Referenzen

Entwicklung einer Enterprise Business Intelligence Landschaft

Im Bereich Logistik und Post wurden umfangreiche Tätigkeiten durchgeführt, um ein effektives Datenmanagement und einheitliches Reporting zu gewährleisten.

Ein Data Warehouse (DWH) mit Staging-, Core- und Reporting-Layer wurde entworfen, um Analysen zu vereinfachen, historische Daten zu sichern, Datenquellen zu vereinheitlichen und die Datenqualität zu verbessern. 

Verschiedene Quellsysteme wie Oracle, Salesforce, MySQL, SQL Server, CSV, Excel, JSON und Webhooks wurden analysiert und in das DWH integriert. Batch-ETL-Prozesse wurden entwickelt, um Daten von den Quellsystemen in das DWH zu laden. Ein Stammdatenmanagementsystem wurde implementiert, um Datenquellen zusammenzuführen und organisatorisches Reporting zu ermöglichen. 

SQL Server Analysis Services Tabular Modelle wurden entwickelt, um die Daten besser auswerten zu können. Ein komplexes Berechtigungskonzept wurde umgesetzt. Power BI wurde als Reportingtool eingesetzt, inklusive der Entwicklung von Dashboards, Reports und Paginierten Reports. PowerApps wurden für die Pflege der Stammdaten und die Prozessabwicklung genutzt. Datamining-, Anomaliedetection- und Vorhersage-Prozesse wurden implementiert, um die Planung und Steuerung von Mitarbeitern zu optimieren. Das DWH wurde in die Azure Cloud migriert und Machine Learning Prozesse wurden in Azure Machine Learning Services und Azure Databricks überführt. Fehlererkennungsalgorithmen wurden entwickelt. 

Dabei kamen Technologien wie Microsoft Power Platform, Power BI, Microsoft SQL Server, DAX, Power Apps, ETL, Confluence, Excel, JIRA, JSON, Microsoft Outlook Office 365, Microsoft PowerShell, Azure SQL Data Warehouse, Microsoft Master Data Service, Microsoft SharePoint, Azure DevOps, Azure Cloud, Azure Databricks, Transact-SQL (T-SQL), Oracle SQL (PL/SQL), Azure Data Factory, Salesforce, MySQL, SQL Server Agent, SQL Server Integration Services (SSIS), SQL Server Analysis Services (SSAS), SQL Server Reporting Services (SSRS), Visual Studio, DAX Studio, Tabular Editor, GIT, Python, Azure Data Lake (Gen 2) und Microsoft SQL Server Machine Learning Services erfolgreich zum Einsatz. 

Dieses Projekt hat dazu beigetragen, eine effiziente Business Intelligence Landschaft aufzubauen und die Steuerung des Unternehmens zu optimieren.

Eingesetzte Technologien

  • Azure SQL-Datenbank

  • Azure (Data Lake/Blob/Table/File) Storage

  • SQL Server

  • Azure Data Factory

  • Azure Databricks

  • SQL Server Integration Services (SSIS)

  • Microsoft Power Automate

  • Power BI

  • SQL Server Reporting Services (SSRS)

  • Excel (Power Query und Power Pivot)

  • Azure Machine Learning

  • SQL Server Analysis Services (SSAS)

  • Azure DevOps

  • Microsoft Power Apps

Rückfragen zum Projekt oder anderen Dienstleistungen?

Wir stehen wir Ihnen gerne zur Verfügung. Unser Ziel ist es, Ihr Unternehmen mit hochmodernen IT-Lösungen zu unterstützen und gemeinsam Wege zum Erfolg zu gestalten.

Kontakt aufnehmen

Zum nächsten Projekt

12. April 2024

Erstellung eines Systems für die Mitarbeiter-Projektzuordnung mithilfe diverser NLP-Methoden in Python

In der IT-Branche wurden wesentliche Meilensteine erreicht, um eine effiziente Zuordnung von Mitarbeitern zu Projekten zu ermöglichen.

Über das Projekt
12. April 2024

Vorhersage von Vertragsbeendigungen anhand eines Machine Learning Modells

Im Gesundheitswesen wurden wesentliche Fortschritte erzielt, um zukünftige Vertragsbeendigungen vorherzusagen.

Über das Projekt
Alle Referenzen anzeigen