Wat is de beste keuze?

De keuze tussen de Microsoft-stack gebruiken of de integratie van TimeXtender is zoals het uitkiezen van een maatpak. Als besluitvormer ben je bezig met het selecteren van het ideale pak dat perfect aansluit bij de unieke behoeften van je organisatie. Elke optie vertegenwoordigt een ander kledingstuk, en net als bij het ontwerpen van een pak gaat het erom dat je een datastrategie ontwerpt die naadloos aansluit bij je doelen. Hier kan je de opties verkennen tegen de achtergrond van een veranderend gegevenslandschap en de zoektocht naar toekomstbestendige oplossingen, zodat u een datamanagementstrategie kunt creëren die op maat is gemaakt voor je succes.

Om eerst de beschikbare opties te begrijpen, moet jij je er bewust van zijn wat de verschillen, overeenkomsten en mogelijkheden zijn van beide tools.

Microsoft Fabric

Wat is Fabric

Fabric wordt beschouwd als Software as a Service (SaaS) en is ontworpen om de complexiteit van het integreren van alle data-activiteiten binnen een organisatie weg te nemen. Door de opslag van gegevens te standaardiseren en Data Warehousing, Data Engineering, Data Factory, Data Science, Real Time Analytics en Power BI te onder één dak te brengen, verloopt de samenwerking tussen teams/leden naadloos en eenvoudiger dan ooit tevoren. Dit gaat ook gepaard met uniforme governanceprincipes en de aankoop van computermiddelen, waardoor ze efficiënter worden voor je organisatie. Voor een diepere duik in de verschillende proposities kun je terecht in onze andere blog over Microsoft Fabric, maar voor nu gaan we actief kijken naar wat Microsoft te bieden heeft als het gaat om datamanagement.

Data management in Microsoft Fabric

Microsoft biedt een uitgebreide set tools en diensten voor data-engineering, een cruciaal onderdeel van de datalevenscyclus waarbij gegevens worden verzameld, verwerkt en voorbereid voor analyse en gebruik. Het aanbod van Microsoft op het gebied van data-engineering is gecentreerd rond het Azure-cloudplatform en een breed scala aan producten en diensten die zijn ontworpen om organisaties te helpen hun data effectief te beheren. Onder de belangrijkste functionaliteiten van Microsoft voor datamanagement vinden we:

• Azure Data Factory voor het maken, plannen en beheren van datapijplijnen.
• Azure Databricks voor big data verwerking, data exploration en machine learning.
• Azure Synapse Analytics dat enterprise data warehousing en big data analytics combineert.
• Azure Stream Analytics voor real-time data-invoer en -verwerking.
• Azure Data Lake Storage, een schaalbare en veilige data lake oplossing voor het opslaan van grote hoeveelheden gestructureerde en ongestructureerde data.
• Azure SQL Database biedt beheerde relationele databaseservices die kunnen worden gebruikt voor de opslag en verwerking van gestructureerde gegevens.
• Azure Logic Apps en Azure Function; serverloze computerdiensten die kunnen worden gebruikt om workflows voor gegevensverwerking en automatisering te bouwen.

TimeXtender

Wat is TimeXtender?

TimeXtender dient als een low-code softwareplatform met een primaire focus op het vereenvoudigen en automatiseren van de ingewikkelde stappen die betrokken zijn bij data-integratie, modellering en voorbereiding voor analytische doeleinden. De kernmissie draait om het stroomlijnen van het vaak complexe proces van het extraheren, transformeren en laden van gegevens uit verschillende bronnen in een gecentraliseerd datawarehouse. Hierdoor stelt het organisaties in staat om moeiteloos toegang te krijgen tot hun gegevens en deze te analyseren, waardoor datagestuurde besluitvorming eenvoudig en efficiënt wordt.

Waar kan TimeXtender toevoegen?

