Back to top

Monat: März 2025

Partner of the Year 2024 Award

Posted on by Stefan Mauer

EVACO zum dritten Mal „Partner of the Year“

EVACO wurde nach 2020 und 2021 nun auch im Jahr 2024 von PlatformManager als „Partner of the Year“ ausgezeichnet. Diese wiederholte Ehrung unterstreicht die langjährige, erfolgreiche Zusammenarbeit und das Engagement für stabile und effiziente Governance- und DevOps-Lösungen in Qlik-Umgebungen.

Die Partnerschaft zwischen EVACO und PlatformManager ermöglicht es Unternehmen, ihre BI-Landschaft mit Qlik Sense und QlikView optimal zu verwalten und weiterzuentwickeln. Durch eine strukturierte Versionierung und automatisierte Workflows behalten Unternehmen die volle Kontrolle über ihre BI-Anwendungen und können Entwicklungs-, Test- und Produktivumgebungen effizient verwalten. Gerade in datengetriebenen Organisationen ist eine transparente und nachvollziehbare Entwicklung essenziell, um Compliance-Anforderungen zu erfüllen und gleichzeitig den Entwicklungsprozess zu beschleunigen.

Wir unterstützt Unternehmen dabei, PlatformManager nahtlos in bestehende BI-Strategien zu integrieren und Arbeitsabläufe zu optimieren. Die Lösung sorgt für eine verbesserte Zusammenarbeit zwischen Entwicklern, Analysten und Fachabteilungen und ermöglicht es, Änderungen an Qlik-Applikationen sicher und effizient umzusetzen. Das verkürzt die Entwicklungszyklen und steigert die Qualität der Anwendungen – ein klarer Vorteil für Unternehmen, die schnelle und fundierte Entscheidungen auf Basis ihrer Daten treffen möchten.

Die erneute Auszeichnung als „Partner of the Year“ zeigt, dass die enge Zusammenarbeit von EVACO und PlatformManager für nachhaltigen Mehrwert sorgt. Gemeinsam setzen beide Unternehmen Maßstäbe in der effizienten Verwaltung von BI-Umgebungen und unterstützen Kunden dabei, ihre Datenstrategie mit mehr Transparenz, Kontrolle und Automatisierung auf das nächste Level zu heben. Wir danken PlatformManager für diese Anerkennung und freuen uns darauf, auch in Zukunft Unternehmen mit innovativen Lösungen zu begleiten.

Nächster Halt: Omnibus Verordnung

Posted on by Stefan Mauer

Positives Signal

Nach massiver Kritik aus Wirtschaftskreisen, dass die Anforderungen der CSRD, CSDDD und der EU-Taxonomie-Verordnung zu komplex und ressourcenintensiv seien, hat die Europäische Kommission die Omnibus-Verordnung auf den Weg gebracht. Vorbehaltlich der Ratifizierung durch das Europäische Parlament und den Rat soll sie die Nachhaltigkeitsberichterstattung für Unternehmen vereinfachen und den administrativen Aufwand reduzieren, um die Unternehmen im EU-Raum zu entlasten und ihre Wettbewerbsfähigkeit zu stärken.

Die wesentlichen Änderungen im Überblick

Die Schwellenwerte für die Corporate Sustainability Reporting Directive (CSRD) wurden entschärft. Erst Unternehmen ab 1.000 Mitarbeitenden und entweder über 50 Millionen Euro Umsatz oder 25 Millionen Euro Bilanzsumme sollen künftig berichtspflichtig sein, was die Zahl direkt betroffener Unternehmen um etwa 80% reduziert. Gleichzeitig werden die Berichtspflichten um 2 Jahre geschoben. Unternehmen, die ursprünglich ab 2025 berichten müssten, haben nun bis 2027 Zeit. Weitere Hürden sollen durch vereinfachte Standards entfallen. Dazu werden die European Sustainability Reporting Standards (ESRS) verschlankt und sektorspezifische Standards entfallen.

Auch die EU-Taxonomie-Verordnung wird modifiziert: Nur Unternehmen ab 1.000 Mitarbeitenden und über 450 Millionen Euro Umsatz müssen ihre Taxonomie-Konformität offenlegen und auch hier wurde der Umfang reduziert: Nur der relevante Anteil von Umsatz und Investitionsausgaben (CapEx) bleibt berichtspflichtig, während das bei Betriebsausgaben (OpEx) zukünftig freiwillig sein soll.

