verschillende voordelen opleveren:
- gebruikers hoeven minder tussen systemen te wisselen, wat de efficiëntie en productiviteit verhoogt doordat minder tools nodig zijn;
- cijfers worden onderdeel van het bestaande werkproces;
- klanten en partners krijgen informatie in hun eigen portaal;
- de analyse kan aansluiten op de context en workflow van de gebruiker;
- inzichten kunnen direct aan een handeling worden gekoppeld.
Het verschil zit dus niet alleen in de technische plaatsing. Goede embedded analytics verbindt analyse met het proces waarin een beslissing wordt genomen en ondersteunt zo snellere besluitvorming binnen een datagedreven cultuur, terwijl ook handmatige data-export afneemt.
Een verkoopmedewerker ziet bijvoorbeeld niet alleen een omzetgrafiek, maar kan vanuit dezelfde omgeving ook een klant selecteren of een vervolgactie starten, zodat sneller beslissingen kunnen worden genomen.
Wanneer is embedded analytics relevant?
Embedded analytics kan interessant zijn voor softwarebedrijven die analysefunctionaliteit aan hun product willen toevoegen en sneller nieuwe analytics-functionaliteit naar de markt willen brengen. Het is echter niet uitsluitend voor softwareleveranciers bedoeld.
Ook andere organisaties kunnen embedded analytics gebruiken, bijvoorbeeld in:
- klantportalen;
- partneromgevingen;
- leveranciersportalen;
- verzekerings- en financiële applicaties;
- zorg- en onderwijsplatforms;
- logistieke systemen;
- interne bedrijfsapplicaties.
De aanpak wordt vooral relevant wanneer gebruikers regelmatig vanuit een applicatie naar een afzonderlijk dashboard moeten gaan, of wanneer klanten en partners behoefte hebben aan actuele informatie die aansluit op hun behoeften binnen hun bestaande omgeving.
Andere signalen zijn terugkerende vragen over waar rapportages te vinden zijn, een toenemend aantal externe BI-gebruikers of de wens om data-inzichten als onderdeel van een product of dienstverlening aan te bieden.
Welke gegevens mogen gebruikers zien?
Beveiliging is een belangrijk onderdeel van embedded analytics. Het dashboard bevindt zich weliswaar binnen een bestaande applicatie, maar moet nog steeds vaststellen welke gegevens voor iedere gebruiker toegankelijk zijn.
Daarvoor kunnen verschillende niveaus van autorisatie nodig zijn:
- toegang tot de applicatie;
- toegang tot een dashboard of rapport;
- toegang op basis van een gebruikersrol;
- toegang tot gegevens van een specifieke klant, vestiging of regio;
- toegang tot bepaalde functies, zoals exporteren of delen.
Bij een klantportaal mag klant A vanzelfsprekend geen gegevens van klant B zien. In een partneromgeving moet iedere partner uitsluitend de eigen data kunnen raadplegen.
De identiteit uit de hostapplicatie moet daarom veilig worden doorgegeven aan de analyseomgeving. Single sign-on kan voorkomen dat gebruikers opnieuw moeten inloggen, maar vervangt de onderliggende autorisatie niet.
Zowel authenticatie — vaststellen wie iemand is — als autorisatie — bepalen wat iemand mag zien en doen — moet goed zijn ingericht.
Welke technische en organisatorische keuzes zijn nodig?
Een embedded dashboard bouwen begint niet bij de visualisatie, maar bij het gebruiksdoel. Welke gebruiker heeft welk inzicht nodig en welke actie moet op basis daarvan mogelijk zijn?
Vervolgens moeten keuzes worden gemaakt over:
Architectuur
Wordt een bestaand dashboard ingesloten of is een diepere integratie nodig? Oudere embedded analytics 1.0-oplossingen hadden vaak beperkte functionaliteit en gebruikservaring, terwijl embedded analytics 2.0 via de cloud meer maatwerk en naadloze integratie mogelijk maakt. De gewenste interactie, huisstijl, white-labeling, prestaties en ontwikkelvrijheid bepalen mede welke aanpak geschikt is als je zelf bouwt voor volledige controle over de merkbeleving.
Databeveiliging
De rollen en rechten in de hostapplicatie en het BI-platform moeten goed op elkaar aansluiten. Dat geldt ook wanneer gebruikers via single sign-on binnenkomen.
Prestaties, real time analyse en schaalbaarheid
Een interne rapportage voor twintig medewerkers stelt andere eisen dan een klantportaal met duizenden gelijktijdige gebruikers. Laadtijden, datavolume, beschikbaarheid en piekbelasting moeten vooraf worden meegenomen, net als de keuze voor een geschikt data intelligence platform dat deze schaal aankan.
