Business Intelligence

Die Macht der Mustererkennung

Was, wenn euer System selbst erkennt, was als nächstes passiert?

Machine Learning auf Basis von Big Data kann:
→ Muster in historischen Daten identifizieren
→ Aufgaben automatisieren, die heute noch manuell erledigt werden
→ Prognosen treffen, die menschliche Analysten allein nicht leisten können

Das ist keine Zukunftsmusik. Das ist der aktuelle Stand – für Unternehmen, die ihre Dateninfrastruktur konsequent aufgebaut haben.

Wer heute in Data Warehouse-Architekturen investiert, investiert in die KI-Fähigkeit von morgen.

#MachineLearning #BigData #AIReadiness #DataWarehouse #Automatisierung

SSIS Scriptkomponente als Quelle für WEB-API

Es gibt einige Web-APIs, die z.B. XML oder csv-Files liefern. Um die in unsere Datenbank zu bekommen eignet sich zum Beispiel die Skriptkomponente des SSIS.
Ich möchte das hier am Beispiel der IBKR(Interaktiv-Broker) Flexquerie zeigen, die für Auswertungszwecken ein XML-File über die eingegangenen Geschäfte zur Verfügung stellt.
Die grundlegende URL für die Abfrage lautet https://gdcdyn.interactivebrokers.com/Universal/servlet/FlexStatementService.SendRequest?t={token}&q={queryId}&v=3
Wobei {token} durch den von IBKR zur Verfügung gestellten Token und {queryId} durch eben jene zu ersetzen sind.
Man legt sich also ein neues SSIS-Projekt im VS (hier VS2022) an.
Legt sich eine Verbindung zur Datenbank (hier Optiontrading) an und fügt einen Datenbankfluss hinzu.

Für den Abruf der Daten fügt man einen HTTP-Verbindungsmanager (hier IBKR) hinzu. Weiterlesen…

Was ist Business Intelligence wirklich?

Business Intelligence ist kein Tool. Es ist ein Prozess.
Viele verwechseln BI mit einem Dashboard oder einem Reporting-Tool. Aber der eigentliche Kern ist ein anderer:
Daten sammeln – aus allen relevanten Quellen
Daten analysieren – strukturiert und nachvollziehbar
Erkenntnisse nutzen – für fundierte Entscheidungen
Das klingt simpel. In der Praxis scheitern Projekte genau an diesen drei Schritten – meist an der Datenqualität oder fehlenden Architekturen.
Gute BI-Systeme entstehen nicht durch Tools, sondern durch durchdachtes Design.
Was war euer größtes Lernfeld bei einem BI-Projekt?

#BusinessIntelligence #DataQuality #DWH #DataArchitecture #ITConsulting

Daten als Machtfaktor

Daten sind nicht nur eine technische Ressource. Sie sind ein strategischer Machtfaktor.

Unternehmen, die große Datenmengen sinnvoll nutzen:
✔ Verbessern ihre Produkte und Services kontinuierlich
✔ Treffen bessere Entscheidungen schneller
✔ Beeinflussen ganze Branchen und Märkte

Ich erlebe das täglich in meiner Arbeit mit öffentlichen und privatwirtschaftlichen Auftraggebern: Wer seine Daten nicht beherrscht, verliert mittelfristig den Anschluss.

Big Data ist kein Hype. Es ist Infrastruktur – genauso unverzichtbar wie Strom oder Internet.

Wie reif ist das Datenmanagement in eurer Organisation?

#BigData #DataDriven #Digitalisierung #PublicSector #BusinessIntelligence #DataManagement

Reaktiv vs. Proaktiv

Die meisten Unternehmen merken erst, dass der Umsatz einbricht, wenn es zu spät ist.

Mit prädiktiver Analyse gehört das der Vergangenheit an.