TimeXtender is geen directe vervanging voor alle tools van Microsoft. Het biedt echter verschillende mogelijkheden die een aanvulling kunnen zijn op Microsofts functies voor data-engineering en waarde kunnen toevoegen en mogelijk bepaalde mogelijkheden kunnen vervangen:

• Integratie: Net zoals in Azure Data Factory kan je in TimeXtender gegevens uit verschillende bronnen halen, transformeren en laden in datawarehouses, datamarts of data lakes.
• Metadatabeheer: Hiermee kun je data lineage, transformaties en afhankelijkheden documenteren, bijhouden en beheren.
• Datatransformatie: TimeXtender kan een deel van de functionaliteit van services zoals Azure Data Factory, Azure Databricks of Azure Data Lake Analytics vervangen door ETL-taken (Extract, Transform, Load).
• Automatisering: Gedurende het hele data-integratieproces bied TimeXtender de mogelijkheid om onderdelen te automatiseren, vergelijkbaar met wat Azure Logic Apps en Azure Functions bieden voor workflow orkestratie en event-gedreven dataverwerking.
• Data Warehousing: Wordt gebruikt voor het creëren en beheren van data warehouses, waardoor het een potentieel alternatief is voor Azure Synapse Analytics voor kleinschaligere data warehousing behoeften.

Maar, er zijn verschillende gebieden waar TimeXtender geen directe vervanging is voor Microsoft Fabric:

• Real-time gegevensverwerking: Azure Stream Analytics is ontworpen voor real-time gegevensverwerking en event-driven architecturen, wat geen primaire focus is van TimeXtender.
• Big Data Verwerking: TimeXtender is niet specifiek ontworpen voor big data verwerking op schaal, zoals het geval is met Azure HDInsight. Het is beter geschikt voor traditionele data-integratie en warehousing scenario’s.
• Serverloos computergebruik: Services zoals Azure Functions worden gebruikt voor serverless computing en aangepaste gegevensverwerkingstaken die worden geactiveerd door gebeurtenissen. TimeXtender biedt geen mogelijkheden voor serverless computing.
• Data Lake Storage: Azure Data Lake Storage is geoptimaliseerd voor grootschalige, ongestructureerde dataopslag, wat niet de primaire functie van TimeXtender is. TimeXtender is meer gericht op data-integratie en automatisering.

Wat is de beste keuze voor jou?

Alleen de Microsoft stack gebruiken:

Als je organisatie zwaar geïnvesteerd heeft in het Azure ecosysteem, inclusief Azure SQL Data Warehouse, Azure Data Lake Storage, Azure Data Factory en andere Azure diensten, kan het zinvol zijn om de volledige suite van Microsoft tools te gebruiken. Als je data-engineeringsteam al goed bekend is met Microsoft-technologieën en geen ervaring heeft met tools van derden zoals TimeXtender, kan het eenvoudiger en kosteneffectiever zijn om vast te houden aan de Microsoft-stack in termen van training en het ontwikkelen van vaardigheden.

Bovendien kan het gebruik van enkel Microsoft-diensten je kostenbeheer vereenvoudigen, omdat je één factureringsplatform (Azure) hebt voor al uw gegevensgerelateerde uitgaven. Dit kan het gemakkelijker maken om uw cloudkosten te controleren en te optimaliseren.

TimeXtender integreren

Als je data-integratie-eisen complex zijn en een breed scala aan gegevensbronnen, formaten en transformaties omvatten, kunnen de gebruikersvriendelijke interface en automatiseringsmogelijkheden van TimeXtender het proces vereenvoudigen en de ontwikkelingstijd verkorten. Het blinkt ook uit in metadatabeheer, waardoor het een uitstekende keuze is als je sterke datagovernance, lineage tracking en documentatie van datatransformaties nodig hebt.

Als je organisatie opereert in een hybride cloud of multi-cloud omgeving, waar je een combinatie van cloud providers of on-premise databronnen gebruikt, kan de flexibiliteit helpen de kloof te overbruggen en een integratie bieden in een low-code oplossing voor een bredere groep gebruikers zonder de benodigde achtergrond in data-engineering.

In veel gevallen kiezen organisaties voor een combinatie van beide benaderingen. Ze gebruiken Microsofts native services voor bepaalde taken en integreren TimeXtender waar het waarde toevoegt, zoals voor data-integratie, metadatabeheer en snelle ontwikkeling. Uiteindelijk moet de keuze worden afgestemd op de unieke behoeften, vaardigheden en langetermijnstrategie voor data van uw organisatie. Net als bij uw lokale kleermaker is het belangrijk om de mogelijkheden te evalueren met ervaren consultants en te beoordelen hoe elke optie past in uw algehele data-engineeringarchitectuur. Zo verkrijg je het meest optimale resultaat voor je bedrijf.

