Als je het nieuws over de technische vooruitgang van TimeXtender hebt gevolgd, heb je gezien dat er een verschuiving is van CData-connectoren naar connectoren die rechtstreeks door TimeXtender zijn ontwikkeld. Deze nieuwe connectoren zijn al een tijdje beschikbaar in TDI (de nieuwe release). Met de release van 20.10.58 (en nu 20.10.62) zijn deze connectoren ook beschikbaar in de 20.10.x-serie.
Met de meest recente release van TimeXtender is het nu mogelijk om je TimeXtender implementatie volledig te baseren op Microsoft Fabric. Dit betekent Fabric Lakehouse voor zowel Ingest- als Prepare-instances en XMLA endpoints voor Power BI modellen. Hiermee landt de hele datapijplijn in Microsoft Fabric.
In mei 2026 brengt Qlik een belangrijke release uit die voor veel organisaties directe gevolgen kunnen hebben. In deze update verdwijnen meerdere verouderde visualisatietypen uit Qlik Sense. Gebruik je deze visuals in je dashboard, dan loop je het risico dat bepaalde rapportages of KPI-overzichten niet meer werken.
Wat als je app niet alleen reageert op gebruikers, maar zélf dingen voor ze doet? Stel je voor: je typt iets in en de app opent programma's, vult formulieren in of verwerkt rapporten zonder dat jij hoeft te klikken. Dat klinkt futuristisch, maar het gebeurt nu al. En jij kunt het gebruiken binnen je organisatie. Met behulp van agentic AI en Mendix, het low-code platform waar je razendsnel apps mee bouwt, kun je vandaag al ontdekken hoe ver je kunt gaan met automatiseren.
Er zijn weer een hoop verbeteringen en nieuwe features bijgekomen, in deze blog ga ik in op een aantal van de meest interessante features in. Voor de volledige documentatie kun je hier terecht. Tip: je kan je abonneren op de Product Updates pagina van TimeXtender zodat je op de hoogte blijft van alle nieuwe releases.
De toekomst voorspellen, wie wil dat nou niet? Met Qlik Predict (de nieuwe benaming voor AutoML) kun je eenvoudig voorspelmodellen creëren op basis van jouw data. Qlik Predict automatiseert een groot deel van dit proces voor je. In de vorige blogs hebben we uitgelegd hoe je jouw data voorbereidt met feature engineering en hoe je het beste model selecteert. In dit derde deel laten we zien hoe je het getrainde model daadwerkelijk inzet in je organisatie: het operationaliseren van je model.
