{"id":34388,"date":"2026-02-03T10:40:28","date_gmt":"2026-02-03T09:40:28","guid":{"rendered":"https:\/\/iview.io\/success-story-bako-hansa\/"},"modified":"2026-02-04T08:10:59","modified_gmt":"2026-02-04T07:10:59","slug":"success-story-bako-hansa","status":"publish","type":"post","link":"https:\/\/iview.io\/de\/success-story-bako-hansa\/","title":{"rendered":"ERFOLGSGESCHICHTE – B\u00c4KO HANSA"},"content":{"rendered":"\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Optimierung der Qlik-Landschaft mit iVIEW<\/h2>\n

B\u00c4KO HANSA verlagert das Qlik-Backend in die Cloud und bringt Struktur in seine KPIs<\/h3>\n

\u00abFr\u00fcher war unsere BI-Landschaft ein regelrechter Dschungel aus Skripten, Variablen und gewachsenen Strukturen. Mit iVIEW Dataflow und der iVIEW Library hat sich dieser Dschungel deutlich gelichtet. Die Prozesse sind heute klar strukturiert, die Kennzahlen konsistent und die Daten schneller verf\u00fcgbar. Das schafft Transparenz und gibt uns eine stabile Basis f\u00fcr weitere Entwicklungen.\u00bb<\/em><\/p>\n

Anne Eschenbr\u00fccher, Datenanalystin, B\u00c4KO HANSA eG<\/p>\n\n

\"B\u00e4ko<\/figure>\n

Der Kunde<\/h2>\n

Die B\u00c4KO HANSA eG ist eine der f\u00fchrenden regionalen Genossenschaften innerhalb der B\u00c4KO-Gruppe, der zentralen Handels- und Dienstleistungsorganisation f\u00fcr das B\u00e4cker- und Konditorenhandwerk in Deutschland. Das Unternehmen hat seinen Hauptsitz in Hamburg und wird durch Niederlassungen in Hildesheim, Grimmen und Michendorf unterst\u00fctzt. B\u00c4KO HANSA beliefert B\u00e4ckereien und Konditoreien mit Rohstoffen, Halbfabrikaten, technischen Ger\u00e4ten, Verpackungen und einem breiten Spektrum an Dienstleistungen und positioniert sich damit als zuverl\u00e4ssiger Partner des traditionellen Handwerks. <\/p>\n \n\n\"\" \"\"\n

L\u00f6sung im \u00dcberblick<\/h2>\n
<\/div>\n
\n\n\n\n\n\n
INDUSTRIE<\/strong>\nGrosshandel<\/td>\nAbteilungen<\/strong>\nBusiness Intelligence<\/td>\n<\/tr>\n
REGION<\/strong>\nDeutschland, Hamburg (Hauptsitz)<\/td>\nDatenquellen<\/strong>\nIBM Informix-Datenbank, und Excel-basierte Datenquellen<\/td>\n<\/tr>\n
Verwendete Technologien<\/strong>\nQlik Cloud Analytics, Qlik on-premises, iVIEW Dataflow, iVIEW Library<\/td>\nROI & Time-to-Value<\/strong>\n\u2248 3 Stunden<\/strong> schnellere Datenverf\u00fcgbarkeit und \u2248 78%<\/strong> geringere variable Komplexit\u00e4t<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/figure>\n
<\/div>\n
<\/div>\n

Ausgangssituation<\/h2>\n

Um ihre Mitgliedsunternehmen optimal zu unterst\u00fctzen und die eigenen Prozesse datengesteuert zu managen, setzt die B\u00c4KO HANSA seit mehreren Jahren die Datenanalysel\u00f6sung Qlik<\/strong> ein. Anf\u00e4nglich<\/strong> wurde die gesamte Qlik-Landschaft vollst\u00e4ndig vor Ort<\/strong> betrieben. Zu einem sp\u00e4teren Zeitpunkt entschied sich das Unternehmen, schrittweise in die Cloud zu wechseln<\/strong> und zun\u00e4chst das Frontend (die Qlik-Apps) in die Cloud zu migrieren. <\/p>\n

