Communications, Media & Telecom - Design und Entwicklung einer Google Cloud-basierten Datenplattform
Communications, Media & Telecom
Durch die Entwicklung eines Data Lakes in der Google Cloud und die Einführung von Best Practices in der Software- und Datentechnik konnte synvert einen schnelleren Datenzugriff und eine effizientere Datenaggregation für Analysen erreichen, was zu erheblichen Zeitersparnissen und einer höheren Frequenz regelmäßiger Geschäftsberichte führte und zeitnahe Unternehmensentscheidungen ermöglichte.
Ausgangslage
Die Daten des Kunden waren in einer Oracle-Datenbank gespeichert, aber nicht alle Teams verfügten über zentral gespeicherte Daten, z. B. fehlten Website-Daten, und es gab Datensilos für jede Abteilung, was abteilungsübergreifende Analysen und Reportings erschwerte.
Die Datenbank war überlastet und zu kompliziert, so dass der Zugriff für die Datenanalyse nur langsam möglich war und Reportings in Stücken verarbeitet werden mussten, was die Häufigkeit der verfügbaren Berichte einschränkte.
Die Architektur
Die Data Lake Architektur wurde auf der Google Cloud Platform umgesetzt. Hierbei wurden Technologien wie Gitlab, dbt und Google BigQuer verwendet.
synvert Vorteile
Durch das verbesserte Data Warehouse hat synvert einen schnelleren Datenzugriff und eine effizientere Datenaggregation für Analysen erreicht. Dies führt zu erheblichen Zeitersparnissen und einer höheren Frequenz regelmäßiger Geschäftsberichte, was zeitnahe Unternehmensentscheidungen ermöglicht.
Die Benutzer sind in der Lage, ihre eigenen Berichte in Power BI zu erstellen, wobei alle Abteilungen einfach und schnell auf denselben Data Lake zugreifen können, was die Komplexität und die Zeit bis zum Erhalt von Erkenntnissen verringert. Die meisten Datentransformationen werden bereits im Data Lake mit BigQuery und dbt durchgeführt, so dass die Abteilungen Daten- und Businesslogik unternehmensweit anpassen können.
Services von synvert
synvert entwickelte einen Data Lake in der Google Cloud, und führte Best Practices in der Software- und Datentechnik ein. Dazu gehörten Git-Repositories, CI/CD, objektorientierte Programmierung, Linting und Testautomatisierung. Die Entwicklung von Datenqualitätstests und die Modellierung nach Data Vault 2.0 wurden ebenfalls implementiert. Data Mesh ermöglichte es den Anwendern, bereichsübergreifende Datenanalysen durchzuführen. Darüber hinaus wurden die internen Berater erfolgreich in den oben genannten Technologien und Methoden geschult.
Industrials
SoftwareFactory bei einem führenden Unternehmen der Automobilsoftwarebranche
Industrials
Skalierbare Fahrzeugdatenbank
Consumer Goods & Retail
DevX-Impact bei einem HR-Tech-Unternehmen
Consumer Goods & Retail
Internationale Expansion eines führenden Online Autohändlers
Industrials
Beschleunigung der Cloud-nativen Entwicklung bei einem Automobilhersteller
Communications, Media & Telecom
Erkennung von Anomalien bei Retail Verkaufsprovisionen
Energy & Resources
Einrichtung einer zuverlässigen und leistungsstarken Plattform
Communications, Media & Telecom
Wahrscheinlichkeitsvorhersage für die Kundenabwanderung
Industrials
Früherkennung von mechanischen Defekten
Industrials
NLP im Automobilbereich
Communications, Media & Telecom
Operational Data Lake
Consumer Goods & Retail
Real-Time Marketing
Industrials
Automatisierte Klassifizierung von Autos nach ihrem Modell
Public Sector
Dieseltech Programm
Industrials
Zentrales Data Warehouse
Industrials
Data as a Service – BI & Big Data CC
Communications, Media & Telecom
Operative Arbeit/Unterstützung im Bereich Data Warehousing
Industrials
Erosionsdetektion mit Computer Vision
Communications, Media & Telecom
Entwicklung und Aufbau einer vollautomatischen MLOps-Plattform
Consumer Goods & Retail
Migration einer AWS-Datenplattform zu Google Cloud
Consumer Goods & Retail
Vorhersage und Zuweisungsoptimierung für stationäre Kanäle
Communications, Media & Telecom
Design und Entwicklung einer Google Cloud-basierten Datenplattform
Communications, Media & Telecom
Aufbau eines echtzeitnahen Empfehlungssystems
Industrials
Zentraler Data Lake
Fundamente für das Stammdatenmanagement
Ablösung einer komplexen IBM Datastage Struktur
Consumer Goods & Retail
Smart Data Catalog
Aufbau einer konzernweiten BI-Plattform
Implementierung von Realtime-Datenstrecken
Aufbau und Weiterentwicklung eines DWH
Etablierung eines neuen Vertriebsreporting
Aufbau einer ERP-Datendrehscheibe
Cloud Self Service-BI zur datengetrieben Unternehmensführung
Quelldatenmigration mit Automatisierung der Quelldatenanbindung
Vereinheitlichung von Auswertungsprozessen
Ablösung einer Softwareeigenentwicklung
CRM Analytics und Leadmanagement
Entwicklung verschiedener ML Use Cases mit AWS
