• xing_icon_webseite
  • LinkedIn - Grau Kreis
  • Facebook
  • Grau YouTube Icon
  • Instagram

© 2019 by Five1

(+49) 6222 / 935-460

Otto-Hahn-Straße 1c
Walldorf, 69190
Deutschland

Vom traditionellen Data-Warehouse zum modernen DataHub in der Amazon Cloud – Teil 2

Five1 begeistert mit individueller Vorgehensweise oder unterstützt bei der Wahl der richtigen Strategie

Quelle: Israel Palacio/Unsplash



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 diverseren Quellsystemen berücksichtigt wird als auch Geschäftsprozesse weiterhin unterstützt werden.


Mit unseren Kunden sind wir die Reise vom traditionellen Datawarehouse 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.



Das Projekt

Im ersten Projektteil wurden die bestehenden Businessprozesse und daran angegliederte Datenladestrecken identifiziert. Danach wurden die nötigen historischen Daten via Amazon Snowball in die Cloud transportiert. Aktuelle Daten werden nun regelmäßig in den Cloud DataHub geladen, um die Aktualität sicher zu stellen. Die bestehenden Datenladestrecken wurden dann mittels AWS Glue auf dem DataHub umgesetzt.



Nicht nur Dashboards – auch der Data Scientist ist glücklich


Amazon bietet eine Vielzahl von Tools an, um auf den Daten Analysen durchzuführen. U.a. kann Tableau auf die Daten im DataHub über eine Abstraktionsschicht 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 Machinelearningmodelle 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 der 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 haben weitere Fragen oder Anregungen zu diesem spannenden Thema? Wir freuen uns auf Ihre Kontaktaufnahme unter: benjamin.seeber@five1.de