Als letzte Norm wird der Bürokratieaufwand für die Corporate Sustainability Due Diligence Directive (CSDDD) abgeschwächt. Statt wie bisher gefordert die gesamten Lieferkette zu berücksichtigen, müssen Unternehmen nur ihre direkten Geschäftspartner auf Nachhaltigkeitskriterien prüfen – und das mit verlängerten Prüfintervallen: Statt einer jährlichen Kontrolle ist jetzt nur alle fünf Jahre eine Überprüfung vorgesehen.

Nachhaltigkeit zahlt sich aus
Die bisher investierte Arbeit in Wesentlichkeitsanalysen bleibt wertvoll, weil sie regelmäßig zu Effizienzsteigerungen und Innovationen führen. Die pragmatische Ausgestaltung der Omnibus-Verordnung hilft dabei, sich zu fokussieren.
Unternehmen, die Nachhaltigkeit als strategischen Faktor verstehen, profitieren von den gewonnenen Erkenntnissen, unabhängig von regulatorischen Schwellenwerten. Eine fundierte ESG-Strategie hilft Unternehmen Risiken besser zu steuern und langfristig Kosten zu senken. Sie fördert Innovationen, wirkt sich positiv auf Umwelt und Gesellschaft aus und hilft bei der Positionierung als transparenter, nachhaltiger Partner gegenüber Investoren, Kunden und anderen Stakeholdern.

Risiken und Nebenwirkungen

Gelockerte Schwellenwerte entbinden Unternehmen nicht automatisch von der Berichterstattung. Selbst wer durch die neuen Kriterien nicht mehr direkt betroffen ist, kann trotzdem durch Kunden, Lieferanten oder Finanzinstitute zur Offenlegung gezwungen sein. Unternehmen sind gut beraten, Wesentlichkeitsanalysen in ihr Handwerkszeug auf zu nehmen. Als ganzheitliche Anwendung einer SWOT Analyse ist sie ein hervorragendes Werkzeug zur strategischen Unternehmensführung.

Board Signals & Foresight

Posted on by Stefan Mauer

Echtzeit-Daten statt Rätselraten

Board bereichert Planung mit KI & Marktdaten

Board präsentiert neue Tools: Board Foresight und Board Signals

Der führende Anbieter von Enterprise-Planning-Lösungen hat zwei innovative Produkte nach erfolgreichen Tests auf dem US-amerikanischen Markt weltweit zugänglich gemacht: Board Foresight und Board Signals. Diese Tools unterstützen Unternehmen dabei, wirtschaftliche Veränderungen frühzeitig zu erkennen und entsprechend zu reagieren.

Board Foresight
Foresight kombiniert externe Daten mit kuratierten Wirtschaftsindikatoren, KI-gestützten Korrelationsalgorithmen und Predictive Analytics. Durch Echtzeit-Updates aus Millionen externer Quellen können Unternehmen Marktveränderungen antizipieren, ihre Geschäftsstrategien anpassen und eine kontinuierliche Planung vorantreiben.

Highlights: Durch Experten-kuratierte Indikatoren erhältst Du Zugang zu branchen-spezifischen externen Faktoren, die die jeweilige Industrie maßgeblich beeinflussen. Effiziente Korrelationsalgorithmen werden mit internen Daten verknüpft und helfen so bei der Identifizierung wichtiger Leistungstreiber.

Board Signals
Signals liefert Entscheidungsträgern branchenspezifische Wirtschaftsindikatoren in Echtzeit, um Marktvolatilität besser zu bewältigen. Entwickelt für strategische Planer und Führungskräfte liefert Signals klare, umsetzbare Informationen für fundierte Geschäftsentscheidungen.

Highlights: Von Experten zusammengestellte branchenspezifische Wirtschaftsinformationen liefern planungsrelevante Indikatoren, die regelmäßig aktualisiert werden. Intelligente Warnmeldungen helfen Unternehmen frühzeitig zu reagieren und Marktvolatilität abzufedern.

Namhafte US-Unternehmen haben die Tools bereits im Einsatz, um ihre Entscheidungsprozesse zu optimieren und strategisches Wachstum zu fördern. Board Signals und Board Foresight sind ab sofort auch weltweit verfügbar.
Als Board Partner testen wir beide Tools intensiv und freuen uns auf neugierige Fragen und spannende Anwendungsfälle.

