case studies
London Stock Exchange
Problemet: London Stock Exchange stod over for en udfordring: De producerede enorme mængder data hver dag og gemte dem på lokale drev. Det var dyrt, langsomt og ufleksibelt. De nærmede sig et punkt, hvor kapaciteten igen skulle opgraderes.
Løsningen: Migrering til Microsoft Azure. Med AzCopy blev over 300 millioner filer kopieret til en datalake i skyen. Ved hjælp af en række Azure Function Apps blev metadata hentet fra den lokale server, og de samlede data blev gjort tilgængelige via et API. Nye data blev skrevet direkte til datalaken via et tilknyttet skrive-API.
Effekten: En skalerbar og betydeligt billigere løsning, der dækker datalagringsbehovene på lang sigt.
Copenhagen Infrastructure Partners
Problemet: Copenhagen Infrastructure Partners brugte komplekse Excel-baserede systemer til at udarbejde finansielle og miljømæssige rapporter, hvilket var uigennemsigtigt og sårbart over for menneskelige fejl. Det påvirkede både deadlines for indsendelse af rapporter og tilliden til værdierne.
Løsningen: En Python-baseret dataplatform bygget i Microsoft Fabric, som centraliserede og organiserede datakilderne og samtidig håndterede rensning, transformationer og anvendelse af forretningslogik. Takket være integrerede datakilder baseret på Logic Apps blev rapporteringsprocessen automatiseret og kunne nemt kobles til BI-værktøjer. Løsningen blev suppleret med omfattende dokumentation.
Effekten: Rettidig indsendelse af rapporter og nem adgang til alle miljømæssige og finansielle data. Automatiseret rapportering med langsigtet gevinst og enkle eksterne revisionsprocesser takket være dokumentationen.
Booking.com
Problemet: Efter flere fusioner og opkøb var den geografiske database, der understøtter Booking.com og dets tjenester, fyldt med dubletter og desuden ikke i tråd med UX-visionen. Lokationer var defineret inkonsekvent og fandtes i flere versioner, hvilket skabte forvirring hos brugerne.
Løsningen: En grundig rensning af den geografiske database, understøttet af machine learning til at identificere dubletværdier. Derudover udvikling og implementering af en konvention for definition og navngivning af lokationer.
Effekten: En markant forbedring af brugervenligheden ved lokationssøgning i Booking.com og relaterede tjenester samt øget konsistens i den geografiske database.
World Bank
Problemet: Hvert år gennemførte World Bank en analyse af ejendomsmarkederne i de lande, hvor organisationen var til stede. Dette krævede hundredvis af e-mails med forespørgsler om data for hvert enkelt marked, som derefter blev manuelt overført til Excel-ark. De indsamlede data blev visualiseret i en PowerPoint-præsentation. Processen var langsom, uensartet i format og førte til, at forkerte data blev brugt – eller at data ikke kunne sammenlignes på tværs af år.
Løsningen: Dataindsamlingen blev flyttet til et integreret spørgeskemasystem med omfattende inputvalidering for at sikre ensartet format. Dataene blev koblet til et Power BI-dashboard med intuitiv visualisering på tværs af markeder og år – og mulighed for justerbar detaljeringsgrad.
Effekten: Kontinuerlig adgang til opdaterede data, nem sammenligning mellem markeder og over tid – og en markant forbedring af datakvaliteten, hvilket også styrker grundlaget for forretningsbeslutninger.
JLL
Problemet: JLL, en global konsulentvirksomhed inden for ejendomsforvaltning, stod over for et komplekst informationslandskab. Belægningsdata, plantegninger og anden information var spredt vilkårligt rundt i organisationen, hvilket førte til langsom og inkonsekvent planlægning.
Løsningen: Med Azure Databricks blev dataene konsolideret ét sted og fungerede herefter som en fælles sandhedskilde for mere end 20 store kundeengagementer. Et samlet Power BI-dashboard blev udviklet til at visualisere alle ejendomsrelaterede nøgletal – i tæt samarbejde med virksomhedens forretningsenheder.
Effekten: Markante effektivitetsgevinster, understøttet af adgang til opdaterede data i et forudsigeligt format. Samtidig skabte centraliseringen en ensartethed på tværs af hele organisationen.