Power BI Reporting und Automatisierung bei einer Versicherung

[vc_row el_class="container"][vc_column][vc_btn title="Referenzen" style="classic" shape="square" color="btn-light-orange-blue" i_icon_fontawesome="fa fa-angle-double-left" add_icon="true" link="url:http%3A%2F%2Fwww.tiq-solutions.de%2Freferenzen%2F|title:Referenzen||"][/vc_column][/vc_row][vc_row el_class="container reference-mobile" el_id="reference-detail-layout"][vc_column el_class="reference-detail-layout-left .reference-mobile-order-2" offset="vc_col-lg-8 vc_col-md-8"][vc_row_inner][vc_column_inner][vc_single_image image="11085" img_size="750x495" el_class="reference-detail-layout-left-image"][/vc_column_inner][/vc_row_inner][vc_tta_accordion shape="square" gap="20" c_position="right" active_section="1" el_class="reference-detail-left-accordion min-height-five-hundred"][vc_tta_section title="Die Herausforderung" tab_id="1508250369004-11fd70c1-c50a"][vc_column_text]Unser Kunde, ein international tätiges Versicherungsunternehmen, plante eine Umstrukturierung seines bestehenden Berichtsystems zu einem zentralen und interaktiven Reportingsystems, welches direkt mit dem Data Warehouse verbunden werden sollte. Für die Entwicklung dieses Systems sollte das BI-Tool Power BI verwendet und in die bestehende IT-Landschaft des Unternehmens integriert werden. Die Berichte untergliedern sich in interne und externe Reports, die interaktiven internen Reports sollen für die Fachbereiche und die standardisierten externen Reports für den Endkunden erstellt werden. Darüber hinaus sollte der gesamte Reporting-Prozess automatisiert ablaufen, ohne weitere manuelle Arbeit in der Prozesskette.[/vc_column_text][/vc_tta_section][vc_tta_section title="Der Lösungsweg" tab_id="1508250369051-4a626d72-344d"][vc_column_text]In diesem Projekt unterstützte und beriet das Team von TIQ Solutions dabei ein automatisiertes Reportingsystem bei dem Kunden aufzubauen. Im ersten Schritt wurde mit dem Kunden eine Anforderungsanalyse durchgeführt. Diese diente dazu den Ist-Zustand des aktuellen Berichtsystems festzustellen. Es wurde u.a. die Analyse der vorhandenen Schnittstellen, Datenstruktur und Datenqualität durchgeführt. Dadurch konnte die Konzeption eines Prototyps des neuen Berichtssystems realisiert werden. Im zweiten Schritt wurden in Power BI zentrale KPIs berechnet, Datenmodelle entwickelt, Daten interaktiv visualisiert und das funktionierende Berichtssystem in die bestehende IT-Landschaft des Unternehmens integriert. Ein zentraler Punkt war die Entwicklung eines automatisierten Prozesses für die Erstellung externer Reports mit Power Automate und Office Script. Darüber hinaus wurde aus dem Bereich Data Governance ein Datenberechtigungs- und Sicherheitskonzept erarbeitet, um Verantwortlichkeiten für Datenströme im Unternehmen zu definieren. Der gesamte Workflow wurde ausführlich dokumentiert.[/vc_column_text][/vc_tta_section][vc_tta_section title="Das Ergebnis" tab_id="1508252697978-ef0a40d1-ea09"][vc_column_text]Es wurde ein neues und zentralisiertes Berichtssystem für die Bereitstellung interaktiver Reports entwickelt und im Unternehmen implementiert. Der gesamte Prozess von der Datenabfrage aus der Datenbank bis zum Versand der standardisierten Berichte zu den externen Kunden läuft automatisiert und ist ohne weitere manuelle Arbeit funktionsfähig. Das aufgebaute Berichtssystem wurde in die bestehende IT-Umgebung integriert, stellt den Fachbereichen ihre Daten visuell zur Verfügung und unterstützt diese bei ihrer alltäglichen Arbeit[/vc_column_text][/vc_tta_section][/vc_tta_accordion][vc_row_inner][vc_column_inner][vc_custom_heading text="Grafik zur Kundenreferenz" font_container="tag:h4|text_align:left|color:%23193d66" use_theme_fonts="yes"][/vc_column_inner][/vc_row_inner][vc_row_inner css=".vc_custom_1655286009323{margin-top: 25px !important;}"][vc_column_inner][vc_single_image image="11100" img_size="full"][/vc_column_inner][/vc_row_inner][/vc_column][vc_column offset="vc_col-lg-4 vc_col-md-4" el_class=".reference-mobile-order-1"][vc_row_inner el_class="background-color-grey reference-detail-right-sidebar-one"][vc_column_inner][vc_column_text] PROJEKT INFORMATIONEN Kunde Versicherungsbranche Anwendungsfall Implementierung eines neuen Business Intelligence-Reportingsystems mittels Power BI Zielsetzung Ablösung des bestehenden Reporting Systems durch Power BI Entwicklung von Power BI Reports für internes und externes Reporting Automatisierung der Prozesse mit Power Automate und Office Script Einbindung in bestehende IT-Lanschaft Visualisierung Beratung bei Anwendung Technologie Power BI, DAX, Power Automate, Excel, Office Scripts Kundenvorteile Einheitliche Plattform für interne und externe Reports Automatisierter Prozess Einbindung in Umgebung mit Datenbankschnittstellen Weniger manuelle Schritte nötig Interaktive Analyse [/vc_column_text][/vc_column_inner][/vc_row_inner][/vc_column][vc_column offset="vc_col-lg-4 vc_col-md-4" el_class="reference-mobile-order-3"][vc_row_inner el_class="reference-detail-right-sidebar-one-heading"][vc_column_inner][vc_custom_heading text="DIESE REFERENZEN KÖNNTEN SIE AUCH INTRESSIEREN:" font_container="tag:h6|text_align:left|color:%23193d66" use_theme_fonts="yes"][/vc_column_inner][/vc_row_inner][vc_row_inner el_class="background-color-grey reference-detail-right-sidebar-two"][vc_column_inner][tiq_reference_link_box tiq_reference_link="url:https%3A%2F%2Fwww.tiq-solutions.de%2Freferenzen%2Fdatenqualitaetsmanagement-in-der-chemieindustrie%2F|title:Datenqualit%C3%A4tsmanagement%20in%20der%20Chemieindustrie|target:_blank"][tiq_reference_link_box tiq_reference_link="url:https%3A%2F%2Fwww.tiq-solutions.de%2Freferenzen%2Fcustomer-analytics-in-der-retailbranche%2F|title:Customer%20Analytics%20in%20der%20Retailbranche"][/vc_column_inner][/vc_row_inner][/vc_column][/vc_row][vc_row el_class="container"][vc_column][tiq_start_service_boxes start_service_box_1_image="10224" start_service_box_2_image="10225" start_service_box_3_image="10226" start_service_box_4_image="10223" start_service_box_5_image="10222" start_service_convert_as_slider="true" start_service_title="Unsere Leistungen" start_service_box_1_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fadvanced-analytics%2F|title:Advanced%20Analytics||" start_service_box_1_title="Advanced Analytics" start_service_box_2_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fbusiness-intelligence%2F|title:Business%20Intelligence||" start_service_box_2_title="Business Intelligence" start_service_box_3_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fbig-data%2F|title:Big%20Data||" start_service_box_3_title="Big Data" start_service_box_4_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fdatenqualitaet%2F|title:Datenqualit%C3%A4tsmanagement" start_service_box_4_title="Graphdaten" start_service_box_5_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fberatung%2F|title:Beratung||" start_service_box_5_title="Beratung" start_service_box_6_url="|||"][/vc_column][/vc_row] ...