Wij werken al jaren met de International Business Communication Standards (IBCS). Deze standaard uniformeert de taal van rapportages en dashboards zodat business communicatie effectiever wordt. Uit onderzoek van de Technische Universität München (TUM) blijkt dat met correct gebruik van IBCS® de analysesnelheid toeneemt met 46% en de nauwkeurigheid van besluitvorming toeneemt met 61%.

Maar wat houdt IBCS in? En hoe kan je deze standaarden invoeren binnen jouw organisatie? Onze expert legt je alle basics uit over IBCS in maar 20 minuten.

Wat is Process Mining?

Process Mining is een data-analysetechniek die tot doel heeft echte processen te ontdekken, te bewaken en te verbeteren door kennis te halen uit event logs, die de uitvoering van processen in informatiesystemen vastleggen.

Wat is de impact van Process Mining op het O2C-proces

Het implementeren van Process Mining binnen het O2C-proces kan aanzienlijke voordelen opleveren. Uit onderzoek van McKinsey blijkt dat bedrijven die Process Mining toepassen, tot 20% meer efficiëntie kunnen bereiken in hun O2C-proces. Dit betekent een snellere doorlooptijd van bestellingen, minder fouten en vertragingen, en uiteindelijk blijere klanten. Daarnaast kan het gebruik van Process Mining leiden tot een verbetering van de operationele efficiëntie met 10-20% volgens het bedrijf.

Maar Process Mining zorgt voor nog meer optimalisatie. Een ander onderzoek, uitgevoerd door Gartner, toonde aan dat het gebruik van Process Mining kan leiden tot een vermindering van de doorlooptijd van het order-to-cash-proces met 20-30%.

Bovendien kunnen bedrijven hun Days Sales Outstanding (DSO) aanzienlijk verminderen. Uit onderzoek door Gartner blijkt dat met Process Mining bedrijven hun DSO met gemiddeld 15% kunnen verkorten, wat een directe impact heeft op de cashflow.

Process Mining biedt kansen voor finance managers

Voor finance managers biedt Process Mining een goudmijn aan inzichten en mogelijkheden. Door realtime inzicht in het O2C-proces, kunnen finance managers data gestuurde beslissingen nemen, risico’s beheren en hun team efficiënter inzetten.

Dat is natuurlijk enorm belangrijk in een tijd waarin digitalisering, automatisering en data-analyse de sleutel zijn tot concurrentievoordeel. Hierbij is Process Mining een essentieel hulpmiddel voor elke finance manager die zijn organisatie vooruit wil helpen.

Rockfeather en Process Mining

Bij Rockfeather begrijpen we het belang van efficiënte bedrijfsprocessen. Met onze expertise in Process Mining helpen we organisaties om hun O2C-proces te optimaliseren, kosten te verlagen en hun concurrentiepositie te versterken. Neem contact met ons op om te ontdekken hoe we u kunnen helpen uw O2C-proces naar het volgende niveau te tillen.

Data-engineering in Microsoft Fabric omvat drie hoofdcomponenten:

1. Data-engineering: Dit aspect omvat het verzamelen van gegevens uit verschillende bronnen, het verwerken in real-time of batchmodus, en het transformeren tot bruikbare inzichten. Microsoft Fabric’s Data Engineering zorgt voor schaalbaarheid en flexibiliteit, waardoor het geschikt is voor het verwerken van uiteenlopende data-uitdagingen.
2. Data Factory: Als volledig beheerde data-integratieservice maakt Data Factory het creëren en orkestreren van complexe dataworkflows mogelijk. Het maakt naadloze verplaatsing en transformatie van gegevens tussen verschillende bronnen en bestemmingen mogelijk, waardoor gegevensverwerking wordt vereenvoudigd en efficiëntie wordt gegarandeerd.
3. Data Warehousing: Biedt een centrale opslagplaats voor gestructureerde en ongestructureerde gegevens. Het biedt schaalbare en veilige opslag en zorgt voor efficiënte queryprestaties en eenvoudige toegang tot kritieke gegevens.

Deze drie hoofdcomponenten worden op hun beurt toegankelijk gemaakt via de belangrijkste functies die beschikbaar zijn op de startpagina voor data-engineering:

• Lakehouse-aanmaak en -beheer, waar gebruikers hun gegevens kunnen overzien en een uniforme opslag- en verwerkingslocatie kunnen creëren.
• Pipeline-ontwerp, waardoor gegevens efficiënt naar hun Lakehouse kunnen worden gekopieerd.
• Spark job definities om eenvoudig batch en streaming jobs naar het Spark cluster te sturen voor verwerking en analyse.
• Notebooks om code te maken voor data-inname, voorbereiding, transformatie en het stroomlijnen van data-engineering workflows.

