Angebot

Suchen Sie auch ständig Ihre Daten in verschiedenen Systemen? Sind Sie müde vom ewigen Copy/Paste aus einem Programm in das andere, nur damit Sie eine schnelle Analyse machen können?

Wir bieten Ihnen die Lösung Ihre Daten in einem Topf und immer bereit zu halten. Wir machen, falls gewünscht zusammen mit Ihrem Team, die Analyse und mittels unserer erprobten Technologien implementieren wir eine auf Ihre Bedürfnisse zugeschnittene Lösung.

Schauen Sie sich unsere Fallstudien an.

1. Kontinuierliche Datenanalyse bei einer Grossorganisation

Mehr

Situation:
Der Kunde brauchte eine kontinuirliche Datenanalyse. Die Daten waren in verschiedenen Formaten über mehrere Abteilungen verteilt, teilweise mehrfach abgelegt oder sogar mehrfach gekauft. Dazu kamen externe Daten aus verschiedenen Datenquellen (Web, E-Mail).  Die Daten wurden jeder Monat manuell konvertiert, in die Excel-Dateien zusammengetragen und analysiert oder transformiert. Anschliessend wurden aus den Daten mehrere Reporte erstellt.

Herausforderung:
Der Kunde wollte folgende Ziele erreichen:

  • Reduktion der Datenheterogenität
  • einheitliche Datenablage
  • konsolidierte Fakt- und Metadaten
  • Delegierung des Datainputs an die Datenersteller
  • Ermöglichung von komplexeren Transformationen und Analysen, welche im Excel zu kompliziert waren
  • selbstebedienendes Reporting
  • Zugang aus der ganzen Organisation (weltweit zugängliches Intranet)

Lösung:
Die Daten wurden im ersten Schritt in einem relationalen Datenmodell gesammelt. Dieser hat sowohl die Abbildung von beschreibenden Daten (Metadaten) ermöglicht, wie auch die eigentliche Faktdaten organisiert. Weiter wurde ein komplexes Berechtigungsystem abgebildet.

Im nächsten Schritt wurde eine Webapplikation entwickelt, welche folgende Funktionen abgedeckt hat:

  • Administration von Metadaten und Berechtigungen
  • Transformation von Faktdaten
  • Dateneingabe für alle Beteiligte Datenanbieter (Extra- und Intranet)

Um die komplexe Analysen zu ermöglichen wie auch die Struktur von den Reporten einfach und übersichtlich zu halten, haben wir die relationalen Daten in einen OLAP (Online Analytical Processing) Modell geladen.

Als letzter Schritt wurden parametrisierte Reporte erstellt, welche über das Web-Interface den internen Kunden zur Verfügung gestellt wurde.

Kundennutzen:
Der Kunde konnte die Kosten für mehrfache Dateneinkäufe sparen. Dies hat ermöglicht, mit dem gleichen Budget mehrere kostenpflichtige Datenquellen zu integrieren und so das interne Angebot innerhalb der Gesellschaft zu erweitern.

Unüberscihtliche Dateienablage öfters nur lokal gespecihert wurde eliminiert. Alle Daten stehen unter einem massgeschnittenen Berechtigungssystem für alle Benutzer zur Verfügung.

Der Ursprung aller Daten (vor allem derjenigen die selber generiert werden) kann man jetzt zurückverfolgen und somit sind auch allfällige Diskussionen über die Datenrichtigkeit entfallen.

Bei Datenkorrekturen werden die Reporte sofort aktualisiert und stehen auf dem Reportenportal zur Verfügung. Eine Notifikation per Email wird auf Wunsch automatisch ausgelöst.

Im allgemeinen hat die Lösung fast die ganze Handarbeit eliminiert und der Kunde kann sich jetzt voll auf seine Geschäftsfragen und nicht die technische Datenverarbeitung konzentrieren.

Technologien:
Als relationale Datenbank wurde zuerst Oracle gewählt. Später haben wir eine Migration auf Microsoft SQL Server gemacht.

Für die Entwicklung von Webapplikation wurde das .NET Framework (spezifisch C#) von Microsoft verwendet. Wir haben die Webapplikation mittels ASP.NET Framework mit MVC Ansatz und mit eigenem ORM Modell (der später durch Microsoft ORM ersetzt wurde) entwickelt.

Als OLAP Technologie wurden die SQL Server Analysis Services gewählt, welche als Teil des SQL Server ohne weitere Zusatzkosten zur Verfügung stehen.

Für weitere Intergrationsaufgaben, wie regelmässige Importe aus fixen Datenquellen oder automatische Transformationen, haben wir SQL Server Integration Services verwendet. Die sind ebenfalls ein Teil des MS SQL Servers ohne Zusatzkosten.

Weniger

2. Das Sammeln und Reportieren von Daten für eine NRO

Mehr

Situation:
Der Kunde hat jahrelang Daten gesammelt, welche an verschiedenen Orten abgelegt waren. Das Sammeln ist mittels Emails mit vorgegebenen Word und Excel Dokumenten erfolgt., teilweise auch über Faxformulare. Diese Dokumente wurden ausgefüllt an die Organisation zurück geschickt und dann entweder mit Copy/Paste oder manuell in eine Excel Datei und/oder eine Microsoft Access Datenbank übertragen.
Aus der Access Datenbank wurde ein Report generiert, welcher ins PDF konvertiert und anschliessend mit Adobe Acrobat in eine finale Form bearbeitet wurde.
Andere Reporte wurden mit Verweisen aus Excel als Powerpoint oder Word Dokument generiert.

Herausforderung:
Die, für den Kunden, wichtigste Ziele waren:

  • die Dateneingaben an Ihre Quelle delegieren
  • die sehr aufwändige Arbeit bei der manuellen Bearbeitung von Daten und dabei die wichtigste Fehlerquelle zu reduzieren
  • die Datenablagen vereinheitlichen
  • die Daten bereinigen und auf ihre Konsistenz prüfen
  • das System auf eine Art von Daten-WebShop vorbereiten
  • analytische Arbeit und die Erstellung von ad-hoc Reporten vereinfachen

Lösung:
Wir haben ein neues Datenmodell entwickelt um den Anforderungen gerecht zu werden. Die Datenmigration aus der alten MS Access Datenbank hat sich aufgrund der Unvollständigkeit und Inkosistenz der Daten anspruchsvoller erwiesen als zuerst angenommen.
Weiterhin haben wir eine Webapplikation entwickelt, welche das Sammeln von Daten ermöglicht hat. Eine wichtige Funktion war das direkte Import von Excel Files. Die Übertragung in die finale Fakten-Tabelle wurde mittles eines Workflows mehrstufig realisiert.
Auf dem neuen relationalen Datenmodell haben wir ein OLAP Modell und zuerst nur einen Würfel mit komplexen hierarchischen Dimensionen entwickelt. Weitere Würfel werden wir in der Zukunft je nach Applikation der Daten entwickeln.

Kundennutzen:
Der Kunde konnte seine Datenqualität deutlich verbessern und das Angebot an Informationen erweitern. Weiterhin hat die Zeitersparniss bei manueller Verarbeitung ermöglicht die Resourcen des Ökonomen für weitere Analysen anzuwenden.  Die Verwendung der neuen Technologien ermöglicht dem Kunden neue „selbstbedienende“ analytsiche Tools einzusetzen (z.B. Microsoft Power BI).

Technologien:
Datenbank:  Microsoft SQL Server 2016 (RDBMS, SSAS, SSIS, SSRS)
Webapplikation: C# mit .NET 4.6, TypeScript, jQuery

Weniger