De software van TimeXtender is gericht op het oplossen van veelvoorkomende problemen rondom de ontwikkeling van een data warehouse. Dit is een kostbaar en tijdrovend proces, vooral voor grotere bedrijven met veel databronnen. Hierbij komen veel consultancy uren bij kijken en ontstaan soms jarenlange projecten. Als een data warehouse eenmaal gebouwd is, lopen bedrijven vaak weer tegen andere problemen aan. Denk hierbij aan opschalingsproblemen en moeilijkheden bij het integreren van nieuwe databronnen. Deze tijdrovende manier om een data warehouse te maken wordt omschreven als traditioneel.

Hoe werkt de Discovery Hub

  • Eindelijk toegang tot corporate data
  • Een snellere en betere Data Warehousing oplossing
  • Moeiteloos extra databronnen toevoegen
  • Tevreden business gebruikers die binnen weken resultaat zien
  • Een BI oplossing dat continue business waarde oplevert
  • Minder IT afhankelijkheid
  • Veel minder complexiteit en verbeterde consistentie
  • Geminimaliseerde implementatie en operatie kosten
  • Verbeterde productiviteit en efficiëntie
  • Minder tijd kwijt bij het scripten waardoor je sneller
    aan de slag kan met je Qlik dashboards

  • Gebrek aan sterke sponsoring vanuit het Executive level van een bedrijf.
  • Gebrekkige Enterprise Data Warehouse (EDW) architectuur en documentatie
  • Implementatie team moest wachten op een complete set van behoeftes
  • EDW database design is niet schaalbaar en aanpasbaar
  • Implementatie team heeft nog niet eerder een DW of een EDW gebouwd
  • Programma van eisen gemaakt door een team dat de business niet begrijpt
  • Hoeveelheid handmatige ontwikkelingen door gespecialiseerde teams en tools
  • Data integratie is vaak moeilijker dan men aanvankelijk denkt
  • Er is niet nagedacht over de toekomst van het DW en mogelijke aanpassingen die volgen

 

TimeXtender wil verandering brengen in de traditionele manier van data warehouse ontwikkeling met hun Data Warehouse Automation platform genaamd de Discovery Hub™. Maar wat doet deze software precies?

  • Automatiseren van taken
  • Genereren van ETL code
  • Data modelleren
  • Bouw en deployment van het data warehouse
  • Genereren van project documentatie
    (inclusief volledige versie controle om ervoor te zorgen dat de gegenereerde documentatie correspondeert met de ingezette versie van het project)
  • Bouwen van Qlik databestanden, indien nodig
  • Controle over de toegang tot data op zowel het object als het data level
  • Data governance