Reporting mit R und RMarkdown in der Finanzbranche

[vc_row el_class="container"][vc_column][vc_btn title="Referenzen" style="classic" shape="square" color="btn-light-orange-blue" i_icon_fontawesome="fa fa-angle-double-left" add_icon="true" link="url:http%3A%2F%2Fwww.tiq-solutions.de%2Freferenzen%2F|title:Referenzen||"][/vc_column][/vc_row][vc_row el_class="container reference-mobile" el_id="reference-detail-layout"][vc_column el_class="reference-detail-layout-left .reference-mobile-order-2" offset="vc_col-lg-8 vc_col-md-8"][vc_row_inner][vc_column_inner][vc_single_image image="11072" img_size="750x495" el_class="reference-detail-layout-left-image"][/vc_column_inner][/vc_row_inner][vc_tta_accordion shape="square" gap="20" c_position="right" active_section="1" el_class="reference-detail-left-accordion min-height-five-hundred"][vc_tta_section title="Die Herausforderung" tab_id="1508250369004-11fd70c1-c50a"][vc_column_text]Die steigende Menge an Daten und die Zunahme an Prozessen im Finanzsektor hat Auswirkungen auf die Anforderung im Reporting. Zum einen müssen die Daten besser zu Informationen verdichtet werden und zum anderen ist die Datenqualität sicherzustellen. Bisher erstellte unser Projektpartner die Reports individuell für einzelne Prozess-Schritte mit Hilfe von einzelnen Skripten aus verschiedenen Programmiersprachen. Dies führte zu großer Unübersichtlichkeit, wenig Standardisierung, zu vielen manuellen Schritten und Redundanz in der Verarbeitung. Da die Datenmenge außerdem die zuvor genutzte Infrastruktur überstieg, wurde die Migration der Daten mit einer skalierbaren Lösung bereits angestrebt. In diesem Zuge wurde die Neuausrichtung des Reporting wichtig. In diesem Schritt sollten diese Berichte auch automatisiert zu bestimmten Zeitpunkten erstellt werden können und dazu in die neu entwickelte Landschaft mit User-Interface eingepflegt werden. Die Erstellung von Reports sollte zukünftig einheitlicher, automatisierter und schneller ablaufen.[/vc_column_text][/vc_tta_section][vc_tta_section title="Der Lösungsweg" tab_id="1508250369051-4a626d72-344d"][vc_column_text]In diesem Projekt unterstützte das Team von TIQ Solutions bei der Migration der Reports in die neue Datenstruktur basierend auf R und Python. Dazu wurden die einzelnen Berichte nach und nach in R und RMarkdown übersetzt, um einfach strukturierte Skripte als Basis für die Reports zu bilden. So ist der Aufbau für Außenstehende nachvollziehbar und leicht anzupassen. Außerdem ist die Visualisierung komplexer Sachverhalte in R sehr gut umsetzbar. Die migrierten Reports wurden nach und nach vereinheitlicht und an die bestehenden Standards angepasst. Redundanzen in den Berechnungen konnten so minimiert werden und die Berichte robuster implementiert werden. Die Berichterstellung wurde in das Framework integriert, und ein Zugriff auf Python-Funktionalität wurde ermöglicht. Damit ist auch eine Erstellung der Reports außerhalb von R und eine Integration in ein User-Interface möglich. Die Implementierung wurde den Endanwendenden präsentiert und bei der Nutzung unterstützt. In diesem Zuge wurde eine ausführliche Dokumentation entwickelt.[/vc_column_text][/vc_tta_section][vc_tta_section title="Das Ergebnis" tab_id="1508252697978-ef0a40d1-ea09"][vc_column_text]Eine einheitliche Funktionalität wurde geschaffen, um verschiedene Berichte standardisiert zu generieren. Alle Reports beruhen auf einer minimalen Menge an Funktionen und können trotz unterschiedlicher Inhalte über die gleiche Oberfläche erstellt werden. Die Berichterstellung wurde in ein Landschaft von Funktionalitäten integriert und ermöglicht die Nutzung auch außerhalb von R.[/vc_column_text][/vc_tta_section][/vc_tta_accordion][/vc_column][vc_column offset="vc_col-lg-4 vc_col-md-4" el_class=".reference-mobile-order-1"][vc_row_inner el_class="background-color-grey reference-detail-right-sidebar-one"][vc_column_inner][vc_column_text] PROJEKT INFORMATIONEN Kunde Finanzbranche Anwendungsfall Migration von verschiedenen Reports in ein einheitliches Framework und Harmonisierung der Prozesse Aufgaben Zeitliches Synchronisieren und Harmonisieren der Daten Automatisches Erfassen der Verhaltensmuster je Roboter Modellieren der Zusammenhänge Prognostizieren von Ausfällen Zielsetzung Migration aller bestehender Reports in R und RMarkdown Harmonisierung von Funktionen Einbindung in bestehende Prozesse Visualisierung Unterstützung für Anwendende Technologie RStudio, R, RMarkdown, Jupyter Hub, Python, Camunda Kundenvorteile Einheitliche Plattform für alle erstellten Reports Harmonisierung von Prozessen und Entfernung von Duplikaten Einbindung in Umgebung mit User-Interface Weniger manuelle Schritte nötig Schnelle Analysen [/vc_column_text][/vc_column_inner][/vc_row_inner][/vc_column][vc_column offset="vc_col-lg-4 vc_col-md-4" el_class="reference-mobile-order-3"][vc_row_inner el_class="reference-detail-right-sidebar-one-heading"][vc_column_inner][vc_custom_heading text="DIESE REFERENZEN KÖNNTEN SIE AUCH INTRESSIEREN:" font_container="tag:h6|text_align:left|color:%23193d66" use_theme_fonts="yes"][/vc_column_inner][/vc_row_inner][vc_row_inner el_class="background-color-grey reference-detail-right-sidebar-two"][vc_column_inner][tiq_reference_link_box tiq_reference_link="url:https%3A%2F%2Fwww.tiq-solutions.de%2Freferenzen%2Fbig-data-analytics-und-dashboarding-fuer-stimmungsbarometer-mit-social-listening%2F|title:Big%20Data-Analytics%20und%20Dashboarding%20f%C3%BCr%20Stimmungsbarometer%20mit%20Social%20Listening"][tiq_reference_link_box tiq_reference_link="url:https%3A%2F%2Fwww.tiq-solutions.de%2Freferenzen%2Fcustomer-analytics-in-der-retailbranche%2F|title:Customer%20Analytics%20in%20der%20Retailbranche"][/vc_column_inner][/vc_row_inner][/vc_column][/vc_row][vc_row el_class="container"][vc_column][tiq_start_service_boxes start_service_box_1_image="10224" start_service_box_2_image="10225" start_service_box_3_image="10226" start_service_box_4_image="10223" start_service_box_5_image="10222" start_service_convert_as_slider="true" start_service_title="Unsere Leistungen" start_service_box_1_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fadvanced-analytics%2F|title:Advanced%20Analytics||" start_service_box_1_title="Advanced Analytics" start_service_box_2_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fbusiness-intelligence%2F|title:Business%20Intelligence||" start_service_box_2_title="Business Intelligence" start_service_box_3_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fbig-data%2F|title:Big%20Data||" start_service_box_3_title="Big Data" start_service_box_4_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fdatenqualitaet%2F|title:Datenqualit%C3%A4tsmanagement" start_service_box_4_title="Graphdaten" start_service_box_5_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fberatung%2F|title:Beratung||" start_service_box_5_title="Beratung" start_service_box_6_url="|||"][/vc_column][/vc_row] ...

