DER Partner, der Business in IT übersetzt TDWI Konferenz 2015 22. - 24. Juni 2015 Einführung einer Big Data Plattform bei einem Automobilkonzern © Copyright Woodmark Consulting AG, Grasbrunn Dokumenteneigentümer: Rainer Unsöld Öffentlich Agenda Woodmark Big Data Projektauftrag Technische Architektur Use Case Zusammenfassung Öffentlich 2 Woodmark Consulting AG auf einen Blick Öffentlich Dienstleistungsportfolio Big Data und Analytics Wartung und Support Business Consulting Programmund ProjektManagement Design und Konzeption Umsetzung Öffentlich 4 Big Data und Analytics Spektrum BI-Strategie, Organisation und Prozesse Reporting, Analyse und Steuerung Planung und Simulation Predictive Analytics Data Warehouse Architektur Big Data Öffentlich 5 Die Besten vertrauen auf Woodmark Automobilindustrie Bank und Versicherung Pharma Sciences Öffentlich Öffentlicher Dienst weitere Kunden 6 Wir haben starke Partner Öffentlich 7 Agenda Woodmark Big Data Projektauftrag Technische Architektur Use Case Zusammenfassung Öffentlich 8 Der Versuch Big Data zu definieren hat ein Prinzip hervorgebracht, welches eine erste Strukturierung unterstützt. Das 3V - Prinzip Volume: Die exponentiell steigenden Datenvolumia verlagern den Fokus auf Datenspeicherstrategien und Technologien Velocity: Die Geschwindigkeit der Datenerzeugung über heterogene Quelllen nimmt drastisch zu Variety: Die Vielfalt der Daten steigt und die Datentypen (strukturiert, semistrukturiert und unstrukturiert) variieren Öffentlich 9 Das Themengebiet Big Data lässt sich in folgende Handlungsfelder aufteilen. Quelle: BITKOM Leitfaden Big Data Technologien (2014), S. 23 Öffentlich 10 Was bringt uns Hadoop in Abgrenzung zu klassischen BI Lösungen? Drei Fähigkeiten bilden den Kern von Hadoop 1. „Skalierbarkeit bezahlbar machen“ d.h. Daten so preiswert speichern wie möglich 2. Daten auf vielfältige und flexible Weise zu <<befragen>> um umsetzbare und wertvolle Erkenntnisse zu gewinnen 3. Erkenntnisse zeitnah zur Verfügung stellen Die Nachteile der klassischen Lösungen werden somit negiert Versagen bei „variety“ Hohe Kosten pro Terabyte => Datenmengen übersteigen verfügbare Budgets Öffentlich 12 Die Speicherkosten pro Terrabyte, werden durch Hadoop Einsatz signifikant gesenkt. Öffentlich 13 Agenda Woodmark Big Data Projektauftrag Technische Architektur Use Case Zusammenfassung Öffentlich 14 Projektauftrag bei Daimler: Ausgangsbasis Kundennutzen Ein Verantwortlicher für das Gesamtprojekt Einsparungen beim Aufsetzen von zukünftigen neuen Projekten im operativen Betrieb (z.B. Support), bei der Infrastruktur und bei den Lizenzkosten Schaffen von Grundlagen (Service Katalog) für den Dialog mit den Business und für die Zusammenarbeit mit den nachgelagerten internen und externen Dienstleistern des Competence Centers Governance durch klare Vorgaben hinsichtlich Projekt-Onboarding. Eindeutig beschriebene Rollen und Umsetzung der Policies unter Verwendung handhabbarer Checklisten Vorstudie Durchführen eines PoC´s Einführung einer konzernweiten Big Data Plattform Projektmanagement Implementierung folgender Komponenten: - Predictive Analytics (IBM SPSS) - Hadoop 2.1 (Hortonworks) Projektergebnis Technische & organisatorische Bereitstellung der Plattform Konzeption und Einführung aller notwendigen Prozesse Readiness für Onboarding Projekte Know-how Transfer an das Application Operations Team in Indien Öffentlich Das Projektumfeld Verteiltes Projektteam incl. 40% Offshore Anteil • Projektmanagement in Stuttgart • Application Owner/Betrieb in Bangalore • DataCenter in Stuttgart • Center of Excellence in Stuttgart Deutschland Indien Öffentlich 16 Business Analytics Architektur Data Science with SPSS Modeler Data Description Analytics Descriptive Analytics Reuse and integrate existing BI frontend platforms (iBISS, MS-BISS, QV-BISS) Data Description Reporting Integration of SPSS Modeler Technology in Daimler IT Landscape Diagnostic Analytics Data Mining Analytic Archiving Big Data Storage 100% Hadoop ecosystem open source distribution. Hortonworks Data Platform Data Sourcing Data sources Unstructured Data and others: Data Sourcing Data Processing & Storage Data Mining BI Data Warehouses Existing Sources Emerging Sources (CRM, ERP, Clickstream, Logs) (Sensor, Sentiment, Geo, Unstructured) Öffentlich 17 Hortonworks Data Plattform (HDP 2.3) Big Data Storage 100% Hadoop ecosystem open source distribution. Öffentlich Hortonworks Data Platform 18 Project Scope dargestellt im CRISP DM Collaboration Prozess Öffentlich 19 IBM Analytics Plattform methodische Vorgehensweise Process Professional Big Data Platform Architecture Infrastructure Collaboration BIG Data Test Cases BIG Data Use Cases review on product retrospective on process -Tailored Service Models- Big Data Platform - Pilot Projects - review on product retrospective on process Big Data Platform - Basic Version review on product retrospective on process Prototype Öffentlich 20 Agenda Woodmark Projektauftrag Technische Architektur Use Case Zusammenfassung Öffentlich 21 Technische Architektur Öffentlich 22 Agenda Woodmark Big Data Projektauftrag Technische Architektur Use Case Zusammenfassung Öffentlich 23 Use Case: S-Klasse Motorhaubespaltmasse Problemstellung • Spaltmasse der Motorhaube uneinheitlich bei Produktion SKlasse Analyse • Extraktion der Maschinendaten … • Verdichtung… • Bildung von DatenKorrelationen… • Analyse… Öffentlich Lösung • Auswertung der Ergebnisse • Einleitung korrigierender Maßnahmen 24 Agenda Woodmark Big Data Projektauftrag Architektur Use Case Zusammenfassung Öffentlich 25 Projekt Zusammenfassung: Result / Ergebnis • In 6 Monaten wurde eine konzernweite Big Data Plattform incl. prediktive Analytics Komponente, bereitgestellt Benefit / Nutzen • Kosteneinsparung beim onboarding neuer UseCases • Time to Market durch adhoc verfügbare, skalierbare Server und Services • Qualität durch Standards bei Prozessen • Governace durch klare Rollen und Verantwortlichkeiten Challenge / Herrausforderung Lessons Learned / ??? • Verteiltes Projektteam incl. 40% Offshore Anteil • 6 Monate Projektlaufzeit • Neue Technologien • Offshore Teammitglieder frühzeitig und eng ins Projekt einbinden und dadurch aufwendigen Know-how Transfer vermeiden • Hohe Disziplin bei der Einhaltung der agilen Regeln ermöglicht flexibles Changemanagement im Projekt Öffentlich 26 Kontaktdaten Öffentlich 27
© Copyright 2024 ExpyDoc
