Transformation vom legacy Datawarehouse hin zur modernen Cloud Datenplattform

Mit unseren Kunden haben wir die Reise vom traditionellen Data Warehouse bspw. in die Amazon Cloud schon öfter angetreten. Mit dem Ergebnis, das die Integration neuer Geschäftsprozesse und Modelle agiler möglich ist. Eine neue Analyse aufsetzen? Einen neuen Software MVP entwickeln? Die aktuellen Kennzahlen in Realtime zur Verfügung stellen? Die Amazon Cloud bietet unseren Kunden viele Möglichkeiten, den entscheidenden Vorsprung zu Mitbewerbern sicher zu stellen.

Nicht alles muss weg...

Viele Data Warehouse-Systeme haben sich über Jahre hinweg entwickelt. Bei der Modernisierung ist daher besonders darauf zu achten, dass sowohl die häufig heterogene Systemlandschaft mit diversen Quellsystemen berücksichtigt wird als auch Geschäftsprozesse weiterhin unterstützt werden.

In einem Transformationsprojekt ist es deshalb besonders wichtig die bestehenden Geschäftsprozesse und daran angegliederte Datenladestrecken zu identifizieren. Dann kann man bewerten was und in welcher Reihenfolge auf der Cloud Datenplattform zur Verfügung gestellt wird und was im alten System verbleibt. 

Die eigentliche Datenverbindung ist heute kein Problem mehr. Aktuelle Daten werden bspw. mit Five1 DES regelmäßig in den Cloud Data Hub geladen. Die bestehenden Datenladestrecken werden dann mittels AWS Glue auf der Datenplattform umgesetzt. Selbst historische Daten können via Amazon Snowball in die Cloud transportiert werden.

Nicht nur schnelle Dashboards – auch der Data Scientist ist glücklich

Amazon bietet eine Vielzahl von Tools an, um auf den Daten Analysen durchzuführen. Unter anderem kann Tableau über eine Abstraktionsschicht auf die Daten im Data Hub zugreifen und so die Vorteile von verteiltem Rechnen voll ausschöpfen. In Tableau werden dann die Standardberichte an den Controller geliefert, ohne dass dieser etwas von der neuen Architektur mitbekommt.

Data Scientists nutzen diverse Möglichkeiten wie Zeppelin Notebooks, um die Daten zu analysieren oder Sagemaker, um Machine-Learning-Modelle zu bauen.

Automatisierter Demand-Forecast für B2B

Für die Vorhersage von Nachfrageverhalten haben sich im B2C-Bereich Zeitreihenanalysen etabliert. Diese liefern großartige Ergebnisse. Im B2B-Bereich helfen hingegen traditionelle Zeitreihenanalysen für die Bestimmung der Nachfrage und damit die Identifizierung des optimalen Lagerbestandes häufig nicht weiter.

Gerade im B2B-Bereich sind die Herausforderungen individueller. Ziel ist es hier, die Komplexität zu beherrschen. Für einen Kunden wurde genau dieser Schritt gemacht: Der Business Case – also die individuellen Anforderungen und Rahmenbedingungen – wurde mit erweiterten Machine-Learning-Algorithmen zusammengebracht. Hierdurch wurde eine Lösung geschaffen, die den optimalen Lagerbestand mit einer sehr hohen Genauigkeit vorhersagt. Dadurch kann die komplette Wertschöpfung an den Bedarf angepasst werden. Lieferengpässe oder Überproduktion gehören damit der Vergangenheit an!

Sie möchten mehr erfahren über die Schritte vom Enterprise Data Warehouse zum modernen Data Hub in der Amazon Cloud? Dann laden Sie hier unser Whitepaper zu diesem Thema herunter: