Scalefree - Fallstudien - Entwicklung des Business Data Modeler mit Python

Über den Kunden

Der Kunde, eine multinationale Bank mit zahlreichen Niederlassungen auf der ganzen Welt, benötigte eine Anwendung zur Vereinfachung der Datenmodellierung, die dem business vault nachgelagert ist.

Problemstellung

Unser Kunde hatte Probleme mit der Effizienz bei der Verwendung mehrerer Anwendungen für einen einzigen Zweck und Schwierigkeiten beim Zugriff auf Daten in einer freundlichen Art und Weise:

  • Aufbereitung und Einfuhr ohne jegliche Automatisierung und Qualitätskontrolle
  • Manuelle Modellierung von Daten mit Excel und keine Möglichkeiten für paralleles Arbeiten
  • Es fehlte ein zentraler Ort für die Speicherung des Fortschritts

Die Herausforderung

Darüber hinaus war der Kunde mit folgenden Problemen konfrontiert:

  • Ihre Eingabedaten mussten manuell standardisiert werden, was arbeitsintensiv war.
  • Der Import der Daten war anfällig für menschliche Fehler.
  • Die Suche in der Datenbank war ein Engpass, da mehrere Abfragen erforderlich waren, um einen einzigen relevanten Datensatz zu finden.
  • Die Anzeige der Bezugsdatensätze in einer Baumstruktur war nicht möglich
Zentrale Datenbank zum Speichern und Abrufen der Ergebnisse

Die Lösung

Wir stellen BDM vor, ein All-in-One-Tool, das speziell für die Modellierung, Speicherung und Abfrage von Daten entwickelt wurde, um die Erwartungen der Kunden präzise zu erfüllen und ihre Bedürfnisse zu erfüllen:

  • Einfacher Import mit Qualitätskontrolle zur Vermeidung von Dateninkonsistenzen und Fehlern
  • Mehrere Benutzer können gleichzeitig über das Netz arbeiten
  • Eine zentrale Datenbank zum Speichern und einfachen Abrufen der Ergebnisse
  • Eine Stichwortsuche macht Abfragen in der Datenbank überflüssig
  • Letztendlich eliminiert diese einzige Anwendung die manuelle Arbeit und bietet gleichzeitig einen Mehrwert
BDM-Anwendung

Konkrete Ergebnisse für den Kunden

  • Die Anwendung wird nun von mehr als zwanzig Benutzern über ein Netzwerk genutzt, die gleichzeitig Daten schreiben und lesen.
  • Durch die Arbeit mit dem Tool über das Netz können sie nun viel effizienter einen geschäftlichen Nutzen erzielen.
  • Außerdem wurde die manuelle Arbeit auf ein Minimum reduziert, und Qualitätskontrollen halfen, die Fehler zu beseitigen.

Beteiligte Technologien

  • Python (Kivy als Front-End)
  • SQL als Datenbank
  • Data Vault 2.0

Möchten Sie mehr erfahren? Holen Sie sich die ausführliche Fallstudie!

Marc Winkelmann Geschäftsführender Berater

Marc Winkelmann
Managing Consultant

Telefon: +49 511 87989342
Mobil: +49 151 22413517

Planen Sie Ihre
Kostenlose Erstberatung