Deutschland: alle PLZ-Gebiete, vorzugsweise Berlin
Das Unternehmen besteht aus mehreren Standorten, in denen große Stahlelemente, wie T-Träger mit LKWs
angeliefert und abgeholt werden. Es befinden sich Säge, Bohr-, Strahlanlagen und anderes Gerät im Einsatz,
deren Lauf- und Standzeiten elektronisch erfasst und in eine CSV-Datei übertragen werden. Diese Dateien aus
unterschiedlichen Standorten und von unterschiedlichen Anlagen sollen analysiert und anschaulich hinsichtlich
Produktivität, Aktivität und Unproduktivität gegenüber dem Management präsentiert werden, um tägliche Über-
sicht über Schwachstellen im Ablauf zu gewinnen.
Die Maschinenzeiten werden verglichen mit der Anzahl eingesetzter Mitarbeiter. Diese Information kommt aus
SAP.
· Analyse der verfügbaren Daten.
· Einlesen der Mitarbeiterdaten aus der SAP-Datenbank
· Erstellen eines Datenmodells
· Programmierung eines Ladeprogramms für die tägliche Auswertung der CSV-Dateien
· Erstellen von Dashboards für unterschiedliche Maschinentypen
· Erstellen von Dashboards für die Darstellung der Produktivität aller Standorte und Anlagen
· Machine Learning Komplettkurs mit Python [2023 Edition]
· Natural Language Processing für Data Science mit Python
· Artificial Intelligence und Reinforcement Learning in Python
· Deep Learning, Neuronale Netze & AI: Der Komplettkurs (2023)
· Deep Learning, Neuronale Netze und TensorFlow 2 in Python
· Der große Deep Learning Kurs mit Keras und TensorFlow 2
Es besteht eine umfangreiche BI-Lösung mit multidimensionalen Cubes, die mit SSAS erstellt wurden.
· Diese Lösungen sollen erweitert und verbessert werden.
· Für die Produktion müssen fortlaufend Daten erfasst werden, was mit Excel und einem in VBA
entwickelten Programm geschieht.
· Bestehende VBA-Programme unter Excel werden mit ChatGPT nach Typescript und in Power Apps
übersetzt.
· Aussagekräftige Dash-Boards sind zu erstellen.
· KPI werden definiert.
· Die Anforderungen der Anwender müssen aufgenommen, analysiert und dokumentiert werden.
· Alle Cubes werden in das tubulare Modell unter Power BI überführt.
? Es soll ein Reporting-System unter Power BI erstellt werden, das ?auf den ersten Blick erkennen lässt, wo man
steht?.
? Die Grafiken und Tabellen sollen in Dashboards so angeordnet sein, dass anschaulich und aussagekräftig für
den jeweiligen Bereich sind.
? Eintauchen in die Details soll dennoch möglich sein.
? Bidirektionale Tabellenlinks werden auf 1:n-Beziehungen zurückgeführt.
? Statt Links über Namen werden technische Keys auf Integer-Werten eingeführt.
? Die Dimensions- und Faktenbeziehungen werden für Power-BI als Starschema optimiert.
? Die Dash-Boards. werden nach Regeln des Information Design erstellt. (Weniger ist mehr).
? Für den Verkauf wird ein Soll-Ist-Vergleich zu budgetierten Werten und ein Forecast bis zum Ende des Jahres
erstellt.
* Die vorhergesagten Verkaufszahlen werden mit Python durch Exponentielle Glättung erzeugt.
* Die Schnittstellen zu Produktionseinrichtungen werden mit C# programmiert.
* Benutzerverwaltung in C# programmiert.
* Es werden unterschiedliche Auswertungsebenen (Abteilungen, Werkstätten, Firmen) geschaffen.
* Jede Ebene wird mit Dash-Boards präsentiert, die Tabellen, Grafiken und Datenschnitte enthalten.
? Jeder Analyse- und Entwicklungsschritt wird dokumentiert und mit den Kunden vor der Umsetzung be-
sprochen.
