Beschrijving:

Binnen TrendMiner, onderdeel van SoftwareAG, ontwikkelen we geavanceerde software voor het analyseren van “time series” data. Ons platform stelt procesingenieurs in staat om processen snel en intuïtief te debuggen (problemen in het proces te identificeren en te onderzoeken) en te optimaliseren door middel van krachtige visualisaties en patroonherkenning. Onze klanten bevinden zich voornamelijk in de procesindustrie, waaronder de chemische industrie, olie & gas, en de farmaceutische sector.

TrendMiner stelt momenteel 52 software engineers in 7 verschillende teams tewerk, zowel in binnen– als buitenland. We volgen o.a. Agile–methodologieën om onze ontwikkelingsprocessen te stroomlijnen. Om onze werkzaamheden en output verder te optimaliseren, zijn we sterk afhankelijk van nauwkeurige meetwaarden en analyses.

Op dit moment worden de gegevens voor deze analyses handmatig uit verschillende tools gehaald. Dit is een tijdrovende en foutgevoelige klus. Daarom wil TrendMiner een dashboard ontwikkelen om deze gegevens op een efficiënte manier te bekijken.

De stageopdracht bestaat uit twee onderdelen:

• Automatisch bekomen van de gegevens
• Visueel weergeven van de gegevens in een dashboard

Het eerste deel van de opdracht heeft betrekking op het onderzoeken van de meest geschikte methoden om gegevens te extraheren, laden en transformeren (ELT) voordat ze op een toegankelijke manier worden opgeslagen. We zullen onderzoeken of het haalbaar is om ELT–tools te gebruiken. Er moet onder andere gekeken worden of de tools geschikt zijn om verbinding te maken met alle onze ontwikkelingstools, zoals Jira en GitHub. Hierna om onze data te verwerken in statische gegevens, zoals gemiddeldes, timings, enz. Daarna moet deze data eenvoudig in onze database opgeslagen kunnen worden. De opdracht omvat een vergelijkende studie van tools zoals Meltano, Apache Airflow en Dagster.

Het tweede deel van de opdracht richt zich op het vinden van efficiënte manieren om deze gegevens visueel weer te geven. We zullen verschillende dashboardingtools evalueren, waaronder Grafana, Kibana, Microsoft Power BI en ons eigen in–house product. De data zou ook gefilterd moeten kunnen worden en eenvoudige zoekopdrachten toelaten.