Eine Zahl, eine Quelle der Wahrheit.
Pipelines, Warehouses und BI, die Roh-Events in Entscheidungen verwandeln — damit Finance, Ops und Führung aufhören zu streiten, wessen Tabelle recht hat.
Inhalt geprüft:
Ein Warehouse voller Vielleicht.
Die meisten Unternehmen haben kein Datenproblem — sie haben ein Vertrauensproblem. Die Zahlen liegen verstreut in sechs Tools, drei Exporten und auf dem Laptop einer heldenhaften Analystin. Jedes Meeting beginnt mit der Debatte, wessen Zahl stimmt, und jede Entscheidung kommt deswegen eine Woche zu spät.
Wir bauen die langweilige, tragende Schicht, die das behebt: Pipelines, die nicht still scheitern, Warehouses, modelliert nach der tatsächlichen Funktionsweise Ihres Geschäfts, und Dashboards, die Menschen vor dem ersten Kaffee prüfen. Governance und Zugriffskontrolle inklusive — die richtigen Leute sehen die richtigen Zahlen, und Auditoren hören auf, Sie ins Schwitzen zu bringen.
Von Roh-Events zu Entscheidungen.
Der gesamte Weg von der Ingestion bis zur Erkenntnis, entwickelt als ein System mit einem Verantwortlichen.
Daten-Pipelines & ELT
Zuverlässige Ingestion aus Ihren Apps, SaaS-Tools und Geräten — orchestriert, getestet und mit Alerts, bevor Sie etwas merken.
Warehouse & Modellierung
Ein Warehouse, modelliert um Ihre Geschäftsentitäten, mit Transformationen im dbt-Stil, die Ihr Team lesen und erweitern kann.
BI & Dashboards
Power BI-, Metabase- oder Superset-Dashboards, gebaut für die Fragen, die montags wirklich gestellt werden.
Predictive Reporting
Prognosen und Anomalieerkennung auf sauberen Daten mit klarer Governance — die Auffahrt zu ernsthafter ML-Arbeit.
Automatisierung & Reverse ETL
Saubere Daten zurück in Ihr CRM und Ihre Ops-Tools gespielt, damit Erkenntnis automatisch zu Handlung wird.
Governance & Compliance
Zugriffskontrolle, Lineage und Aufbewahrungsrichtlinien — DSGVO-bewusst ab Werk, audit-bereit by Design.
Vertrauen entsteht schrittweise.
Wir verdienen uns Adoption eine verlässliche Zahl nach der anderen, beginnend dort, wo es am meisten weh tut.
01Die Fragen kartieren
Wir starten bei den zehn Entscheidungen, die Ihr Team wöchentlich trifft, und arbeiten rückwärts zu den Daten, die dafür nötig sind.
02Eine goldene Kennzahl
Der erste Sprint liefert eine einzige automatisierte Zahl, meist Umsatz oder Lagerbestand, die jeder gegen die Quelle prüfen kann. Jeder weitere Sprint ergänzt die nächste Kennzahl.
03Modellieren & dokumentieren
Entitäten, Definitionen und Lineage werden schriftlich festgehalten, damit «aktiver Kunde» überall dasselbe bedeutet — für immer.
04Betreiben & erweitern
Monitoring, Alerting und ein Senior-Team auf Abruf. Neue Fragen werden neue Modelle — auf demselben Fundament.
Ihr Produkt könnte der nächste Fall auf dieser Seite sein.
Kostenloser 4-Stunden-WorkshopDer Unterbau der Prognose.
Prognosen funktionieren nur, wenn die Datenschicht darunter vertrauenswürdig ist. Diese Plattform ist beides — und wir haben beide Hälften gebaut.
01Jede B2B-Bestellung als Basis, nach Produkttyp erfasst
Forecasting Model
Live-Verkäufe, Saisonalität und operative Signale fliessen durch sauber gebaute Pipelines in eine Prognoseplattform, mit der Teams tatsächlich planen — Lagerbestand, Personal und Ausgaben.
Entscheidungen, die halten müssen.
dbt, Airflow und Postgres: Ihr Team erbt diese Entscheidungen, also treffen wir sie konservativ.