Datenqualitätsmanagement in der Chemieindustrie

[vc_row el_class="container"][vc_column][vc_btn title="Referenzen" style="classic" shape="square" color="btn-light-orange-blue" i_icon_fontawesome="fas fa-chevron-left" add_icon="true" link="url:http%3A%2F%2Fwww.tiq-solutions.de%2Freferenzen%2F|title:Referenzen||"][/vc_column][/vc_row][vc_row el_class="container reference-mobile" el_id="reference-detail-layout"][vc_column el_class="reference-detail-layout-left .reference-mobile-order-2" offset="vc_col-lg-8 vc_col-md-8"][vc_row_inner][vc_column_inner][vc_single_image image="10188" img_size="750x495" el_class="reference-detail-layout-left-image"][/vc_column_inner][/vc_row_inner][vc_tta_accordion shape="square" gap="20" c_position="right" active_section="1" el_class="reference-detail-left-accordion"][vc_tta_section title="Die Herausforderung" tab_id="1508250369004-11fd70c1-c50a"][vc_column_text]Unser Kunde, ein deutscher Chemiekonzern, suchte methodische und technische Unterstützung bei der Prozessoptimierung des internen Datenqualitätsmanagement (DQM) und des Re-Factoring des DQM-Portals. Zur Sicherstellung der Qualitätsrichtlinien von Daten aus unterschiedlichen SAP-Systemen wurde im Unternehmen bereits eine eigene Abteilung etabliert. Diese verantwortet das Datenqualitätsmanagement in der Stamm- und Bestandsdatenpflege. Des Weiteren liegt in ihrer Aufgabe die Fachabteilungen in der Datenqualität zu beraten und zu unterstützen u.a. mit Analyseberichte zur Datenqualität. Dazu erhalten Sie aus den Fachabteilungen Anfragen zur Datenqualität, welche sie anschließend analysieren und in Form von Berichten zur Verfügung stellen.  Diese Berichte zeigen zum einen fehlerhafte Datensätze auf. Außerdem können ganzheitliche Berichte mit Angaben zur Fehlerquote erzeugt werden. Zur Konsolidierung des Berichtswesens ist bereits ein DQM-Portal etabliert, welches in seiner Funktionalität allerdings an seine Grenzen stößt. Dieses mittlerweile unzureichende interne DQM-Portal zum Berichtswesen sollte auf einen neuen Softwarestand gehoben werden. Um der Herausforderung nachzukommen wurde TIQ Solutions mit der Weiterentwicklung und dem Re-Factoring des DQM-Portals beauftragt, da dies mit internen nur unzureichend umgesetzt werden konnte. Ergänzend zur Herausforderung des Re-Factoring sollte die Plattform um zusätzliche Funktionen erweitert werden. Eine Anpassung der Plattform an das Corporate Design des Unternehmens war ebenso Vorgabe wie eine intuitive Bedienbarkeit und ein intelligentes responsive Design zur Nutzbarkeit auf unterschiedlichen Endgeräten. Neben der Entwicklung des internen DQM-Portals benötigte unser Kunde auch fachliche und methodische Unterstützung in der Weiterentwicklung des internen Datenqualitätsmanagement.[/vc_column_text][/vc_tta_section][vc_tta_section title="Der Lösungsweg" tab_id="1508250369051-4a626d72-344d"][vc_column_text]TIQ Solutions führte ein Re-Factoring des bestehenden DQM-Portals durch und erweiterte es um weitere Funktionalitäten. Im ersten Schritt haben wir das Re-Design entsprechend des Corporate Designs des Kundens angepasst und die Usability auf Basis von UX- und UI-Design verbessert. Des Weiteren haben wir das Projekt in ein entwicklungsfreundliches Versionierungssystem überführt. Gemeinsam mit dem Kunden führten wir eine fachliche und methodische Erweiterung und Optimierung des Umfeldes und der Aufgaben in den verschiedenen Bereichen des Datenqualitätsmanagements und dessen prozessuale Ausgestaltung durch. Zunächst wurde mit der Durchführung von Workshops die strategische Ausrichtung geschärft und mit internen Auftraggebern kommuniziert. Hierbei ging es unter anderem um die Abgrenzung zu anderen Abteilungen, dem Anforderungsmanagement und der Auftragsabwicklung. Im nächsten Schritt wurden Methoden zur Etablierung einer Teamstruktur und der Entwicklung der Teammitglieder entwickelt. Dafür wurden abteilungsspezifische fachliche und technische Mitarbeiterrollen definiert und das Team entsprechend der Kenntnisse und Fähigkeiten zugeordnet. Mit agilen Methoden und Schaffung eines Wertesystem, was von Offenheit und Partizipation geprägt ist, erfolgt die Führung der Mitarbeiter. Ein weiteres Werkzeug ist der praktische Einsatz einer von uns entwickelten dynamischen Auslastungsplanung für die Mitarbeiter, für alle Projekt- und abteilungsrelevanten Tätigkeiten. Für die fachliche und technische Prozessoptimierung entwickelten wir mit dem Kunden einen Deployment- und und Releasemanagement Prozess für die Umsetzung aller Aufträge von Datenqualitätsmanagementanalysen.[/vc_column_text][/vc_tta_section][vc_tta_section title="Das Ergebnis" tab_id="1508252697978-ef0a40d1-ea09"][vc_column_text]Für unseren Kunden haben wir ein DQM-Portal neu aufgesetzt, welches unternehmensweit genutzt werden soll. Durch die Umsetzung eines UX- und UI-Design ist es für die Endnutzer einfach zu bedienen und kann durch seine responsive Darstellung auf unterschiedlichen Endgeräten genutzt werden. Zu den Hauptfunktionalitäten des DQM-Portals zählen: Erstellen von Anfragen zu Datenqualitätsberichten Erstellen von Anfragen zu Datenanaylseberichten Zugriff und Einbettung von Berichten aus SSRS in die Plattform über u.A. Iframe Administrationsbereich zur Pflege von Berichtsmetadaten und Nutzerberechtigungen Dashboardfunktionalität für interne Datenqualitätsanalysen (Teamintern) Dashboardfunktionalität für „Kunden“ Nutzerbereich für bevorzugte und beantragte Berichte Intelligente Suche über Parameter wie Quelltabelle, verwendete Regel usw. Die saubere und stabile Codebasis in einer angepassten Umgebung gewährleistet die eigenständige Weiterentwicklung der Anwendung durch den Kunden selbst auch im produktiven Einsatz. Das Team und die Zusammenarbeit der Abteilung Data Quality Management wurde hinsichtlich einer effizienten Arbeitsstruktur und Teamkultur optimiert, um so noch effektiver und kompetenter den Fachabteilungen in Datenqualitätsproblematiken zur Seite zu stehen und tiefgreifende Datenqualitätsanalysen unternehmensweit durchzuführen.