? Es existieren mehrere Microsoft BI Lösungen, mit SSIS, SSAS und Power BI
? Erweiterung der Datenbelieferung mit SSIS
? Fehlerbehebung und Erstellung neuer Auswertungen mit SSAS
? Anpassen bestehender Reports mit SSRS
? Unterschiedliche Benutzer, Meister in der Produktion, Marketing, Geschäftsleitung erhalten unterschiedliche
Dashboards.
? Für Power-BI-Lösungen wird ein Berechtigungskonzept erstell.
? Es wird Row-Level-Security eingeführt für die Reduktion der Datensätze, die für die einzelnen Anwender
sichtbar sein sollen
? Es wird Object-Level-Security eingeführt für die Reduktion der Tabellen, Spalten und Measures, die für die
einzelnen Anwender sichtbar sein sollen.
? Die Verwendeten Datenmodelle werden auf Ihre Richtigkeit für Power BI untersucht und korrigiert.
? Die Daten zweier Firmen werden zusammengeführt.
? Beide Firmen haben jeweils ein Reporting unter Power BI.
? An der Oberfläche soll sich nichts ändern.
? Die unterschiedlichen Power-BI-Dateien werden zu einer Datei zusammengeführt.
? Dabei werden die Daten aus unterschiedlichen Quellen entnommen, damit das Berichtswesen sowohl für
jede einzelne Firma, als auch für beide Firmen zusammen präsentiert werden kann.
? Für beide Firmen existieren gleiche Zahlen als Keys aber mit je nach Firma unterschiedener Bedeutung.
? Manche Keys sind aber auch gleich, d.h. sie sollen dieselben Bedeutung haben; z.B. haben beide Firmen
manchmal dieselben Kunden und Lieferanten.
? Dies wird im Hintergrund mit der Power Query M-Language realisiert.
? Für viele Tabellen bzw. Abfragen müssen hierzu identische Prozeduren ablaufen. Der Code wird mit Hilfe
von Excel und VBA erzeugt.
? Analyse der SQL-Statements beim Zugriff auf Datenbanken
? Daten abrufen über Onlinedienste
? Transformieren der SQL-Statements in die Power Query M ? Formelsprache
? Schulung von Mitarbeitern in Power BI
? Weiterentwicklung eines DWH-Systems
? Erweiterung und Neuentwicklung von Power-BI-Reports
? Zugriff mit SQL auf die Daten in einer MS-SQL-Datenbank
? Weiterentwicklung eines Qubes
? Erstellen neuer ETL-Strecken mit SSIS
? Erstellen von Measures mit DAX in Power BI
? Schulung von Mitarbeitern in Power BI
Rolle: Analyst und Entwickler
? Aufbau eines DWH-Systems
? Analyse des bestehen Reporting
? Erweiterung der analytischen Möglichkeiten und der grafischen Darstellungen
? Zugriff auf die Daten in einer MS-SQL-Datenbank
? Definition und Erstellen des Datenmodells unter Power BI
? Erstellen von Measures mit DAX in Power BI
? Zugriff für Anwender über powerbi.com
? Analysieren der Abläufe zwischen Kunden und Krankenkasse
? Bestimmung des Deckungsbeitrags
? Analysieren der Kundenzufriedenheit
? Beurteilen der potentiellen Kunden zur Umwandlung in Bestandskunden
zwischen Bestellung, Bereitstellung im Lager und Auslieferung
Fortführung und Pflege der Daten und Berichte aus einem
früheren Projekt:
Aufgaben:
Design der Anwendung mit MVC
Erstellen der Anwendung mit
MVC
Aufgaben:
Aufgaben:
Aufgaben:
Aufgaben:
Aufgaben:
Die Kreditwürdigkeit eines Unternehmens wird durch Agenturen festgestellt. Dabei spielen folgende Themen eine wichtige Rolle.
Delkredere:
Übernahme der Garantie für die Zahlungsfähigkeit eines Schuldners
Vorfinanzierung:
Der Factor finanziert die Forderung an den Kunden vor.