Das Ergebnis war ein hybrides System<\/strong>: Die Analysen wurden in der Cloud ausgef\u00fchrt, w\u00e4hrend das Backend – einschliesslich der Datenextraktion und Vorverarbeitung aus einer zentralen IBM Informix-Datenbank und mehreren Excel-Tabellen – weiterhin vor Ort lief. Die Daten wurden \u00fcber Qlik Data Transfer<\/a> in die Cloud hochgeladen<\/strong>, wo sie teilweise transformiert und modelliert wurden, bevor sie in die Anwendungen geladen wurden.<\/p>\n

Dieser zweigeteilte Prozess erwies sich jedoch als langsam, fehleranf\u00e4llig und wartungsintensiv. Bei St\u00f6rungen mussten die Verantwortlichen an mehreren Stellen gleichzeitig nach der Ursache suchen \u2013 in der App, im Cloud-Modell, in der Cloud-Transformation oder auf dem lokalen Server. Das machte die Fehlersuche m\u00fchsam und verl\u00e4ngerte die Bearbeitungszeiten erheblich. <\/p>\n

Neben dem Wunsch nach mehr Prozesseffizienz spielten auch \u00fcbergreifende IT-strategische \u00dcberlegungen eine Rolle. „Wir wollen die Kostenstrukturen transparenter machen und Ressourcen konsolidieren“,<\/em> erkl\u00e4rt Anne Eschenbr\u00fccher, Data Analyst bei der B\u00c4KO HANSA. „Qlik ist f\u00fcr uns unverzichtbar, aber es ist auch ein kostenintensives Tool. Deshalb suchen wir nach Effizienzsteigerungen und Kosteneinsparungspotenzialen in anderen Komponenten.“<\/em><\/p>\n

F\u00fcr die komplette Cloud-Migration suchte die B\u00c4KO HANSA ein Tool, das alle Datenintegrationsprozesse zentral verwalten kann.<\/strong><\/p>\n\"\" \"\"\n

<\/div>\n

L\u00f6sung<\/h2>\n

Einf\u00fchrung von iVIEW Dataflow: Stabilisierung und Modernisierung der Datenprozesse<\/h3>\n

Die Wahl fiel auf iVIEW Dataflow, ein Modul der von Informatec entwickelten iVIEW-L\u00f6sung f\u00fcr Business Intelligence und Data Analytics im Qlik-Umfeld. Es unterst\u00fctzt Unternehmen dabei, Daten aus unterschiedlichen Quellen zentral zu extrahieren, zu transformieren und f\u00fcr Analyse-Tools wie Qlik bereitzustellen. <\/p>\n

\u00abF\u00fcr iVIEW haben wir uns letztlich auch aus Kostengr\u00fcnden entschieden \u2013 es bietet die ben\u00f6tigten Funktionen und ist zugleich eine der wirtschaftlicheren Optionen\u00bb<\/strong>, erg\u00e4nzt Anne Eschenbr\u00fccher.<\/p>\n

Die B\u00c4KO HANSA wollte die L\u00f6sung langfristig selbst\u00e4ndig betreiben. Um internes Fachwissen aufzubauen, buchte das Gro\u00dfhandelsunternehmen eine zweit\u00e4gige iVIEW-Schulung bei Informatec. Die Berater f\u00fchrten das Team zun\u00e4chst durch die Einrichtung der Extraktionen. Anschlie\u00dfend migrierte die B\u00c4KO HANSA schrittweise und selbstst\u00e4ndig die vorhandenen On-Premises-Extraktionen auf iVIEW<\/strong>. Es folgte eine weitere Schulung mit dem Schwerpunkt Transformationen, die etwa einen Tag dauerte. „Die Unterst\u00fctzung war besonders positiv: Die Berater von Informatec haben sehr schnell auf Fragen geantwortet – in der Regel innerhalb von ein bis zwei Stunden<\/em>„, sagt Anne Eschenbr\u00fccher. <\/p>\n