Wohin die Daten weiterfliessen.
Saubere Zahlen sind selten das Ende. Das hier wird meistens danach gebaut.
Womit die meisten Datenprojekte anfangen.
Ob Sie überhaupt ein Warehouse brauchen, was mit den Kosten passiert und wer das Ganze nach uns wartet.
Schreiben Sie es in ein Briefing. Ein Senior-Engineer liest es und antwortet innerhalb eines Arbeitstages.
Unsere Daten sind ein Chaos. Wo fangen wir überhaupt an?
Das sind sie bei allen. Wir starten mit einem zweiwöchigen Audit: was existiert, wo es liegt, was verlässlich ist. Sie erhalten eine priorisierte Landkarte und ein Festpreisangebot für die erste goldene Kennzahl — kein Plattform-Neubau vorab nötig.
Brauchen wir ein Data Warehouse, oder reicht Postgres?
Oft reicht Postgres völlig — und wir sagen Ihnen, wann das so ist. Dedizierte Warehouses verdienen ihre Kosten bei Skalierung oder schwerer analytischer Last. Wir dimensionieren die Architektur nach den Daten, die Sie wirklich haben, und keinen Deut grösser.
Können Sie mit unserem bestehenden BI-Tool arbeiten?
Ja. Power BI, Metabase, Superset, Looker — das Tool zählt weniger als die Modellierung darunter. Wir reparieren zuerst das Fundament; danach zeigt, was darauf sitzt, endlich konsistente Zahlen.
Wie gehen Sie mit DSGVO und Datenresidenz um?
EU-Region-Hosting auf Anfrage, PII-Minimierung im Pipeline-Design, rollenbasierter Zugriff auf jeder Ebene und dokumentierte Lineage. Wir entwerfen das auf Schema-Ebene mit, damit ein Audit es bereits vorfindet.
Wie verhindern Sie, dass sich Dashboards widersprechen?
Die übliche Ursache ist, dass jeder «aktiven Nutzer» oder «Umsatz» in seinen eigenen Queries leicht anders definiert. Wir beheben das mit einer einzigen modellierten semantischen Schicht in dbt, in der jede Metrik einmal definiert und überall wiederverwendet wird, sodass dieselbe Zahl in Metabase, im Vertriebstool und im Board-Deck auftaucht.
Wie verhindern Sie, dass Warehouse-Kosten ausser Kontrolle geraten?
Kosten explodieren durch Full-Table-Scans, bei jedem Lauf von Grund auf neu gebaute Modelle und Dashboards, die Rohtabellen hämmern. Wir nutzen inkrementelle Modelle, partitionieren und clustern grosse Tabellen, materialisieren die schweren Aggregationen und setzen Warehouse-Auto-Suspend. Snowflake und BigQuery rechnen beide nach gescanntem Compute ab, also kommen die Einsparungen daher, weniger zu scannen — typischerweise 30–50% nach Audit.
Wann ist Echtzeit-Streaming die Komplexität gegenüber Batch wert?
Ehrlich gesagt selten. Batch alle paar Minuten deckt die meisten Analytics-Bedürfnisse zu einem Bruchteil der operativen Kosten ab. Echtzeit (Kafka, Materialize, ClickHouse) verdient sich seinen Platz bei Betrugs-Scoring, Live-Ops-Dashboards und Ad-Bidding — wo eine Entscheidung in Sekunden echten Wert hat. Wir widersprechen, wenn «Echtzeit» ein Wunsch statt ein messbarer Bedarf ist.
Wird mein Team es warten können?
Ja. Jede Pipeline wird mit Dokumentation, Runbooks und einer einwöchigen Pairing-Übergabe ausgeliefert. Wir können auf Retainer für die Weiterentwicklung bleiben, oder vollständig zurückgeben und graziös aussteigen.
Genug gestritten,
wessen Zahl stimmt?
Sagen Sie uns, welche Entscheidungen noch auf ihre Daten warten. Sie bekommen innerhalb eines Werktags Antwort von einem Senior-Data-Engineer, samt dem Punkt, an dem wir anfangen würden.