Die übergeordnete Zielstellung des Projektes ist die Entwicklung mehrerer Modelle zur Erkennung von Versicherungsbetrug in den Bereichen KFZ und Hausrat. Dabei wurden im Projektverlauf nach und nach iterativ weitere Datenquellen erschlossen, erste einfache (z.B. regelbasierte) Modelle deployt, in den Produktivbetrieb überführt und die konkrete Zielstellung (u.a. automatisierte Unterstützung bei der Erhöhung der Aussteuerungsrate zur manuellen Prüfung, Identifikation von Betrugsfällen, individuelle Schätzung der Wirtschaftlichkeit einer manuellen Prüfung von Verdachtsfällen) angepasst.

Inhalt des Projektes sind Support und Wartung der standardisierten Prozesse und automatischen Auswertung von Finanzkennzahlen eines Private Equity Unternehmens.

Das Land XY erhebt und speichert erhebliche Mengen an Daten, welche im ISA-System nutzbar gemacht werden. Gestaffelt nach den Adressaten Bürger:innen, Abgeordnete sowie Resorts wurde eine einheitliche ISA Online Plattform bereitgestellt, über die sich Berichte zu den Bereichen Haushalt (inkl. Länder-Vergleich) und Personal abrufen lassen. Für das System wurde der fortlaufende Betrieb sichergestellt. Dazu wurden die Dateninhalte regelmäßig aktualisiert und die Datenstrukturen an geänderte Rahmenbedingungen angepasst. Weiterhin wurden im Rahmen von Architekturanalysen Projekt- und Systemstrukturen weiterentwickelt.

 Ziel des Projekts war die Betreuung aller Self-Service Power BI-User in den europäischen Niederlassungen des Kunden und Administration der Report Server.
Unser Berater unterstützte beim Aufbau von Arbeitsbereichen auf dem Power BI-Report Server. Zudem erfolgte die Beratung bei allen technischen Fragestellungen zu Power BI. Außerdem kümmerte er sich um die Administration von Datenbank- und Applikationsserver der verschiedenen Power BI-Report Server Umgebungen.

Das Projekt ging in einen laufenden Support über.  

Ein Konzern benötigte eine zentrale Anlaufstelle für die Auswertung von Daten, die in verschiedenen Quellsystemen erfasst werden. Die Aufgabe bestand darin, die Daten mittels Azure Data Factory zusammenzuführen und in einem DWH zu harmonisieren. Auf dieser geschaffenen Datenbasis sollten neue Kennzahlen berechnet und anschaulich in PowerBI visualisiert werden.

Hierfür wurden ein DWH mit Historisierung konzipiert und die Daten zusammengeführt und aufbereitet. Zur Erstellung und Darstellung der Berichte wurde PowerBI-Service mit einem strikten Rollenkonzept inkl. Rechteverteilung genutzt. Nach Umsetzung aller Anforderungen wurde der Kunde bei Fragestellungen und auftretenden Fehlern durch ein Support-Team unterstützt.

Inhalt des Projektes war die Migration und Weiterentwicklung von vorhandenen Excel-Reports nach PowerBI. Dies sollte durch die Übermittlung vorhandener Daten von SAP mittels OData umgesetzt werden. Ziel war die Ableitung und Visualisierung wichtiger KPIs, sodass monatliche und wöchentliche Trends ohne manuelle Aufwände ausgewertet werden können.

Inhalt des Projektes war die Unterstützung der etappenweisen Einführung von PowerBI in einem Konzern.

Für den Bestellprozess beim Kunden sollten Bestellungen, welche als Mail-Text oder PDF eingehen, automatisiert ausgelesen werden.

Ziel des Projektes war es, einen Prototyp zu entwickeln, der diesen Prozessschritt vollständig automatisiert, inklusive der Übergabe der Eingangsdateien an die Softwarelösung und der Weitergabe der Auftragsdaten an das nachfolgende Softwaremodul.

Für Entscheider auf Management-Ebene sollten steuerungsrelevante Kennzahlen über die laufenden und geplanten Projekte übersichtlich in Reports dargestellt werden. Die Daten lagen in einem ERP-System (Business Central) vor. Diese wurden geladen, aufbereitet und modelliert. Außerdem wurden mithilfe von Power BI die Daten in adressatengerechten Reports dargestellt und den Kunden präsentiert. Die erstellten Reports werden von den Managern laufend genutzt, um Kapazitäten zu planen, Deckungsbeiträge zu ermitteln und Projektkosten zu steuern.

Für verschiedene Fachbereiche einer Bank sollten Reports erstellt und in entsprechenden Arbeitsbereichen veröffentlicht werden. Für die Reports benötigte Daten wurden mithilfe von Power BI-Desktop von einer Azure SQL Datenbank geladen und aufbereitet. Diese wurden als Datasets in Power BI-Service abgelegt und schließlich mit Power BI-Report Builder geladen, um die finalen Reports zu bauen.