Hidden Champion Feature Engineering

Posted on by Stefan Mauer

Der Schlüssel zu besseren KI-Modellen

Warum das Feature Engineering oft unterschätzt wird und wie AutoML-Tools wie DataRobot und Qlik AutoML Abhilfe schaffen können

Wenn es um Maschinelles Lernen geht, sind Algorithmen und Rechenleistung die Stars, dabei ist das sogenannte Feature Engineering ein oft unterschätzter Erfolgsfaktor. Schließlich hängt die Genauigkeit und Effizienz von Machine Learning Modellen maßgeblich von der Qualität und Auswahl der Features („Merkmale“) ab, die den Modellen zur späteren Mustererkennung und Vorhersagen dienen. Trotz seiner erfolgskritischen Funktion wird Feature Engineering häufig vernachlässigt. Das kann mehrere Gründe haben:

Mangelndes Fachwissen
Ohne tiefes Verständnis über die Daten und den spezifischen Anwendungsbereichs können wichtige Merkmale übersehen oder falsch interpretiert werden

Zeitaufwand
Der manuelle Prozess ist oft zeitintensiv und erfordert iterative Tests, um die optimalen Features zu identifizieren.

Komplexität
Bei großen und komplexen Datensätzen kann es schwierig sein, die richtigen Transformationen und Merkmalskombinationen zu finden.

Schlüsseltechnologie AutoML-Lösungen
Feature Engineering ist entscheidend für den Erfolg von Machine Learning (ML)-Modellen.
Ein gut durchgeführtes Feature Engineering beeinflusst die Genauigkeit und Effizienz von Modellen erheblich, da es relevante Informationen hervorhebt und irrelevante oder redundante Daten minimiert. Moderne Automated Machine Learning (AutoML) Plattformen automatisieren das Feature Engineering und ermöglichen einen effizienten Zugang zu leistungsstarken Machine-Learning-Modellen.

DataRobot und Qlik AutoML sind zwei prominente AutoML-Plattformen, die den Feature-Engineering-Prozess unterstützen:

DataRobot
Diese Plattform bietet automatisiertes Feature Engineering, bei dem relevante Merkmale identifiziert und transformiert werden, um die Modellleistung zu optimieren. DataRobot nutzt fortschrittliche Algorithmen, um automatisch die besten Features auszuwählen und neue zu generieren, was zu präziseren Vorhersagen führt.

Qlik AutoML
Qlik AutoML integriert automatisiertes maschinelles Lernen nahtlos in bestehende BI-Workflows. Die Plattform ermöglicht es Nutzern, ohne Programmierkenntnisse prädiktive Modelle zu erstellen. Ein besonderes Merkmal ist die automatische Merkmalsgenerierung, bei der aus den vorhandenen Daten neue, aussagekräftige Features abgeleitet werden, um die Modellgenauigkeit zu verbessern.

Mehrwerte
Durch die Automatisierung werden zeitaufwändige manuelle Prozesse reduziert, was die Entwicklungszeit verkürzt. Auch ohne tiefgehende Fachkenntnisse können Nutzer ihre Datenqualität effektiv verbessern. Automatisierte Prozesse minimieren menschliche Fehler und sorgen für reproduzierbare Ergebnisse. Die Erstellung neuer Merkmale mit Hilfe von AutoML eröffnen Zusammenhänge in den Daten, die vorher nicht ersichtlich waren.

Durch den Einsatz von AutoML können Unternehmen schneller und effizienter Modelle entwickeln, die dennoch eine hohe Genauigkeit aufweisen. Wenn Du das volle Potenzial Deiner Daten ausschöpfen und Deiner Machine-Learning-Modelle optimieren möchtest, stehen wir gerne mit unserer Expertise zur Seite. Von der strategischen Beratung bis zur Implementierung leistungsstarker AutoML-Lösungen – wir unterstützen Dich dabei, datengetriebene Entscheidungen effizient und präzise zu gestalten.