Business case

In de dynamische wereld van de detailhandel maakt een slim bedrijf gebruik van de reeks tools van Microsoft Fabric om een revolutie teweeg te brengen in hun datalandschap. OneLake, hun allesomvattende gegevensopslagplaats, harmoniseert verkoop-, voorraad- en klantgegevensstromen. Door datapijplijnen te orkestreren, zorgen ze er voor dat verschillende informatie gemakkelijk in OneLake terechtkomen. Spark jobdefinities stellen je in staat om realtime analyses uit te voeren, ingewikkelde verkooptrends te ontrafelen en voorraadschommelingen te benadrukken. Het gebruik van interactieve notebooks binnen dit ecosysteem stroomlijnt data-engineering en verfijnt informatie voor krachtige Power BI-rapporten. Deze naadloze integratie stimuleert een soepele besluitvorming, waardoor de retailonderneming op weg wordt geholpen naar strategisch succes in een concurrerende markt.

Meer weten over Microsoft Fabric?

Wil je meer weten over Microsoft Fabric as a service? Op 26 oktober organiseren we een Fabric Masterclass die diep ingaat op verschillende Fabric use cases voor Data Science, Data Engineering en Data Visualisatie.

Wat is Microsoft Fabric?

Microsoft Fabric is de nieuwe oplossing van Microsoft die meerdere services integreert die kunnen worden gebruikt in de datapijplijn van jouw organisatie. Dit maakt een efficiëntere samenwerking mogelijk tussen al jouw datageoriënteerde activiteiten, van data-engineering en data science tot datavisualisatie. De basis van Fabric is OneLake, het enkele data lake waar alle data in je organisatie wordt opgeslagen. Het hebben van slechts één plek waar alle data op dezelfde manier wordt opgeslagen, verbetert de rekenefficiëntie en flexibiliteit, en verwijdert duplicatie van data en elimineert beperkingen als gevolg van datasilo’s. Elk domein/team kan werken vanuit zijn eigen werkruimte in OneLake. Ze kunnen elke computing engine van hun voorkeur gebruiken, hun gegevens opslaan in het formaat dat ze nodig hebben, met behulp van een data Warehouse of Lakehouse, en elke applicatie gebruiken om de inzichten van hun gegevens te maximaliseren.

Een van de meest benoemingswaardige features is de AI-gestuurde Copilot. Het maakt gebruik van Large Language Models om gebruikers van elke applicatie te helpen. Copilot kan duidelijke en beknopte acties voorstellen zoals code bestemd voor Notebooks, visuals en rapporten in Power BI, of plug-ins voor data-integratie. En dat allemaal op basis van opdrachten die je geeft of vragen die je stelt in gewone taal.

Wat biedt Microsoft Fabric?

Fabric is een Software as a Service. Dit betekent dat Fabric is ontworpen om de complexiteit van het integreren van alle data-activiteiten binnen een organisatie weg te nemen. Door de opslag van data te standaardiseren en Data Warehousing, Data Engineering, Data Factory, Data Science, Real Time Analytics en Power BI te combineren, verloopt de samenwerking tussen teams/leden naadloos en eenvoudiger dan ooit tevoren. Dit gaat ook gepaard met uniforme governanceprincipes en de inkoop van computermiddelen, waardoor beide efficiënter worden voor jouw organisatie als geheel. Gevoeligheid labels voor data worden daarom gestandaardiseerd voor verschillende domeinen en de datalijn kan worden gevolgd door de hele datapijplijn heen. Om elke zakelijke gebruiker meer mogelijkheden te geven, is het mogelijk om alle inzichten die zijn ontdekt in Fabric te integreren in Office-tools. Het delen van de resultaten van je Data Science-project via e-mail of het delen van je nieuwe Power BI-rapport tijdens een Teams-vergadering is mogelijk met één klik.

