Power BI bietet beispiellose Funktionen zum Integrieren und Transformieren von Daten. Diese Ausgabe ist oft nützlich, um sie einem vorhandenen SQL-Data Warehouse hinzuzufügen. In diesem Beitrag erklären wir, wie Sie Power BI-Tabellen mit SQL Server (Azure oder lokal) synchronisieren und laden und diesen Prozess automatisieren können.

Die Planung und Durchführung einer Reise ist ein Paradebeispiel für die digitale Customer Journey, die Besuchern entlang der Nutzung von Portalen, Apps und Services absolvieren. Wer es schafft, die dabei generierten Datenmengen – unter Einhaltung der DSGVO - in einem Customer Analytics Hub zusammenzuführen, kann mithilfe von KI-getriebenen Analysen beispielsweise die Besuchererlebnisse verbessern, Touristenströme systematisch lenken und die Nutzeransprache situativ und individuell gestalten. Das Customer-Analytics-Team von pmOne widmet sich entsprechenden Lösungen, die mit der Analyse der Customer Journey Mehrwerte für die Bereiche Tourismus, Smart City, Destinationsmarketing oder Stadtplanung schaffen.

Microsoft hat kürzlich Azure Bicep veröffentlicht. Dabei handelt es sich um eine Domain Specific Language, die Vorlagen für den Azure Ressource Manager (ARM-Templates) kompiliert und anschließend Ressourcen in Azure bereitstellt. Einer der bisherigen Marktführer in diesem Bereich ist HashiCorp mit der Lösung Terraform. Dieses etabliertes Infrastructure-as-Code-Tool stellt ein ausgereiftes Framework bereit und wird zudem von Microsoft sowie Hunderten anderen Cloud-Anbietern unterstützt. Dieser Beitrag soll einige Grundlagen zu Infrastructure-as-Code und ARM-Templates vermitteln und widmet sich anschließend dem Vergleich zwischen Azure Bicep und Terraform. Ziel ist es, erste Einblicke in die Unterschiede und die jeweiligen Vorteile der beiden Technologien zu geben.

Beim Thema Self-Service-BI/AI/Analytics gehen die Meinungen auseinander: Die einen befürchten komplexen Wildwuchs, die anderen fühlen sich durch ein rigides Regelwerk ausgebremst. Bei solchen Kontroversen hilft oft eine Analogie. In diesem Blogbeitrag betrachten wir deshalb die Ess- und Kochgewohnheiten und schlagen die Brücke zur Frage nach den Self-Services, denn auch hier sind Geschmäcker, Skills und Situationen oftmals verschieden. Manchmal passt die Daten-Tiefkühlpizza besser und manchmal ist genug Zeit für eine frische, selbstgemachte BI-Pasta.

Produzierende Unternehmen sammeln in der Regel umfangreiche Daten in der Produktion. Die eingesetzten Fertigungsanlagen sind jedoch komplex und haben viele Stellschrauben, so dass nicht immer klar ist, welche Einstellungen zu guten Ergebnissen führen. Das ist ein ideales Einsatzszenario für Machine Learning und Artificial Intelligence. Der Verpackungs- und Beschichtungsspezialist Mondi trat in diesem Zuge an pmOne heran, um „Operating Windows“ für eine ihrer Fertigungsanlagen zu bestimmen. Damit sind Bereiche - oder eben Fenster - gemeint, in denen einzelne Stellschrauben sich während der Produktion bewegen dürfen, um eine gute Produktqualität bei gleichzeitig hohem Fertigungsdurchsatz sicherzustellen. Dieser Aufgabe hat sich das Advanced Analytics Team der pmOne gewidmet und damit zu einem neuen wichtigen Assistenzsystem in der Fertigung beigetragen.

Das Potential, welches in den stetig wachsenden Datenvolumen von Unternehmen schlummert, war nie größer als heute. Vor allem Methoden aus dem Umfeld von Data Science und Machine Learning versprechen wahre Wunder, wenn man der häufigen Nutzung dieser Begriffe als Buzzwords Glauben schenken mag. Oft ist dies mit der Vorstellung verbunden, dass man lediglich eine Software installieren und einen Algorithmus laufen lassen muss, damit die Optimierung bestehender Prozesse erfolgen kann. Bevor das Optimierungspotenzial jedoch erschlossen werden kann, sind einige Hürden zu meistern. Aber was sind die erfolgsversprechenden Vorgehensweisen, damit Data Science Projekte gelingen und Erfolge langfristig gesichert werden können?

„Nach der Krise ist vor der Krise“: die Auswirkungen von COVID 19 haben gezeigt, wie wichtig es für die Überlebensfähigkeit von Unternehmen ist, rasch auf geänderte Rahmenbedingungen zu reagieren. Gestörte Lieferketten und stark geändertes Kundenverhalten auf Grund der COVID 19-Maßnahmen führen dazu, dass sich die Unternehmen verstärkt mit der Integration der Absatzplanung, der Absatzprognose und dem Transfer in die Produktions- und Bedarfsplanung bemühen.

Dieser Blog befasst sich mit den neuesten Trends auf dem Markt zu Business Performance Management (BPM). BPM-Lösungen beinhalten in diesem Zusammenhang Softwareanwendungen für das betriebswirtschaftliche Berichtswesen einschließlich konsolidierter Ergebnisse, alle Aspekte der Planung (strategisch, operativ, treiberbasiert, Zero Based Budgeting usw.) und Prognosen.

Kundensegmentierung ermöglicht Finanzinstitutionen eine differenzierte Kundenansprache und bietet eine Reihe von Vorteilen. Hervorzuheben ist hierbei die Steigerung des Produktabsatzes und damit die Steigerung des Zins- und Provisionsertrags im Retail Banking bzw. des Prämienergebnisses für Retail Insurance. Dennoch nutzen Banken und Versicherungen derzeit oft noch keine modernen, auf Machine Learning basierten Möglichkeiten, um die angestrebten Vorteile zu erzielen.

Industrial IoT – Aller Anfang ist Cloud

Data-Science-Team

IIoT ist nach wie vor ein Trendthema. Doch nicht immer sind entsprechende Projekte erfolgreich. Wir werfen einen Blick auf den Status quo, auf die typischsten Stolperfallen und auf vielversprechende Lösungsansätze. Hierbei spielen sogenannte Plug-&-Play-Devices und der Einsatz von Cloudlösungen eine zunehmende Rolle. Das Data-Science-Team erklärt Ihnen außerdem, wie man ausgehend von kleinen und ggf. sogar Modell-basierten Projekten frühzeitig das dahinterstehende Potenzial ermittelt.