Debitorenmanagements:
Debitorenbuchhaltung, Bonitätsprüfungen, Mahnwesen und Inkasso
Der Preis und der Zahlungsverlauf werden anhand der gewonnenen Erkenntnisse festgestellt. Es erfolgen ggf. Zuschläge zum Listenpreis, um das Risiko abzumildern.
· Machine Learning Komplettkurs mit Python [2023 Edition]
· Natural Language Processing für Data Science mit Python
· Artificial Intelligence und Reinforcement Learning in Python
· Deep Learning, Neuronale Netze & AI: Der Komplettkurs (2023)
· Deep Learning, Neuronale Netze und TensorFlow 2 in Python
· Der große Deep Learning Kurs mit Keras und TensorFlow 2
Produkte
Python, Keras, MathWork, YouTube, SciPy, Kaggle, towardsdatascience, Sklearn
Report Services
Microsoft BI
Power BI
KI, ML, Neuronale Netze durch E-Learning
Konzeption und Entwicklung Data Warehouse, ETL, Business Intelligence, Kennzahlen
MicroStrategy
Riverton
Sybase
Merant
Mercury
Quest Software
SAP
Informatica
Sonstige
Erfahrungen in
Besondere Kenntnisse besonders für Data Mining
Visual Studio (C#, VB)
Data Warehouse
Data Mining
ETL
Kennzahlensysteme
Migration
CRM
Projektmanagement
Deutschland: alle PLZ-Gebiete, vorzugsweise Berlin
Das Unternehmen besteht aus mehreren Standorten, in denen große Stahlelemente, wie T-Träger mit LKWs
angeliefert und abgeholt werden. Es befinden sich Säge, Bohr-, Strahlanlagen und anderes Gerät im Einsatz,
deren Lauf- und Standzeiten elektronisch erfasst und in eine CSV-Datei übertragen werden. Diese Dateien aus
unterschiedlichen Standorten und von unterschiedlichen Anlagen sollen analysiert und anschaulich hinsichtlich
Produktivität, Aktivität und Unproduktivität gegenüber dem Management präsentiert werden, um tägliche Über-
sicht über Schwachstellen im Ablauf zu gewinnen.
Die Maschinenzeiten werden verglichen mit der Anzahl eingesetzter Mitarbeiter. Diese Information kommt aus
SAP.
· Analyse der verfügbaren Daten.
· Einlesen der Mitarbeiterdaten aus der SAP-Datenbank
· Erstellen eines Datenmodells
· Programmierung eines Ladeprogramms für die tägliche Auswertung der CSV-Dateien
· Erstellen von Dashboards für unterschiedliche Maschinentypen
· Erstellen von Dashboards für die Darstellung der Produktivität aller Standorte und Anlagen
· Machine Learning Komplettkurs mit Python [2023 Edition]
· Natural Language Processing für Data Science mit Python
· Artificial Intelligence und Reinforcement Learning in Python
· Deep Learning, Neuronale Netze & AI: Der Komplettkurs (2023)
· Deep Learning, Neuronale Netze und TensorFlow 2 in Python
· Der große Deep Learning Kurs mit Keras und TensorFlow 2
Es besteht eine umfangreiche BI-Lösung mit multidimensionalen Cubes, die mit SSAS erstellt wurden.
· Diese Lösungen sollen erweitert und verbessert werden.
· Für die Produktion müssen fortlaufend Daten erfasst werden, was mit Excel und einem in VBA
entwickelten Programm geschieht.
· Bestehende VBA-Programme unter Excel werden mit ChatGPT nach Typescript und in Power Apps
übersetzt.
· Aussagekräftige Dash-Boards sind zu erstellen.
· KPI werden definiert.
· Die Anforderungen der Anwender müssen aufgenommen, analysiert und dokumentiert werden.
· Alle Cubes werden in das tubulare Modell unter Power BI überführt.
? Es soll ein Reporting-System unter Power BI erstellt werden, das ?auf den ersten Blick erkennen lässt, wo man
steht?.