Qlik Cloud Analytics

Posted on by Stefan Mauer

Februar-Updates

Neue Attribute für die GetUserAttr-Funktion
Um eine konsistentere Lokalisierungs- und Sprachsteuerung zwischen der Qlik Cloud-Oberfläche und den Qlik Sense-Anwendungen zu gewährleisten, wurden zwei neue Attribute zur GetUserAttr-Funktion hinzugefügt:

– userLocale: Bevorzugte Sprache des Nutzers (z. B. „en“)
– userZoneinfo: Zeitzoneneinstellung des Nutzers (z. B. „Europe/London“)

Verbesserte Zugriffssteuerung mit benutzerdefinierten Gruppen
Qlik Cloud Analytics unterstützt nun benutzerdefinierte Gruppen für den Section Access. Diese Erweiterung sorgt für eine flexiblere und präzisere Zugriffskontrolle. Administratoren können jetzt wählen zwischen:

– IdP-Gruppen (Identity Provider Gruppen)
– Benutzerdefinierte Gruppen
– Kombination aus beiden

Relative Importance Analysis jetzt verfügbar
Die Relative Importance-Analyse ist jetzt in Qlik Analysen verfügbar. Sie zeigt die Gewichtung einzelner Dimensionen im Gesamtzusammenhang an und kann für Pareto- oder 80/20-Analysen genutzt werden.

Direct Access Gateway 1.7.1 – Neue Funktionen und Verbesserungen
– REST Connector: Sicherer Zugriff auf private REST-API-Endpunkte
– Unterstützung für Google BigQuery & Unity Catalog (Databricks)
– Erweiterte ODBC-Steuerung: Anpassung der Standardtabellenbegrenzung
– Verbesserte Fehlerbehebung bei ODBC-Datenimport
– Optimierte Speicherverwaltung für Cache-Verzeichnisse

Verbesserungen am Navigationsmenü
Basierend auf Nutzer-Feedback wurden folgende Änderungen implementiert:

– Hover-Menü ist standardmäßig deaktiviert
– Verbesserte Gestaltung für separate Menüpunkte
– Überarbeitete Abstands- und Designoptionen

Qlik Answers

Neuer Qlik Answers Connector für Qlik Application Automation
Der neue Qlik Answers Connector ermöglicht die Echtzeit-Indexierung von Daten und erweitert Automatisierungsmöglichkeiten durch unstrukturierte Erkenntnisse.

Download von Feedback aus Qlik Answers
Feedback aus Qlik Answers-Assistenten kann jetzt als CSV-Datei heruntergeladen werden.

Google Drive und OneDrive als Datenquellen in Qlik Answers
Wissensdatenbanken in Qlik Answers unterstützen nun Google Drive und OneDrive als Datenquellen.

Direktzugriff auf Arbeitsblätter  und Lesezeichen
Arbeitsblätter  und Lesezeichen sind wieder standardmäßig über die App-Symbolleiste abrufbar. Diese Einstellung kann in den App-Einstellungen angepasst werden.

Qlik Talend Cloud

Data Lakehouse-Funktionalitäten für Snowflake-Projekte
Qlik Talend Cloud Pipelines bietet zwei neue Funktionen zur Erstellung von offenen Lakehouses mit Snowflake:

  1. Lake-Landing Ingestion: Ermöglicht die Replikation von Daten mit niedriger Latenz in Cloud-Speicher.
  2. Unterstützung für Snowflake Iceberg-Tabellen: Daten können als Snowflake-verwaltete Iceberg-Tabellen gespeichert werden.

Neuer Freshness Indicator
Der Freshness Indicator zeigt an, wann Daten zuletzt aktualisiert wurden, entweder durch eine Dateiänderung oder eine Pipeline-Veröffentlichung. Dies erleichtert die Einschätzung der Datenaktualität und -zuverlässigkeit.

Einführung des Qlik Trust Score™
Mit dem Qlik Trust Score™ wird die Datenqualität auf einer Skala von 0 bis 5 bewertet. Die Berechnung basiert auf mehreren Dimensionen, die individuell angepasst werden können. Vorteile:

– Anpassbare Bewertungskriterien
– Detaillierte Einblicke in Datenqualität
– Transparente Nachverfolgbarkeit von Aktualität und Nutzung

Cross-Project Pipelines
Pipelines in Qlik Talend Cloud können nun aus mehreren Projekten bestehen, was eine effizientere Team-Kollaboration ermöglicht. Diese Funktion unterstützt insbesondere das **Data Mesh Design**.