\u00abAnfangs bestanden die meisten Herausforderungen darin, die Funktionsweise des neuen Tools kennenzulernen\u00bb, erinnert sich Anne Eschenbr\u00fccher.\u00abIch komme urspr\u00fcnglich aus dem Bereich Data Engineering und Process Mining, Qlik und iVIEW waren f\u00fcr mich neu. Trotzdem konnte ich mich schnell einarbeiten. Wir sind z\u00fcgig vorangekommen und konnten die Migration schrittweise erfolgreich umsetzen. Das lag auch an der guten Zusammenarbeit mit Informatec<\/strong>. <\/em>\u00bb<\/p>\n

Zu Beginn lag der Schwerpunkt auf der Umstrukturierung der Extraktionsprozesse, da diese zuvor auf dem lokalen Server liefen und h\u00e4ufig Fehler verursachten. Der Extraktionsprozess wurde mit iVIEW neu aufgebaut und in die Cloud verlagert, was zu einer deutlich stabileren Datenbereitstellung f\u00fchrte. <\/p>\n

Bei der Transformation der Daten entschied sich das Team f\u00fcr ein vorsichtigeres Vorgehen. Bestehende Transformationen in Qlik-Skripten wurden nach und nach in iVIEW nachgebildet und parallel zu den alten Prozessen betrieben. Auf diese Weise liess sich sicherstellen, dass die neuen Tabellen und Datenfl\u00fcsse korrekt implementiert waren und die Ergebnisse mit den bisherigen Prozessen \u00fcbereinstimmten. <\/p>\n

Auch die Anbindung der einzelnen Qlik-Apps an die neuen Datenquellen erfolgte Schritt f\u00fcr Schritt<\/strong>. Auf diese Weise konnte die B\u00c4KO HANSA die Konsistenz der Ergebnisse kontinuierlich \u00fcberpr\u00fcfen und gleichzeitig einen unterbrechungsfreien Betrieb aufrechterhalten. <\/p>\n

Obwohl die B\u00c4KO HANSA iVIEW weitgehend eigenst\u00e4ndig betreibt, greift das Team bei speziellen Anforderungen gezielt auf die Unterst\u00fctzung von Informatec zur\u00fcck – Informatec unterst\u00fctzt die B\u00c4KO nun auch als Qlik-Partner. Ein aktuelles Beispiel ist die Datenbereinigung in Kombination mit Deltaladungen: F\u00fcr die t\u00e4gliche Datenverarbeitung verwendet B\u00c4KO HANSA zwei Arten von Extraktionen – Full Loads, die alle relevanten Daten seit dem 1. Januar 2022 neu laden, und die effizienteren Delta Loads<\/strong>, die nur die seit dem Vortag hinzugekommenen Datens\u00e4tze erfassen. Delta-Loads f\u00fchren zu einer erheblichen Zeitersparnis, insbesondere bei sehr gro\u00dfen Tabellen, wie z.B. den Verkaufspositionen mit mehr als 42 Millionen Eintr\u00e4gen.<\/strong> <\/p>\n

In der Praxis stellte sich jedoch eine Herausforderung heraus: Auftr\u00e4ge k\u00f6nnen nachtr\u00e4glich ge\u00e4ndert oder gel\u00f6scht werden – zum Beispiel, wenn ein Kunde die Mengen anpasst oder einen Auftrag storniert. Solche \u00c4nderungen werden von einem reinen Delta-Load nicht erfasst, da er nur neue Datens\u00e4tze seit dem letzten Lauf l\u00e4dt und bestehende Eintr\u00e4ge nicht erneut \u00fcberpr\u00fcft. Dies f\u00fchrte zu Diskrepanzen in den Analysen, z. B. bei den Umsatz- oder Verkaufszahlen. Um diese Unstimmigkeiten zu vermeiden, lieferte Informatec eine Vorlage mit automatisierten Verarbeitungsschritten<\/strong>, die B\u00c4KO HANSA nun f\u00fcr diese Tabellen verwendet: Jeden Morgen wird der komplette Datensatz des Vormonats automatisch gel\u00f6scht und neu geladen. <\/p>\n\n