? Die Grafiken und Tabellen sollen in Dashboards so angeordnet sein, dass anschaulich und aussagekräftig für
den jeweiligen Bereich sind.
? Eintauchen in die Details soll dennoch möglich sein.
? Bidirektionale Tabellenlinks werden auf 1:n-Beziehungen zurückgeführt.
? Statt Links über Namen werden technische Keys auf Integer-Werten eingeführt.
? Die Dimensions- und Faktenbeziehungen werden für Power-BI als Starschema optimiert.
? Die Dash-Boards. werden nach Regeln des Information Design erstellt. (Weniger ist mehr).
? Für den Verkauf wird ein Soll-Ist-Vergleich zu budgetierten Werten und ein Forecast bis zum Ende des Jahres
erstellt.
* Die vorhergesagten Verkaufszahlen werden mit Python durch Exponentielle Glättung erzeugt.
* Die Schnittstellen zu Produktionseinrichtungen werden mit C# programmiert.
* Benutzerverwaltung in C# programmiert.
* Es werden unterschiedliche Auswertungsebenen (Abteilungen, Werkstätten, Firmen) geschaffen.
* Jede Ebene wird mit Dash-Boards präsentiert, die Tabellen, Grafiken und Datenschnitte enthalten.
? Jeder Analyse- und Entwicklungsschritt wird dokumentiert und mit den Kunden vor der Umsetzung be-
sprochen.
? Es existieren mehrere Microsoft BI Lösungen, mit SSIS, SSAS und Power BI
? Erweiterung der Datenbelieferung mit SSIS
? Fehlerbehebung und Erstellung neuer Auswertungen mit SSAS
? Anpassen bestehender Reports mit SSRS
? Unterschiedliche Benutzer, Meister in der Produktion, Marketing, Geschäftsleitung erhalten unterschiedliche
Dashboards.
? Für Power-BI-Lösungen wird ein Berechtigungskonzept erstell.
? Es wird Row-Level-Security eingeführt für die Reduktion der Datensätze, die für die einzelnen Anwender
sichtbar sein sollen
? Es wird Object-Level-Security eingeführt für die Reduktion der Tabellen, Spalten und Measures, die für die
einzelnen Anwender sichtbar sein sollen.
? Die Verwendeten Datenmodelle werden auf Ihre Richtigkeit für Power BI untersucht und korrigiert.
? Die Daten zweier Firmen werden zusammengeführt.
? Beide Firmen haben jeweils ein Reporting unter Power BI.
? An der Oberfläche soll sich nichts ändern.
? Die unterschiedlichen Power-BI-Dateien werden zu einer Datei zusammengeführt.
? Dabei werden die Daten aus unterschiedlichen Quellen entnommen, damit das Berichtswesen sowohl für
jede einzelne Firma, als auch für beide Firmen zusammen präsentiert werden kann.
? Für beide Firmen existieren gleiche Zahlen als Keys aber mit je nach Firma unterschiedener Bedeutung.
? Manche Keys sind aber auch gleich, d.h. sie sollen dieselben Bedeutung haben; z.B. haben beide Firmen
manchmal dieselben Kunden und Lieferanten.
? Dies wird im Hintergrund mit der Power Query M-Language realisiert.
? Für viele Tabellen bzw. Abfragen müssen hierzu identische Prozeduren ablaufen. Der Code wird mit Hilfe
von Excel und VBA erzeugt.
