Alle Beiträge von Julia Bartetzko

Self-Service-BI beschleunigt die Planung und Berichterstellung. IT und Controlling werden deutlich entlastet.

Ein Hersteller von Farbgranulaten ersetzte die Excel-basierte Planung durch eine zentrale BI-Plattform. Analyse, Reporting und Forecasting erfolgen nun automatisiert und konzernweit über Qlik Sense und Write! Plan.

Otto International ersetzte zahlreiche Excel-Listen durch eine zentrale Qlik Sense Lösung mit Write! Edit, um während der Corona-Pandemie eine flexible und transparente Abstimmung zwischen Key Account Management und Kunden zu ermöglichen. So entstand ein einheitliches Format für Datenaustausch, Kommentierung und…

Ein Unternehmen der Mineralölverarbeitung ersetzte SAP-CO-PA-Analysen durch eine moderne BI-Lösung. Automatisierte Datenverarbeitung, Self-Service-Analysen und zentrale KPI-Dashboards ermöglichen datengetriebene Entscheidungen in Minuten statt Tagen.

Ein Informationsdienstleister führte eine benutzerfreundliche BI-Lösung ein, um Daten zentral bereitzustellen und Entscheidungen zu beschleunigen. Datenanalysen, Monitoring und Visualisierungen laufen nun automatisiert und zuverlässig.

Ein deutscher Medizintechnik-Versorger nutzt eine auf Qlik basierende Process-Mining-Lösung, um komplexe Verkaufs- und Abrechnungsprozesse transparent zu machen. Durch die datenbasierte Analyse von SAP-Informationen können Bottlenecks erkannt, Prozesse optimiert und Entscheidungen fundiert getroffen werden.

Ein internationaler Hersteller medizintechnischer Anlagen automatisierte sein Reporting und die Lieferantenbewertung durch eine abteilungsübergreifende Data-Analytics-Lösung. Dank zentralisierter Daten und einer benutzerfreundlichen Oberfläche werden Bestellungen, Projekte und Montagen automatisch priorisiert – was das Lieferantenmanagement deutlich entlastet.

Ein führender deutscher Automobilhersteller nutzt KI-gestützte Drohneninspektionen, um Transportschäden und Verschmutzungen an Neufahrzeugen automatisch zu erkennen. Durch Machine-Learning-Analyse von 4K-Bildmaterial werden über 90 % der Fälle zuverlässig identifiziert – nachhaltig, effizient und ohne zusätzliche Lackierungen.

Ein führender deutscher Telekommunikationsanbieter setzt auf eine Machine-Learning-Lösung, um Zahlungsausfälle frühzeitig zu erkennen und Betrugsrisiken zu minimieren. Durch die Analyse von Kunden-, Produkt- und Zahlungsdaten können bis zu 90 % der unbezahlten Verträge zuverlässig vorhergesagt werden.