\n
<\/div>\n
\n
\n
Mehr zu iVIEW Dataflow<\/strong><\/a>

\n<\/div>\n<\/div>\n<\/div>\n
<\/figure>\n
<\/div>\n
\"\"<\/div>

Zentrale KPI- und Variablenverwaltung mit der iVIEW Library<\/h3>\n

Nach der erfolgreichen Einf\u00fchrung von iVIEW Dataflow hat die B\u00c4KO HANSA ein weiteres erfolgskritisches Thema aufgegriffen, das f\u00fcr den Erfolg von BI-Initiativen unerl\u00e4sslich ist: die konsistente und effiziente Verwaltung der in Qlik verwendeten Variablen, KPIs und Definitionen<\/strong>. Urspr\u00fcnglich wurden die Variablen \u00fcber eine lokal gepflegte Excel-Tabelle und in einigen F\u00e4llen sogar \u00fcber zus\u00e4tzliche TXT-Dateien in die Qlik-Apps geladen. \u00c4nderungen mussten manuell vorgenommen, hochgeladen und dann wieder in die App geladen werden. Dieser Prozess war umst\u00e4ndlich, fehleranf\u00e4llig und bot keine Versionskontrolle. Besonders schwierig war es, weil viele Variablen voneinander abh\u00e4ngig waren und diese Abh\u00e4ngigkeiten in Excel nur schwer nachzuvollziehen waren. <\/p>\n

Auch f\u00fcr diese Herausforderung wird ein Modul des iVIEW-Frameworks verwendet: die iVIEW Library<\/strong>. Sie erm\u00f6glicht eine zentrale Variablenverwaltung, eine schnelle Umsetzung von \u00c4nderungen und sofortige Aktualisierungen in den Apps. Au\u00dferdem zeigt es an, welche Variablen auf andere verweisen. <\/p>\n

Die gr\u00f6sste und gesch\u00e4ftskritischste App der B\u00c4KO HANSA – die VK-Umsatz-Dashboards, die unter anderem alle Umsatz- und Verkaufszahlen liefern – wurde als erste vollst\u00e4ndig auf iVIEW Dataflow und die Bibliothek migriert.<\/p>\n\n

<\/div>\n
\n
\n\nMehr zu iVIEW Library<\/strong><\/a>

\n<\/div>\n<\/div>\n

Einsatzbereiche und Nutzen<\/h2>\n

Der Einsatz von iVIEW Dataflow brachte f\u00fcr die B\u00c4KO HANSA erhebliche Verbesserungen im Vergleich zu dem vorherigen Ansatz, der auf Qlik-Skripten basierte. Statt Daten aus der lokalen Umgebung per Qlik Data Transfer in die Cloud zu laden und anschliessend in verschiedenen Skripten weiterzuverarbeiten, k\u00f6nnen Extraktion und Transformation nun zentral in iVIEW umgesetzt werden.<\/strong> Das reduziert die Komplexit\u00e4t der Prozesse, erh\u00f6ht die Stabilit\u00e4t und macht die Datenfl\u00fcsse transparenter. Fehlerquellen, die zuvor an verschiedenen Stellen, wie dem lokalen Server, der Cloud-Transformation oder dem App-Skript gesucht werden mussten, werden so vermieden. <\/p>\n