OneLake

Zoals eerder vermeld, is de basislaag van Microsoft Fabric OneLake. Onelake biedt het One Copy Principle; alle gegevens worden opgeslagen in één enkel formaat om ervoor te zorgen dat alle rekenmachines toegang hebben tot alle bestanden en ermee kunnen werken. Omdat alle bestanden zijn opgeslagen in OneLake, is het niet nodig om bestanden te kopiëren. Dit vermindert de behoefte aan gegevensopslag en de inspanningen van gegevensingenieurs. Er zijn zelfs snelkoppelingen mogelijk vanuit gegevensbronnen buiten OneLake.

Copilot

Copilot biedt alle Fabric-gebruikers de mogelijkheid om diepere inzichten in hun gegevens te genereren. Zelfs onervaren gebruikers zijn in staat om taken zoals datatransformaties of het maken van samenvattende visuals succesvol te voltooien met hulp van Copilot. Wees echter voorzichtig met het gebruik van Copilot. Omdat het een AI-dienst is, zijn de antwoorden afhankelijk van je persoonlijke input en moet er altijd kritisch naar de antwoorden worden gekeken.

De voordelen van Fabric

• Meer samenwerking met andere teams
• Naadloze integratie van diensten
• Schaalbaarheid
• Kostenefficiëntie
• Gebruiksvriendelijke ervaring
• Eén kopie principe

Meer weten over Microsoft Fabric?

Wil je meer weten over Microsoft Fabric as a service? Bekijk dan de Fabric Masterclass die diep ingaat op verschillende Fabric use cases voor Data Science, Data Engineering en Data Visualisatie.

Er zijn verschillende voordelen om Fabric te kiezen bovenop Power BI. Hier zijn enkele punten die de voordelen benadrukken:

• Effectieve toegankelijkheid van gegevens: Microsoft Fabric promoot het concept van eenvoudige toegang tot een uniforme en gecentraliseerde dataomgeving (One Lake). Zoals de naam al doet vermoeden, is het een enkele opslagaccount voor al je gegevens, een logisch “Data Lake” dat al je Fabric workloads ondersteunt. Het is de opslagaccount voor al je gegevens die worden gebruikt in Fabric. Op deze manier kan de gecentraliseerde informatie uit meerdere bronnen sneller en efficiënter worden geanalyseerd en geïnterpreteerd om weloverwogen beslissingen te nemen en waardevolle inzichten te creëren.
• Data governance: Microsoft Fabric biedt robuuste mogelijkheden voor data governance en zorgt ervoor dat de gegevens accuraat en betrouwbaar zijn. Dit bevordert data-integriteit, compliance en goed data stewardship, waardoor analisten betrouwbare en hoogwaardige data kunnen tonen in rapporten.
• Integratie met tools voor business intelligence: Microsoft Fabric integreert populaire business intelligence tools, zoals Power BI. Deze integratie maakt het mogelijk BI-vaardigheden te benutten en te werken binnen de toolsets van jouw voorkeur, terwijl u nog steeds profiteert van de uniforme dataomgeving.
• Collaborative Analytics: De mogelijkheid om gevisualiseerde gegevens en inzichten te delen met belanghebbenden in de hele organisatie bevordert een datagestuurde cultuur en maakt betere besluitvorming in het hele bedrijf mogelijk.
• Self-Service Analytics: Microsoft Fabric maakt zelfvoorzienende analyse mogelijk. De intuïtieve interfaces en self-servicemogelijkheden van het platform zorgen voor onafhankelijke toegang, manipulatie en data-analyse, waardoor we minder afhankelijk zijn van IT-teams voor datagerelateerde taken.

Copilot

Copilot is een AI-mogelijkheid die een belangrijke rol speelt bij dit onderwerp omdat het helpt bij het volgende:

• Inzichten creëren en rapporten genereren
• Verhalende samenvattingen maken
• Helpen bij het schrijven en bewerken van DAX-berekeningen

Dit betekent dat je de flexibiliteit hebt om, via natuurlijke taal, gegevens op elke gewenste manier te bekijken en te analyseren om nieuwe inzichten te krijgen.

Business case

Stel je voor dat je een verkooprapport moet maken en je weet niet zeker hoe je dit moet vertalen naar een analyse, dan kun je gewoon een vraag stellen aan Copilot zoals:

“Maak een rapport met een samenvatting van de omzetgroei van de afgelopen 2 jaar”.

Met deze eenvoudige vraag zal Copilot suggesties ophalen die aan jouw behoeften voldoen! Het is in staat om nieuwe visuals voor te stellen, wijzigingen door te voeren of drilldowns te maken in bestaande visuals of zelfs complete rapportpagina’s vanaf nul te ontwerpen.

