Eine solide Dateninfrastruktur ist der Schlüssel für eine zukunftsorientierte Unternehmensentwicklung. Von der Entstehung neuartiger Wertschöpfungsketten über die fundierte Entscheidungsfindung mittels Business Intelligence bis hin zu personalisierten Produkten und dem Einsatz von Artificial Intelligence.
In den letzten Jahren sind die Möglichkeiten, Daten zu sammeln, rapide gewachsen. Nahezu jede Schnittstelle zu Kund:innen, Maschinen und Produkten kann auch Daten erheben. Um in der Menge der Informationen nicht den Überblick zu verlieren braucht es Konzepte und Kompetenzen aus unterschiedlichsten Bereichen, die über traditionelles Software Engineering hinausgehen.
Dafür stellen wir mehr als nur einfache Datenstrecken bereit. Das Orchestrieren der Datenmengen sowie die Bereitstellung, Verwaltung und Integration verlangt intelligentes Data Engineering, das auch Testing, Security, Monitoring und die Datenqualität berücksichtigt.
Um Data Engineering noch erfolgreicher zu gestalten, setzen wir auf die Best Practices aus dem Software Engineering. So entstehen bessere, robuste Datenprodukte, die den Grundpfeiler für nachhaltigen Erfolg bilden.
Wenn eine große Marke wie dm strategisch ins Onlinegeschäft einsteigt, weckt das hohe Erwartungen. Deshalb hat das IT-Tochterunternehmen FILIADATA, das seit 1988 für alle IT-Systeme von dm verantwortlich ist, bereits 2013 ein Projekt angestoßen, das die Voraussetzung für den zuverlässigen und ausfallsicheren IT-Betrieb von dm.de schaffen sollte: den Aufbau einer großen vollautomatisierten Linux-Infrastruktur im Rechenzentrum, auf der anspruchsvolle Web-Dienste wie der Onlineshop betrieben werden.
CASE STUDY LESENIm Rahmen des aktuellen Projektes wurde die Absatzprognose (Demand Forecasting) für den REWE-Lieferservice neu entwickelt. Die Implementierung der Lösung sollte mit Hilfe von Big-Data-Technologien eine einfache Skalierbarkeit ermöglichen.
CASE STUDY LESENPro Monat sind 13,5 Millionen Besucher:innen auf der Web-Plattform mobile.de, die aus über 1,6 Millionen Fahrzeugen wählen können. Jeder Besuch der Plattform erzeugt einen Strom von Daten, der etwas über die Nachfrage nach bestimmten Fahrzeugen, die Qualität der Angebote und die Bedürfnisse der Nutzer:innen verrät. mobile.de möchte diese Daten nutzen, um die User Experience – sowohl der Fahrzeugkäufer:innen als auch der Fahrzeuganbieter:innen – kontinuierlich zu verbessern.
CASE STUDY LESENIn einem Innovationsprojekt realisiert arvato Financial Solutions gemeinsam mit Microsoft, dem Cloud- und Big-Data-Spezialisten inovex GmbH und drei Pilotkunden aus dem E-Commerce-Bereich eine Big-Data-Architektur auf Microsoft Azure und lotet damit aus, wie durch die Kombination von Cloud Computing, Big Data und Advanced Analytics Betrugserkennung verbessert und neue Finance BPO-Services entwickelt werden können.
CASE STUDY LESENWie bei der klassischen Software-Entwicklung ist die Architektur auch bei der Konzeption eines Data Lakes maßgeblich für den Projekterfolg. Durch das richtige Design ist die Datenplattform nicht nur stabil, sondern auch flexibel genug, um neuen Use Cases wie z. B. in den Bereichen Reporting oder Machine Learning gerecht zu werden. Gleichzeitig bleiben die Betriebskosten niedrig.
Durch eine sauber konzipierte Architektur ermöglichen wir unseren Kunden, auch Herausforderungen wie etwa die DSGVO zu meistern.
In Projekten richten wir unseren Technologieeinsatz ganz nach den Anforderungen unserer Kunden. Meistens begleiten wir sie von der Konzeptionsphase bis hin zur Umsetzung und Weiterentwicklung.
Wir haben schon früh Erfahrung im Bereich Big Data gesammelt und sind besonders erfahren in der Aufsetzung, Konzeption und Wartung von On-Premise Hadoop-Distributionen. Dementsprechend genau kennen wir die Aspekte einer Cloud-Migration und können ihre Vor- und Nachteile individuell und umfassend bewerten.
Bei einer Migration stellen wir sicher, dass sowohl die Infrastruktur als auch die Datensysteme und Anwendungsfälle „cloud native“ umgesetzt werden. Hierbei schöpfen wir die Vorteile der Cloud voll aus. Dabei ist uns wichtig, dass die migrierten Produkte auch mit den neuen Technologien von unseren Kunden möglichst so wie vorher verwendet werden können.