Die Vorteile<\/strong> zeigen sich vor allem in Bezug auf die Leistung und die Verf\u00fcgbarkeit der Daten<\/strong>. In der Vergangenheit standen die Daten den Gesch\u00e4ftsanwendern oft nur zwischen 9:00 und 10:00 Uhr in vollem Umfang zur Verf\u00fcgung. Heute sind sie bereits gegen 6:30 Uhr verf\u00fcgbar – ein entscheidender Vorteil f\u00fcr die vielen Mitarbeiter im Einkauf, die ihren Arbeitstag bereits um 6:30 Uhr beginnen und nun viel fr\u00fcher auf aktuelle Informationen zugreifen k\u00f6nnen. <\/p>\n

Ein weiterer Pluspunkt ist die M\u00f6glichkeit, in iVIEW Dataflow die Prozessschritte gezielt zu \u00fcberwachen und zu optimieren. F\u00fcr jeden einzelnen Schritt ist ersichtlich, wie lange er ben\u00f6tigt. Engp\u00e4sse lassen sich leicht identifizieren und durch Parallelisierung beschleunigen \u2013 etwas, das mit den Qlik-Skripten in dieser Form nicht m\u00f6glich war. Diese Transparenz erlaubt es dem Team, den laufenden Betrieb kontinuierlich zu verbessern und die Performance der Datenverarbeitung zu steigern. <\/p>\n

Auch bei der Wartung und Fehlersuche<\/strong> bietet iVIEW klare Vorteile. Besonders hilfreich ist die integrierte E-Mail-Benachrichtigung im Falle von Fehlern<\/strong>: Wenn ein Problem auftritt, erh\u00e4lt das Team morgens eine E-Mail mit dem betroffenen Prozessschritt und einem Protokollauszug. So k\u00f6nnen Fehler viel schneller erkannt und behoben werden. In der Vergangenheit wurden Probleme oft erst sichtbar, wenn Mitarbeiter im Laufe des Vormittags meldeten, dass Daten nicht geladen worden waren, wobei sich die L\u00f6sung h\u00e4ufig bis zum Nachmittag hinzog. <\/p>\n

Die Einf\u00fchrung der iVIEW Library hat entscheidend dazu beigetragen, Ordnung und Konsistenz in die grosse Anzahl der bei der B\u00c4KO HANSA verwendeten KPIs<\/strong> zu bringen. Zuvor wurden die Variablen in Excel- und TXT-Dateien gepflegt – oft mehrfach und mit unterschiedlichen Berechnungen. In einigen F\u00e4llen gab es ein und denselben KPI dreimal, jeweils mit einer anderen Definition. Allein eine der zentralen Excel-Dateien enthielt mehr als 3.000 Eintr\u00e4ge, was die Verwaltung \u00e4u\u00dferst komplex und fehleranf\u00e4llig machte. H\u00e4ufig blieb unbemerkt, dass eine Variable bereits existierte und deshalb erneut hinzugef\u00fcgt wurde – manchmal sogar mit einer anderen Berechnungslogik. <\/p>\n

Das f\u00fchrte zu Inkonsistenzen in den Apps<\/strong> und erschwerte es sowohl dem BI-Team als auch den Anwendern, sich auf die Daten zu verlassen<\/strong>. Ein besonders pr\u00e4gnantes Beispiel war die Umsatzkennzahl: In manchen Apps wurde der Umsatz nach Rechnungsdatum, in anderen nach Lieferdatum berechnet. F\u00fcr die Fachbereiche war oft nicht erkennbar, warum die Zahlen voneinander abwichen, was zu Misstrauen gegen\u00fcber den Daten f\u00fchrte. <\/p>\n

Mit der iVIEW Library war die B\u00c4KO HANSA in der Lage, diese Mehrfachdefinitionen zu identifizieren, sie zu bereinigen und einheitliche Regeln f\u00fcr alle Bereiche festzulegen.<\/strong> Durch diese Bereinigung konnte die Anzahl der in den Apps genutzten Variablen deutlich reduziert werden. Heute stehen weniger, aber einheitlich definierte Kennzahlen zur Verf\u00fcgung, die konsistent, transparent und leichter zu warten sind.<\/p>\n