Vormgeving en gebruiksgemak
Een ingebed dashboard moet zich richten op eindgebruikers, hun taak en de omgeving van de applicatie. Het simpelweg verkleinen van een bestaand managementdashboard levert niet automatisch een goede geïntegreerde ervaring op, en een goed ontwerp moet je vooraf testen op aansluiting bij het werkproces.
Licenties en kosten
BI-platformen hanteren verschillende licentiemodellen voor embedded analytics. De kosten kunnen bijvoorbeeld afhangen van het aantal gebruikers, de capaciteit, het gebruik of de gekozen functionaliteit. Controleer daarom vooraf of het licentiemodel past bij de verwachte schaal.
Beheer en eigenaarschap
Leg vast wie verantwoordelijk is voor de data, berekeningen, dashboards, autorisaties en technische koppeling, wie de implementatie en gebruikers hierin moet ondersteunen, en welke expert betrokken blijft bij beheer en doorontwikkeling. Ook updates van het BI-platform of de hostapplicatie kunnen gevolgen hebben voor de integratie, dus neem ook content en eventuele extensies mee in het beheer.
Welke rol kan AI spelen?
Embedded analytics kan worden uitgebreid met AI-functionaliteit. Gebruikers kunnen bijvoorbeeld in gewone taal een vraag stellen binnen een applicatie, automatisch verklaringen bij afwijkingen ontvangen of worden gewezen op opvallende patronen.
Dezelfde voorwaarden blijven gelden: de gebruikte data moet betrouwbaar zijn en de AI-functie moet rekening houden met de rechten van de gebruiker. Een ingebedde AI-assistent mag geen gegevens gebruiken of tonen waartoe de gebruiker geen toegang heeft.
AI verandert daarmee niet de basisvoorwaarden van embedded analytics. Goede datakwaliteit, definities, governance en autorisatie worden juist belangrijker, wat vaak vraagt om gerichte data- en analytics trainingen voor ontwikkelteams en eindgebruikers.
Veelgestelde vragen over embedded analytics
Nee. Iedere organisatie met een eigen applicatie, website of klant- en partnerportaal kan analytics inbedden. Softwarebedrijven kunnen het als productfunctionaliteit aanbieden, terwijl andere organisaties het gebruiken om klanten, medewerkers of partners rechtstreeks inzicht te geven en zo beter te ondernemen doordat inzichten direct in de applicatie beschikbaar zijn.
Ja, een iframe kan een eenvoudige vorm van embedded analytics zijn. Of deze aanpak voldoende is, hangt af van de gewenste vormgeving, interactie, authenticatie, beveiliging en gebruikerservaring.
Veel BI-platformen bieden mogelijkheden voor embedding via iframes, SDK’s, API’s of afzonderlijke embedded producten, net als oplossingen van SAP of vergelijkbare leveranciers. Welke functies beschikbaar zijn, hangt af van het platform, de versie en het abonnement, en is daarbij vaak al vooraf gedefinieerd. Dit kan bijvoorbeeld spelen in sap s 4hana-omgevingen.
Dat verschilt per leverancier en licentiemodel. Sommige oplossingen werken met gebruikerslicenties, andere met capaciteit of gebruik. Breng daarom vooraf het verwachte aantal gebruikers en de gebruiksintensiteit in kaart.
Conclusie
Embedded analytics brengt data-inzichten en betere informatievoorziening naar de applicatie waarin gebruikers al werken. Daardoor kunnen organisaties analyse gericht toepassen, zodat die beter aansluit op het werkproces, klantportaal of digitale product.
Een goede implementatie vraagt meer dan het technisch insluiten van een dashboard. Architectuur, authenticatie, autorisatie, schaalbaarheid, vormgeving, licenties en beheer moeten als één geheel worden ontworpen.
Wil je onderzoeken hoe analytics kan worden geïntegreerd in jouw applicatie of portaal? Bekijk Consultancy & Advies bij HippoLine of plan direct een gesprek om de juiste aanpak te begrijpen en toe te passen.
Disclaimer
De informatie in dit kennisbankartikel is algemeen van aard. Mogelijkheden, beveiligingsfuncties en licentiemodellen verschillen per BI-platform of koppelingen met tools als excel en kunnen veranderen. Welke vorm van embedded analytics passend is, hangt af van de applicatie, gebruikers, databronnen, beveiligingseisen en technische architectuur. Controleer daarom altijd de actuele documentatie en voorwaarden van de betrokken leveranciers.
Tags: embedded analytics, Business Intelligence, BI-dashboard, data-analyse, klantportaal, software-integratie, API-koppeling, single sign-on, databeveiliging, self-service BI