[/vc_column_text][/vc_tta_section][/vc_tta_accordion][vc_row_inner css=".vc_custom_1624350160256{margin-top: 80px !important;}"][vc_column_inner][tiq_text_box tiq_text_box_title="Grafiken zur Kundenreferenz"][/tiq_text_box][/vc_column_inner][/vc_row_inner][vc_row_inner][vc_column_inner width="1/2"][vc_single_image image="10645" img_size="300x200px" onclick="link_image"][tiq_text_box]Anlegen eines neuen Auftrags für Data Quality- bzw. Data Analytics-Reports[/tiq_text_box][/vc_column_inner][vc_column_inner width="1/2"][vc_single_image image="10644" img_size="300x200px" onclick="link_image"][tiq_text_box]Statusansicht der beauftragten Data Quality- und Data Analytics-Reports[/tiq_text_box][/vc_column_inner][/vc_row_inner][/vc_column][vc_column offset="vc_col-lg-4 vc_col-md-4" el_class=".reference-mobile-order-1"][vc_row_inner el_class="background-color-grey reference-detail-right-sidebar-one"][vc_column_inner][vc_column_text] PROJEKT INFORMATIONEN Kunde Chemiekonzern Anwendungsfall Entwicklung einer DQM-Plattform zur Erstellung von Datenqualitätsanalysen und Unterstützung bei der Umsetzung eines fachlichen und methodischen Datenqualitätsmanagements Zielsetzung Re-Factoring und Weiterentwicklung der DQM-Plattform Entwickeln eines Responsive Designs zur Nutzung der Anwendung auf unterschiedlichen Endgeräten Erweiterung des Portals um prozessuale Nutzungsmöglichkeiten (Testing, Entwicklung, Dokumentation von Anfragen zu Berichten) Prozessoptimierung und Teamentwicklung der Abteilung Data Quality Management Etablierung eines fachlichen und methodischen Datenqualitätsmanagements Technologie MS SQL, C#, SSRS Microsoft Reporting Service, SAP Integration Service, Visual Studio / Visual Studio Code, Java Script / JQuery, CSS, Git, Bootstrap Kundenvorteile Konzentration des Teams auf fachlichen Analysen und ihrer Beratungsfunktion gegenüber den Fachabteilungen DQM-Prozessoptimierung durch Verknüpfung von Release- und Deployprozess mit Nutzung DQM-Portal Auslagerung der Portalbetreuung an Ressourcen mit fachlicher Expertise im Unternehmensumfeld Nutzung von Know-How in der Webentwicklung Etablieren von Entwicklungsrichtlinien wie Coding Standard und Versionierungssysteme Etablierung von Testing, Staging und einer Produktivumgebung [/vc_column_text][/vc_column_inner][/vc_row_inner][/vc_column][vc_column offset="vc_col-lg-4 vc_col-md-4" el_class="reference-mobile-order-3" css=".vc_custom_1536932145604{margin-bottom: -100px !important;}"][vc_row_inner el_class="reference-detail-right-sidebar-one-heading"][vc_column_inner][vc_custom_heading text="DIESE REFERENZEN KÖNNTEN SIE AUCH INTRESSIEREN:" font_container="tag:h6|text_align:left|color:%23193d66" use_theme_fonts="yes"][/vc_column_inner][/vc_row_inner][vc_row_inner el_class="background-color-grey reference-detail-right-sidebar-two"][vc_column_inner][tiq_reference_link_box tiq_reference_link="url:https%3A%2F%2Fwww.tiq-solutions.de%2Freferenzen%2Fnachhaltige-und-effiziente-analyse-datenqualitaet%2F|title:Nachhaltige%20und%20effiziente%20Datenqualit%C3%A4tsanalyse%20bei%20der%20ConCardis%20GmbH"][tiq_reference_link_box tiq_reference_link="url:https%3A%2F%2Fwww.tiq-solutions.de%2Freferenzen%2Fqualitaetsgesichertes-datenmanagement-im-rahmen-eines-projektes-zur-end-to-end-diagnose%2F|title:Qualit%C3%A4tsgesichertes%20Datenmanagement%20im%20Rahmen%20eines%20Projektes%20zur%20End-to-End%20Diagnose"][/vc_column_inner][/vc_row_inner][/vc_column][/vc_row][vc_row el_class="container"][vc_column][tiq_start_service_boxes start_service_box_1_image="10223" start_service_box_2_image="10225" start_service_box_3_image="10224" start_service_box_4_image="10226" start_service_box_5_image="10222" start_service_convert_as_slider="true" start_service_title="Unsere Leistungen" start_service_box_1_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fdatenqualitaet%2F|title:Datenqualit%C3%A4tsmanagement" start_service_box_1_title="Datenqualitätsmanagement" start_service_box_2_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fbusiness-intelligence%2F|title:Business%20Intelligence||" start_service_box_2_title="Business Intelligence" start_service_box_3_url="url:http%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fadvanced-analytics%2F|title:Advanced%20Analytics||" start_service_box_3_title="Advanced Analytics" start_service_box_4_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fbig-data%2F|title:Big%20Data" start_service_box_4_title="Big Data" start_service_box_5_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fberatung%2F|title:Beratung||" start_service_box_5_title="Beratung" start_service_box_6_url="|||"][/vc_column][/vc_row] ...

Datenmodellierung und ETL-Entwicklung im Telefonservice

[vc_row el_class="container"][vc_column][vc_btn title="Referenzen" style="classic" shape="square" color="btn-light-orange-blue" i_icon_fontawesome="fa fa-angle-double-left" add_icon="true" link="url:http%3A%2F%2Fwww.tiq-solutions.de%2Freferenzen%2F|title:Referenzen||"][/vc_column][/vc_row][vc_row el_class="container reference-mobile" el_id="reference-detail-layout"][vc_column el_class="reference-detail-layout-left .reference-mobile-order-2" offset="vc_col-lg-8 vc_col-md-8"][vc_row_inner][vc_column_inner][vc_single_image image="10210" img_size="750x495" el_class="reference-detail-layout-left-image"][/vc_column_inner][/vc_row_inner][vc_tta_accordion shape="square" gap="20" c_position="right" active_section="1" el_class="reference-detail-left-accordion min-height-five-hundred"][vc_tta_section title="Die Herausforderung" tab_id="1508250369004-11fd70c1-c50a"][vc_column_text]Unser Kunde, die öffentlich-rechtliche Landesrundfunkanstalt, benötigte Unterstützung bei der Erstellung eines aussagekräftigen Reportings des Telefonservice-Prozesses im Beitragsservice-Bereich. Vom Telefonanbieter erhält unser Kunde Daten zu ein- und ausgehenden Anrufen. Die Daten wurden in der Vergangenheit pauschal als Text und in zwei Verarbeitungsschritten über Access und PowerQuery in eine SQL-Datenbank geschrieben. Dies basierte auf keinem Datenmodell. Auch lief der Prozess bisher autark und war nicht in andere IT-relevante Prozesse eingebunden, wie z.B. zentrale Berechtigungsverwaltung, Backup, Housekeeping. Gleichzeitig erfolgten in der Vergangenheit weder Analysen über Datenstrukturen und ein Abgleich mit den gelieferten Daten noch wurde ein Prozess zur Herstellung einer grundsätzlichen Datenqualität etabliert. Aufgrund der dezentralen Datenhaltung und der damit verbunden Abhängigkeit, konnten keine Auswertungen für den Fachbereich erfolgen, ohne einen bestimmten Personenkreis mit einzubeziehen. Dieser zusätzliche Schritt der manuellen Verarbeitung benötigte zusätzliche Ressourcen und bot zudem ein weiteres Risiko für Fehler. Zusätzlich galt es den neuen Verarbeitungsprozess in bestehende Abläufe und Regularien zu integrieren, ohne jedoch das restliche DWH (bzw. hochpriorisierte Arbeitsschritte) auf Grund von Fehlerkonstellationen in den Telefondaten zum Stillstand zu bringen. Diese hatten eher eine geringere Priorität in der Verfügbarkeit gegenüber anderen Prozessen wie Stammdatenabgleich, Beitragsbefreiung, Mahnwesen oder Rechnungslegung.