When breakfast meets automotive engineering & sales Mix-your-own muesli shops are a great reminder of how quickly options multiply. A few choices - say, base grains, fruits, nuts, and toppings - can already result in thousands or even millions of combinations....
The Challenge: Legacy Complexity Meets Strategic Pressure In industries like automotive and logistics, transformation is no longer optional – it's a competitive necessity. Yet one major obstacle continues to slow progress: highly customized, organically grown IT...
“We spend millions on reporting—and still don’t get the answers we need.” The frustration was unmistakable. The sales director had just reviewed the latest retail performance dashboard. On slide 12, three countries were missing. On slide 18, numbers didn’t match what...
Driving Sales & Customer Experience through a Centralized Customer Data Pool Many automotive OEMs face persistent challenges in crafting truly personalized customer experiences, largely due to fragmented access to high-quality, actionable customer data. This data...
In der Versicherungsbranche sind die EU-Initiative „Financial Data Access (FiDA)“, Künstliche Intelligenz und Customer Relationship Management (CRM) momentan häufig diskutierte Themen. Diese bieten viele Chancen den Kundenservice zu verbessern, Effizienzen zu steigern und Wettbewerbsvorteile zu erzielen. Eine der größten Herausforderungen bei der Umsetzung liegt jedoch oftmals nicht in der Implementierung der Themen selbst, sondern im dazu notwendigen Aufbau einer konsistenten Datenbasis an Kundenstammdaten. Dieser Artikel gibt einen Eindruck auf häufige Problemstellungen und Ansätze zu deren Überwindung.
Patrick, Eduard and Timo are explaining in this insightful article why Postgres Materialized Views became their go-to solution for data performance issues when building a full enterprise operations platform. They share the challenges they had to overcome when integrating large amounts of data in an operational system and how they did it. Don’t miss this interesting read.
Daten spielen heute eine essenzielle Rolle in Unternehmen. Ein gutes und kontinuierliches Überwachen der Datenqualität ist unabdingbar, damit die Unternehmensgeschicke nicht durch falsche, oder unvollständige Daten gefährdet werden. Gleichzeitig fehlt es in vielen Unternehmen noch an gängigen Vorgehensweisen für die Überwachung der Datenqualität. In diesem Artikel zeigen unsere Autoren, wie diese Herausforderung in einem realen Projekt gelöst wurde.
Im vierten und vorerst letzen Teil zur Verprobung von europäischen Cloud-Anbietern widmen sich unsere Autoren dem deutschen Vertreter: der Open Telekom Cloud. Auch in diesem Teil liegt der Fokus wieder auf den Vergleich mit den etablierten US-Hyperscalern und auf der Überprüfung ob die der Wirklichkeit den Marketingbemühungen der Telekom standhalten kann.
This year our colleague Anna participated in two Women in Data Science conferences, in Zürich and Villach. She shares her experience with us in this blog post.
Der zweite Teil des Artikels zu Datenintegrationsplattformen analysiert verschiedene Architekturansätze, wie z.B. Data Lakes oder Data Meshs. Unsere Autoren erörtern die geeignetsten Architekturen unter Berücksichtigung bankenspezifischer Anforderungen und beleuchten die Umsetzungsschwierigkeiten innerhalb einer komplexen IT-Landschaft.