Als Ergebnis dieser Bereinigung wurde die Anzahl der in den Apps verwendeten Variablen erheblich reduziert. Heute stehen weniger, aber einheitlich definierte KPIs zur Verf\u00fcgung, die konsistenter, transparenter und leichter zu pflegen sind. <\/p>\n

\u00abIn unserer gr\u00f6ssten App hatten wir fr\u00fcher 1.118 Variablen<\/strong> geladen \u2013 viele davon wurden gar nicht genutzt. Heute<\/strong> sind es dank der iVIEW Library nur noch rund 250,<\/strong> und wir arbeiten deutlich effizienter und \u00fcbersichtlicher\u00bb<\/em>, konkretisiert Anne Eschenbr\u00fccher.<\/p>\n

iVIEW Dataflow und die iVIEW Library helfen der B\u00c4KO HANSA nicht nur dabei, bestehende Prozesse zu beschleunigen und zu stabilisieren, sondern schaffen auch langfristig Ordnung und Struktur in der BI-Landschaft<\/strong>. Viele der vorhandenen Qlik-Apps waren im Laufe der Jahre organisch gewachsen und enthielten redundante Variablen und unn\u00f6tige Funktionen. Mit der Einf\u00fchrung von iVIEW konnte die B\u00c4KO HANSA nicht nur Altlasten beseitigen<\/strong>, sondern auch Prozesse etablieren<\/strong>, die verhindern, dass sich ein solcher Wildwuchs wiederholt. \u00c4nderungen an Variablen wirken sich nun systemweit aus und nicht mehr nur in einzelnen Anwendungen. Dar\u00fcber hinaus laden neue Anwendungen durchg\u00e4ngig nur die Daten und KPIs, die wirklich ben\u00f6tigt werden – ein wichtiger Schritt, um die BI-Umgebung langfristig schlank, leistungsf\u00e4hig und vertrauensw\u00fcrdig<\/strong> zu halten. <\/p>
\"B\u00c4KO\n\"\"

Zukunft<\/h2>\n

Die Migration auf iVIEW Dataflow bei der B\u00c4KO HANSA ist zu etwa 75 Prozent abgeschlossen<\/strong>. Die Migration soll bis zum Ende des n\u00e4chsten Quartals vollst\u00e4ndig abgeschlossen sein. Parallel dazu wird die Anbindung von Qlik-Apps an die iVIEW Library weiter vorangetrieben. Langfristig sollen alle ca. 46 bestehenden Apps<\/strong> in die Library migriert werden. <\/p>

\n

<\/div>\n
\n
\"Anne<\/figure>\n
\n\n„Informatec hat mit iVIEW eine hervorragende L\u00f6sung entwickelt – man merkt, dass viel Fachwissen und Erfahrung darin steckt. Gleichzeitig sch\u00e4tzen wir den kollaborativen Support sehr: Wenn Fragen auftauchen, antwortet das Team schnell und pragmatisch, oft innerhalb weniger Stunden. Diese Kombination aus technischer Exzellenz und zuverl\u00e4ssigem Support macht Informatec zu einem idealen Partner f\u00fcr uns.<\/em>“\n\n\n\nAnne Eschenbr\u00fccher, Data Analyst, B\u00c4KO HANSA eG\n\n<\/div>\n<\/div>\n

<\/h2>\n

Zusammenfassung<\/h2>\n
\n
\n

Herausforderung<\/h3>\nHybrides Qlik-System mit hohem Wartungsaufwand und komplexer, redundanter Verwaltung von Variablen und KPIs in Excel- und TXT-Dateien.\n\n<\/div>\n
\n

L\u00f6sung<\/h3>\n
    \n \t
  • Implementierung von iVIEW Dataflow f\u00fcr die zentralisierte Extraktion, Umwandlung und Bereitstellung von Daten aus der IBM Informix-Datenbank und erg\u00e4nzende Excel-Tabellen f\u00fcr Qlik<\/li>\n \t
  • Implementierung der iVIEW Library f\u00fcr die zentralisierte Verwaltung von Variablen, KPIs und Definitionen in allen Qlik-Anwendungen<\/li>\n<\/ul>\n<\/div>\n
    \n