[/vc_column_text][/vc_tta_section][vc_tta_section title="Der Lösungsweg" tab_id="1508250369051-4a626d72-344d"][vc_column_text]In diesem Projekt unterstützte TIQ Solutions durch fachliches und technisches Know How in Bezug auf: eine saubere Datenmodellierung nach Analyse, die Einführung einer Datenqualitätsprüfung für das DWH, dem Aufbau eines separaten ETL-Prozesses je Datenquelle, welcher auch mit diversen Problemszenarien in der Datenanlieferung umgehen kann, dem Erkennen von korrekturbedürftigen (Stamm)Daten, dem Aufbau von Referenztabellen (für aktive Datenpflege), die Pseudonymisierung personenbezogener Daten, Zuführung in ein Sicherheitskonzept und Housekeeping, Protokollierung bei Fehlern in der Datenlieferung, Steuerlogik bei Wochenende und Feiertagen. Durch die enge Zusammenarbeit mit den Fachbereichen und dem Controlling konnten zudem neue Datenqualitätsprozesse etabliert, sowie weitere KPIs und Filterkriterien definiert werden. Dies führte dazu nahezu alle Daten für Auswertungen nutzen zu können bzw. dienen die restlichen Daten, um Sonderfälle im Telefonprozess aufzuzeigen.[/vc_column_text][/vc_tta_section][vc_tta_section title="Das Ergebnis" tab_id="1508252697978-ef0a40d1-ea09"][vc_column_text]Der für jede Datenquelle aufgebaute ETL-Prozess kann je nach Bedarf erweitert oder einzeln deaktiviert werden. Jeder Prozess prüft die Daten im Vorfeld der Verarbeitung, filtert definierte Datensätze (z.B. Monitoring) und sortiert Datensätze mit Auffälligkeiten aus. Diese können nach Prüfung und Korrektur (in den Stammdaten) wieder dem Datenimport zugeführt werden. Zudem werden bei jedem Import Referenztabellen geprüft, um neue Datensätze ergänzt und alte Datensätze entsprechend abgegrenzt. Damit beziehen sich die Daten bei allen Auswertungen aufeinander - abhängig vom jeweiligen Betrachtungszeitraum. Weiterhin wurden für den Fachbereich Views entwickelt, um: generell die ETL-Verarbeitung zu monitoren, Berechnungen auf Datenbankebene auszulagern, Formelfehler in den Fachbereichen im Excel zu vermeiden, Unternehmensweit die gleichen KPIs zu verwenden, eine Abkehr der manuellen Verarbeitung bei eigentlich statischen Reports zu erreichen, eine zentrale Verfügbarkeit zu gewährleisten. [/vc_column_text][/vc_tta_section][/vc_tta_accordion][/vc_column][vc_column offset="vc_col-lg-4 vc_col-md-4" el_class=".reference-mobile-order-1"][vc_row_inner el_class="background-color-grey reference-detail-right-sidebar-one"][vc_column_inner][vc_column_text] PROJEKT INFORMATIONEN Kunde öffentlich-rechtliche Landesrundfunkanstalt (LRA) Anwendungsfall Modellierung eines Datenmodells und Entwicklung von ETL Prozessen unter Beachtung der Abhängigkeiten bestehender Geschäftsprozesse Zielsetzung Überführung einer manuellen Insellösung in einen automatisierten und integrierten Prozess Integration des Controlling-Prozesses in die unternehmensweite IT-Landschaft Gewährleistung Datenschutz, Verschlüsslung kritischer Personendaten Datenanalyse, Datenmodellierung, Datenqualität Fachliche KPIs erstellen Technologie IBM DB2, Advanced Query Tool V10, Informatica PowerCenter V10.2, IBM Lotus Notes, MS Visio, MS Project, TeamTracker Kundenvorteile Datenqualität Zeiteinsparung im Controlling, dadurch mehr Zeit für fachliche Analysen Datenhaltung im IT-Bereich (Backup, Housekeeping, Datenschutz) Strukturierte und bereinigte Daten zentral verfügbar im DWH Performanceverbesserung durch Migration auf andere Datenbank [/vc_column_text][/vc_column_inner][/vc_row_inner][/vc_column][vc_column offset="vc_col-lg-4 vc_col-md-4" el_class="reference-mobile-order-3"][vc_row_inner el_class="reference-detail-right-sidebar-one-heading"][vc_column_inner][vc_custom_heading text="DIESE REFERENZEN KÖNNTEN SIE AUCH INTRESSIEREN:" font_container="tag:h6|text_align:left|color:%23193d66" use_theme_fonts="yes"][/vc_column_inner][/vc_row_inner][vc_row_inner el_class="background-color-grey reference-detail-right-sidebar-two"][vc_column_inner][tiq_reference_link_box tiq_reference_link="url:http%3A%2F%2Fwww.tiq-solutions.de%2Freferenzen%2Fcontrolling-mit-qlikview%2F|title:Intelligentes%20Controlling%20mit%20QlikView%C2%AE%20bei%20den%20Karosseriewerken%20Dresden||"][tiq_reference_link_box tiq_reference_link="url:http%3A%2F%2Fwww.tiq-solutions.de%2Freferenzen%2Fautomatisierung-berichtswesen-marktplanung_qlikview%2F|title:Automatisierung%20des%20Berichtswesen%20mit%20QlikView%C2%AE%20bei%20der%20Deutschen%20Telekom%20AG||"][/vc_column_inner][/vc_row_inner][/vc_column][/vc_row][vc_row el_class="container"][vc_column][tiq_start_service_boxes start_service_box_1_image="10225" start_service_box_2_image="10226" start_service_box_3_image="10224" start_service_box_4_image="10223" start_service_box_5_image="10222" start_service_convert_as_slider="true" start_service_title="Unsere Leistungen" start_service_box_1_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fbusiness-intelligence%2F|title:Business%20Intelligence||" start_service_box_1_title="Business Intelligence" start_service_box_2_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fbig-data%2F|title:Big%20Data||" start_service_box_2_title="Big Data" start_service_box_3_url="url:http%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fadvanced-analytics%2F|title:Advanced%20Analytics||" start_service_box_3_title="Advanced Analytics" start_service_box_4_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fdatenqualitaet%2F|title:Datenqualit%C3%A4tsmanagement" start_service_box_4_title="Graphdaten" start_service_box_5_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fberatung%2F|title:Beratung||" start_service_box_5_title="Beratung" start_service_box_6_url="|||"][/vc_column][/vc_row] ...