Er komen meer updates aan

Naar verwachting zal Fabric zich blijven ontwikkelen door meer technologieën en functies te integreren. Dit zal ervoor zorgen dat Power BI een robuuste en veelzijdige tool blijft die gebruikers meer mogelijkheden biedt om inzichten te creëren en datagestuurde beslissingen te nemen.

Meer weten over Microsoft Fabric?

Wil je meer weten over Microsoft Fabric as a service? Op 26 oktober organiseren we een Fabric Masterclass die diep ingaat op verschillende Fabric use cases voor Data Science, Data Engineering en Data Visualisatie.

Het typische data science-proces in Microsoft Fabric omvat de volgende stappen:

• Probleemformulering en ideeënvorming: Data Science-gebruikers in Microsoft Fabric werken op hetzelfde platform als zakelijke gebruikers en analisten, waardoor het delen van gegevens en de samenwerking tussen verschillende rollen naadloos verloopt.
• Ontdekken en voorbewerken van data: Gebruikers kunnen gegevens in OneLake interacteren met behulp van het Lakehouse-item. Er zijn ook tools beschikbaar voor data ingestion en data orchestration pipelines.
• Experimenteren en ML-modellering: Microsoft Fabric biedt mogelijkheden om machine learning modellen te trainen met behulp van populaire bibliotheken zoals PySpark (Python), SparklyR (R) en Scikit Learn. Het biedt ook een ingebouwde MLflow-ervaring voor het volgen van experimenten en modellen.
• Verrijken en operationaliseren: Notebooks kunnen omgaan met machine learning model batch scoring met open-source bibliotheken voor voorspelling, of de Microsoft Fabric schaalbare universele Spark Predict functie.
• Inzichten verkrijgen: Voorspelde waarden kunnen eenvoudig worden weggeschreven naar OneLake en naadloos worden geconsumeerd vanuit Power BI-rapporten.

Business case

De financiële afdeling van je organisatie maakt al gebruik van Power BI binnen Fabric om hun gegevens te visualiseren. Nu willen ze machine learning gebruiken om een cashflow forecast te genereren. De gegevens staan al in een Lakehouse in OneLake en hoeven dus niet verplaatst of gekopieerd te worden. Ze kunnen direct worden gebruikt in Synapse Data Science om de gegevens voor te bewerken en verkennende gegevensanalyses uit te voeren met behulp van notebooks. Vervolgens kan het experimenteren met modellen beginnen in de notebooks, waarbij belangrijke meetgegevens worden bijgehouden met behulp van de ingebouwde MLflow-mogelijkheden. Nadat er een model is gevonden dat goed presteert, kan er een cashflowprognose worden gegenereerd en teruggeschreven naar het Lakehouse, klaar om gevisualiseerd te worden in Power BI. De notebooks kunnen vervolgens worden ingepland om automatisch een maandelijkse cashflowprognose te genereren.

Synapse Real-Time Analytics in Fabric

Microsoft Fabric kan ook dienen als een krachtig hulpmiddel voor real-time gegevensanalyse, met een geoptimaliseerd platform op maat voor streaming en tijdreeksgegevensanalyse. Het is grondig ontworpen om data-integratie te stroomlijnen en snelle toegang tot waardevolle data-inzichten mogelijk te maken. Dit wordt bereikt door automatische datastreaming, indexering en data partitioning, die allemaal toepasbaar zijn op verschillende databronnen en -formaten. Dit platform is bijzonder geschikt voor organisaties die hun analyseoplossingen naar een grotere schaal willen tillen en tegelijkertijd gegevens toegankelijk willen maken voor een divers spectrum van gebruikers. Deze gebruikers variëren van citizen data scientists tot geavanceerde data-engineers, waardoor een gedemocratiseerde aanpak van datagebruik wordt bevorderd.

