Fast Data Analytics.

Mithilfe von Fast Data Analytics fundierte Entscheidungen in Echtzeit treffen. Erfahren Sie mehr über Möglichkeiten der Echtzeitdatenverarbeitung.

Startseite/Portfolio/Data Analytics/Fast Data Analytics

Fast Data Analytics.

Fundierte Entscheidungs-unterstützung in Echtzeit.

Die Anforderungen der Unternehmen an Daten (z.B. für Predictive Maintenance) und die daraus abgeleiteten Entscheidungsgrundlagen und Vorhersagen steigen stetig und beeinflussen den Geschäftserfolg maßgeblich. Wir sind heute in der Lage, nahezu alle Daten in ihren vielfältigen Formaten zu integrieren, zu analysieren und zu interpretieren. Doch nur wer in der Lage ist, dies auch in Echtzeit zu tun, kann rechtzeitig fundierte Geschäftsentscheidungen treffen, zeitkritische Services anbieten und echte Mehrwerte für sein Business generieren.

Gerade im IoT-Umfeld, in dem enorm viele Echtzeitdaten produziert und idealerweise direkt aktiv ausgewertet werden, ist der Einsatz von Fast Data Analytics-Plattformen unumgänglich. Durch individuelle Use Cases profitieren heute zahlreiche Branchen von Realtime-Streaming. So muss beispielsweise für die aktive Steuerung und Überwachung von Maschinen auf Basis von Sensordaten eine Realtime-Datenintegration sichergestellt werden. In der Finanz- und Versicherungsbranche hingegen können wiederum Bonitäts- und Plausibilitätsprüfungen bei Onlineanträgen durch ein Realtime-Scoring realisiert werden. Mit Hilfe von Streaming Analytics und Echtzeit-Dashboards werden so weitere konkrete Mehrwerte für das Business geschaffen. Gleichzeitig dürfen natürlich die Ansprüche an Security und Data-Governance nicht unter der Echtzeitverarbeitung leiden.

Fast Data Analytics – mehr Geschwindigkeit = höherer Nutzen?

Entdecken Sie unser kostenloses Video in der MT Mediathek.

Jetzt stöbern

Fachliche und technische Anforderungen an eine Fast-Data-Plattform.

Die Anforderungen an eine nutzenstiftende Fast Data Analytics-Plattform sind vielfältig. Im Folgenden stellen wir die wichtigsten fachlichen und technischen Aspekte heraus, die wir gemeinsam mit Ihnen diskutieren und konkretisieren.

Fast_Data

Fachliche Anforderungen:

  • Integration und Verarbeitung der Daten in Echtzeit
  • Entgegennehmen von Echtzeitdaten (Streaming Hub)
  • Generische Integration von Quellen (MTGen)
  • Bereitstellen der Daten in Echtzeit-Dashboards
  • Förderung der Kollaboration
  • Schaffung von Schnittstellen
  • Anwendung von „industrialisierten“ Data Science-Modellen auf die gestreamten Daten in Echtzeit (z. B. für Prognosen)
  • Echtzeitvorhersagen im Kontext Data Science (Analytics Hub)
  • Einfacher Zugriff auf Datenbasis

Technische Anforderungen:

  • Entstehung der Plattform in der Cloud oder On-Premise
  • Bereitstellung der Plattform als Infrastructure-as-a Service (IaaS), Platform-as-a-Service (PaaS) oder Software-as-a-Service (Saas)
  • Welche Datenmengen müssen integriert werden?
  • Welches Datenwachstum ist zu erwarten?
  • Wie stark und wie schnell muss die Plattform skalieren können?
  • Wer soll alles Zugriff auf die Plattform bekommen?
  • Wie flexibel muss die Plattform sein, um beispielweise weitere Use Cases leicht umsetzen zu können, die heute noch nicht bekannt sind?

Profitieren Sie von unserer Expertise im Bereich Fast Data Analytics.

Durch unsere umfangreiche Projekterfahrung wissen wir, wie eine flexible und portierbare Enterprise-Lösung unter Berücksichtigung der zahlreichen relevanten Aspekte aussehen muss.