Big Data-Analytics und Dashboarding für Stimmungsbarometer mit Social Listening

[vc_row el_class="container"][vc_column][vc_btn title="Referenzen" style="classic" shape="square" color="btn-light-orange-blue" i_icon_fontawesome="fa fa-angle-double-left" add_icon="true" link="url:http%3A%2F%2Fwww.tiq-solutions.de%2Freferenzen%2F|title:Referenzen||"][/vc_column][/vc_row][vc_row el_class="container reference-mobile" el_id="reference-detail-layout"][vc_column el_class="reference-detail-layout-left .reference-mobile-order-2" offset="vc_col-lg-8 vc_col-md-8"][vc_row_inner][vc_column_inner][vc_single_image image="9735" img_size="750x495" el_class="reference-detail-layout-left-image"][/vc_column_inner][/vc_row_inner][vc_tta_accordion shape="square" gap="20" c_position="right" active_section="1" el_class="reference-detail-left-accordion"][vc_tta_section title="Die Herausforderung" tab_id="1508250369004-11fd70c1-c50a"][vc_column_text]Die fortschreitende Digitalisierung hat einen enormen Einfluss auf das Konsumverhalten der Verbraucher. Durch die stetig wachsenden technischen Möglichkeiten werden Produkt- und Preisvergleiche für jeden Anwender immer einfacher. Das hat zur Folge, dass die Konsumenten ihr Kaufverhalten immer mehr auch von der Reputation des Unternehmens bzw. der Marke abhängig machen. Die Bewertung bzw. das Image von Marken und Unternehmen stellt damit einen steigenden Erfolgsfaktor bei der Vermarktung von Produkten dar. Unser Projektpartner aus dem Bereich der Medienbranche analysiert die Wahrnehmung von Unternehmen und Marken im Web im Vergleich zu ihren Wettbewerbern über Stimmungsbarometer. Dazu nutzt er eine Vielzahl an unterschiedlichen Online-Datenquellen, wie z.B. Social-Media-Kanäle, Newsfeed, Blogs und Nachrichtenportale. Bisher erstellte unser Partner diese Analysen lokal in Excel und stieß aufgrund der hohen und kontinuierlich steigenden Datenmenge immer mehr an seine Grenzen. Zusätzlich sollte es möglich sein, die Informationen in Themen einzuteilen, ohne dabei einen aufwendigen manuellen Anteil zu haben. Das bisher verwendete Modell zur Klassifizierung der Online-Daten in bestimmte Themen (sog. Topic Modeling) war nicht auf große Datenmengen ausgelegt und nicht ausreichend performant. Auch die Benennung der einzelnen Themen aus dem Topic Modeling erfolgte manuell und benötigte klare Standards. Der Aufwand für die Analysen war dadurch sehr hoch und für die Analysten nicht mehr zu bewältigen. Unser Partner hat sich bei der Suche nach einer Big Data Analytics-Lösung an uns gewandt, mit der er aus den oben beschriebenen Online-Datenquellen die Wahrnehmung von Unternehmen und Marken analysieren und Stimmungsbarometer daraus visualisiert darstellen kann. Die Analysen sollten zukünftig schneller, effizienter und qualitativ hochwertiger durchführbar sein und mehr Freiheiten bei Datenbeschaffung und Datenselektion bieten. Die Datenmodellierung soll zukünftig auf Basis eines universellen Modells mit einem effizienteren automatisierten Algorithmus erfolgen. Zudem sollen die Dashboards der Analysen in Bezug auf Tonalität, Reputation, Sentiment für den internen Gebrauch genutzt werden und interessierten Kunden exklusiv im ansprechenden Design zur Verfügung gestellt werden.[/vc_column_text][/vc_tta_section][vc_tta_section title="Der Lösungsweg" tab_id="1508250369051-4a626d72-344d"][vc_column_text]In diesem Projekt unterstützte TIQ Solutions das Forschungs- und Entwicklungsteam des Projektpartners allumfänglich angefangen bei der Datenintegration bis hin zur Datenvisualisierung und dem Reporting. Für die Big Data-Integration aus einer Vielzahl von Online-Datenquellen hat das Team von TIQ Solutions einen Cloudera Cluster in der Azure Cloud aufgebaut. Für eine integrierte und abgestimmte schnell nutzbare Umgebung mit wenig Administrations- und Konfigurationsaufwand entwickelte das Team ein Ansible-Skript, das in kürzester Zeit vollautomatisiert eine Cloudera-Umgebung in der Azure Cloud aufbaut. Für Datenbeschaffung und -import wurde eine Schnittstelle zu einem Amazon S3 Storage implementiert. Die Persistierung der Daten erfolgt nun in Hive und der Datenzugriff wurde mittels Hue (SQL) und Jupyter (Python, R) umgesetzt. Ein entscheidender Teil der (Social Media-) Analyse ist die Bestimmung relevanter Themen (Topics), die im Zusammenhang mit der betrachteten Entität stehen. Dazu wurde unter R zunächst ein Topic Model entwickelt, dass über Clusterverfahren relevante Themen identifiziert. Darüber hinaus kann über eine in Python entwickelte NLP-Pipeline das jeweilige Thema der geladenen Textfragmente bestimmt werden. In der Aggregation ergibt sich hieraus die Möglichkeit der quantitativen Auswertung der Themen, mit denen Unternehmen und ihre Benchmarks in Verbindung gebracht werden.  Das Topic Modeling profitiert dabei von der skalierbaren Cloud-Architektur, die es ermöglicht, auch große Textcorpora zu analysieren. Zusätzlich wurde die Klassifizierung neuer Textfragmente in den Import der Daten integriert, wodurch direkt auf die Themenanalyse zugegriffen werden kann. Die Beladung, Aggregation der Daten und die Visualisierung der Ergebnisse erfolgt auf einem Qlik Sense Server, welcher als Basis für verschiedene Apps und Dashboards für ein Reporting dient. Doch die Datenvisualisierung in der Qlik Sense Oberfläche erfüllte die Kundenanforderungen nicht ausreichend. Daher haben die BI-Entwickler von TIQ Solutions eine Web-Application auf Basis des Python-Webframeworks Django entwickelt, auf welcher ein eigenständiges Dashboard präsentiert wird. Die Daten werden dabei nicht neu aggregiert, sondern über die Qlik Sense Engine API  bezogen und anschließend mit Hilfe des Frameworks Chart.js visualisiert.