? Analyse der SQL-Statements beim Zugriff auf Datenbanken
? Daten abrufen über Onlinedienste
? Transformieren der SQL-Statements in die Power Query M ? Formelsprache
? Schulung von Mitarbeitern in Power BI
? Weiterentwicklung eines DWH-Systems
? Erweiterung und Neuentwicklung von Power-BI-Reports
? Zugriff mit SQL auf die Daten in einer MS-SQL-Datenbank
? Weiterentwicklung eines Qubes
? Erstellen neuer ETL-Strecken mit SSIS
? Erstellen von Measures mit DAX in Power BI
? Schulung von Mitarbeitern in Power BI
Rolle: Analyst und Entwickler
? Aufbau eines DWH-Systems
? Analyse des bestehen Reporting
? Erweiterung der analytischen Möglichkeiten und der grafischen Darstellungen
? Zugriff auf die Daten in einer MS-SQL-Datenbank
? Definition und Erstellen des Datenmodells unter Power BI
? Erstellen von Measures mit DAX in Power BI
? Zugriff für Anwender über powerbi.com
? Analysieren der Abläufe zwischen Kunden und Krankenkasse
? Bestimmung des Deckungsbeitrags
? Analysieren der Kundenzufriedenheit
? Beurteilen der potentiellen Kunden zur Umwandlung in Bestandskunden
zwischen Bestellung, Bereitstellung im Lager und Auslieferung
Fortführung und Pflege der Daten und Berichte aus einem
früheren Projekt:
Aufgaben:
Design der Anwendung mit MVC
Erstellen der Anwendung mit
MVC
Aufgaben:
Aufgaben:
Aufgaben:
Aufgaben:
Aufgaben:
Die Kreditwürdigkeit eines Unternehmens wird durch Agenturen festgestellt. Dabei spielen folgende Themen eine wichtige Rolle.
Delkredere:
Übernahme der Garantie für die Zahlungsfähigkeit eines Schuldners
Vorfinanzierung:
Der Factor finanziert die Forderung an den Kunden vor.
Debitorenmanagements:
Debitorenbuchhaltung, Bonitätsprüfungen, Mahnwesen und Inkasso
Der Preis und der Zahlungsverlauf werden anhand der gewonnenen Erkenntnisse festgestellt. Es erfolgen ggf. Zuschläge zum Listenpreis, um das Risiko abzumildern.
· Machine Learning Komplettkurs mit Python [2023 Edition]
· Natural Language Processing für Data Science mit Python
· Artificial Intelligence und Reinforcement Learning in Python
· Deep Learning, Neuronale Netze & AI: Der Komplettkurs (2023)
· Deep Learning, Neuronale Netze und TensorFlow 2 in Python
· Der große Deep Learning Kurs mit Keras und TensorFlow 2
Produkte
Python, Keras, MathWork, YouTube, SciPy, Kaggle, towardsdatascience, Sklearn
Report Services
Microsoft BI
Power BI
KI, ML, Neuronale Netze durch E-Learning
Konzeption und Entwicklung Data Warehouse, ETL, Business Intelligence, Kennzahlen
MicroStrategy
Riverton
Sybase
Merant
Mercury
Quest Software
SAP
Informatica
Sonstige
Erfahrungen in
Besondere Kenntnisse besonders für Data Mining
Visual Studio (C#, VB)
Data Warehouse
Data Mining
ETL
Kennzahlensysteme
Migration
CRM
Projektmanagement
"Der Consultant war bei T-Systems mit dem Thema Datenqualität im Umfeld des Zugangsnetzes (Verbindung des Kunden mit dem nächsten Netzknoten) der T-Com beauftragt. Die Oracle-Datenbank war das Ergebnis eines Migrationsprozesses von Anwendungen zur Verwaltung dieses Netzes. Die Aufgabe des Consultant war die technische und inhaltliche Überprüfung der Daten. Die hierbei verwendeten Werkzeuge und Programmiersprachen waren ORACLE 9.2, SQL, PL/SQL, SDO(Spatial Data Option), TOAD, Microsoft Access und Excel. Die Datenbankgröße bewegt sich im Bereich eines halben Terrabytes. Einzelne Tabellen haben mehrere 100 Mio. Datensätze. Der Consultant hat die ihm übertragenen Aufgaben zu unserer vollen Zufriedenheit ausgeführt."
— ProjektDatenqualität im Projekt Plural Access, 11/04 - 12/04
Referenz durch Projektverantwortlicher DB, T-Systems Nova GmbH, vom 15.12.04