Ken je dat probleem? Je organisatie is te klein voor een compleet datateam, maar je ambities zijn te groot om het klein te houden. In eerdere blogs liet ik al zien hoe low-code tools zoals TimeXtender een nieuwe generatie Analytics Engineers mogelijk maken. In dit blog wil ik laten zien waarom juist deze Analytics Engineers een antwoord zijn op deze situatie.
Veel organisaties starten met het bouwen van BI-dashboards door zich te richten op visualisaties en KPI’s, maar vergeten het fundament: een goed dimensionaal model. Zonder dit model ontstaan op termijn problemen zoals trage dashboards, foutgevoelige berekeningen, inconsistenties tussen rapporten en hoge onderhoudskosten.
TimeXtender heeft een niewe release van hun producten uitgebracht met een winters thema: grote Snowflake verbeteringen. Daarnaast is er ook nog een grote sprong voorwaarts met de TimeXtender MCP Server en Deliver endpoints. In deze blog licht ik zeven van de hoogtepunten toe.
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.