Wir sorgen für einen schnellen generischen Aufbau der Plattform auf Basis von Generatoren. Auf Grundlage dieses generischen Ansatzes ermöglichen wir eine automatisierte Datenanbindung und -verarbeitung an die Plattform.

Wir erfüllen alle für Sie relevanten Anforderungen beim Aufbau und der Nutzung einer Fast Data Analytics Plattform, damit Sie aus Ihren Daten den größtmöglichen Nutzen ziehen können! Einige zentrale Anforderungen an eine effiziente Fast Data Analytics Plattform finden Sie im Folgenden:

Individuelle Lösung.

Automatisierte initiale Bereitstellung einer Fast Data Analytics Plattform.

Auf Basis eines von uns entwickelten Architekturkonzepts haben wir eine Lösung erarbeitet, die eine initiale Bereitstellung der Fast Data Analytics Plattform automatisiert in der Public Cloud oder On-Premise ermöglicht.

Hierfür wird automatisiert ein „Meta Data Lake Cluster“ erstellt. Dieses Cluster ist der zentrale Speicher von Nutz- und Metadaten sowie Sicherheitsrichtlinien für alle verwendeten Services innerhalb der Plattform. Weitere Compute-Cluster (Data Hubs) können nachträglich mit dem Basis-Cluster verknüpft werden und erben so alle dort hinterlegten Richtlinien und Metainformationen.

Durch die Entkopplung von Daten und Berechnung kann die Plattform in der Zukunft so ohne großen Mehraufwand flexibel auf Änderungen reagieren. Beispielsweise kann ein Data Hub im Kontext „Data Science“ dank vordefinierter Templates auf Knopfdruck erstellt werden. So können schnell neue Use Case-Ideen evaluiert werden, ohne das bestehende Cluster zu beeinflussen. Gleiches gilt für die horizontale und vertikale Skalierung des Clusters. Vordefinierte Templates und die zentrale Verwaltung ermöglichen es, das Cluster jederzeit zu skalieren.

  • Zentrales Sicherheitskonzept über alle Services und Interaktionen hinweg
  • Eingebettete Governance & Compliance (Audit, Data Lineage, Data Catalog,etc.)
  • Flexible Bereitstellung in der Cloud oder OnPremise
  • Volle Integration aller Services unter Berücksichtigung der Security
  • Individualisierbarkeit, z.B. der Datenintegration oder Datenanalyse
  • Flexible Schnittstellen (Quellen und Ziele / Abnehmer)
  • Einfache Bereitstellung einzelnen Disziplinen (Data Engineering, Data Warehouse und Data Science)

Aus den Aspekten resultierte nachfolgendes Architekturkonzept:

Fast Data Analytics Plattform

Ihre Vorteile einer Fast-Data-Analytics-Plattform.

Der Aufbau und die schnelle Bereitstellung einer Fast-Data-Analytics-Plattform bildet die Grundlage für die Integration und Nutzung von Realtime-Daten. Das wiederum ist wichtig, um den fachlichen Anforderungen möglichst früh gerecht zu werden. So können schnell konkrete Mehrwerte generiert werden. Durch den ganzheitlichen Ansatz ist auch die Integration von Stammdaten oder anderer Zusatzdaten (intern/extern) gewährleistet.

Dadurch ergeben sich folgende konkreten Vorteile für Ihr Unternehmen:

Icon_Echtzeit

Frühzeitiger Erkenntnisgewinn auf Basis von Echtzeitdaten

Icon_Bildschirm

Möglichkeit der Bereitstellung neuer Echtzeitservices

Icon_Dashboard

Echtzeit-Monitoring von Daten-Streams

Icon_Lupe

Aufbau und Nutzung von Realtime-Predictions und Realtime-Analytics (Predictive Maintenance)

Icon_Intergration

Integration von Stammdaten und anderen Quellen für umfassende Analysen

Icon_Datenbank

Flexible und schnelle Integration neuer Datenquellen

Icon_Kalender

Historisierung von Data-Streams auf Basis von Zeitstempeln

Icon_Zentral

Schaffung einer zentralen Enterprise Lösung für das ganze Unternehmen