[/vc_column_text][/vc_tta_section][vc_tta_section title="Das Ergebnis" tab_id="1508252697978-ef0a40d1-ea09"][vc_column_text]Für die Erstellung von Stimmungsbarometern aus einer Vielzahl an Onlinedaten kann unser Partner jetzt seine Analysen in einem Big Data Cluster transparent, optimiert, schnell und qualitätsgesichert durchführen. Die Analysten können sich die benötigten Daten eigenständig beschaffen und sind nicht auf explizite Datenlieferungen eines Dienstleisters angewiesen. Durch das Topic Modelling kann jetzt die Wahrnehmung der Unternehmen / Marken zu unterschiedlichen Themen explizit dargestellt und auswertet werden. Mit der Nutzung von Qlik Sense kann unser Partner eigenständig neue Analysen ohne Entwicklerkenntnisse erstellen. Zudem bietet Qlik Sense über die API Möglichkeiten zur flexibleren Entwicklung von Visualisierungen und zur Implementierung von erweiterten Funktionen. Mit den zusätzlich entwickelten Dashboards erhält unser Partner ein aussagekräftiges Reporting, welches jetzt Darstellungen weiterer Datenzusammenhänge ermöglicht. Mit der Bereitstellung von Templates kann unser Partner nun seinen Kunden auch für ihr Reporting individualisierte Dashboards anbieten.[/vc_column_text][/vc_tta_section][/vc_tta_accordion][vc_row_inner el_class="reference-detail-left-heading"][vc_column_inner][vc_custom_heading text="Grafik zur Kundenreferenz" font_container="tag:h3|text_align:left" use_theme_fonts="yes"][/vc_column_inner][/vc_row_inner][vc_row_inner el_class="reference-detail-left-heading"][vc_column_inner width="1/2"][vc_single_image image="9694" img_size="330x140" onclick="link_image"][vc_column_text]Architekturskizze des Big Data-Analytics- und Dashboardsystems[/vc_column_text][/vc_column_inner][vc_column_inner width="1/2"][vc_single_image image="9703" img_size="330x140" onclick="link_image"][vc_column_text]Ablauf Topic Modeling zur Datenexploration großer Textsammlungen[/vc_column_text][/vc_column_inner][/vc_row_inner][vc_row_inner el_class="reference-detail-left-heading"][vc_column_inner width="1/2"][vc_single_image image="9733" img_size="330x140" onclick="link_image"][vc_column_text]Darstellung der Stimmungsbarometer mit Qlik Sense[/vc_column_text][/vc_column_inner][vc_column_inner width="1/2"][vc_single_image image="9732" img_size="330x140" onclick="link_image"][vc_column_text]Darstellung der Stimmungsbarometer mit einer funktionserweiternden Visualisierungsapp[/vc_column_text][/vc_column_inner][/vc_row_inner][/vc_column][vc_column offset="vc_col-lg-4 vc_col-md-4" el_class=".reference-mobile-order-1"][vc_row_inner el_class="background-color-grey reference-detail-right-sidebar-one"][vc_column_inner][vc_column_text] PROJEKT INFORMATIONEN Kunde PR/ Medienbranche Anwendungsfall Entwicklung einer Big Data Analytics-Lösung  und Dashboard-Darstellung der KPIs in Form eines Stimmungsbarometers für Unternehmen und Marken Zielsetzung Verarbeitung sehr großer Datenmengen Skalierungsmöglichkeiten Thematische Klassifizierung großer Textsammlungen mittels Machine-Learning Visualisierung der Ergebnisse in moderner Dashboard-Optik Technologie Microsoft Azure, Cloudera, Ansible, Qlik Sense Server, Hadoop, Hive, Oozie, Spark, Zookeeper, Hue, Impala, ADLS Client, Sqoop, MySQL, Juypter Server, Python, R, Qlik Sense, Django, Chart.js Kundenvorteile Schnellere, transparentere Analysen großer Datenmengen durch Big Data-Architektur in Azure Cloud Konzentration auf die fachlichen Analysen statt auf die Datenbereitstellung Verbesserte Aussagekraft der Analysen und Erkennen von weiteren Zusammenhängen in den Daten Live-Analysen direkt im Dashboard Optionen zur Individualisierung für die Dashboards auch im Corporate-Design der Kunden Optimale Darstellung der Ergebnisse vor allem für Kundenpräsentationen [/vc_column_text][/vc_column_inner][/vc_row_inner][/vc_column][vc_column offset="vc_col-lg-4 vc_col-md-4" el_class="reference-mobile-order-3" css=".vc_custom_1536932145604{margin-bottom: -100px !important;}"][vc_row_inner el_class="reference-detail-right-sidebar-one-heading"][vc_column_inner][vc_custom_heading text="DIESE REFERENZEN KÖNNTEN SIE AUCH INTRESSIEREN:" font_container="tag:h6|text_align:left|color:%23193d66" use_theme_fonts="yes"][/vc_column_inner][/vc_row_inner][vc_row_inner el_class="background-color-grey reference-detail-right-sidebar-two"][vc_column_inner][tiq_reference_link_box tiq_reference_link="url:https%3A%2F%2Fwww.tiq-solutions.de%2Freferenzen%2Fbig-data-telekommunikationsbranche%2F|title:Big%20Data%20f%C3%BCr%20das%20digitale%20Fernsehen%20und%20Telefonieren%20bei%20der%20deutschen%20Telekom||"][tiq_reference_link_box tiq_reference_link="url:https%3A%2F%2Fwww.tiq-solutions.de%2Freferenzen%2Fintelligente-social-media-analyse%2F|title:Intelligente%20Social%20Media%20Analyse%20bei%20der%20Leipziger%20Tourismus%20und%20Marketing%20GmbH||"][/vc_column_inner][/vc_row_inner][/vc_column][/vc_row][vc_row el_class="container"][vc_column][tiq_start_service_boxes start_service_box_1_image="10226" start_service_box_2_image="10225" start_service_box_3_image="10224" start_service_box_4_image="10223" start_service_box_5_image="10222" start_service_convert_as_slider="true" start_service_title="Unsere Leistungen" start_service_box_1_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fbig-data%2F|title:Big%20Data||" start_service_box_1_title="Big Data" start_service_box_2_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fbusiness-intelligence%2F|title:Business%20Intelligence||" start_service_box_2_title="Business Intelligence" start_service_box_3_url="url:http%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fadvanced-analytics%2F|title:Advanced%20Analytics||" start_service_box_3_title="Advanced Analytics" start_service_box_4_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fdatenqualitaet%2F|title:Graphdaten" start_service_box_4_title="Datenqualitätsmanagement" start_service_box_5_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fberatung%2F|title:Beratung||" start_service_box_5_title="Beratung" start_service_box_6_url="|||"][/vc_column][/vc_row] ...

