IT & Data
Ihr Team soll neue Anforderungen umsetzen, nicht Ladestrecken reparieren. Wir schaffen die Grundlage dafür. Mit Qualitätsregeln an der Quelle, stabilen Pipelines und einer Plattform, die nicht an einzelnen Köpfen hängt.
Sätze, die wir hören
Diese Sätze fallen in fast jedem ersten Gespräch mit IT-Leitungen und Datenteams. Die Zahlen darunter ordnen sie ein.
Das kommt mir bekannt vor ↓„Die Daten kommen schon fehlerhaft aus dem ERP bei uns an. Im DWH sollen wir es dann richten, obwohl der Fehler ganz woanders entsteht.“
Das kommt mir bekannt vor ↓„Von Datenfehlern erfahre ich meistens, weil der Vertriebsleiter anruft und fragt, warum sein Dashboard Unsinn zeigt. Dann ist das Vertrauen schon weg.“
Das kommt mir bekannt vor ↓„Die Hälfte meiner Woche flicke ich Ladestrecken, die nachts abgebrochen sind. Für neue Anforderungen bleibt kaum Zeit.“
Das kommt mir bekannt vor ↓„Unser DWH läuft auf einem alten SQL Server, den keiner mehr anfassen will. Die Doku ist zehn Jahre alt, und der Kollege, der es gebaut hat, geht bald in Rente.“
Das kommt mir bekannt vor ↓„Wir haben ERP, CRM, MES, Lohn und zwanzig Excel-Listen. Jede Quelle hat ihre eigene Kundennummer, und das Mapping pflegt am Ende einer von Hand.“
Das kommt mir bekannt vor ↓„Wir sind zu zweit für das ganze Datenthema. Wenn einer ausfällt, weiß der andere oft nicht, wie die Strecke funktioniert, und eine Stelle nachzubesetzen dauert Monate.“
Das kommt mir bekannt vor ↓„Auf einen neuen Report warten die Fachbereiche bei uns Wochen. Also bauen sie sich eigene Excel-Lösungen, und die dürfen wir später wieder einfangen.“
Das kommt mir bekannt vor ↓„Die Geschäftsführung will jetzt KI. Ehrlich gesagt sind unsere Daten dafür nicht bereit, aber das traut sich keiner laut zu sagen.“
Das kommt mir bekannt vor ↓„Seit wir in der Cloud sind, ist die Rechnung jeden Monat eine Überraschung. Keiner weiß genau, welcher Prozess die Kapazität eigentlich frisst.“
Use Cases
Sieben Use Cases gegen die Sätze oben. Jeder führt zu einer Themenseite mit dem Vorgehen im Detail.
Heute
Fehler aus dem Quellsystem
Danach
Wir bringen liefernde und nutzende Bereiche zu einer Vereinbarung über Format, Inhalt und Qualität der Daten. So fällt ein Fehler dort auf, wo er entsteht, und nicht erst in Ihrem DWH.
Heute
Der Fachbereich findet den Fehler
Danach
Automatische Prüfungen melden fehlende Ladungen, Ausreißer und Verzögerungen an Ihr Team. Sie erfahren von Fehlern zuerst.
Heute
Nächtliche Abbrüche
Danach
Wir bauen Pipelines mit Tests, Versionierung und klarer Orchestrierung. Abbrüche werden selten, und Ihr Team findet die Ursache schnell.
Heute
Veraltetes DWH
Danach
Wir überführen Ihr altes SQL-Server-DWH schrittweise nach Microsoft Fabric. ERP, CRM und MES landen auf einer Plattform. Die Dokumentation entsteht dabei mit. Kundennummern und andere Schlüssel führen wir dabei in einem gepflegten Mapping zusammen.
Heute
Wissen in wenigen Köpfen
Danach
Ein Katalog beschreibt jede Strecke und zeigt ihre Herkunft. Fällt jemand aus, übernimmt Ihr Team oder unser Managed Service.
Heute
Schattensysteme in Excel
Danach
Geprüfte Semantikmodelle, auf denen die Fachbereiche eigene Berichte bauen. Schattensysteme verlieren ihren Grund, und Ihre IT behält die Kontrolle.
Heute
KI-Druck und Cloud-Kosten
Danach
Wir prüfen, ob Ihre Daten für KI tragen, und schaffen die fehlenden Voraussetzungen. Die Auslastung Ihrer Kapazität überwachen wir je Prozess, damit die Rechnung planbar wird.
Kundenberichte
Unterschiedliche Ausgangslagen, dasselbe Ziel. Daten, auf die sich IT und Fachbereich verlassen.
Plattform · Reporting
Online-Marktplatz Handwerkerbedarf, E/D/E Gruppe
Kundenbericht ansehen →„Früher haben wir 80 Prozent unserer Zeit mit der Vorbereitung von Analysen verbracht und nur 20 Prozent mit der eigentlichen Analyse, jetzt konnten wir dieses Verhältnis umkehren.“
Martin KasperTeam Lead BI, Payment & Projects bei Toolineo
„Mit der Unterstützung von roosi haben wir genau das erreicht, was als Ziel definiert war.“
Horst HambergerTechnischer Projektmanager bei Antenne Bayern
Werkzeuge
Werkzeuge folgen der Entscheidung. Diese setzen wir in IT und Data am häufigsten ein.
Microsoft Fabric
Microsoft
Datenplattform mit OneLake
Azure Databricks
Databricks
Lakehouse und Data Engineering mit Spark
dbt
dbt Labs
Versionierte und getestete Transformationen
Microsoft Purview
Microsoft
Datenkatalog und Datenherkunft
OpenMetadata
Collate, Open Source
Offener Datenkatalog mit Lineage
D-QUANTUM
Datenkatalog und Governance
Power BI
Microsoft
Berichte und Semantikmodelle
Termine
Webinare, Hands-On Workshops und Trainings. Bringen Sie Ihre Fragen zu Plattform, Pipelines und Kosten mit.
Neue Termine sind in Vorbereitung. Im Gespräch finden wir einen passenden Einstieg für Sie.
Einstieg
Beide liefern ein Ergebnis, mit dem Sie entscheiden können. Welcher passt, klären wir im Gespräch.
Plattform und Architektur
Read-only, ohne Installation
Wir bewerten Ihre Architektur, Ladestrecken und Kosten ausschließlich lesend. Ihre Produktivdaten bleiben im Haus.
KI
Strategie und Praxis an Ihren Aufgaben
Ihr Team erprobt KI an eigenen Aufgaben und bewertet die Ideen nach Impact, Implementierbarkeit, Risiko und ROI. Sie sehen, ob Ihre Daten den Anwendungsfall tragen und welche Anbindung er braucht.
Schildern Sie uns Ihre Landschaft und die Stelle, die am meisten Zeit kostet. Wir sagen Ihnen, welcher Einstieg passt.
Was Sie danach haben