Die EU-Datenschutzgrundverordnung (DSGVO) ist ein wichtiger Faktor für die Entwicklung neuer Lösungen. Sie bringt nicht nur neue technische Anforderungen mit sich, sondern kann bei Verletzung auch empfindliche Strafen für Unternehmen bedeuten.
Das hat massiven Einfluss auf bestehende und neue Datenplattformen – angefangen bei der konformen Speicherung und Bereitstellung der Daten bis hin zu entsprechenden Berechtigungskonzepten und der Dokumentation.
Eine nachträgliche Umstellung ist zeitaufwendig und mit zusätzlichen Kosten verbunden, falls diese Anforderungen bei der Konzeption der Architektur nicht bedacht wurden. Daher prüfen wir in unseren Projekten sehr genau, welche Bestimmungen gelten und wie sie in den individuellen Lösungen Anwendung finden müssen.
Eine performante Datenplattform ist die Basis für erfolgreiche Datenwertschöpfung. Sie macht es Teams möglich, neue Produkte zu entwickeln, indem sie flexibel auf die Informationen zugreifen und sie beliebig erweitern können. So ergeben sich mit einer gemeinsamen Plattform auch teamübergreifende Symbiosen, die dem Unternehmen neue Insights bieten können.
Wir helfen Teams mit kontinuierlichem Qualitätsmonitoring dabei, die Plattform so aufzusetzen, dass sie erfolgreich arbeiten und ihre Daten zuverlässig in die Plattform laden können.
Zusätzlich ermöglichen wir eine flexible Auswertung der Daten, indem wir klassischen Reporting-Lösungen Zugriff auf den Data Lake erteilen. So können Analyst:innen Berichte und Auswertungen auf den Daten erstellen.
Aber nicht nur die klassischen Berichte profitieren von einer zentralen Datenplattform. Auch komplexe Machine-Learning-Produkte können die Vorteile eines Data Lakes ausnutzen, auf dem auch unstrukturierte Daten, wie etwa Bilder, abgelegt werden können.
Die Sammlung, Analyse und Auswertung von Big Data hilft, bestehende Geschäftsmodelle besser und detaillierter zu verstehen, sie zu digitalisieren und neue digitale Produkte zu etablieren. Ein hochskalierbares Datenmanagement bildet die unverzichtbare Basis für viele Verfahren der Data Science, des Machine Learnings und der Künstlichen Intelligenz.
Mittels performance-orientierter BI-Lösungen können Unternehmen ihre Geschäftsdaten eigenständig und in Echtzeit analysieren, auswerten und visualisieren. Aus den so aggregierten Informationen können sie im Nachhinein fundierte Erkenntnisse und konkrete Handlungsoptionen ableiten.
Eine soldie Cloud-Infrastruktur ist ein wichtiger Faktor, um Daten skalierbar und kosteneffizient zu analysieren und zu bearbeiten. Wo klassische Rechenzentren einen höheren manuellen Aufwand bedeuten, kann mit Cloud-Lösungen flexibler auf den Ressourcenbedarf reagiert werden. Darauf aufbauend haben weitere Automatisierungsschritte dafür gesorgt, dass wir heute Cloud-Infrastrukturen realisieren können, die exakt auf die Anforderungen der Digitalen Transformation abgestimmt sind.
Die Data Science geht mit Data Engineering Hand in Hand. Sobald Daten gesammelt und aufbereitet werden können, geht es daran, die Erkenntnisse nutzbar zu machen. Datengetriebene Modelle sorgen dafür, dass die gewonnenen Informationen ihren Weg in die Produktion finden.
Daten haben das Potenzial, Unternehmen großen Mehrwert zu bieten. Die Herausforderung ist jedoch, die richtigen Schlüsse aus ihnen ziehen zu können: Die schiere Menge, Komplexität und Vielfalt stellen hohe Anforderungen an Werkzeuge, Menschen und Methoden bis relevante Einsichten gewonnen werden können. Data Mesh kann als analytische Datenarchitektur die Voraussetzung für effektive Datenwertschöpfung schaffen.
Das Projekt KOSMoS, das durch das Bundesministerium für Bildung und Forschung gefördert wird, hat das Ziel, produzierende Unternehmen miteinander zu verbinden und damit ein sicheres, digitales Wertschöpfungsnetz über die Unternehmensgrenzen hinweg zu schaffen. Im Konsortium der neun Projektpartner ist inovex der Experte für Data Management und Analytics.
Bildgebende Massenspektrometrie ist als innovative Technologie aktuell im Begriff, den Schritt von ihrer primären Anwendung im Forschungsbereich in die kommerzielle Verwendung im klinischen Umfeld zu vollziehen.
Wie können wir Sie unterstützen?
