Waterschap Hunze en Aa’s wilde kunnen voorspellen wanneer een rioolgemaal de afvoer van water niet meer aankan en zal gaan overstorten. Hiervoor ontwikkelden we een algoritme dat wordt gevoed met real time data van een gemaal en met data van het KNMI over verwachte regenval. Zo kan het waterschap zien wanneer het maximale waterniveau zal worden bereikt en tijdig maatregelen nemen.
Voor GGZ Friesland ontwikkelden we een Compliance Monitor gericht op rechtmatige zorguitgaven. In dit BI platform worden controles uitgevoerd op alle registratie-, declaratie- en verantwoordingsprocessen. Het dashboard toont een overzicht van mogelijke registratiefouten met de bijbehorende financiële risico’s, zodat GGZ Friesland hier tijdig actie op kan ondernemen.
Hoe breng je zo duidelijk mogelijk in beeld hoeveel aardbevingen van welke omvang er in de loop der tijd in Groningen zijn geweest? Vanwege de grote hoeveelheid kleine bevingen, kozen we voor een visualisatie in 3D met Mapbox en Pyhton. Daarbij maakten we dankbaar gebruik van de data van het KNMI.
Baarsma Winegroup, een wereldwijd opererende wijngroothandel, had een sterke behoefte aan professionalisering van haar managementinformatievoorziening. Het vergroten van de betrouwbaarheid van de managementinformatie door standaardisatie, het gebruiken van uniforme definities (één versie van de waarheid) en het vergroten van de gebruiksvriendelijkheid van de rapportages en de analysemogelijkheden zijn hierbij belangrijk.
GGZ Friesland – ZorgKompas Uitdaging GGZ Friesland heeft behoefte aan informatie t.b.v. management sturing, interne en externe verantwoording en het sturen van operationele processen. Deze informatie komt uit allerlei bronsystemen waarbij het niet mogelijk is om snel de juiste gegevens in de juiste vorm overzichtelijk te verzamelen en te tonen. Daarom heeft GGZ Friesland behoefte…
Het Wereld Natuur Fonds wil meer inzicht in haar donateurs en in de donaties die binnenkomen. Hiermee krijgt het WNF inzicht in welke donateurs op welke acties ingaan en dus op maat benaderd kunnen worden. En welk soort campagnes succesvol zijn en welke minder – zijn hier zaken uit te leren om toekomstige campagnes succesvoller te maken?
Bij A.Hak maken we gebruik van een bron met een set tabellen die voor elke bedrijf hetzelfde is. Omdat A.Hak uit ongeveer vijftig bedrijven bestaat houdt dit in dat we ongeveer 50 keer dezelfde set aan tabellen hebben die we in de staging laag willen ontsluiten en samenvoegen. De uitdaging is om met een script de staging packages te genereren om deze set aan tabellen te ontsluiten.
We hebben een methode toegepast waarmee we de optimale snelheid van de boot berekenen. De sensoren in de solarboatgenereren data waarop multidimensionale regressies zijn uitgevoerd. Door het kilometerverbruik per snelheid te plotten, is het snelste en meest efficiënte vermogen te bepalen.
We hebben voor Payt twee dingen gedaan. We hebben eerst factoren opgesteld die van invloed zijn op een betaling. Hiermee kan Payt debiteuren en facturen categoriseren in hoge en lage risico’s. Daarnaast hebben we voor elke individuele factuur een kans op betaling berekend.
Voor deze casus hebben we gebruik gemaakt van DataVaultom het initiële datamodel van het enterprisedatawarehouse neer te zetten. De bestaande ETL tooling binnen Schiphol is gebruikt om de ETL te genereren voor de nieuwe stromen van CISS naar het nieuwe EDWH. De bestaande business rules zijn zoveel mogelijk vereenvoudigd en hergebruikt.