De belangrijkste kenmerken van Real-Time Analytics zijn:

• Vastleggen, transformeren en routeren van real-time gebeurtenissen naar verschillende bestemmingen, waaronder aangepaste apps.
• Inlezen of laden van data uit elke bron, in elk dataformaat.
• Voer analytische query’s direct uit op ruwe data zonder complexe datamodellen te hoeven bouwen of scripts te hoeven maken om de data te transformeren.
• Importeer data met standaard streaming die zorgt voor data-analyse met hoge prestaties, lage latency en hoge versheid.
• Werken met veelzijdige datastructuren, waaronder query gestructureerde, semi-gestructureerde of vrije tekst.
• Schaal tot een onbeperkte hoeveelheid gegevens, van gigabytes tot petabytes, met onbeperkte schaal op gelijktijdige queries en gelijktijdige gebruikers.
• Integreer naadloos met andere ervaringen en items in Microsoft Fabric.

Meer weten over Microsoft Fabric?

Wil je meer weten over Microsoft Fabric as a service? Op 26 oktober organiseren we een Fabric Masterclass die diep ingaat op verschillende Fabric use cases voor Data Science, Data Engineering en Data Visualisatie.

At the end of 2025, 41% of all employees – IT-employees not calculated – will be able to independently develop and modify applications. – Gartner, 2022

Wat is lowcode?

Lowcode is een benadering van applicatieontwikkeling. Het stelt ontwikkelaars van verschillende ervaringsniveaus in staat om applicaties voor web en mobiel te maken met behulp van drag-and-drop componenten. Deze platforms bevrijden niet-technische ontwikkelaars van de noodzaak om code te schrijven, terwijl ze toch hulp krijgen van doorgewinterde professionals. Met lowcode ontwikkelen we applicaties in een fractie van de tijd die het normaal kost. Maar je kunt nog veel meer doen met lowcode. Je hoeft bijvoorbeeld niet altijd een compleet nieuwe applicatie te maken. Soms is het beter om een deel van een trage, verouderde of ingewikkelde applicatie om te bouwen naar een stabielere en slimmere versie. Of je kunt de kracht van lowcode technologie gebruiken om op een creatieve manier systemen die voorheen niet met elkaar verbonden waren aan elkaar te koppelen of om verschillende gegevensbronnen op een innovatieve manier samen te voegen. Op die manier kan je lowcode gebruiken om nieuwe gegevens en inzichten te creëren die je nooit had verwacht.

Waarom kiezen voor lowcode

Er zijn veel redenen om vandaag te beginnen met lowcode. Bijvoorbeeld:

• Snelle ontwikkeling
  Door gebruik te maken van de drag-and-drop interface en vooraf gebouwde componenten kun je applicaties 40% / 60% sneller opleveren in vergelijking met traditionele code.
• Verlicht de stress op je IT-afdeling
  Met Lowcode kunnen zakelijke gebruikers zelf applicaties ontwikkelen. Dit betekent dat burgerontwikkelaars applicaties kunnen ontwikkelen en onderhouden terwijl je IT-personeel zich op zijn eigen taken kan richten.
• Makkelijke integratie
  Lowcode platformen bieden kant-en-klare connectors en API’s, die een soepele integratie tussen verschillende toepassingen mogelijk maken.
• Verbeter de gebruikservaring
  Of het nu gaat om ontwikkelaars, bedrijfsanalisten of materiedeskundigen, iedereen kan bijdragen aan het applicatieontwikkelingsproces. Doorbreek silo’s, stimuleer teamwerk en ontgrendel het volledige potentieel van uw personeel. Creëer samen een app waar je collega’s blij van worden.
• Kostbesparing
  Lowcode platformen verlagen de kosten door de ontwikkeling te versnellen, de behoefte aan gespecialiseerde ontwikkelaars te minimaliseren en uitgebreide codering overbodig te maken. Bereik meer met minder!
• Verhoogde wendbaarheid
  Met de mogelijkheid om in een oogwenk veranderingen door te voeren, kun je snel reageren op feedback, marktverschuivingen en nieuwe kansen.

Een goed voorbeeld van lowcode

Vóór de pandemie van COVID-19 hadden de meeste bedrijven geen systeem om bureaus te reserveren en kozen de werknemers gewoon om het even welk beschikbaar bureau. Met de komst van COVID-19 en de behoefte om anderhalve meter afstand te houden tussen personen, begonnen veel bedrijven echter de voordelen van een systeem voor bureaureservering in te zien.

Terwijl het meer dan een maand kon duren om zo’n bureau-reserveringssysteem te bouwen met behulp van traditionele code, hebben lowcode-oplossingen deze uitdaging binnen twee weken opgelost – van het eerste idee tot de ingebruikname.