    Ergebnisse<\/h3>\n
      \n \t
    • Zentralisierte Datenverarbeitung: geringere Komplexit\u00e4t, geringerer Wartungsaufwand und h\u00f6here Stabilit\u00e4t.<\/li>\n \t
    • Schnellere Verf\u00fcgbarkeit: Die Daten sind jetzt bereits ab 6:30 Uhr statt wie bisher ab 9:00-10:00 Uhr verf\u00fcgbar.<\/li>\n \t
    • Prozessoptimierung: Transparente Prozessschritte erm\u00f6glichen die gezielte Beseitigung von Engp\u00e4ssen und eine verbesserte Leistung.<\/li>\n \t
    • Effiziente Wartung: Automatische E-Mail-Fehlerbenachrichtigungen und eine globale Suchfunktion vereinfachen die Fehlersuche.<\/li>\n \t
    • Verbesserte Datenqualit\u00e4t: Veraltete, fehleranf\u00e4llige Berechnungen wurden bereinigt und konsistente KPIs erstellt.<\/li>\n \t
    • Mehr Ordnung und Konsistenz: redundante Variablen wurden entfernt und standardisierte Definitionen erstellt (z.B. Umsatz nach Lieferdatum vs. Rechnungsdatum).<\/li>\n \t
    • Schlankere Apps: Reduktion der Variablen in der gr\u00f6ssten App von 1.118 auf rund 250.<\/li>\n \t
    • Nachhaltige BI-Struktur: Verhinderung einer erneuten Zersiedelung durch klare Prozesse und eine strukturierte Vorgehensweise bei der Erstellung neuer Apps.<\/li>\n<\/ul>\n<\/div>\n<\/div>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"

      Optimierung der Qlik-Landschaft mit iVIEW B\u00c4KO HANSA verlagert das Qlik-Backend in die Cloud und bringt Struktur in seine KPIs \u00abFr\u00fcher war unsere BI-Landschaft ein regelrechter Dschungel aus Skripten, Variablen und gewachsenen Strukturen. Mit iVIEW Dataflow und der iVIEW Library hat sich dieser Dschungel deutlich gelichtet. Die Prozesse sind heute klar strukturiert, die Kennzahlen konsistent und […]<\/p>\n","protected":false},"author":10,"featured_media":34390,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[51,25],"tags":[],"class_list":["post-34388","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-erfolgsgeschichte","category-artikel"],"acf":[],"publishpress_future_action":{"enabled":false,"date":"2026-05-20 17:52:05","action":"change-status","newStatus":"draft","terms":[],"taxonomy":"category","extraData":[]},"publishpress_future_workflow_manual_trigger":{"enabledWorkflows":[]},"_links":{"self":[{"href":"https:\/\/iview.io\/de\/wp-json\/wp\/v2\/posts\/34388","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/iview.io\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/iview.io\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/iview.io\/de\/wp-json\/wp\/v2\/users\/10"}],"replies":[{"embeddable":true,"href":"https:\/\/iview.io\/de\/wp-json\/wp\/v2\/comments?post=34388"}],"version-history":[{"count":5,"href":"https:\/\/iview.io\/de\/wp-json\/wp\/v2\/posts\/34388\/revisions"}],"predecessor-version":[{"id":34503,"href":"https:\/\/iview.io\/de\/wp-json\/wp\/v2\/posts\/34388\/revisions\/34503"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/iview.io\/de\/wp-json\/wp\/v2\/media\/34390"}],"wp:attachment":[{"href":"https:\/\/iview.io\/de\/wp-json\/wp\/v2\/media?parent=34388"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/iview.io\/de\/wp-json\/wp\/v2\/categories?post=34388"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/iview.io\/de\/wp-json\/wp\/v2\/tags?post=34388"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}