Big Data + Machine Learning ermöglichen es heute:
✔ Umsatzrückgänge vorherzusagen, bevor sie eintreten
✔ Proaktiv Maßnahmen einzuleiten statt nur zu reagieren
✔ Dashboards zu bauen, die nicht nur zeigen wo es brennt – sondern wo es brennen wird

Der Unterschied zwischen reaktivem Controlling und echter Business Intelligence ist kein kleiner. Er entscheidet über Marktanteile.

Ihr wollt wissen, wie das konkret aussieht? Schreibt mir gern eine Nachricht.

#PredictiveAnalytics #MachineLearning #BI #DataDriven #Controlling

Daten als das „neue Öl“ – aber richtig verstanden

Daten sind das neue Öl. Aber nur, wenn man sie raffiniert.
Rohöl ist wertlos, solange es nicht verarbeitet wird. Genauso verhält es sich mit Daten: Gesammelt, aber nicht analysiert, bringen sie nichts.
Was viele Unternehmen noch nicht verstanden haben:
→ Daten müssen extrahiert, gespeichert und aufbereitet werden
→ Erst dann entstehen Erkenntnisse, die echte Geschäftsentscheidungen ermöglichen
→ Wer das beherrscht, verschafft sich einen klaren Wettbewerbsvorteil
In über 20 Jahren DWH- und BI-Projekten sehe ich immer wieder dasselbe: Die Daten sind da. Die Architektur fehlt.
Was ist eure größte Herausforderung im Umgang mit euren Daten?

#BigData #BusinessIntelligence #DataWarehouse #DataStrategy #DigitalTransformation

Aggregatfunktionen für Auswertungen

Um ein Total bei der Summenbildung hinzuzufügen kann man die group by Funktion über Grouping Sets erweitern.
Hier am Beispiel einer Aggregation über Steuerklassen.

select
	umm.MWSTID
        ,m.Steuersatz
	,summeAusg = format(sum(umm.[UmsatzBetrag]), 'n2', 'de-de')
	,summeEsrt = format(sum(umm.[SplitSteuer]), 'n2', 'de-de')
	, 'Total'  = grouping(umm.MWSTID)

  FROM [dbo].[UmsatzMwSt] umm

  inner join [dbo].[Umsätze] um 
  on umm.UmsatzID = um.ID

  left join [dbo].[MWST] m
  on umm.MWSTID = m.ID

  where um.[ImportDat] is Not NULL
 group by Grouping sets((m.Steuersatz, umm.MWSTID), ())
 order by  Total, umm.MWSTID

Das sieht dann so aus. Die 1 in der Spalte 'Total' markiert die Gesamtsumme.

Die beiden Spalten Steuersatz und MWSTID bilden das Set über das gruppiert werden soll. Die Klammer weißt an, dass über alles das Total zu bilden ist.

#T-SQL, #Aggregate

Natürliche Sprache statt Klick-Dashboards – ist das die Zukunft von BI?

Mit dem Model Context Protocol (MCP) wird etwas möglich, das vor zwei Jahren noch deutlich komplizierter war:

KI-Agenten direkt in BI-Tools wie Power BI oder Tableau einbinden – und Daten einfach in normaler Sprache abfragen.

Statt: „Wo ist der richtige Filter, welche Seite, welches Visual?“
Einfach: „Zeig mir den Umsatz der letzten 3 Monate nach Region, ohne Retouren.“

Das klingt simpel – und genau das ist der Punkt. Weiterlesen…

KI ersetzt keine Dashboards. Sie macht sie smarter.

Viele denken gerade: „Wozu noch Power BI, wenn ich die KI einfach fragen kann?“

Ganz so einfach ist es nicht.

Weiterlesen…

Meldewesen / Regulatory Reporting Meldewesen klingt trocken. Ist es aber nicht – zumindest nicht aus Datensicht.

Ich arbeite seit Jahren an regulatorischen Reporting-Lösungen für Banken (u. a. FMS, FinRep, Anacredit, VERA, Pfandbrief-Meldungen an OeNB und Deutsche Bundesbank).

Was die wenigsten wissen: Hinter jeder Meldung steckt ein hochkomplexes DWH-Problem.

Weiterlesen…