Bouw snel, bouw goed, bouw voor de toekomst

Net als bij traditionele ontwikkeling is het belangrijk om ervoor te zorgen dat je je lowcode-oplossingen goed bouwt. Je ontwikkelt applicaties veel sneller, wat betekent dat het vooral belangrijk is om de best practices te handhaven. Hierdoor houd je controle over je lowcode-landschap. Je wil bijvoorbeeld niet dat er:

• Dubbele code, apps of modules zijn
• Oncontroleerbare wildgroei van applicaties ontstaat
• Blootstelling aan gegevens plaatsvindt
• Een slechte afstemming tussen processen en applicaties is

Simpel samengevat: denk na voordat je begint. Uiteindelijk stelt governance bedrijven in staat om de voordelen van lowcode-ontwikkeling te maximaliseren, risico’s te beperken en succes op lange termijn te garanderen.

Lowcode vs. no-code

Hoewel lowcode en no-code een heel verschillende aanpak hebben in het versnellen van softwareontwikkeling, worden ze vaak onder hetzelfde concept geschaard. Dit is een veel voorkomende misvatting omdat beide benaderingen verschillende voor- en nadelen met zich meebrengen. Simpel gezegd, zowel lowcode als no-code hebben als doel de ontwikkeling te versnellen en de afhankelijkheid van traditionele codeerpraktijken te verminderen, maar het verschil zit in hoeveel programmeermogelijkheden er zijn tussen de twee benaderingen.

Zoals uitgelegd in deze blog, vereist lowcode nog steeds wat programmeerwerk, maar de complexiteit is verminderd. No-code ontwikkeling aan de andere kant, bied een drag-and-drop interface  met vooraf gebouwde blokken. Hierdoor hoef je helemaal niet meer te programmeren. No-code richt zich op het in staat stellen van niet-technische gebruikers om applicaties te bouwen. Het belangrijkste verschil tussen lowcode en no-code is dat lowcode de ’traditionele’ ontwikkeling versnelt door de gebruiker veel aanpassingsmogelijkheden te bieden met weinig prestatieverlies, terwijl no-code nog sneller is voor ontwikkeling. Echter, door sneller te ontwikkelen, lever je wat prestaties en aanpassingsmogelijkheden in.

Lowcode en no-code bij Rockfeather

Bij Rockfeather streven we ernaar om de beste applicaties voor onze klanten te ontwikkelen. Daarom gebruiken we voornamelijk lowcode om kwaliteitsoplossingen te bouwen. Afhankelijk van de uitdaging beslissen we of Microsoft PowerApps of Outsystems beter bij je past. OutSystems is een lowcode platform dat geavanceerde aanpassingen en schaalbaarheid biedt. OutSystems belooft ontwikkelaars te helpen applicaties te bouwen die 4-10 keer sneller zijn in vergelijking met traditionele ontwikkeling, zonder in te leveren op prestaties. PowerApps, het andere platform dat we aanbieden, is een tool met low-code en no-code mogelijkheden. Het platform stelt gebruikers in staat om applicaties te maken met weinig tot geen codeerervaring. PowerApps heeft een visuele ontwikkelinterface (no-code), maar biedt ook de optie voor meer ervaren ontwikkelaars om functionaliteiten uit te breiden door middel van aangepaste code (low-code).

Wil je meer weten over lowcode? En wil je meer weten over de verschillen tussen PowerApps en OutSystems? Schrijf je dan in voor ons webinar dat dieper ingaat op de unieke eigenschappen van beide platformen.

Als een van de meest toonaangevende onderzoeken voor BI-oplossingen, kijken Business Intelligence Professionals altijd uit naar het Gartner Magic Quadrant voor Business Intelligence & Analytics. Maar hoe haal je nu de belangrijkste zaken uit dit rapport van 125 pagina’s? En hoe onafhankelijk en betrouwbaar is het onderzoek van Gartner eigenlijk? Wat zijn de belangrijkste trends in Business Intelligence voor 2023?

In ongeveer een half uurtje brengen onze experts je helemaal op de hoogte van de belangrijkste uitkomsten van het nieuwe Gartner Magic Quadrant. Ook bespreken we de belangrijkste trends voor het komende jaar.

Waar gaat het webinar over?

• De belangrijkste punten uit het Gartner Magic Quadrant voor Business Intelligence & Analytics rapport
• De meest interessante nieuwe inzichten voor het komende jaar.