Predictive Maintenance im Karosseriebau

[vc_row el_class="container"][vc_column][vc_btn title="Referenzen" style="classic" shape="square" color="btn-light-orange-blue" i_icon_fontawesome="fa fa-angle-double-left" add_icon="true" link="url:http%3A%2F%2Fwww.tiq-solutions.de%2Freferenzen%2F|title:Referenzen||"][/vc_column][/vc_row][vc_row el_class="container reference-mobile" el_id="reference-detail-layout"][vc_column el_class="reference-detail-layout-left .reference-mobile-order-2" offset="vc_col-lg-8 vc_col-md-8"][vc_row_inner][vc_column_inner][vc_single_image image="4122" img_size="750x495" el_class="reference-detail-layout-left-image"][/vc_column_inner][/vc_row_inner][vc_tta_accordion shape="square" gap="20" c_position="right" active_section="1" el_class="reference-detail-left-accordion min-height-five-hundred"][vc_tta_section title="Die Herausforderung" tab_id="1508250369004-11fd70c1-c50a"][vc_column_text]Im Rahmen des Zukunftsprojektes Industrie 4.0 spielt die „Smart Factory“ eine tragende Rolle. Diese beschreibt die Vision von sich selbst organisierenden Fertigungsanlagen. Bereits heute werden in der Automobilindustrie flächendeckend Roboter eingesetzt. Dabei treten im Laufe der Produktion immer wieder Störungen auf, die zu Ausfallzeiten oder sogar Produktionsstillständen führen. Unerwartete und nicht notwendige Mehrkosten und Lieferverzögerungen sind die Folge. Die statische Wartung in festen Intervallen hilft nur bedingt und führt zu weiteren unnötigen Stillstandszeiten und Verbrauch von Ersatzteilen. Daher war unser Kunde auf der Suche nach einer Softwarelösung, um zukünftig Ausfälle und Zeitverluste in seiner Fertigung für Karosserien zu reduzieren. Diese Lösung sollte möglichst automatisiert das Verhalten der eingesetzten Schweißroboter analysieren, um so frühzeitig Störungen erkennen und vorhersagen zu können.[/vc_column_text][/vc_tta_section][vc_tta_section title="Der Lösungsweg" tab_id="1508250369051-4a626d72-344d"][vc_column_text]Die prognosebasierte Wartung (Predictive Maintenance) beruht auf der Analyse historischer Anlagedaten mit statistischen Verfahren und erweiterten Methoden des maschinellen Lernens. Die dabei entwickelten mathematischen Modelle werden für die Vorhersage des zukünftigen Maschinenverhaltens eingesetzt und helfen dabei, kritische Anlagenzustände rechtzeitig zu erkennen und geeignete Maßnahmen zu ergreifen. Grundlage der analytischen Lösung war die Erstellung eines zeitlich synchronen Verlaufs der Sensor- und Zustandsinformationen sowie der Störungsmeldungen. Daraufhin wurden die charakteristischen Verhaltensmuster der einzelnen Produktionszyklen der Karosseriefertigung identifiziert und in normalisierte Zustände überführt. Zusammen mit dem Fachbereich wurde praxisrelevantes Fehlverhalten bestimmt und die betreffenden Produktionszyklen auf mögliche Fehlerquellen und Abhängigkeiten untersucht. Durch nichtlineare Klassifikationsalgorithmen konnten die Zusammenhänge zwischen den Verhaltensmustern und Störungsmeldungen modelliert werden. Künftig sollen Prognosen bezüglich der Ausfallwahrscheinlichkeit einzelner Geräte getroffen und potentielle Ursachen untersucht werden. Das Training der Modelle erfolgte in einem Hadoop-Cluster. Durch die verteilte Verarbeitung mit Spark wurden die Analysen parallelisiert und beschleunigt.[/vc_column_text][/vc_tta_section][vc_tta_section title="Das Ergebnis" tab_id="1508252697978-ef0a40d1-ea09"][vc_column_text]Es wurde ein System entwickelt, mit dem das Verhalten von Industrierobotern und angeschlossenen Komponenten kontinuierlich analysiert und zukünftige Ereignisse vorhergesagt werden können. Für jede Maschine wurde eine Art Fingerabdruck des typischen Produktionsprozesses erzeugt. Darauf aufsetzende Vorhersagemodelle erlauben es, Ausfallwahrscheinlichkeiten einzelner Geräte und Fertigungsabschnitte zu ermitteln. Die so prognostizierten Störungen werden dem Kunden angezeigt. Dadurch können die Verantwortlichen schon vor dem Auftreten einer Störung präventiv eingreifen. Womit nicht nur operative Stillstände vermieden werden, sondern auch der Verbrauch von Verschleiß- und Maschinenteilen reduziert wird. Das heißt, roboterbasierte Prozesse können bedarfsgerecht instand gehalten und Fehlerursachen nachverfolgt werden. Das senkt Produktionskosten und führt zu einer sukzessiven Prozessoptimierung.[/vc_column_text][/vc_tta_section][/vc_tta_accordion][vc_row_inner el_class="reference-detail-left-heading"][vc_column_inner][vc_custom_heading text="Grafiken zur Kundenreferenz" font_container="tag:h3|text_align:left" use_theme_fonts="yes"][/vc_column_inner][/vc_row_inner][vc_row_inner el_class="reference-detail-left-image-text"][vc_column_inner offset="vc_col-lg-3"][vc_single_image image="5670" img_size="165x165" onclick="link_image"][/vc_column_inner][vc_column_inner offset="vc_col-lg-3"][vc_column_text]1. Zeitlicher Verlauf von gemessenen Zustandsinformation, welche die Aktivität eines Produktionssystems individuell erfassen.[/vc_column_text][/vc_column_inner][vc_column_inner offset="vc_col-lg-3"][vc_single_image image="5672" img_size="165x165" onclick="link_image"][/vc_column_inner][vc_column_inner offset="vc_col-lg-3"][vc_column_text]2. Normalisierte Darstellung der vorverarbeiteten Zustandsinformationen, Vergleichbarkeit unterschiedlicher Produktionszyklen ermöglicht.[/vc_column_text][/vc_column_inner][/vc_row_inner][/vc_column][vc_column offset="vc_col-lg-4 vc_col-md-4" el_class=".reference-mobile-order-1"][vc_row_inner el_class="background-color-grey reference-detail-right-sidebar-one"][vc_column_inner][vc_column_text] PROJEKT INFORMATIONEN Kunde Automobilhersteller Anwendungsfall Predictive Maintenance für Schweißroboter im Karosseriebau Aufgaben Zeitliches Synchronisieren und Harmonisieren der Daten Automatisches Erfassen der Verhaltensmuster je Roboter Modellieren der Zusammenhänge Prognostizieren von Ausfällen Zielsetzung Vermeiden von Stillständen Bedarfsgerechte Instandhaltung Technologie R, Python, Hive, Impala, Spark, Hadoop Kundenvorteile Bedarfsgerechte Wartungsintervalle Verringerung der Stillstandszeiten Verringerung des Verbrauchs von Ersatzteilen Minimierung ungeplanter Produktionsausfälle Erhöhte Transparenz der technischen Zusammenhänge [/vc_column_text][/vc_column_inner][/vc_row_inner][/vc_column][vc_column offset="vc_col-lg-4 vc_col-md-4" el_class="reference-mobile-order-3"][vc_row_inner el_class="reference-detail-right-sidebar-one-heading"][vc_column_inner][vc_custom_heading text="DIESE REFERENZEN KÖNNTEN SIE AUCH INTRESSIEREN:" font_container="tag:h6|text_align:left|color:%23193d66" use_theme_fonts="yes"][/vc_column_inner][/vc_row_inner][vc_row_inner el_class="background-color-grey reference-detail-right-sidebar-two"][vc_column_inner][tiq_reference_link_box tiq_reference_link="url:http%3A%2F%2Fwww.tiq-solutions.de%2Freferenzen%2Fbig-data-plattform-fuer-die-evaluation-von-streaming-technologien%2F|title:Big%20Data-Plattform%20f%C3%BCr%20die%20Evaluation%20von%20Streaming-Technologien||"][tiq_reference_link_box tiq_reference_link="url:http%3A%2F%2Fwww.tiq-solutions.de%2Freferenzen%2Ftraceability-in-der-produktion%2F|title:Traceability%20der%20Halbleiterproduktion%20durch%20Aufbau%20einer%20Big%20Data-Datenbank%20in%20Kooperation%20mit%20T-Systems||"][/vc_column_inner][/vc_row_inner][/vc_column][/vc_row][vc_row el_class="container"][vc_column][tiq_start_service_boxes start_service_box_1_image="10224" start_service_box_2_image="10225" start_service_box_3_image="10226" start_service_box_4_image="10223" start_service_box_5_image="10222" start_service_convert_as_slider="true" start_service_title="Unsere Leistungen" start_service_box_1_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fadvanced-analytics%2F|title:Advanced%20Analytics||" start_service_box_1_title="Advanced Analytics" start_service_box_2_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fbusiness-intelligence%2F|title:Business%20Intelligence||" start_service_box_2_title="Business Intelligence" start_service_box_3_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fbig-data%2F|title:Big%20Data||" start_service_box_3_title="Big Data" start_service_box_4_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fdatenqualitaet%2F|title:Datenqualit%C3%A4tsmanagement" start_service_box_4_title="Graphdaten" start_service_box_5_url="url:https%3A%2F%2Fwww.tiq-solutions.de%2Fleistungen%2Fberatung%2F|title:Beratung||" start_service_box_5_title="Beratung" start_service_box_6_url="|||"][/vc_column][/vc_row] ...